Advertisement

Forschung im Ingenieurwesen

, Volume 83, Issue 4, pp 843–852 | Cite as

Battery independent regenerative braking using model predictive control with auxiliary power consumers

  • D. WagnerEmail author
  • M. Steinsträter
  • M. Förth
  • M. Stohwasser
  • J. Hoffmann
  • M. Lienkamp
Originalarbeiten/Originals
  • 57 Downloads

Abstract

Electric vehicles (EV) are able to regenerate the energy of approximately 85% of all braking procedures. In rare cases, e.g. if the battery is fully charged, the EV is not able to regenerate. Therefore, the regenerative braking system is not part of the service brake. Due to its heavy battery, the EV brakes are even larger than those of a conventional vehicle.

This paper analyzes the potential of downsizing the friction brake by using auxiliary power consumers like the high-voltage heater (HVH), the air-conditioning system (AC) and low-voltage auxiliaries, taking into account their dynamic behavior. The cabin temperature has to be nearly constant for driver comfort. To ensure the assumptions made regarding the auxiliary consumers, measurements were taken from an EV (VW e‑Golf). Further, measurements of an air- and water-heating system were conducted. A model predictive control (MPC) strategy was used to distribute the power in an optimal way in consideration of the system dynamics. The MPC uses quadratic programming to optimize a cost function containing the dissipated brake energy and the cabin temperature deviation for a linearized model.

The overall upshot of this feasibility study is the general capability of battery-independent recuperative braking in EVs and its effect on friction brake downsizing. The importance of the systems transient response was evaluated with a MPC control strategy.

Batterieunabhängiges rekuperatives Bremsen durch Nutzung einer Model Predictive Control Strategie für die Nebenverbraucher

Zusammenfassung

Elektrofahrzeuge (EV) sind in der Lage die Energie von etwa 85% aller Bremsvorgänge zu rekuperieren. In seltenen Fällen, wie bei einer vollen Batterie, ist das EV nicht in der Lage zu rekuperieren. Außerdem ist das regenerative Bremssystem nicht Teil der Betriebsbremse. Aufgrund der schweren Batterie sind die Bremsen von Elektrofahrzeugen sogar größer als die von konventionellen Fahrzeugen.

Dieses Paper analysiert das Potential die Dimension der Reibungsbremsen zu reduzieren, indem die elektrischen Nebenverbraucher wie der Hochvoltheizer (HVH), die Klimaanlage (AC) und die Niedrigvoltnebenverbraucher benutzt werden. Dabei wird deren dynamisches Verhalten berücksichtigt. Die Fahrzeuginnenraumtemperatur sollte für den Komfort des Fahrers annähernd konstant sein. Um die gemachten Annahmen abzusichern wurden Messungen an einem Elektrofahrzeug (VW e-Golf) durchgeführt. Außerdem wurden Messungen an einem Luft- und Wasserheizsystem durchgeführt. Um die Leistung unter Berücksichtigung der Systemdynamik optimal zu verteilen wurde eine Model Predictive Control (MPC) Strategie benutzt. Die MPC nutzt quadratische Optimierung und ein linearisiertes Model für die Kostenfunktion, die die dissipierte Bremsenergie und die Fahrzeuginnenraumtemperatur beinhaltet.

Das Ziel ist eine Machbarkeitsstudie bezüglich der Möglichkeit von batterieunabhängigen rekuperativen Bremsen in Elektrofahrzeugen und die Auswirkung auf die Reduzierung der Bremsendimension. Die Bedeutung des transienten Verhaltens der Systeme wurde mit einer MPC-Steuerungsstrategie bewertet.

Notes

Author Contribution

Markus Lienkamp made an essential contribution to the conception of the research project. He revised the paper critically for important intellectual content. Mr. Lienkamp gave final approval of the version to be published and agrees to all aspects of the work. As a guarantor, he accepts responsibility for the overall integrity of the paper.

Funding

This research is funded by Continental Teves and Webasto Thermo. The authors would like to thank them for their support.

References

  1. 1.
    Heißing B (2011) Fahrwerkhandbuch: Grundlagen, Fahrdynamik, Komponenten, Systeme, Mechatronik, Perspektiven, 3rd edn. Vieweg+Teubner Verlag/Springer Fachmedien Wiesbaden GmbH Wiesbaden, WiesbadenCrossRefGoogle Scholar
  2. 2.
    Breuer B, Bill KH (2012) Bremsenhandbuch. Vieweg+Teubner Verlag, WiesbadenCrossRefGoogle Scholar
  3. 3.
    Syrnik R (2015) Untersuchung der fahrdynamischen Potenziale eines elektromotorischen Traktionsantriebs. Universität München, MünchenGoogle Scholar
  4. 4.
    BMW. Technische Daten BMW i3Google Scholar
  5. 5.
    BMW (2019) Preisliste i3 März 2019Google Scholar
  6. 6.
    Dietz J, Helmers E (2015) Ökobilanzierung von Elektrofahrzeugen. Netzwerk Elektromobilität Rheinland-PfalzGoogle Scholar
  7. 7.
    Großmann H (2009) Pkw-Klimatisierung, Physikalische Grundlagen und technische Umsetzung. Springer, ViewegGoogle Scholar
  8. 8.
    Frank W (1971) Frage der Beheizung und Belüftung von Kraftfahrzeugen, ATZ 73:369–376Google Scholar
  9. 9.
    Nitz J, Hucho W‑H (1979) The heat transfer coefficient of a passenger car’s body. SAE International, WarrendaleCrossRefGoogle Scholar
  10. 10.
    Hainzlmaier C (2015) New methods of heating hybrid and electric vehicles. SAE International, WarrendaleCrossRefGoogle Scholar
  11. 11.
    Boglietti A, Cavagnino A, Staton D, Shanel M, Mueller M, Mejuto C (2009) Evolution and modern approaches for thermal analysis of electrical machines. IEEE Transactions on Industrial Electronics 56:871–882CrossRefGoogle Scholar
  12. 12.
    Polifke W, Kopitz J (2009) Wärmeübertragung, Grundlagen, analytische und numerische Methoden. Pearson, München; Boston u.a.Google Scholar
  13. 13.
    Seitz V (2018) Entwicklung eines Modells zum Vergleich elektrischer Heizsysteme. Masterarbeit, TU MünchenGoogle Scholar
  14. 14.
  15. 15.
    Lemke N, Graz M (2011) Unterstützung der Amrteinführung von Pkw-Klimaanlagen mit dem Kältemittel CO2 (R744). Umweltbundesamt, Dessau-RoßlauGoogle Scholar
  16. 16.
    BMW. Technical Training. Product information. I01 Heating and A/C SystemsGoogle Scholar
  17. 17.
    Camacho EF, Bordons C (2007) Model Predictive control. Springer, LondonCrossRefGoogle Scholar
  18. 18.
    Sontag ED, Thoma M, Isidori A, van Schuppen JH, Goodwin GC, de Doná JA, Seron MM (2005) Constrained control and estimation. Springer, LondonGoogle Scholar
  19. 19.
    Antsaklis PJ, Michel AN (2006) Linear Systems. Birkhäuser, Boston, MAzbMATHGoogle Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019

Authors and Affiliations

  • D. Wagner
    • 1
    Email author
  • M. Steinsträter
    • 1
  • M. Förth
    • 1
  • M. Stohwasser
    • 1
  • J. Hoffmann
    • 2
  • M. Lienkamp
    • 1
  1. 1.Institute of Automotive TechnologyTechnical University of MunichGarchingGermany
  2. 2.Continental TevesFrankfurt am MainGermany

Personalised recommendations