Motivation
Das Thermomanagement batterieelektrischer Fahrzeuge spielt eine entscheidende Rolle für Sicherheit, Lebensdauer und Effizienz der fahrzeugseitigen Subsysteme. Gleichzeitig beeinflusst die Temperaturregelung direkt den gesamten Energieverbrauch des Fahrzeugs, da Kühl- und Heizsysteme einen erheblichen Anteil der elektrischen Energie benötigen.
Die optimale Betriebstemperatur aller relevanten Komponenten wird über Kühlkreisläufe unterschiedlicher Temperaturniveaus gewährleistet, um eine effiziente Temperaturregelung unter sämtlichen Betriebs- und Lastbedingungen sicherzustellen. In einem intelligenten und zuverlässig arbeitenden Thermomanagementsystem kommen hierfür zahlreiche elektrisch betriebene Aktuatoren zum Einsatz.
Aufgrund des breiten Betriebsbereichs und der stark variierenden Lastbedingungen erfordert die effiziente Parametrierung herkömmlicher Regelungsstrategien jedoch einen sehr hohen Aufwand an Testfahrten, Simulationen, Prüfstandsstunden sowie den Einsatz kostenintensiver Prototypen. Um diesen Herausforderungen entgegenzuwirken, wird die Anwendung einer modellprädiktiven Regelung (MPC) für das Thermomanagement untersucht.
Der MPC-Regler ist in der Lage, basierend auf physikalischen Modellen und dem aktuellen Betriebszustand, zukünftige Systemzustände vorherzusagen und daraus optimale Steuergrößen berechnen. Dadurch reduziert sich der Parametrierungsaufwand erheblich, da der Regler bei jeder Stellgrößenoptimierung den aktuellen Betriebszustand berücksichtigt.
Die Verwendung eines prädiktiven Reglers trägt maßgeblich dazu bei, den Energieverbrauch und die thermischen Verluste des Gesamtsystems zu reduzieren, wodurch sowohl die Reichweite als auch die Gesamteffizienz von BEVs verbessert werden.
Zielsetzung
Ziel des Projekts ist die Entwicklung und Bewertung einer modellprädiktiven Regelungsstrategie, die das Thermomanagement von BEVs hinsichtlich Energieverbrauch, thermischer Stabilität und Komponentenlebensdauer optimiert. Dadurch soll ein robustes und hocheffizientes Regelkonzept entstehen, das den Aufwand klassischer Parametrierungsprozesse deutlich reduziert.
Kontakt
Marcell Misznéder
M.Sc.Wissenschaftlicher Mitarbeiter