レンジエクステンデッド電気自動車のエネルギー管理戦略最適化に関する先端研究

世界的な自動車産業が新エネルギーへと精力的に転換している中、レンジエクステンデッド電気自動車（EREV）は重要な過渡的製品として登場し、純粋な電気自動車の航続距離不安を効果的に解消しつつ、環境に優しい特性を維持しています。しかし、EREVの性能はそのエネルギー管理戦略の効率に大きく依存しています。最近、EREVのエネルギー管理戦略最適化に関する画期的な研究が業界で広く注目を集めています。昆明理工大学の高俊鵬が実施したこの研究は、EREVにおけるエネルギー管理の核心的課題に切り込み、業界の今後の発展に貴重な洞察を提供しています。

新エネルギー環境におけるEREVの重要性の高まり

世界的なエネルギー危機の深刻化と環境規制の強化に伴い、自動車産業は前例のない電動化への転換期を迎えています。かつて支配的であった従来の燃料自動車は、化石燃料への強い依存と大量の炭素排出のため、徐々に新エネルギー自動車に取って代わられつつあります。電気自動車は、エネルギー効率、経済性、環境への友好性といった長所を持ち、世界の自動車産業の発展の中心となっています。

それでも、純粋な電気自動車は航続距離の制限、充電の不便、電池の深刻な劣化などの課題に直面しており、その普及が制限されています。このような状況の中、EREVは実行可能な解決策として登場しました。内燃機関をレンジエクステンダー（APU）として電気モーターやバッテリーパックと統合することで、EREVは短距離では電気モードで運行し、バッテリー残量が少ない場合はレンジエクステンダーに切り替えてバッテリーを充電したり、直接車両を駆動したりすることができ、航続距離を大幅に延長することができます。

このような背景の下、EREVのエネルギー管理戦略の最適化は学術研究と産業界の注目を集めるホットトピックとなっています。「レンジエクステンデッド電気自動車のエネルギー管理戦略」に関するCNKIの検索結果から、関連する研究の増加傾向が確認され、この分野への業界の関心が高まっていることが反映されています。

エネルギー管理戦略に関する現行研究の概要

長年にわたり、多くの学者や研究機関がEREVのエネルギー管理戦略の探索に尽力し、一連の重要な研究成果を上げてきました。

許玉轍、汪偉、王汝佳らは、Matlab/Simulinkを応用して提案された制御戦略のモデリングを行い、Cruise環境で構築された車両モデルの共通シミュレーション分析を実施しました。この研究は、エネルギー管理戦略のシミュレーションと検証の基礎を築きました。

王超、曹力らは、GB 18352.6-2016規格の電力量保持モードに関する要件に従い、エネルギー管理に基づくEREVの制御戦略研究を行いました。彼らはAVL CRUSEシミュレーションソフトウェアとSimulinkモデリングソフトウェアを使用して、EREVのシミュレーション計算モデルと制御モデルを構築しました。シミュレーション結果と試験結果の両方が、この制御戦略の下でレンジエクステンダーが電力要件を満たすことを示しており、エンジニアリング応用に実践的な参考を提供しています。

馮仁華、孫旺兵、趙智超はGT-SUITEソフトウェアを利用して、レンジエクステンデッドハイブリッド車のシミュレーション分析モデルを構築し、車両全体の燃料経済性をさらに向上させました。これにより、ソフトウェアモデリングが車両性能の最適化において重要であることが強調されました。

陳勇、魏長銀、李晓宇は、ファジィエネルギー管理戦略の設計が専門家の経験に大きく依存し、複雑な運転条件に適応するのが難しいという問題に取り組み、ニューラルネットワークの運転状況識別に基づくEREVのファジィエネルギー管理戦略を提案しました。この戦略は、エネルギー管理システムのさまざまな運転条件への適応性を向上させました。

複雑な運転条件におけるEREVの燃料経済性を改善するため、白書傑、魏長銀、陳勇は、遺伝的アルゴリズムで最適化された逆伝播ニューラルネットワーク（GA-BP）の運転状況識別を利用した規則的なエネルギー管理戦略を提案しました。BPアルゴリズムの収束速度が遅く、汎化能力が低いという問題に対処するため、彼らは遺伝的アルゴリズムを採用してBPニューラルネットワークを最適化し、エネルギー管理戦略の性能を大幅に向上させました。

