<?page no="0"?> Analyse der Energieeinsparpotenziale zur bedarfsgerechten Reichweitenerhöhung von Elektrofahrzeugen KURT KRUPPOK <?page no="2"?> Kurt Kruppok Analyse der Energieeinsparpotenziale zur bedarfsgerechten Reichweitenerhöhung von Elektrofahrzeugen <?page no="3"?> Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http: / / dnb. dnb.de abrufbar. © 2020 · expert verlag GmbH Dischingerweg 5 · D-72070 Tübingen Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlages unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Alle Informationen in diesem Buch wurden mit großer Sorgfalt erstellt. Fehler können dennoch nicht völlig ausgeschlossen werden. Weder Verlag noch Autoren oder Herausgeber übernehmen deshalb eine Gewährleistung für die Korrektheit des Inhaltes und haften nicht für fehlerhafte Angaben und deren Folgen. Internet: www.expertverlag.de eMail: info@verlag.expert CPI books GmbH, Leck ISBN 978-3-8169-3516-2 (Print) ISBN 978-3-8169-8516-7 (ePDF) <?page no="4"?> Analyse der Energieeinsparpotenziale zur bedarfsgerechten Reichweitenerhöhung von Elektrofahrzeugen Zur Erlangung des akademischen Grades eines DOKTOR-INGENIEURS (Dr.-Ing.) von der KIT-Fakultät für Elektrotechnik und Informationstechnik des Karlsruher Instituts für Technologie (KIT) genehmigte DISSERTATION von Dipl.-Ing. Kurt Kruppok geb. in Tübingen Tag der mündlichen Prüfung: 28. April 2020 Referent: Prof. Dr.-Ing. Eric Sax Korreferenten: Prof. Dr.-Ing. Reiner Kriesten Prof. Dr.-Ing. Peter Gratzfeld <?page no="6"?> Kurzfassung Die begrenzte Reichweite von Elektrofahrzeugen und das Fehlen einer ausgedehnten und leistungsfähigen, öffentlichen Ladeinfrastruktur erfordern einen streckenoptimierten Einsatz der zur Verfügung stehenden Energie. Die vorliegende Arbeit setzt sich mit Maßnahmen auseinander, die für eine bedarfsgerechte Reichweitenvergrößerung sorgen, um das gewünschte Fahrtziel bei Energieknappheit mit geringstmöglicher Einschränkung des Komforts und der Fahrdynamik zu erreichen. Zu diesem Zweck wird ein Konzept eines Fahrerassistenzsystems zur Zielerreichung (FAS-Z) vorgestellt. Dieses basiert auf einer Energiebedarfsprädiktion für das Zurücklegen der potenziellen Routen zum Fahrtziel und auf einem prädiktiven Energiemanagementsystem, das bedarfsgerecht die Betriebsstrategie des Antriebs und der Nebenverbraucher anpasst. Im Rahmen der Energiebedarfsprädiktion werden Reichweiteneinflussfaktoren untersucht und relevante zu einem elektronischen Horizont fusioniert. Dadurch lässt sich das Bewegungs- und Nutzungsprofil eines Elektrofahrzeugs und somit sein Energiebedarf vorhersagen. Die Anpassung der Betriebsstrategie erfolgt unter Einbezug umwelt- und streckenspezifischer Energieeinsparpotenziale. Kern dieser Arbeit ist die Identifikation und Analyse dieser Potenziale. Eine Veränderung des Fahrverhaltens, d. h. durch Absenken der Geschwindigkeit und der maximalen Bremsverzögerung, oder des Komfortverhaltens, beispielsweise durch Reduzierung der Audiosystemlautstärke oder der Klimatisierung, sind potenzielle Maßnahmen, die bei Energieknappheit angewendet werden können. Das hier vorgestellte FAS-Z hilft dem Fahrer, Vertrauen in die prognostizierte Reichweite seines Fahrzeugs zu gewinnen. Es kann somit zu einer Erhöhung der Kundenakzeptanz von Elektrofahrzeugen und deren schnellerer Marktdurchdringung beitragen. i <?page no="8"?