[论文解读] Model Predictive Climate Control of Connected and Automated Vehicles for Improved Energy Efficiency

Hao Wang, Ilya Kolmanovsky+2 more|arXiv (Cornell University)|Mar 2, 2018

Refrigeration and Air Conditioning Technologies参考文献 11被引用 6

一句话总结

本文提出了一种用于联网和自动驾驶的电动及混合动力汽车的非线性模型预测控制（NMPC）策略，通过利用车辆速度预估和动态车厢温度约束，以减少空调能耗。通过使用基于高保真CoolSim仿真验证的简化控制导向模型，NMPC控制器能够实时优化空调运行，在协调未来驾驶条件的基础上，实现高达9%的能效提升。

ABSTRACT

This paper considers an application of model predictive control to automotive air conditioning (A/C) system in future connected and automated vehicles (CAVs) with battery electric or hybrid electric powertrains. A control-oriented prediction model for A/C system is proposed, identified, and validated against a higher fidelity simulation model (CoolSim). Based on the developed prediction model, a nonlinear model predictive control (NMPC) problem is formulated and solved online to minimize the energy consumption of the A/C system. Simulation results illustrate the desirable characteristics of the proposed NMPC solution such as being able to enforce physical constraints of the A/C system and maintain cabin temperature within a specified range. Moreover, it is shown that by utilizing the vehicle speed preview and through coordinated adjustment of the cabin temperature constraints, energy efficiency improvements of up to 9% can be achieved.

研究动机与目标

• 为解决电池电动和混合动力电动车辆中HVAC系统造成的显著能耗问题，该问题可使续航里程减少超过50%。
• 开发一种基于车联网（V2X）数据和未来速度剖面的实时预测控制策略，以提升能效。
• 设计一种控制导向的空调系统模型，以实现在车载模型预测控制（MPC）中实现快速、精确的预测。
• 证明基于预测车辆速度动态调整车厢温度约束，可显著降低空调能耗。
• 在真实驾驶场景下，通过与高保真CoolSim仿真模型的闭环验证，评估NMPC控制器的性能。

提出的方法

• 基于一阶热力学动态近似，开发了一种面向汽车空调系统的控制导向预测模型，并通过高保真CoolSim仿真模型进行了验证。
• 该模型捕捉了关键组件：车厢热动态、压缩机功耗和鼓风机功耗，其参数通过在不同速度和环境条件下从CoolSim数据中识别得出。
• 制定了非线性模型预测控制（NMPC）框架，以在预测时域内最小化空调系统能耗，同时满足物理约束。
• NMPC控制器利用实时车辆速度和天气条件预估，动态调整车厢温度上限约束，从而在高效驾驶阶段实现节能。
• 控制器在闭环中与CoolSim模型集成，采用随时间变化的车厢温度上限约束，该约束与车辆速度相关，以利用效率增益。
• 开展了一项对比案例研究，比较恒定设定点控制器（案例2）与基于预估的时变约束控制器（案例1），并在拥堵行驶场景中测量能耗。

实验结果

研究问题

• RQ1 通过利用车辆速度预估，模型预测控制能否有效降低联网和自动驾驶电动及混合动力汽车的空调能耗？
• RQ2 与传统恒定设定点控制器相比，预测性空调控制器在能效方面的表现如何？
• RQ3 基于未来车辆速度对车厢温度约束进行动态调整，能在多大程度上提升空调系统的能效？
• RQ4 该简化控制导向空调模型在不同驾驶和环境条件下，对高保真CoolSim仿真行为的复现精度如何？
• RQ5 当与车辆速度和效率趋势协同时，预测性空调控制的可实现节能潜力有多大？

主要发现

• 经与CoolSim模型闭环验证，所提出的NMPC控制器成功在满足空调系统物理约束的前提下，将车厢温度维持在目标范围内。
• 简化控制导向的空调模型能够准确预测关键输出，如车厢温度、鼓风机功耗和压缩机功耗，其偏差主要出现在快速瞬态过程中，源于模型失配。
• 通过采用与更高空调效率阶段（如高速公路巡航）相匹配的时变车厢温度上限，控制器相比恒定设定点策略实现了9%的能耗降低。
• 通过在高效驾驶阶段（如高速公路巡航）允许受控的温度偏差，实现了能耗节省，证明了基于预估优化的价值。
• 仿真结果表明，NMPC控制器有效利用了车辆速度预估，协调空调运行，在不牺牲舒适性的情况下降低了能耗。
• 本研究证实，将车辆速度和天气预报信息整合到HVAC控制中，可显著提升联网和自动驾驶电动汽车的能效。