Prädiktive Regelung von Antriebssystemen
Um der globalen Erwärmung entgegenzuwirken, ist es notwendig die Emissionen von Treibhausgasen und somit den Verbrauch von fossilen Energieträgern möglichst schnell zu reduzieren. Die Notwendigkeit von energiesparenden Lösungen wird durch steigende Energiekosten zusätzlich verstärkt.
Im Mobilitätssektor werden diese Ziele durch eine zunehmende Elektrifizierung des Antriebsstranges verfolgt. Diese umfasst nicht nur die Umstellung auf rein batterieelektrische Fahrzeuge sondern auch den Einsatz von Brennstoffzellenfahrzeugen und die Hybridisierung von Fahrzeugen mit Verbrennungsmotor. Doch allein das Vorhandensein elektrischer Komponenten im Antriebsstrang reicht nicht aus – hier kommt es auf ein optimales Zusammenspiel der Komponenten an. Fährt man beispielsweise mit einem Hybridfahrzeug im Gebirge, so sollte das Regelungskonzept dafür sorgen, dass der Ladezustand der Batterie vor einer langen talwärts führenden Passage niedrig ist. Dadurch kann anschließend die Bremsenergie für das Laden der Batterie genutzt werden. Hier kommen prädiktive Systeme ins Spiel, die zum Beispiel auf Information von geplanten Routen, Vehicle-to-Vehicle-Kommunikation (V2V) oder Vehicle-to-Infrastructe-Kommunikation (V2I) basieren und die Grundlage für eine optimalen Regelung der Fahrzeugkomponenten bilden.
Brennstoffzellenfahrzeuge
Brennstoffzellenantriebssysteme sind eine vielversprechende Antriebsalternative zu herkömmlichen Verbrennungsmaschinen. So profitieren Personenkraftwägen von der schnellen Betankung bei geringem Gewicht und Nutzfahrzeuge von hohen Reichweiten bei hoher Leistungsdichte. Das Einsatzgebiet von Brennstoffzellenantrieben ist allerdings nicht nur auf Straßenfahrzeuge beschränkt. Beispielsweise stellen sie für Anwendungen in großen Baumaschinen mit hohem Energiebedarf bei gleichzeitiger Möglichkeit von schneller Betankung auch an abgelegenen Einsatzorten ein aussichtsreiches Konzept zur Erfüllung künftiger Emissionsziele auf Baustellen dar.
Um die dynamische Beanspruchung der Brennstoffzelle zu reduzieren, verfügen Brennstoffzellenfahrzeuge typischerweise über eine Batterie. Somit sind sie Hybridfahrzeuge. Dadurch ergibt sich die Anforderung an ein optimales Energiemanagement zur effizienten Aufteilung der geforderten Antriebsleistung auf Brennstoffzelle und Batterie. Neben der optimalen Lastaufteilung stellt insbesondere ausreichende Kühlung beider Antriebskomponenten eine Herausforderung dar, die nach einem effizienten Thermalmanagement verlangt. Die Anwendung ausgeklügelter prädiktiver Strategien für mehr oder weniger bekannte künftige Leistungsprofile ermöglicht sowohl eine Steigerung der Effizienz als auch eine Schonung der Antriebskomponenten. Darüber hinaus bieten gesundheitsbewusste Adaptierungen des Energiemanagements die Möglichkeit zur weiteren Verlängerung der Komponentenlebensdauer.
Effizienzsteigerung konventioneller Antriebe
Das größte Potential kurzfristige Emissionsgrenzen zu erfüllen liegt in der Elektrifizierung von Fahrzeugen mit konventionellem Antrieb. Diese beschränkt sich nicht ausschließlich auf die Erweiterung des Antriebsstranges mit einem Elektromotor. Beispielsweise erlauben E-Turbos oder elektrisch heizbare Katalysatoren Effizienzsteigerungen bzw. Emissionssenkungen, vorausgesetzt sie werden effizient geregelt. Grundlage dafür sind wiederum prädiktive Informationen und ausgereifte Regelungskonzepte.
Veröffentlichungen
Kofler, Sandro, Zhang Peng Du, Stefan Jakubek, and Christoph Hametner. "Predictive energy management strategy for fuel cell vehicles combining long-term and short-term forecasts., öffnet eine externe URL in einem neuen Fenster" IEEE Transactions on Vehicular Technology (2024).
