[논문 리뷰] Driving Conditions-Driven Energy Management for Hybrid Electric Vehicles: A Review

Teng Liu, Wenhao Tan외 4명|arXiv (Cornell University)|2020. 07. 16.

Vehicle emissions and performance참고 문헌 142인용 수 6

한 줄 요약

이 리뷰는 하이브리드 전기차(HEVs)의 주행 조건 기반 에너지 관리 전략(EMS)을 제안하며, 주행 사이클 지식에 기반해 EMS를 세 가지 유형으로 분류한다: 표준 사이클, 장기 주행 사이클 생성(LT-DCG), 단기 주행 사이클 예측(ST-DCP). 최근의 주행 사이클 모델링 및 EMS 설계 기술의 발전을 종합적으로 분석하며, 실제 주행 패턴이 연료 효율성과 배기가스 배출 제어에 어떻게 기여하는지 강조한다. 주요 기여는 분류 체계, 데이터 출처, 향후 연구 방향에 대한 것이다.

ABSTRACT

Motivated by the concerns on transported fuel consumption and global air pollution, industrial engineers, and academic researchers have made many efforts to construct more efficient and environment-friendly vehicles. Hybrid electric vehicles (HEVs) are the representative ones because they can satisfy the power demand by coordinating energy supplements among different energy storage devices. To achieve this goal, energy management approaches are crucial technology, and driving cycles are the critical influence factor. Therefore, this paper aims to summarize driving cycle-driven energy management strategies (EMSs) for HEVs. First, the definition and significance of driving cycles in the energy management field are clarified, and the recent literature in this research domain is reviewed and revisited. In addition, according to the known information of driving cycles, the EMSs are divided into three categories, and the relevant study directions, such as standard driving cycles, long-term driving cycle generation (LT-DCG) and short-term driving cycle prediction (ST-DCP) are illuminated and analyzed. Furthermore, the existing database of driving cycles in highway and urban aspects are displayed and discussed. Finally, this article also elaborates on the future prospects of energy management technologies related to driving cycles. This paper focusing on helping the relevant researchers realize the state-of-the-art of HEVs energy management field and also recognize its future development direction.

연구 동기 및 목표

• 주행 사이클 특성에 기반해 하이브리드 전기차(HEVs)의 에너지 관리 전략(EMS)을 체계화하는 것.
• 가용한 주행 사이클 지식 수준(표준, 장기 생성, 단기 예측)에 따라 EMS 접근 방식을 식별하고 분류하는 것.
• HEV 응용 분야에 적합한 도시 및 고속도로 주행 사이클 데이터베이스를 분석하는 것.
• 연료 경제성 향상과 오염 감소를 위해 주행 사이클 인지 기반 에너지 관리의 연구 격차와 향후 방향을 제시하는 것.

제안 방법

• 주행 사이클 지식 수준에 따라 HEV 에너지 관리 전략(EMS)을 세 가지 유형으로 분류: 표준 주행 사이클, 장기 주행 사이클 생성(LT-DCG), 단기 주행 사이클 예측(ST-DCP).
• 다양한 수준의 사이클 지식을 기반으로 한 주행 사이클 모델링 및 EMS 설계에 관한 최근 문헌을 검토하고 종합하는 것.
• 도시 및 고속도로 주행 사이클의 기존 데이터베이스를 분석하여 HEV 에너지 관리 연구에의 적용 가능성을 평가하는 것.
• 표준 및 예측된 사이클 데이터를 사용하여 다양한 주행 조건에서의 EMS 성능을 평가하는 것.
• 실세계 주행 패턴을 모델링하고 예측하기 위해 신호 처리 및 제어 이론 기법을 통합하여 적응형 EMS 설계를 위한 기반을 마련하는 것.
• 주행 사이클 예측 가능성과 데이터 가용성에 기반한 EMS 방법론의 종합적 분류 체계를 제공하는 것.

실험 결과

연구 질문

• RQ1 표준, 장기 생성, 단기 예측 등 주행 사이클 지식의 다양한 수준이 HEV 에너지 관리 시스템의 설계 및 성능에 어떻게 영향을 미치는가?
• RQ2 HEV 연구에 사용되는 기존 도시 및 고속도로 주행 사이클 데이터베이스의 주요 특성과 한계는 무엇인가?
• RQ3 장기 주행 사이클 생성(LT-DCG)과 단기 주행 사이클 예측(ST-DCP)이 HEV 에너지 관리 전략의 적응성 향상에 어떻게 기여할 수 있는가?
• RQ4 실세계 주행 행동을 HEV 응용 분야에 모델링하기 위해 가장 효과적인 신호 처리 및 제어 기법은 무엇인가?
• RQ5 하이브리드 전기차의 주행 조건 기반 에너지 관리 분야에서 주요 연구 격차와 향후 추세는 무엇인가?

주요 결과

• 본 논문은 주행 사이클 지식 수준에 따라 HEV 에너지 관리 전략(EMS)의 명확한 분류 체계를 수립하여 분야 내 메서드올로지의 명확성을 향상시켰다.
• 장기 주행 사이클 생성(LT-DCG)과 단기 주행 사이클 예측(ST-DCP)는 실제 주행 환경에서 적응형 및 예측형 EMS의 핵심 수단으로 부상하고 있다.
• 기존의 도시 및 고속도로 주행 사이클 데이터베이스는 해상도, 커버리지, 적용 가능성 측면에서 다양성이 있으며, 교통 패턴과 에너지 소비 프로파일에 상당한 차이가 있다.
• 주행 조건 인지 기반 EMS는 고정형 또는 비적응형 전략에 비해 연료 효율성을 크게 향상시키고 오염 배출을 감소시킨다.
• 실시간 주행 사이클 예측과 모델 예측 제어(MPC)를 통합한 접근 방식은 차세대 HEV 에너지 관리에 강력한 잠재력을 보이고 있다.
• 향후 연구는 기계 학습과 실시간 주행 패턴 인식을 활용한 데이터 기반, 적응형 EMS 프레임워크에 초점을 맞춰야 한다.