[논문 리뷰] Sequential Optimization of Speed, Thermal Load, and Power Split in Connected HEVs

Mohammad Reza Amini, Xun Gong외 4명|arXiv (Cornell University)|2019. 03. 20.

Vehicle emissions and performance참고 문헌 9인용 수 7

한 줄 요약

이 논문은 에너지 소비를 최소화하기 위해 속도 궤적 계획, 에어컨(A/C) 열부하 제어(에코쿨링), 및 파wr트레인의 파wr 스플릿을 조율하는 순차 최적화 프레임워크를 제안한다. 예측 가능한 교통 데이터를 활용하여 단계별 최적화를 통해 총 18.8%의 에너지 절감을 달성한다: 에코드라이빙으로서 11.9%, 에코쿨링으로서 14.2%, 동적 프ogram밍(DP)을 사용한 최적의 파워 스플릿으로서 18.8%. 검증된 파워 밸런스 모델 기반으로 수행된 최적화는 실제 도심 주행 환경에서의 에너지 절감에 기여한다.

ABSTRACT

The emergence of connected and automated vehicles (CAVs) provides an unprecedented opportunity to capitalize on these technologies well beyond their original designed intents. While abundant evidence has been accumulated showing substantial fuel economy improvement benefits achieved through advanced powertrain control, the implications of the CAV operation on power and thermal management have not been fully investigated. In this paper, in order to explore the opportunities for the coordination between the onboard thermal management and the power split control, we present a sequential optimization solution for eco-driving speed trajectory planning, air conditioning (A/C) thermal load planning (eco-cooling), and powertrain control in hybrid electric CAVs to evaluate the individual as well as the collective energy savings through proactive usage of traffic data for vehicle speed prediction. Simulation results over a real-world driving cycle show that compared to a baseline non-CAV, 11.9%, 14.2%, and 18.8% energy savings can be accumulated sequentially through speed, thermal load, and power split optimizations, respectively.

연구 동기 및 목표

• 연결 및 자동화된 HEV에서 차량 속도, 열관리, 파워트레인 제어를 조율함으로써 발생하는 상호보완적 에너지 절감 효과를 조사한다.
• 牽引 효율성 초월하여 V2X 기반 예측 제어가 열관리 및 파워트레인 관리에서 미치는 미미하게 다뤄진 역할을 다룬다.
• 실제 도시 주행 환경에서 에코드라이빙, 에코쿨링, 최적의 파워 스플릿을 통합한 순차 최적화 프레임워크를 개발하고 검증한다.
• 각 최적화 단계의 개별적 및 통합적 기여도를 분석하여 연결된 HEV에서의 총 에너지 절감에 기여하는 정도를 정량화한다.

제안 방법

• V2I 통신을 활용한 충격파 기반 교통 모델을 사용하여 차량 대기 동역학을 예측하고, 에코드라이빙을 위한 최적의 속도 궤적을 생성한다.
• 제어 친화적인 A/C 열모델을 계층적 모델 예측 제어기(H-MPC)와 통합하여 예측된 속도 프로파일에 기반한 열부하를 최적화한다.
• 최적화된 牵引 및 열부하 요구량을 단순화된 실험적으로 검증된 HEV 파워 밸런스 모델에 입력하여 동적 프로그래밍(DP) 기반의 파워 스플릿 최적화를 수행한다.
• 프레임워크는 세 단계의 순차적 최적화를 적용한다: (1) 속도 궤적 최적화, (2) 장기 예측 MPC를 통한 A/C 열부하 최적화, (3) DP를 활용한 최적의 파워 스플릿 결정.
• 실제 도시 주행 데이터를 바탕으로 앤아버의 6개 교차로 코스에서 제4세대 토요타 프리우스 HEV를 대상으로 검증한다.
• 전체 프레임워크는 CoolSim을 사용해 시뮬레이션하였으며, 비최적화된 속도 및 열관리 제어를 갖는 기준 룰 기반 제어기와의 비교를 통해 검증되었다.

실험 결과

연구 질문

• RQ1 도심 교통 조건 하에서 예측 가능한 속도 궤적 계획이 연결된 HEV의 에너지 소비에 얼마나 기여하는가?
• RQ2 차량 속도 민감도를 기반으로 한 A/C 열부하 최적화가 HEV의 총 에너지 절감에 기여하는 정도는 어떠한가?
• RQ3 속도, 열부하, 파워 스플릿의 순차 최적화 통합이 연결된 HEV에서의 에너지 절감 잠재력은 얼마나 되는가?
• RQ4 열 및 파워트레인 시스템의 통합 최적화는 개별 구성 요소의 고립 최적화와 비교해 어떤가?
• RQ5 각 최적화 단계—속도, 냉각, 파워 스플릿—가 총 에너지 절감에 기여하는 상대적 기여도는 어떠한가?

주요 결과

• 순차 최적화를 통한 차량 속도 궤적 최적화는 비연결 HEV 기준 대비 평균 11.9%의 에너지 절감을 달성한다.
• 속도 민감도 기반 에코쿨링 통합으로 총 에너지 절감률은 14.2%로 증가한다.
• 검증된 파워 밸런스 모델 기반 동적 프로그래밍(DP)을 통한 최종 파워 스플릿 최적화로 누적 에너지 절감률은 18.8%에 이른다.
• 최적화된 케이스에서는 정지 시 배터리 충전이 증가하고 엔진이 최적의 속도에서 일관되게 작동하여 연료 소비가 감소한다.
• 실내 평균 온도는 26.2 °C에서 26.4 °C로 약간 상승하지만, 최적화된 열부하 제어 덕분에 A/C 전력 소비는 2.4% 감소한다.
• 이 프레임워크는 속도, 열부하, 파워트레인 작동의 통합 제어가 개별 구성 요소의 고립 최적화보다 훨씬 높은 절감 효과를 낸다는 점을 입증한다.