> Abstract The limited range of battery electric vehicles and the lack of an extensive and efficient public charging infrastructure requires a route-optimized usage of the available energy. This thesis deals with measures that provide a tailored increase in vehicle range to achieve the desired destination in the event of energy shortage with the least possible restriction in comfort and driving dynamics. For this purpose, a concept of a driver assistance system for destination achievement (FAS-Z) is presented. This is based on an energy demand prediction for covering potential routes to the destination and on a predictive energy management system which adapts the drivetrain’s and the auxiliary consumers’ operating strategy as required. As part of the energy demand prediction, range influencing factors are examined and relevant ones merged into an electronic horizon. This allows to predict the movement and usage profile of an electric vehicle and thus its energy requirements can be calculated. The adjustment of the operating strategy takes into account environmental and routespecific energy saving potentials. The core of this thesis is the identification and analysis of those potentials. A change in driving behavior, i.e. by lowering the velocity and the maximum braking deceleration, or a change in comfort behavior, e.g. through a reduction in the audio system’s volume or the air conditioning, are potential measures that can be applied in the event of energy shortage. The presented FAS-Z helps the driver to gain confidence in the predicted range of his vehicle. The system can therefore contribute to an increase in customer acceptance of electric vehicles and their faster market penetration. iii <?page no="10"?> Danksagung Die vorliegende Arbeit entstand während meiner Zeit als externer Doktorand am Institut für Technik der Informationsverarbeitung (ITIV) am Karlsruher Institut für Technologie (KIT). Parallel hierzu war ich von 2015 bis 2019 akademischer Mitarbeiter an der Hochschule Karlsruhe - Technik und Wirtschaft am Institut für Energieeffiziente Mobilität (IEEM). Zunächst danke ich meinem Doktorvater Herrn Professor Dr.-Ing. Eric Sax für die hervorragende Betreuung meiner Arbeit. Seine wertvollen, inspirierenden und ermutigenden Worte, das mir entgegengebrachte Vertrauen und nicht zuletzt der Appell zur Verbindlichkeit von Terminen haben zur Vollendung dieser Arbeit beigetragen. Herrn Professor Dr.-Ing. Reiner Kriesten danke ich, dass er mir durch die Anstellung und die Betreuung an der Hochschule den Grundstein für dieses Thema und meine Promotion gelegt hat und mir während meiner Arbeit viele Gestaltungsmöglichkeiten bot. Selbstverständlich danke ich ihm auch für die Teilübernahme des Zweitgutachtens. Ein weiterer Dank geht an Herrn Professor Dr.-Ing. Peter Gratzfeld für die schnelle und unkomplizierte Teilübernahme des Zweitgutachtens. Weiterhin bedanke ich mich bei meinen Referenten und der Prüfungskommission, bestehend aus dem Vorsitzenden Prof. Dr. rer. nat. Cornelius Neumann und den Beisitzern Prof. Dr. Ivan Peri´ c und Prof. Dr.-Ing. Thomas Leibfried, für die sehr angenehme und professionelle Prüfung, trotz der schwierigen Situation im Frühjahr 2020. Meinen ehemaligen IEEM-Kollegen danke ich für die wunderbare Zeit in Karlsruhe und am Außenstandort des IEEM in Bruchsal. Insbesondere geht ein Dank an Jürgen für die Zeit, die er sich für Diskussionen und zum kritischen Gegenlesen meiner Arbeit genommen hat, obwohl er dauerhaft «unter Wasser»war. Auch Felix danke ich an dieser Stelle v <?page no="11"?