Kofler, Sandro, Stefan Jakubek, and Christoph Hametner. "Cost-to-go-based predictive equivalent consumption minimization strategy for fuel cell vehicles considering route information., öffnet eine externe URL in einem neuen Fenster" In 2024 IEEE Intelligent Vehicles Symposium (IV), pp. 2910-2916. IEEE, 2024.
Kofler, Sandro, Zhang Peng Du, Stefan Jakubek, and Christoph Hametner. "Adaptive Step Size Dynamic Programming for Optimal Energy Management of Fuel Cell Vehicles., öffnet eine externe URL in einem neuen Fenster" In 2023 IEEE Vehicle Power and Propulsion Conference (VPPC), pp. 1-6. IEEE, 2023.
Ferrara, Alessandro, Stefan Jakubek, and Christoph Hametner. "Cost-optimal design and energy management of fuel cell electric trucks., öffnet eine externe URL in einem neuen Fenster" International Journal of Hydrogen Energy 48, no. 43 (2023): 16420-16434.
Ferrara, Alessandro, Saeid Zendegan, Hans-Michael Koegeler, Sajin Gopi, Martin Huber, Johannes Pell, and Christoph Hametner. "Optimal calibration of an adaptive and predictive energy management strategy for fuel cell electric trucks., öffnet eine externe URL in einem neuen Fenster" Energies 15, no. 7 (2022): 2394.
Ferrara, Alessandro, and Christoph Hametner. "Eco-driving of fuel cell electric trucks: optimal speed planning combining dynamic programming and Pontryagin’s minimum principle., öffnet eine externe URL in einem neuen Fenster" In 2022 IEEE 96th Vehicular Technology Conference (VTC2022-Fall), pp. 1-7. IEEE, 2022.
Ferrara, Alessandro, Stefan Jakubek, and Christoph Hametner. "Energy management of heavy-duty fuel cell vehicles in real-world driving scenarios: Robust design of strategies to maximize the hydrogen economy and system lifetime, öffnet eine externe URL in einem neuen Fenster." Energy Conversion and Management 232 (2021): 113795.
Ferrara, Alessandro, and Christoph Hametner. "Impact of Energy Management Strategies on Hydrogen Consumption and Start-up/Shut-down Cycles in Fuel Cell-Ultracapacitor-Battery Vehicles, öffnet eine externe URL in einem neuen Fenster." IEEE Transactions on Vehicular Technology (2021).
Zendegan, Saeid, Alessandro Ferrara, Stefan Jakubek, and Christoph Hametner. "Predictive Battery State of Charge Reference Generation Using Basic Route Information for Optimal Energy Management of Heavy-Duty Fuel Cell Vehicles, öffnet eine externe URL in einem neuen Fenster" IEEE Transactions on Vehicular Technology 70, no. 12 (2021): 12517-12528.
Vrlić, Martin, Daniel Ritzberger, and Stefan Jakubek. "Model-predictive-control-based reference governor for fuel cells in automotive application compared with performance from a real vehicle, öffnet eine externe URL in einem neuen Fenster." Energies 14, no. 8 (2021): 2206.
Vrlić, Martin, and Stefan Jakubek. "Degradation Avoiding Start Up and Shut Down of Fuel Cell Stacks for Automotive Application Using Two Plant Model Predictive Control, öffnet eine externe URL in einem neuen Fenster." In 2021 6th International Conference on Smart and Sustainable Technologies (SpliTech), pp. 1-6. IEEE, 2021.
Vrlić, Martin, Daniel Ritzberger, and Stefan Jakubek. "Safe and Efficient Polymer Electrolyte Membrane Fuel Cell Control Using Successive Linearization Based Model Predictive Control Validated on Real Vehicle Data, öffnet eine externe URL in einem neuen Fenster." Energies 13, no. 20 (2020): 5353.
Vrlić, Martin, Daniel Ritzberger, and Stefan Jakubek. "Efficient and life preserving power tracking control of a proton exchange membrane fuel cell using model predictive control, öffnet eine externe URL in einem neuen Fenster." In 2020 SICE International Symposium on Control Systems (SICE ISCS), pp. 77-84. IEEE, 2020.
