Оцінка факторів енергоменеджменту великогабаритних транспортних засобів з гібридною силовою установкою
DOI:
https://doi.org/10.31649/2413-4503-2025-21-1-38-49Ключові слова:
гібридний автобус, оптимізація енергоспоживання, ККД, математичне моделювання, міський циклАнотація
У зв’язку з посиленням екологічних норм до міського транспорту, зокрема через впровадження стандарту ЄВРО-7, зростає актуальність удосконалення енергоменеджменту великогабаритних транспортних засобів з гібридною силовою установкою. Робота демонструє підходи до оптимізації енергоспоживання в гібридних міських автобусах на основі математичного моделювання (функціональна оптимізація). Метою досліджень була побудова багатофакторної математичної моделі, яка дозволяє мінімізувати витрати пального та підвищити загальну енергоефективність гібридної транспортної системи. У роботі використано метод функціональної оптимізації на основі варіаційного числення, зокрема застосовано множник Лагранжа та умову Гамільтона. Запропонована методологія розрахунку коефіцієнта корисної дії енергетичної системи була випробована на базі автобуса Volvo 7900 Hybrid з оцінкою енергоспоживання та витрат пального. Аналіз здійснено з урахуванням реального міського циклу руху, що дозволяє оцінити ефективність використання енергії у змінних експлуатаційних умовах. У результаті проведеного моделювання та застосування функціональної оптимізації енергоспоживання для зазначеної моделі автобуса вдалося досягти суттєвих покращень енергетичних показників. Зокрема, середню необхідну потужність дизельного двигуна знижено з 98.5 до 85 кВт, що дозволило зменшити навантаження на силову установку та покращити її ефективність. Коефіцієнт корисної дії двигуна внутрішнього згоряння збільшено до 0.37 за рахунок роботи двигуна в оптимальних режимах. Найбільш вагомим результатом стало зменшення середньої витрати пального з 32.5 до 19 л/100 км, що відповідає економії на рівні 42%. Таких показників вдалося досягти завдяки розумному розподілу енергетичних потоків між двигуном внутрішнього згоряння ДВЗ, електродвигуном та батареєю, ефективному використанню рекуперативного гальмування, а також урахуванню реальних дорожніх умов і технічних параметрів транспортного засобу. Отримані результати доводять доцільність впровадження запропонованої моделі в сучасні системи управління енергетикою міських автобусів.
Посилання
https://docs.nrel.gov/docs/fy08osti/42226.pdf
https://data.consilium.europa.eu/doc/document/ST-14598-2022-INIT/en/pdf
Zhang, Y., Fan, P., Hongyu Lu, H., & Song, G. (2025). Fuel consumption of hybrid electric vehicles under real-world road and temperature conditions. Transportation Research Part D: Transport and Environment. 142, article number 104691. https://doi.org/10.1016/j.trd.2025.104691 .
Castillo, J.C., Uribe, A.F., Tibaquirá, J.E., Giraldo, M., & Idárraga, M. (2025). Hybrid electric vehicles as a strategy for reducing fuel consumption and emissions in Latin America. World Electric Vehicle Journal, 16(2), 101. https://doi.org/10.3390/wevj16020101
Togun, H., Aljibori, H.S.S., Abed, A.M., Biswas, N., Alshamkhani, M.T., Niyas, H., Mohammed, H.I., Rashid, F.L., Dhabab, J.M., & Paul, D. (2024). A review on recent advances on improving fuel economy and performance of a fuel cell hybrid electric vehicle. International Journal of Hydrogen Energy, 89, 22-47. https://doi.org/10.1016/j.ijhydene.2024.09.298.
Jeong, J.W., Lee, J., Lee, J., Cha, J., & Lee, K. (2024) Comparison of energy consumption between hybrid and electric vehicles under real-world driving conditions. Journal of Power Sources, 618, article number 235190. https://doi.org/10.1016/j.jpowsour.2024.235190.
Wang, Z., Cai, Y., Zeng, Y., & Yu, J. (2019). Multi-objective optimization for plug-in 4WD hybrid electric vehicle powertrain. Applied Sciences, 9(19), article number 4068. https://doi.org/10.3390/app9194068.
Liu, J., Chen, Y., Zhan, J., & Shang, F. (2019). Heuristic dynamic programming based online energy management strategy for plug-in hybrid electric vehicles. IEEE Transactions on Vehicular Technology, 68(5), 4479-4493. https://doi.org/10.1109/TVT.2019.2903119.