> für das häufige, meist kurzfristige Korrekturlesen. Außerdem bin ich meinen restlichen Korrekturlesern dankbar, darunter Johannes, Lisa und im Speziellen meinem Bruder Lothar, der hoffentlich alle übriggebliebenen Rechtschreib- und Grammatikfehler entdeckt hat. Zusätzlich bedanke ich mich bei allen Studierenden besonders bei Felix C., Tobias W. und Thimo H. die mit ihren Abschlussarbeiten zum Gelingen dieser Dissertation beigetragen haben. Bei allen Doktoranden vom ITIV bedanke ich mich für die vielen Montage, die ich bei euch verbringen durfte. Ich habe mich bei euch stets sehr wohl gefühlt und hatte lustige, aber auch inspirierende Gespräche mit euch. Den Doktoranden am FZI danke ich, weil ihr mich während des Projekts mit EvoBus herzlich aufgenommen habt. Abschließend danke ich meiner Familie, die all dies ermöglicht hat und mich bereits während meines Maschinenbaustudiums ausgiebig unterstützte. Ein riesiges Dankeschön geht an meine wunderbare Partnerin Aljona, die stets Verständnis für meine Situation hatte und mir genügend Freiraum zum Schreiben schaffte, obwohl zwischenzeitlich unsere wundervolle Tochter Anastasia in unser Leben kam. Ab jetzt habe ich mehr Zeit für euch! Gerlingen, im April 2020 Kurt Kruppok vi <?page no="12"?> Inhaltsverzeichnis 1. Einleitung 1 1.1. Herausforderungen der Elektromobilität . . . . . . . . . . . 3 1.2. Problemstellung . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.3. Forschungsfragen . . . . . . . . . . . . . . . . . . . . . . . . 7 1.4. Zielsetzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.5. Struktur der Arbeit . . . . . . . . . . . . . . . . . . . . . . . 10 1.6. Hintergrund der Arbeit . . . . . . . . . . . . . . . . . . . . . 14 2. Reichweiten- und Energiebedarfsberechnung 15 2.1. Aufbau eines batterieelektrischen Fahrzeugs (BEF) . . . . . 16 2.1.1. Antriebsstrangkomponenten . . . . . . . . . . . . . 17 2.1.2. Elektrische Nebenverbraucher . . . . . . . . . . . . 19 2.2. Berechnung des Energiebedarfs . . . . . . . . . . . . . . . . 23 2.2.1. Antriebsenergie . . . . . . . . . . . . . . . . . . . . . 23 2.2.2. Nebenverbraucherenergie . . . . . . . . . . . . . . . 28 2.2.3. Gesamtbedarf und Wirkungsgrade . . . . . . . . . . 31 2.3. Reichweitenangaben der Hersteller und Fahrzyklen . . . . 34 3. Reichweiteneinflüsse und Energieeinsparpotenziale 39 3.1. Reichweiteneinflussgruppen . . . . . . . . . . . . . . . . . . 40 3.1.1. Umwelt . . . . . . . . . . . . . . . . . . . . . . . . . 41 3.1.2. Strecke . . . . . . . . . . . . . . . . . . . . . . . . . . 43 3.1.3. Fahrzeug . . . . . . . . . . . . . . . . . . . . . . . . . 45 3.1.4. Fahrer . . . . . . . . . . . . . . . . . . . . . . . . . . 46 3.2. Fahrerparameter . . . . . . . . . . . . . . . . . . . . . . . . . 47 3.2.1. Anlehnung und Abgrenzung der eigenen Arbeit . . 48 3.3. Identifikation der Energieeinsparpotenziale . . . . . . . . . 51 3.3.1. Konfiguration der Nebenverbraucher . . . . . . . . 51 3.3.2. Potenziale und Unsicherheiten der Parameter . . . 52 vii <?page no="13"?> Inhaltsverzeichnis 3.3.3. Parameterkorrektur nach Fahrtbeginn . . . . . . . . 60 3.3.4. Reale Fahrzyklen . . . . . . . . . . . . . . . . . . . . 61 3.3.5. Sensitivitätsanalyse von Energieeinsparmaßnahmen 63 4. Prädiktives Reichweiten- und Energiemanagement 69 4.1. Prädiktive Reichweitenberechnung . . . . . . . . . . . . . . 70 4.1.1. Energiebedarfsmodelle in verwandten Arbeiten . . 71 4.1.2. Einfluss der Fahrzeugklimatisierung . . . . . . . . . 76 4.1.3. Anlehnung und Abgrenzung der eigenen Arbeit . . 77 4.2. Quellen für prädiktive Daten . . . . . . . . . . . . . . . . . 80 4.2.1. Routenplaner und Verkehrsinformationen . . . . . 80 4.2.2. Streckenobjekte, Höhen- und Wetterdaten . . . . . . 84 4.3. Energiemanagement und Betriebsstrategie . . . . . . . . . 86 4.3.1. Energiemanagement und -systeme . . . . . . . . . . 86 4.3.2. Betriebsstrategien . . . . . . . . . . . . . . . . . . . . 88 4.3.3. Prädiktive Energiemanagementsysteme . . . . . . . 92 4.3.4. Anlehnung und Abgrenzung der eigenen Arbeit . . 96 5. Konzept eines Fahrerassistenzsystems zur Zielerreichung 99 5.1. Funktionale und nicht-funktionale Anforderungen . . . . . 