A Study on Energy Management Strategy for Hybrid Electric Vehicles based on Driving Information

Hybrid Electric Vehicle;Energy Management Strategy;Equivalent Consumption Minimization Strategy;Equivalent Factor Prediction;Driving Information;621

공과대학 기계항공공학부 ;

University:서울대학교 대학원

关键词: Hybrid Electric Vehicle;    Energy Management Strategy;    Equivalent Consumption Minimization Strategy;    Equivalent Factor Prediction;    Driving Information;    621;   

Others  :  http://s-space.snu.ac.kr/bitstream/10371/161001/1/000000156241.pdf

美国|英语

来源: Seoul National University Open Repository

【 摘 要 】

본 논문에서는 하이브리드 차량의 연비 향상을 위해 주행 정보 기반 예측 모델을 활용한 에너지 관리 전략을 제안하였다. 하이브리드 차량은 엔진과 모터를 동시에 사용하는 차량으로, 기존의 내연기관 차량에 비해 연비와 효율이 높은 대표적인 친환경 차량이다. 이러한 하이브리드 차량의 효율 향상을 위해서는 엔진과 모터를 포함한 다양한 파워트레인 구성요소를 제어하는 상위제어기의 에너지 관리 전략이 매우 중요하다. 본 연구에 사용된 등가 소모 최소화 전략은 연료의 소모량과 배터리의 전기에너지 소모량을 등가화한 등가 에너지를 고려한 실시간 최적화 기반 제어 전략이다. 등가 소모 최소화 전략은 개발이 용이하고 실시간 적용성이 좋은 편이지만, 두 에너지간의 등가화를 조정하는 등가 계수에 의해 성능이 크게 좌우된다. 특히 대부분의 최적화 기반 제어 전략과 마찬가지로, 미래의 전체 주행속도 프로파일을 알고 있을 때만이 전역 최적화된 등가계수를 알 수 있다. 본 논문에서는 특정 시간주기별로 등가계수를 변화시키는 방법을 사용하였으며, 현재시점의 주행 정보를 통해 다음 시간주기의 등가계수를 예측하는 예측 모델을 제안하였다. 예측 모델은 현재시점 주행 정보의 시계열 데이터와 이로부터 추출된 몇 개의 특성 값들을 입력받아, 다음 시간주기에 대해 최적화된 등가계수를 예측한다. 모델은 장단기 기억 순환 신경망과 다층 신경망을 기반으로 개발되었다. 예측 모델의 학습을 위한 데이터 준비를 위해, 누적된 대량의 주행 정보를 특정 시간주기별로 나누어 각 시간주기에 대한 최적 등가계수를 시뮬레이션 기반으로 수집하였다. 수집된 데이터를 사용하여 예측모델을 학습한 후 별도의 데이터에 대하여 시험해본 결과, 예측된 계수와 최적 계수 간에 높은 상관관계가 있음을 확인하였다. 차량 시뮬레이션 검증을 위하여 학습된 예측 모델을 등가 소모 최소화 전략을 이용한 에너지 관리 전략 제어 모델과 결합하고, 차량 모델과 운전자 모델을 사용하여 전방향 시뮬레이션을 수행하였다. 연비 시험 사이클에 대한 시뮬레이션 결과 기존의 규칙기반 제어전략 대비 감소된 에너지 사용량을 보였으며, 전역 최적화된 등가계수를 사용한 경우에 보다 가까운 결과를 나타내었다. 본 논문에서 연구된 제어 전략은 주행 정보 기반의 예측모델을 활용하여 에너지 효율을 향상 시킬 수 있는 최적화 기반 제어 전략이다. 지속적인 연구를 통해 최적화 기반 제어 전략의 상용화가 가능할 것으로 기대된다.