guest ::
| 001 | 1003513 | ||
| 005 | 20250930153856.0 | ||
| 024 | 7 | _ | |2 HBZ |a HT030962645 |
| 024 | 7 | _ | |2 Laufende Nummer |a 44003 |
| 024 | 7 | _ | |2 datacite_doi |a 10.18154/RWTH-2025-01087 |
| 037 | _ | _ | |a RWTH-2025-01087 |
| 041 | _ | _ | |a German |
| 082 | _ | _ | |a 620 |
| 100 | 1 | _ | |0 P:(DE-588)1359000062 |a Schulze, Sven |b 0 |u rwth |
| 245 | _ | _ | |a Prädiktive Betriebsstrategie für einen Schwerlast-LKW mittels nutzungsprofilabhängigem Äquivalenzfaktor |c vorgelegt von Sven Schulze |h online |
| 246 | _ | 3 | |a Predictive control strategy for a heavy-duty truck using utilization profile-dependent equivalence factor |y English |
| 260 | _ | _ | |a Aachen |b RWTH Aachen University |c 2024 |
| 260 | _ | _ | |c 2025 |
| 300 | _ | _ | |a 1 Online-Ressource : Illustrationen |
| 336 | 7 | _ | |0 2 |2 EndNote |a Thesis |
| 336 | 7 | _ | |0 PUB:(DE-HGF)11 |2 PUB:(DE-HGF) |a Dissertation / PhD Thesis |b phd |m phd |
| 336 | 7 | _ | |2 BibTeX |a PHDTHESIS |
| 336 | 7 | _ | |2 DRIVER |a doctoralThesis |
| 336 | 7 | _ | |2 DataCite |a Output Types/Dissertation |
| 336 | 7 | _ | |2 ORCID |a DISSERTATION |
| 500 | _ | _ | |a Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2025 |
| 502 | _ | _ | |a Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2024 |b Dissertation |c Rheinisch-Westfälische Technische Hochschule Aachen |d 2024 |g Fak04 |o 2024-03-20 |
| 520 | 3 | _ | |a Bei Schwerlast-Hybrid-LKW resultiert ein Großteil des Einsparpotentials aus der Rückgewinnung von Energie während Verzögerungs- und Gefällefahrten sowie der anschließenden Entlastung des Verbrennungsmotors durch die E-Maschine beim Antreiben des Fahrzeugs. Die Herausforderung zur Steigerung des Einsparpotentials besteht somit in der intelligenten Nutzung der kinetischen und potentiellen Energie des Fahrzeugs, die teilweise durch Rekuperation als elektrische Energie im Hochvoltspeicher gespeichert wird. In dieser Arbeit wird eine Betriebsstrategie entwickelt, die ein effizienz-optimiertes Betriebsverhalten des Antriebsstrangs durch den Optimierungsansatz der Equivalent Fuel Consumption Minimization Strategy (ECMS) realisiert. Um einen hohen Rekuperationsanteil zu gewährleisten, wird ein prädiktives Entladen der Batterie vor langen Gefällefahrten ermöglicht. Die gezielte Parameter-Definition im Rahmen der Funktionsentwicklung erlaubt eine flexiblere Ausnutzung des maximalen Ladehubs der Batterie über längere Strecken und kann so das Betriebsverhalten der global-optimalen Betriebsstrategie reproduzieren. Ergänzt durch eine Fahrprofilerkennung (engl. Driving Condition Recognition) entsteht die adaptive Betriebsstrategie Prd-AECMS-DCR, die das Betriebsverhalten kontinuierlich anpasst. Die Bewertung des Einsparpotentials erfolgt anhand des äquivalenten Kraftstoffverbrauchs der auf Basis einer Gesamtfahrzeug-Simulation, die auf Komponentenebene validiert ist, berechnet wird. Als Fahrprofile dienen reale Messfahrten, die das deutsche Autobahnnetz bezüglich des Höhenprofils repräsentativ abbilden. Zusätzlich wird das VECTO-Longhaul Fahrprofil aufgrund seiner Bedeutung für die CO2-Gesetzgebung herangezogen. Als weitere Einsatzbedingung wird eine Variation der Fahrzeugmasse als Einflussgröße auf das Einsparpotential berücksichtigt. Bei der abschließenden Bewertung werden weitere Ansätze von adaptiven Betriebsstrategien mitberücksichtigt und deren Eigenschaften in einem Morphologischen Kasten gegenübergestellt. Die Kombination aus ECMS, Prädiktion und Adaption in der Prd-AECMS-DCR und deren Parametrierung anhand von realen Einsatzprofilen zeigt, wie das Einsparpotential von Hybrid-LKW gesteigert und das Betriebsverhalten der global-optimalen Betriebsstrategie auf Basis der dynamischen Programmierung gut nachgebildet werden kann. Der Zielkonflikt zwischen der Steigerung des Rekuperationspotentials und der Effizienz-Optimierung der Betriebspunktwahl der Antriebsaggregate wird von der Prd-AECMS-DCR für unterschiedliche Einsatzbedingungen gelöst, so dass auch bei veränderten Einsatzbedingungen ein zusätzliches Einsparpotential von bis zu 2 % im Vergleich zu einer regelbasierten Betriebsstrategie erzielt wird. Dieses ist gleichermaßen auf die gezielte Parametrierung des Äquivalenzfaktors für die ECMS und die Prädiktion sowie deren Zusammenspiel mit der Adaption zurückzuführen. Die Verschiebung der Lastpunkte Richtung Volllastbereich durch eine Steigerung der Fahrzeugmasse sowie eine zunehmende Ausprägung des Höhenprofils können den Vorteil der Prd-AECMS-DCR auf bis zu 0.5 % in Extrem-Szenarien reduzieren. Im Vergleich zu der global-optimalen Betriebsstrategie kann der äquivalente Kraftstoffverbrauch auf bis zu 0.25 % Mehrverbrauch bei hohen Fahrzeugmassen unabhängig von dem Höhenprofil nahezu reproduziert werden. Selbst bei geringen Fahrzeugmassen und ausgeprägtem Höhenprofil bleibt der Mehrverbrauch der onlinefähigen Prd-AECMS-DCR unterhalb von 0.5 %. |l ger |