100 5.2. Systemübersicht und Funktionsweise . . . . . . . . . . . . 103 5.3. Energiebedarfsprädiktion (EBP) . . . . . . . . . . . . . . . . 105 5.3.1. Erstellen des E-Horizontes . . . . . . . . . . . . . . 106 5.3.2. Bewegungs- und Nutzungsprofil . . . . . . . . . . . 107 5.3.3. Antriebsenergie . . . . . . . . . . . . . . . . . . . . . 110 5.3.4. Nebenverbraucherenergie . . . . . . . . . . . . . . . 110 5.4. Potenzialprädiktion . . . . . . . . . . . . . . . . . . . . . . . 111 5.5. Parameterkorrektur . . . . . . . . . . . . . . . . . . . . . . . 112 5.6. Energiemanagement . . . . . . . . . . . . . . . . . . . . . . 114 6. Implementierung der Energiebedarfsprädiktion 121 6.1. Generierung des elektronischen Horizontes . . . . . . . . . 122 6.1.1. Sammeln notwendiger Routendaten . . . . . . . . . 122 6.1.2. Verarbeitung gesammelter Routendaten . . . . . . . 129 6.2. Prädiktion des Bewegungs- und Nutzungsprofils . . . . . 133 6.3. Berechnung des Energiebedarfs . . . . . . . . . . . . . . . . 142 6.4. Plausibilisierung der EBP . . . . . . . . . . . . . . . . . . . 144 viii <?page no="14"?> Inhaltsverzeichnis 7. Energiebedarf zur Klimatisierung des Fahrgastraums 149 7.1. Wärmestrombilanz im Fahrzeug . . . . . . . . . . . . . . . 150 7.1.1. Sonnenstrahlung . . . . . . . . . . . . . . . . . . . . 151 7.1.2. Wärmebilanz eines Bauteils . . . . . . . . . . . . . . 152 7.1.3. Umgebungseinflüsse . . . . . . . . . . . . . . . . . . 153 7.2. Modellbildung und Randbedingungen . . . . . . . . . . . . 155 7.2.1. Modellierung des Fahrgastraums . . . . . . . . . . . 156 7.2.2. Luftführung im Innenraum . . . . . . . . . . . . . . 163 7.2.3. Einfluss der Passagiere . . . . . . . . . . . . . . . . . 165 7.2.4. Klimaregelung . . . . . . . . . . . . . . . . . . . . . 165 7.2.5. Modell des Kälte- und Kühlmittelkreislaufs . . . . . 169 7.3. Validierung der Modelle . . . . . . . . . . . . . . . . . . . . 173 7.3.1. Fahrgastraum . . . . . . . . . . . . . . . . . . . . . . 173 7.3.2. Einströmtemperatur . . . . . . . . . . . . . . . . . . 178 7.3.3. Aufheizverhalten des Fahrgastraums . . . . . . . . 179 7.3.4. Energiebedarf des Gesamtmodells . . . . . . . . . . 180 8. Analyse und Validierung der Energieeinsparpotenziale (EEP) 183 8.1. Analyse der temperaturabhängigen EEP . . . . . . . . . . . 184 8.2. Validierung der EEP anhand zweier Realszenarien . . . . . 189 9. Zusammenfassung und Ausblick 195 9.1. Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196 9.2. Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197 9.2.1. Ermittlung der Antriebsenergie . . . . . . . . . . . . 197 9.2.2. Klimatisierung des Fahrgastraums . . . . . . . . . . 200 9.2.3. Herausforderung bei der Implementierung im Fahrzeug . . . . . . . . . . . . . . . . . . . . . . . . . 201 A. Elektrische Verbraucherdaten 207 B. Referenzszenarien 213 C. Modellparameter 215 D. Mechanismen der Wärmeübertragung 217 ix <?page no="15"?> Inhaltsverzeichnis E. Anpassung und Validierung des Klimatisierungsmodells 221 E.1. Randbedingungen . . . . . . . . . . . . . . . . . . . . . . . 221 E.2. Messsystem . . . . . . . . . . . . . . . . . . . . . . . . . . . 222 E.3. Sensitivitätsanalyse . . . . . . . . . . . . . . . . . . . . . . . 224 E.4. Anpassungsprozess der Modellparameter . . . . . . . . . . 231 E.5. Reglereinstellung . . . . . . . . . . . . . . . . . . . . . . . . 233 E.6. Betriebsmodi des Kühl- und Kältemittelkreislaufs . . . . . 234 E.6.1. Kühlbetrieb . . . . . . . . . . . . . . . . . . . . . . . 234 E.6.2. Heiz- und Wärmepumpenbetrieb . . . . . . . . . . 235 E.6.3. Reheatbetrieb . . . . . . . . . . . . . . . . . . . . . . 236 E.7. Aufheiz- und Abkühlung im WLTP . . . . . . . . . . . . . 