Kritikalitätsbewertung und Bordnetzsteuerung für ein prädiktives Leistungsmanagement
| dc.date.accessioned | 2022-12-22T09:47:52Z | |
| dc.date.available | 2022-12-22T09:47:52Z | |
| dc.date.issued | 2022 | |
| dc.identifier | doi:10.17170/kobra-202212087208 | |
| dc.identifier.uri | http://hdl.handle.net/123456789/14312 | |
| dc.language.iso | ger | ger |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.subject.ddc | 004 | |
| dc.subject.ddc | 620 | |
| dc.title | Kritikalitätsbewertung und Bordnetzsteuerung für ein prädiktives Leistungsmanagement | ger |
| dc.type | Dissertation | |
| dcterms.abstract | Das elektrische Bordnetz in heutigen Fahrzeugen versorgt die elektrischen Verbraucher mit Energie und setzt sich aus Generator, DC-DC-Wandlern, Batterien, Verbrauchern sowie Leitungen zusammen. Aufgrund der zunehmenden Elektrifizierung von Verbrauchern in Folge der steigenden Umweltschutzanforderungen sowie der Weiterentwicklung des automatisierten Fahrens steigt der Leistungsbedarf im Bordnetz stark an. Die heutigen Bordnetze können diese erhöhten Leistungsanforderungen nur durch leistungsstärkere Generatoren, DC-DC-Wandler und Batterien erfüllen, womit die Kosten, aber auch Bauraum und Gewicht des Bordnetzes zunehmen. In der vorliegenden Dissertation wird die Kritikalitätsbewertung und die Bordnetzsteuerung für ein prädiktives Leistungsmanagement entwickelt, mit dessen Hilfe die steigenden Leistungsanforderungen in einem heutigen Bordnetz ohne größere oder zusätzliche Komponenten erfüllt werden können. Das prädiktive Leistungsmanagement basiert auf einer Prognose der Verbraucherzustände, welche aus den in zukünftigen und automatisierten Fahrzeugen vorhandenen Umfeldinformationen, der Trajektorienplanung und Daten von intelligenten Verbrauchern abgeleitet werden kann. Das Ziel des prädiktiven Leistungsmanagements ist die Vermeidung von leistungskritischen Situationen, die zu Spannungseinbrüchen führen können. Dafür wird zunächst ein Zielspannungsbereich festgelegt, welcher in der Folge zur Bewertung der erwarteten Situationen genutzt wird. Die Stromaufnahme der Verbraucher im Bordnetz wird modellbasiert je nach vorliegendem Verbrauchertyp prognostiziert und zu einem erwarteten Summenstrom aller Verbraucher zusammengefasst. Die versorgenden Komponenten im Bordnetz müssen den Summenstrom zur Verfügung stellen und reagieren darauf unter Umständen mit Schwankungen in der Systemspannung. Mithilfe einer Leistungsspezifikation für elektrische Quellen und einem Batteriemodell kann die Systemspannung im Prognosehorizont abgeschätzt werden. Zur Bewertung der Kritikalität der erwarteten Situation wird die prognostizierte Systemspannung mit dem definierten Zielspannungsbereich abgeglichen. Ergibt sich daraus eine erwartete, leistungskritische Situation im Prognosehorizont, werden performante Gegenmaßnahmen ausgewählt und eingeleitet. Dafür werden im Rahmen der Dissertation mögliche Gegenmaßnahmen aufgezeigt und gewichtet. In der Echtzeitanwendung wird der Zeitpunkt bestimmt, zu dem die Gegenmaßnahme eingeleitet werden muss. Dieser liegt entsprechend dem prädiktiven Ansatz zeitlich vor dem Eintritt der leistungskritischen Situation. Die entwickelten Algorithmen werden zur Validierung in einem Demonstrator-Fahrzeug als Echtzeitanwendung implementiert und entsprechend der Randbedingungen des Demonstrator-Fahrzeugs parametrisiert. Zur Validierung wird eine Notbremsung auf ein stehendes Hindernis durchgeführt, welche reproduzierbar zu einer leistungskritischen Situation führt. Durch die Aktivierung des entwickelten prädiktiven Leistungsmanagements werden frühzeitige Gegenmaßnahmen eingeleitet, welche die Systemspannung stabil und die Situation unkritisch halten. Außerdem wird die Robustheit der Algorithmen gegenüber fehlerhaften Prognosen untersucht. | ger |
| dcterms.abstract | The electrical distribution system (EDS) in today’s vehicles supplies the electrical consumers with energy and consists of generators, converters, batteries, consumers and cables. Due to the increasing electrification of consumers in order to reduce the CO2 emissions and the further development of automated driving, the power requirement in EDS is increasing quickly. Today’s EDS can meet these increased performance requirements by integrating more powerful generators, DC-DC converters and batteries, which increases the costs, but also the space and weight of the EDS. In this dissertation, the criticality assessment and the electrical system control for a predictive power management are developed. With the help of this predictive power management increasing performance requirements in today’s EDS can be met without larger or additional components. The predictive power management is based on a prognosis of the consumer states, which can be derived from the environment information available in future and automated vehicles, the trajectory planning and data from intelligent consumers. The goal of the predictive power management is to avoid performancecritical situations that can lead to hazardous voltage drops. For this purpose, a target voltage range is defined and used to assess the expected situations. The power consumption of the consumers in the EDS is predicted based on different models, depending on the type of consumer, and added up to an expected total current of all consumers. The supplying components in the on-board network provide the total current and may react with fluctuations in the system voltage. With the help of a power specification for electrical sources and a battery model, the system voltage can be estimated in the forecast horizon. To assess the criticality of the expected situation, the predicted system voltage is compared with the defined target voltage range. If this results in an expected, performance-critical situation in the forecast horizon, efficient countermeasures are selected and initiated. Therefore possible countermeasures are identified and prioritized in the context of the dissertation. In the real-time application, the time at which the countermeasure must be initiated is determined. According to the predictive approach, this takes place before the performance-critical situation occurs. The developed algorithms are implemented in a demonstrator vehicle as a real-time application for validation and parametrized according to the boundary conditions of the demonstrator vehicle. For validation, emergency braking is performed on a stationary obstacle, which reproducibly leads to a performancecritical situation. By activating the predictive power management that has been developed, countermeasures are initiated at an early stage, which keep the system voltage stable and the situation uncritical. In addition, the robustness of the algorithms against incorrect forecasts is examined. | eng |
| dcterms.accessRights | open access | |
| dcterms.creator | von Roden, Janis | |
| dcterms.dateAccepted | 2022-11-23 | |
| dcterms.extent | xii, 128 Seiten | |
| dc.contributor.corporatename | Kassel, Universität Kassel, Fachbereich Elektrotechnik / Informatik | ger |
| dc.contributor.referee | Brabetz, Ludwig (Prof. Dr.) | |
| dc.contributor.referee | Herzog, Hans-Georg (Prof. Dr.) | |
| dc.subject.swd | Kraftfahrzeugelektrik | ger |
| dc.subject.swd | Bordnetz | ger |
| dc.subject.swd | Performance Management | ger |
| dc.subject.swd | Algorithmus | ger |
| dc.subject.swd | Energieeffizienz | ger |
| dc.type.version | publishedVersion | |
| kup.iskup | false | |
| ubks.epflicht | true |
Dateien zu dieser Ressource
Das Dokument erscheint in:
-
Dissertationen [7]
Solange nicht anders angezeigt, wird die Lizenz wie folgt beschrieben: Attribution-NonCommercial-NoDerivatives 4.0 International