| 520 | _ | _ | |a In the case of heavy-duty hybrid trucks, a large part of the fuel saving potential results from the recuperation of energy during deceleration and downhill driving, as well as the subsequent assist of the combustion engine by the electric motor. The challenge to increase the saving potential is to achieve an intelligent use of the kinetic and potential energy of the vehicle which is partly recuperated as electrical energy in the high-voltage storage system. In this research, an energy management strategy is developed that realises an efficiency-optimised operating behaviour of the powertrain through the optimisation approach of the Equivalent Fuel Consumption Minimization Strategy (ECMS). To ensure a high recuperation share, a predictive discharging of the battery before long downhill drives is implemented. The targeted parameter definition within the scope of the function development allows a more flexible utilisation of the maximum charging stroke of the battery over longer distances and can thus reproduce the operating behaviour of the global-optimal operating strategy. Supplemented by Driving Condition Recognition, the adaptive operating strategy Prd-AECMS-DCR is created, which continuously adapts the operating behaviour. The evaluation of the saving potential is based on the equivalent fuel consumption, which is calculated based on a whole-vehicle simulation verified at component level. Real test drives, which represent the German motorway network in terms of the altitude profile, are used as driving profiles. In addition, the VECTO-longhaul profile is used due to its significance for the CO2 legislation. As a further boundary condition, a variation of the vehicle mass is considered as an influencing variable on the saving potential. In the final evaluation, further approaches of adaptive energy management strategies are taken into account and their properties are compared in a Morphological box. The combination of ECMS, prediction and adaptation in the Prd-AECMS-DCR and their parameterisation on the basis of real driving profiles shows how the saving potential of hybrid trucks can be increased and how the operational behaviour of the global-optimal operating strategy on the basis of dynamic programming can be well reproduced. The conflict of objectives between the increase of the recuperation potential and the efficiency optimisation of the operating point selection of the drive units is solved by the Prd-AECMS-DCR on different operating profiles. Therefore, even with changed boundary conditions an additional saving potential of up to 2 % is achieved compared to a rule-based energy management strategy. This is equally due to the targeted parameterisation of the equivalence factor for the ECMS and the prediction as well as their interaction with the adaptation. The shift of the load points towards the full load curve due to an increase of the payload as well as an increasing magnitude of the height profile can reduce the advantage of the Prd-AECMS-DCR down to 0.5 % in extreme scenarios. Compared to the global-optimal operating strategy, the equivalent fuel consumption can be almost reproduced and results only in an additional consumption of 0.25 % at high payloads, regardless of the altitude profile. Even with low payloads and a pronounced altitude profile, the additional consumption of the online-capable Prd-AECMS-DCR remains below 0.5 %. |l eng |
| 588 | _ | _ | |a Dataset connected to Lobid/HBZ |
| 591 | _ | _ | |a Germany |
| 653 | _ | 7 | |a ECMS |
| 653 | _ | 7 | |a Hybridfahrzeuge |
| 653 | _ | 7 | |a Optimierungs-Algorithmen |
| 653 | _ | 7 | |a Schwerlast-LKW |
| 653 | _ | 7 | |a adaptive equivalence factor |
| 653 | _ | 7 | |a adaptiver Äquivalenzfaktor |
| 653 | _ | 7 | |a heavy-duty truck |
| 653 | _ | 7 | |a hybrid electric vehicles |
| 653 | _ | 7 | |a optimization algorithms |
| 653 | _ | 7 | |a predictive control strategy |
| 653 | _ | 7 | |a prädiktive Betriebsstrategie |
| 700 | 1 | _ | |0 P:(DE-82)IDM00263 |a Pischinger, Stefan |b 1 |e Thesis advisor |u rwth |
| 700 | 1 | _ | |0 P:(DE-82)IDM00844 |a Pitsch, Heinz |b 2 |e Thesis advisor |u rwth |
| 700 | 1 | _ | |0 P:(DE-82)043388 |a Feyerl, Günter Rudolf |b 3 |e Thesis advisor |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/1003513/files/1003513.pdf |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/1003513/files/1003513_source.zip |y Restricted |
| 909 | C | O | |o oai:publications.rwth-aachen.de:1003513 |p openaire |p open_access |p VDB |p driver |p dnbdelivery |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-588)1359000062 |a RWTH Aachen |b 0 |k RWTH |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-82)IDM00263 |a RWTH Aachen |b 1 |k RWTH |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-82)IDM00844 |a RWTH Aachen |b 2 |k RWTH |
| 914 | 1 | _ | |y 2024 |
| 915 | _ | _ | |0 StatID:(DE-HGF)0510 |2 StatID |a OpenAccess |
| 920 | 1 | _ | |0 I:(DE-82)412310_20140620 |k 412310 |l Lehrstuhl für Thermodynamik mobiler Energiewandlungssysteme und Institut für Thermodynamik |x 0 |
| 980 | 1 | _ | |a FullTexts |
| 980 | _ | _ | |a I:(DE-82)412310_20140620 |
| 980 | _ | _ | |a UNRESTRICTED |
| 980 | _ | _ | |a VDB |
| 980 | _ | _ | |a phd |
| Library | Collection | CLSMajor | CLSMinor | Language | Author |
|---|