237 F. Temperaturabhängige Energieeinsparpotenziale 241 Verzeichnisse 247 Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252 Tabellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257 Abkürzungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 Literatur- und Quellennachweise 261 Eigene Publikationen 287 Betreute studentische Arbeiten 289 Lebenslauf 293 x <?page no="16"?> 1. Einleitung Die Automobilindustrie ist aufgrund der Elektromobilität in einem Wandlungsprozess. Die Europäische Union (EU) trägt mit ihrem beschlossenen Grenzwert für den CO 2 -Ausstoß aller Neuwagen ab 2020 in Höhe von 95 g/ km dazu bei [Huc14]. Verbrennungsmotoren werden fortlaufend optimiert [ASS14; Men+17], jedoch liegen die bestmöglichen effektiven Wirkungsgrade des Otto- und Dieselmotors bei 36 % bzw. 42 % [Sch15]. Bei Elektromotoren übersteigt dieser 90 %. Die Fahrzeughersteller sind sich dessen bewusst und passen ihre Unternehmensstrukturen dem Wandlungsprozess an. Beispielsweise hat Volvo angekündigt, ab 2019 ausschließlich an der Entwicklung von hybridisierten und reinen Elektroantrieben zu arbeiten [Frö17]. Laut aktuellen Prognosen werden 2030 maximal ein Fünftel der neu zugelassenen Fahrzeuge in der EU einen reinen verbrennungsmotorischen Antrieb besitzen, circa die Hälfte werden einen hybridisierten Antrieb haben und mehr als ein Drittel einen reinen Elektroantrieb [Spi17]. Trotzdem scheint es, dass potenzielle Käufer batterieelektrische Fahrzeuge (BEF) für den täglichen Gebrauch als ungeeignet einschätzen. Die Entwicklung der Zahl zugelassener BEF in Deutschland innerhalb der letzten 15 Jahre bestätigen diese These, obwohl zuletzt ein deutlicher Anstieg der Zulassungszahlen zu erkennen ist, vgl. Abb. 1.1. Die Zielsetzung der Bundesregierung aus dem Jahr 2014, dass in Deutschland bis zum Jahr 2020 eine Millionen zugelassene Elektrofahrzeuge verkehren, wird dennoch nicht erfüllt [Bun14]. Die Vorbehalte gegenüber der «neuartigen» Antriebstechnologie in elektrifizierten Fahrzeugen sind anhaltend groß, weswegen sich potenzielle Käufer gegen die Anschaffung eines Elektrofahrzeugs 1 entscheiden. 1 Der Begriff Elektrofahrzeuge (E-Fahrzeug) wird in dieser Arbeit als synonym für batterieelektrische Fahrzeuge genutzt. 1 <?page no="17"?> 1. Einleitung Abbildung 1.1.: Jährliche Neuzulassungen batterieelektrischer Fahrzeuge in Deutschland von 2003 bis 2018 [Kra18]. Insbesondere die sogenannte Reichweitenangst - die Angst, mit der im Fahrzeug vorhandenen Energie nicht an sein gewünschtes Fahrtziel zu gelangen und mit einem entladenen Akkumulator (Akku) 2 liegen zu bleiben - nimmt eine signifikante Rolle ein [PWG17]. Allerdings wird vermutet, dass durch Verbesserungen der Batterietechnologie im Jahre 2020 die weltweit durchschnittliche Reichweite aller BEF 400 km betragen wird [Hor16]. Dabei stößt die aktuell in elektrifizierten Antriebssträngen eingesetzte Lithium-Ionen-Technologie laut seinem Erfinder Akira Yoshino an ihre Grenzen. Sie wird in einigen Jahren von der Feststoffbatterie abgelöst. Yoshino prognostiziert, es dauere mehr als zehn Jahre bis deren Herstellung Serienreife erlangen wird [Vet18]. Trotz der stetigen Weiterentwicklungen auf dem Gebiet der Elektromobilität, bleiben Fahrzeuge mit einem konventionellen Verbrennungsmotor vorerst flexibler als BEF. Gründe hierfür werden im Folgenden näher beleuchtet. 2 Die Begriffe Batterie und Akkumulator werden in dieser Arbeit als Synonyme für wiederaufladbare Sekundärzellen verwendet. 2 <?page no="18"?