Zeng, Y., Sheng, J., & Li, M. (2018). Adaptive real-time energy management strategy for plug-in hybrid electric vehicle based on simplified-ECMS and a novel driving pattern recognition method. Mathematical Problems in Engineering. https://doi.org/10.1155/2018/5816861
Shah, N.L., & Kurchania, A.K. (2023). Comparative analysis of predictive models for SOC estimation in EV under different running conditions. e-Prime – Advances in Electrical Engineering, Electronics and Energy, 5, article number 100207. https://doi.org/10.1016/j.prime.2023.100207.
Liu, T., Tan, W., Tang, X., Zhang, J., Xing, Y., & Cao, D. (2021). Driving conditions-driven energy management strategies for hybrid electric vehicles. A review, Renewable and Sustainable Energy Reviews, Volume 151, 111521. https://doi.org/10.1016/j.rser.2021.111521.
Hu, X., Liu, T., Qi, X., & Barth, M. (2019). Reinforcement Learning for Hybrid and Plug-In Hybrid Electric Vehicle Energy Management: Recent Advances and Prospects. IEEE Industrial Electronics Magazine, vol. 13, no. 3. https://doi.org/10.1109/MIE.2019.2913015.
Richik, R., & Shanker. R. (2021). Series-parallel hybrid electric vehicle parameter analysis using matlab. International Journal for Research in Applied Science and Engineering Technology 9.10: 421-428. https://doi.org/10.22214/ijraset.2021.38433
Singh, K.V., Bansal, H.O. & Singh, D. A. (2019). Comprehensive review on hybrid electric vehicles: architectures and components. J. Mod. Transport. 27, 77–107. https://doi.org/10.1007/s40534-019-0184-3
Tang, X., Jia, T. Hu, X., Huang, Y., Deng Z. & Pu, H. (2021). Naturalistic Data-Driven Predictive Energy Management for Plug-In Hybrid Electric Vehicles. IEEE Transactions on Transportation Electrification, vol. 7, no. 2, pp. 497-508, https://doi.org/10.1109/TTE.2020.3025352.
Amir, M., Zaheeruddin & Haque, A. (2021). Optimal Scheduling of Charging/Discharging Power and EVs Pattern Using Stochastic Techniques in V2G System. 2021 IEEE Transportation Electrification Conference (ITEC-India), New Delhi, India, 2021, pp. 1-6, https://doi.org/10.1109/ITEC-India53713.2021.9932455.
Shahriar, S.M., Bhuiyan, E.A., Nahiduzzaman, M., Ahsan, M., & Haider, J. (2022). State of Charge Estimation for Electric Vehicle Battery Management Systems Using the Hybrid Recurrent Learning Approach with Explainable Artificial Intelligence. Energies 2022, 15, 8003. https://doi.org/10.3390/en15218003
Oubelaid, A., Albalawi, F., Rekioua, T., Ghoneim, S. S. M., Taib, N., & Abdelwahab, S. A. M. (2022). Intelligent Torque Allocation Based Coordinated Switching Strategy for Comfort Enhancement of Hybrid Electric Vehicles. IEEE Access, vol. 10, pp. 58097-58115, 2022, https://doi.org/10.1109/ACCESS.2022.3178956.
Anselma, P.G., Biswas, A., Belingardi, G., & Emadi., A. (2020). Rapid assessment of the fuel economy capability of parallel and series-parallel hybrid electric vehicles, Applied Energy, Volume 275, 2020, 115319, https://doi.org/10.1016/j.apenergy.2020.115319.
Yang, C., You, S., Wang, W., Li, L., & Xiang, C. (2020). A Stochastic Predictive Energy Management Strategy for Plug-in Hybrid Electric Vehicles Based on Fast Rolling Optimization. IEEE Transactions on Industrial Electronics, vol. 67, no. 11, pp. 9659-9670, Nov. 2020, https://doi.org/10.1109/TIE.2019.2955398.
Alegre, S., Míguez, J. V., & Carpio, J. (2020) Modelling of electric and parallel-hybrid electric vehicle using Matlab/Simulink environment and planning of charging stations through a geographic information system and genetic algorithms. Renewable and Sustainable Energy Reviews. Volume 74, 2020, 1020-1027. https://doi.org/10.1016/j.rser.2017.03.041.
Vidal, C., Kollmeyer, P., Naguib, M., Malysz, P. et al. (2020). Robust xEV Battery State-of-Charge Estimator Design Using a Feedforward Deep Neural Network. SAE Int. J. Adv. & Curr. Prac. in Mobility 2(5):2872-2880, 2020, https://doi.org/10.4271/2020-01-1181.
##submission.downloads##
-
PDF
Завантажень: 4
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
