Bitte wählen Sie ihr Lieferland und ihre Kundengruppe
Elektro- und Hybridfahrzeuge stellen hohe Anforderungen an die Spitzenleistung, Reichweite und Effizienz der Energiespeichertechnik. Ein hybrides Energiespeichersystem, welches die hohe Energiedichte von Batterien mit der hohen Leistungsdichte und Zyklenfestigkeit von Doppelschichtkondensatoren kombiniert, erfüllt diese Anforderungen ausgezeichnet. Durch die Hybridisierung ergeben sich Freiheitsgrade und somit Optimierungspotenziale hinsichtlich der Systemstruktur, der Bemessung der Komponenten und insbesondere des Entwurfs von Betriebsstrategien für die Leistungsaufteilung auf die beiden Energiespeicher. Anhand der Anwendungsbeispiele des autonomen Schienenverkehrssystems RailCab und eines Elektrostraßenfahrzeugs werden Methoden zur Nutzung dieser Freiheitsgrade vorgestellt und bewertet. Die Struktur des hybriden Energiespeichersystems wird über einen technischen Vergleich verschiedener Alternativen festgelegt. Eine parallele Anbindung beider Speicher an das Bordnetz über einen eigenen Leistungssteiler stellt die vorteilhafteste Variante für die betrachteten Anwendungen dar. Die Bemessung der Komponenten erfolgt für das RailCab heuristisch, für das Elektrofahrzeug über eine Parameterstudie diskreter Speicherauslegungen und die Berechnung optimaler Strategien anhand typischer Fahrspiele. In beiden Fällen kann das Gewicht des Energiespeichers durch Hybridisierung um mindestens 30 % reduziert und gleichzeitig die Leistungsdichte signifikant um 70-230 % gesteigert werden. Der Schwerpunkt dieser Arbeit liegt auf der Entwicklung intelligenter Betriebsstrategien auf Basis mathematischer Optimierungsverfahren. Dabei werden zwei gegenläufige Zielfunktionen berücksichtigt. Es werden optimale und stochastische Ansätze untersucht. Mit dem im Sonderforschungsbereich 614 entwickelten Konzept der Selbstoptimierung werden selbstoptimierende Betriebsstrategien entworfen, die sich dadurch auszeichnen, dass sie ihr Zielsystem selbsttätig zur Laufzeit an variable Umfeld- und Systembedingungen anpassen. Durch die flexible Auswahl der in der jeweiligen Situation relevanten Zielausprägung wird eine Ergebnisqualität erreicht, die deutlich über die Qualität klassischer Strategien mit statischem Zielsystem hinausgeht. Dies wird anhand von Anwendungsbeispielen gezeigt, bei denen zum einen durch Aufbau einer Reserve für Spitzenleistung unvorhergesehene bzw. kritische Fahrsituationen sicher bewältigt werden, während auf unkritischen Fahrprofilen eine hohe Effizienz und eine Verlustreduktion von bis zu 40 % gegenüber einem reinen Batteriesystem erzielt werden.
Electric and hybrid-electric vehicles place high demands for peak power, energy content and efficiency on energy storage technology. A hybrid energy storage system combining the high specific energy of batteries and the high specific power and cycle stability of double layer capacitors excellently meets these demands. With two independent energy storage components, degrees of freedom and thus potential for optimization arise with regard to the system structure, the sizing of the components and particularly the design of energy management strategies for the distribution of power to both storages. The development of appropriate methods is demonstrated and rated by the examples of the autonomously operated railway system RailCab and an electric car. The structure of the hybrid energy storage system is determined by technical comparison of several alternatives. For the considered applications, a parallel connection of both storages by separate power converters is particularly advantageous. Dimensioning of the components is carried out heuristically for the RailCab and by a parametric study of discrete storage sizes for the electric car, using optimal strategies and typical driving cycles. In both cases, by hybridization the weight of the storage can be reduced by at least 30 % and simultaneously the specific power can be increased significantly by 70-230 %. The main focus of this thesis is on the development of intelligent energy management strategies based on mathematical optimization methods. Two competing objective functions are considered. Optimal and stochastic approaches are investigated. Applying the concept of self-optimization developed in Collaborative Research Center 614, self-optimization energy management strategies are composed which are characterized by the ability to adapt their system of objectives to continuously varying surroundings and system conditions during runtime. By flexible rating of the objectives relevant to the respective situation, the quality of results is distinctly enhanced compared to classic strategies with static system of objectives. This is demonstrated using the application examples: By establishing a power reserve, unexpected or critical driving situations can be safely handled, while on uncritical driving profiles a high efficiency and a loss reduction up to 40 % compared to a pure battery can be achieved.