これらの研究は、EREVのエネルギー管理戦略の開発に堅固な理論的および実践的な基盤を築き、さらなる最適化のための方向を指摘しています。

ケーススタディ：総質量600kgのEREVのエネルギー管理戦略最適化

高俊鵬の研究は、総質量600kgのEREVの特定ケースに焦点を当て、エネルギー管理戦略の最適化を詳細に調査しました。

車両パラメータの選択

EREVにおいて、バッテリーの電圧レベルは車両の全体的な性能に影響を与える重要なパラメータです。電圧レベルと電流損失の間には逆の関係が存在します。つまり、電圧レベルが低いほど、バッテリーの電流損失が高くなります。たとえば、動力電池の効率が低い場合、導線の電流負荷能力もそれに応じて低下します。しかし、電圧レベルが高ければ必ずしも全体的な性能が良いとは限りません。電圧レベルが過度に高いと、安全性が確保できない可能性があり、高電圧を達成するために直列に接続される単電池の数を増やす必要がありますが、これは動力電池の均一性にある程度影響を与えます。

これに対応するため、研究ではGB/T18488.1-2006における電源電圧レベルに関する規定を参照しました。EREVのエンジンと発電機が同軸で結合されていることを考慮し、バッテリーの電圧レベルの選択はEREVの電動機の動作電圧変化の要件を満たす必要があり、EREVの動力電池と電動機の電圧レベルの一致性を促進する必要があります。総合的に考慮した結果、研究ではEREVの動力電池は定格電圧Ub=600Vを基準とするべきであると判断し、最終的に三元リチウム電池を選択しました。

エネルギー管理戦略の開発

研究では2つのエネルギー管理戦略、すなわち単点サーモスタット戦略と電力需要に基づく多点制御戦略を提案し、それらの性能の比較分析を行いました。

単点サーモスタット戦略

単点サーモスタット制御戦略は、動力電池の充電状態（SOC）に基づいてAPUのオン/オフ状態を判断するものです。その重要な利点の1つは、APUの出力電力が一定に保たれることです。具体的な起動と停止のロジックは、バッテリーが合理的なSOC範囲内で動作することを保証し、過放電または過充電を防止するように設計されています。

この戦略は設計が比較的簡単で実装が容易であり、比較的安定した運転条件に適しています。しかし、その固定された出力電力は、複雑で多変な運転シナリオにうまく適応できない場合があり、エネルギーの非効率的な使用につながる可能性があります。

電力需要に基づく多点制御戦略

単点サーモスタット戦略の限界に対処するため、研究では電力需要に基づく多点制御戦略を提案しました。この戦略は主に、EREVの動力電池のSOCとEREVの必要電力P_reqに基づいてAPUの動作点を決定します。

多点制御戦略の論理制御規則は以下の通りです：

P_req < Plowの場合：

SOC < SOC_lowの場合、APUはオンで、Pe=Plowです。
SOC_low ≤ SOC < SOC_highの場合、APUはホールドモードで、Pe=PlowまたはPe=0です。
SOC > SOC_highの場合、APUはオフです。

Plow < P_req < Phighの場合：

SOC < SOC_lowの場合、APUはオンで、Pe=Phighです。
SOC_low ≤ SOC < SOC_highの場合、APUはホールドモードで、Pe=Plow/PhighまたはPe=0です。
SOC > SOC_highの場合、APUはオフです。

P_req > Phighの場合：

SOC < SOC_lowの場合、APUはオンで、Pe=Phighです。
SOC_low ≤ SOC < SOC_highの場合、APUはホールドモードで、Pe=PhighまたはPe=0です。
SOC > SOC_highの場合、APUはオフです。

P_req < 0の場合、APUはオフで、Pe=0です。

多点制御戦略では、APUの出力電力はP_reqに応じて切り替わります。したがって、動作点の設定過程においては2つ未満の動作点にする必要があり、APUの動作点の制御はcs_min_pwrとcs_max_pwrの2つの動作点出力を通じて行うことができます。APUの必要電力が比較的大きい場合はcs_max_pwrの電力点で動作し、電力需要が小さい場合はcs_min_pwrの動作点に切り替えます。

