Multiobjective Optimization of the Power Flow Control of Hybrid Electric Power Train Systems within Simulation and Experimental Emulation Applications

In this thesis, the power flow control of hybrid electric power train systems is discussed using the focus of multiobjective optimization goals and related algorithms, based on different control optimization methods, are developed and applied within simulation and experimental environments. Based on the basic relations of hybrid power train systems, an improved technique for the experimental realization and evaluation of these systems is developed and the related Hardware-in-the-Loop (HiL) hybrid electric power train emulation system is demonstrated. Hereby, it is shown that this emulation system technique is suitable to be applied for a more generalized view of the power train structures (consideration of the components as power sources, sinks, transmission elements, storage elements etc.) and its power flow control. The principal applicability of the system is demonstrated using the example of a hybrid electric vehicle as well as other system technologies such as hybrid hydraulic power trains and wind energy conversion systems. The core of the thesis is the discussion, development, application, and evaluation of power flow control optimization algorithms. Hereby, the considered power flow control techniques of the power train are realized with respect to a multiobjective framework using the example of drivability, fuel economy, and component life time as system requirements to be optimized during the operation. From this requirements, a multiobjective control optimization problem results consisting of a suitable combination of the known control goals power management, energy management, and lifetime management is realized. After a discussion about the principal influences of the power flow control on the different performance properties, the application of different control optimization techniques is discussed. Hereby, the example of a fuel cell/supercapacitor-based hybrid electric power train system including braking energy recovery is used. As control optimization methods, parameter optimization techniques are applied at first. Hereby, an embedded-online optimization based on a Golden Section search and an offline optimization based on Global Optimation methods are discussed and applied. Furthermore, direct optimization techniques based on Dynamic Programming (DP) and Model Predictive Control (MPC) are realized. Subsequently, an Instantaneous Optimality (IO)-based technique, which consists of a lookup table-based Time-Invariant Feedback Controller technique, is developed. It becomes clear that all methods leads to suitable results and significant improvement of the control performance. A concluding overview of the methods and its strengths and weaknesses dependent on the application is provided.
In dieser Arbeit wird die Leistungsflussregelung bei hybridelektrischen Antriebssystemen mit dem Schwerpunkt der Mehrkriterienoptimierung diskutiert. Hierbei werden geeignete Algorithmen, basierend auf verschiedenen Stellgrößenoptimierungsmethoden, entwickelt und in Simulationen sowie in experimentellem Umfeld angewendet. Aufbauend auf die Grundzusammenhänge hybrider Antriebssysteme wird eine weiterentwickelte experimentelle Umgebung zur Untersuchung und Bewertung vorgestellt und der entsprechende Hardware-in-the-Loop (HiL)-Versuchsstand zur Emulation entsprechender Systeme demonstriert. Diese Emulationstechnik erlaubt eine generalisierte Betrachtung von Antriebssystemstrukturen (Betrachtung der Komponenten als Quellen, Senken, Übertragungselemente, Speicher etc.) und der entsprechenden Leistungsflussregelung. Den Hauptteil dieser Arbeit bildet die Diskussion sowie die Entwicklung, Anwendung und Bewertung von Algorithmen zur Optimierung der Leistungsflussregelung hybridelektrischer Antriebssysteme. In diesem Zusammenhang erfolgt eine mehrkriterielle Betrachtung und Bewertung des Antriebssystems in Hinblick auf die Dynamik, die Kraftstoffökonomie und die Komponentenlebensdauer. Das hieraus resultierende mehrkriterielle Optimierungsproblem der Stellgrößenfolge kann hierbei als Überlagerung von Leistungs-, Energie- und Lebensdauermanagement aufgefasst werden. Basierend auf den Haupteinflüssen der Leistungsflussregelungen auf verschiedene Systemeigenschaften erfolgt die Entwicklung, Anwendung, Bewertung und Diskussion verschiedener Stellgrößenoptimierungsmethoden und -algorithmen. Diese werden am Beispiel eines Brennstoffzellen/Supercap-basierten hybridelektrischen Antriebssystems mit Bremsenergierekuperation demonstriert. Zur Optimierung der Leistungsflussregelung werden als erstes Parameteroptimierungstechniken vorgestellt, wobei eine Embedded-online-Optimierung basierend auf der Methode des Goldenen Schnitts sowie eine Offline-Optimierung unter Verwendung von globalen Optimierungsalgorithmen diskutiert und angewendet werden. Nachfolgend werden direkte Stellgrößenoptimierungstechniken vorgestellt, wobei die Verfahren der Dynamischen Programmierung und des Modelprädiktiven Reglers realisiert werden. Abschließend wird die Entwicklung und Anwendung eines Algorithmus basierend auf der momentanen Optimalität (Instantaneous Optimality) diskutiert, welcher aus einem kombinierten Geschwindigkeits-Prädiktionsalgorithmus und vordefinierten Kennfeldern für die Regelung besteht. Die verwendeten Methoden werden vergleichend gegenübergestellt und gemäß ihrer Stärken und Schwächen bewertet.

Cite

Citation style:
Could not load citation form.

Rights

Use and reproduction:
All rights reserved