Optimization of a PHEV Adaptive Energy-Thermal Management Coupling Strategy Considering the Vehicle Energy Demand and Driving Mode Under Cold Weather

Der Artikel stellt eine detaillierte Untersuchung der Optimierung von energiethermischen Managementstrategien für Plug-in-Hybrid-Elektrofahrzeuge (PHEVs) unter kalten Witterungsbedingungen dar. Zunächst werden die einzigartigen Eigenschaften von PHEVs skizziert, die die Vorteile von Hybrid-Elektrofahrzeugen (HEVs) und Batterie-Elektrofahrzeugen (BEVs) kombinieren, die Angst vor der Reichweite ausräumen und die Energieflexibilität erhöhen. Die Studie betont die Bedeutung der Optimierung von Antriebsparametern, Energiemanagementstrategien (EMS) und Wärmemanagementsystemen (TMS), um die Wirtschaftlichkeit und Kosteneffizienz von PHEVs zu verbessern. Der Artikel untersucht die Auswirkungen der Temperatur auf die Leistung von Leistungskomponenten wie Motoren und Batterien und beleuchtet die Herausforderungen, die von kalten Wetterbedingungen ausgehen. Es werden verschiedene Strategien für das Wärmemanagement diskutiert, einschließlich des Einsatzes von Motorkühlmittel-Abwärme und Batterieheizsystemen, um die Wirtschaftlichkeit und Leistung von Fahrzeugen zu verbessern. Die Forschung stellt eine neuartige adaptive Kopplungsstrategie zwischen Energie und Thermik vor, die den Energiebedarf und die Fahrmodi der Fahrzeuge berücksichtigt. Diese Strategie wird mit dem heuristischen IVYA-Algorithmus optimiert, der im Vergleich zu herkömmlichen Algorithmen eine überlegene Konvergenzgeschwindigkeit und Glätte aufweist. Der Artikel untersucht die Auswirkungen unterschiedlicher Fahrbedingungen, Anfangszustände der Ladung (SOC) und Fahrmodi auf die Optimierung der EMS-TMS-Parameter. Er präsentiert eine detaillierte Analyse der Leistung der adaptiven Strategie unter verschiedenen Fahrszenarien, einschließlich des Lade- (CD) -Modus, des Lade- (CS) -Modus und der Übergänge zwischen diesen Modi. Die Studie schließt mit der Hervorhebung der Fähigkeit der adaptiven Strategie zur Optimierung der Gesamtkosten, des entsprechenden Kraftstoffverbrauchs und der Lebensdauer der Batterie, was erhebliche Verbesserungen gegenüber bestehenden Strategien bietet. Der Artikel schlägt auch zukünftige Forschungsrichtungen vor, einschließlich der fortgesetzten Optimierung adaptiver Strategieparameter und der Anwendung dieser Methoden auf andere Optimierungsfälle im Automobilbau.