具体的な設計では、研究はAPUの最適な動作曲線を総合的に考慮し、エンジン回転数の切り替えの実行可能性を分析し、cs_min_pwrを48.5kW、cs_max_pwrを60kWに設定しました。cs_max_pwrは動力点として設定され、cs_min_pwrはサーモスタットの動作点と一致するように保持され、最適な動作状態を実現しています。

この戦略により、APUは実際の需要に応じて出力電力を調整することができ、複雑な運転条件下でのエネルギー利用効率の向上が期待されます。

さまざまなエネルギー管理戦略の比較分析

2つのエネルギー管理戦略の性能を評価するため、研究はそれらのエネルギーフローとエネルギー消費の比較分析を実施しました。

エネルギーフローの比較

単点サーモスタット戦略と多点制御戦略のエネルギーフローは異なる特性を示します。単点サーモスタット戦略では、APUの出力電力が一定であるため、エネルギーの分布は比較的固定されています。対照的に、多点制御戦略は需要に応じてAPUの出力電力を調整するため、より柔軟なエネルギーフローが得られ、車両の運行中の変動するエネルギーニーズによりよく適応することができます。

エネルギー消費の比較

重要な指標です。研究結果によると、EREVの多点制御戦略のエネルギー消費量は単点サーモスタット戦略よりも多いことが明らかになりました。動力電池のエネルギー消費量に関しては、単点サーモスタット戦略の方が多点制御戦略よりも多く、多点制御戦略は電池の消費量を6.14%削減しています。

エンジンが消費するエネルギーについては、多点制御戦略の方が単点サーモスタット戦略よりも多く、これはEREVのエネルギー消費の分布法則と一致しています。これは、異なるエネルギー管理戦略下でのエンジンのエネルギー消費量の差が総エネルギー消費量に比較的大きな影響を与えることを示しています。エンジンのエネルギー消費量の観点からは、単点サーモスタット戦略は多点制御戦略に比べて明らかな優位性を持っており、多点制御戦略はエンジンの平均消費量を3.76単位増加させています。

発電機のエネルギー消費量に関しては、多点制御戦略の方が単点サーモスタット戦略よりも多く、これは車両全体のエネルギー消費の分布法則と一致しています。同時に、単点サーモスタット戦略のエンジン消費量は相対的に少ないです。しかし、動力電池の充電係数と燃料消費量に関しては、単点サーモスタット戦略の方が多点制御戦略よりも高く、これは多点制御戦略下で動力電池の寿命が最適化されていることを意味しています。

結論と将来展望

EREVのエネルギー管理戦略の最適化に関する研究は、新エネルギー自動車産業の発展にとって重要な意義を持っています。高俊鵬の研究は、特定のケースの詳細な分析を通じて、単点サーモスタット戦略と多点制御戦略の長所と短所を比較し、EREVにおけるエネルギー管理戦略の応用に実践的な参考を提供しています。

単点サーモスタット戦略はエンジンのエネルギー消費量が少ないという利点があり、比較的安定した運転環境に適しています。一方、多点制御戦略は電池の消費量を削減し、電池寿命を最適化する点で優れており、複雑な運転条件下での適応性が高いことがわかります。したがって、実際の車両の設計と応用においては、特定の使用シナリオに応じて適切なエネルギー管理戦略を選択する必要があります。

将来的には、技術の継続的な進歩に伴い、EREVのエネルギー管理戦略はさらにインテリジェントで適応性の高い方向に発展するでしょう。人工知能、ビッグデータ、IoTなどの技術の統合により、運転条件、ドライバーの習慣、道路情報に基づいてエネルギー管理戦略をリアルタイムで調整することが可能になり、EREVのエネルギー効率と性能がさらに向上するでしょう。

この研究は、EREVのエネルギー管理の理論体系を豊かにするだけでなく、EREVの産業応用に貴重な指針を提供しています。関連する研究がさらに深化するにつれ、EREVは世界の新エネルギー自動車市場でより重要な役割を果たし、世界的なカーボンニュートラルの目標の達成に貢献すると信じられています。

著者：高俊鵬、昆明理工大学ジャーナル名：Journal of Industrial Control Computer DOI：10.19651/j.cnki.emt.2096-1847.2024.16.076 エネルギー消費は、エネルギー管理戦略の性能を測定するための