> 1.1. Herausforderungen der Elektromobilität 1.1. Herausforderungen der Elektromobilität Im Gegensatz zu verbrennungsmotorischen und hybriden Fahrzeugen werden BEF rein elektrisch angetrieben. Die Akzeptanz batterieelektrischer Fahrzeuge leidet unter technischen und infrastrukturellen Gegebenheiten sowie unter psychologischen Aspekten [Wie+12]. BEF bieten großes Potenzial, die Auswirkungen des Verkehrssektors auf die globale Erwärmung zu verringern und die Luftqualität in Städten durch lokal emissionsfreies Fahren zu verbessern [Mes+14]. Vergleicht man den Wirkungsgrad des Antriebsstrangs mit dem eines Verbrenners, fällt der von Elektromobilen deutlich höher aus. Die realistische Umweltbilanz von BEF wird jedoch durch Einbezug der kompletten Wirkungskette bewertet, d. h., diese hängt nicht zuletzt vom verwendeten Strommix zum Laden des Elektrofahrzeugs und der Umweltbelastung durch die Batterieproduktion ab [Wie17]. Trotz der Vorteile für die Umwelt bleibt die Marktdurchdringung und breite Akzeptanz der Elektrofahrzeuge vorerst aus. Der Marktanteil von BEF in den jeweiligen europäischen Ländern - mit Ausnahme von Norwegen - beträgt bis Oktober 2018 maximal 4 % [Eur18]. Mitte 2017 lag dieser unter 2 % [Bra12]. Die aus Kundensicht bestehenden Nachteile begründen die langsame Marktdurchdringung. In [RJB15] wird ein umfassender Überblick über die Treiber und Hindernisse für die Verbraucherakzeptanz von Plug-in-Elektrofahrzeugen gegeben. Abgesehen von unzureichendem Marketing der Hersteller ist die mangelnde Alltagstauglichkeit ein großer Nachteil der Elektromobile [Ern11]. Fünf hierfür relevante Herausforderungen werden im Folgenden genannt: 1. Skepsis gegenüber der Technologie und der Nachhaltigkeit Fahrzeuge mit Verbrennungsmotor existieren über Jahrzehnte hinweg, wurden stetig weiterentwickelt und haben sich bewährt. Hierdurch vertrauen Käufer diesem Antriebskonzept. Es gab vor über 100 Jahren erste elektromotorische Antriebe. In der Pkw-Serienproduktion werden diese erst seit ca. zwei Jahrzehnten verwendet. Gemäß [Wie+12] haben Fahrzeughersteller und -zulieferer keine ausreichenden Erfahrungen hinsichtlich Lebensdauer und Zuverlässigkeit gesammelt. Außerdem zweifeln Käufer, dass Werkstätte aktuell die nötigen Kompetenzen zur 3 <?page no="19"?> 1. Einleitung Handhabung von elektrifizierten Antrieben besitzen. BEF fahren lokal emissionsfrei. Wird der Strom zum Laden ihres Akkus nicht CO 2 neutral erzeugt, stellt dies eine räumliche Verschiebung der Emissionen dar. Darüber hinaus stellen Kunden die Nachhaltigkeit der Ressourcengewinnung zur Herstellung des Akkumulators in Frage. 2. Kosten Die Fahrzeug-Gesamtkosten 3 eines BEF pro Kilometer fallen unter Einbezug von Anschaffung, Nutzung, Wartung und Wertverlust höher aus als bei einem vergleichbaren Fahrzeug mit konventionellem Antrieb. Ausschlaggebend ist der höhere Kaufpreis, verursacht durch den Akkumulator des Elektrofahrzeugs. Staatliche Subventionen beim Kauf von hybriden oder rein elektrischen Fahrzeugen, wie es beispielsweise Frankreich, Slowenien, Österreich, Irland und Schweden anbieten, begünstigen jedoch den Kostenfaktor [TOn17]. 3. Ladestationen Obwohl Deutschland im Juni 2019 über 15.000 Ladestationen verfügt, bereitet das Auffinden ohne Navigationshilfe Schwierigkeiten [Cha19]. Im Vergleich hierzu gibt es im Jahr 2019 in Deutschland über 14.000 Tankstellen [ADA19b]. Viele der Ladestationen sind nicht öffentlich zugänglich, beispielsweise auf privatem oder Firmengelände. Darüber hinaus kann es ohne Datenbank mit Echtzeitinformationen passieren, auf eine belegte oder nicht funktionsfähige Ladesäule zu stoßen. Die Identifikation an der Ladestation stellt eine Hürde dar, falls man keine Authentifizierungskarte des Ladestation-Betreibers besitzt. Fahrzeughersteller aus unterschiedlichen Ländern haben für ihre aufladbaren Elektromobile ein spezifisches Ladesystem integriert. Deren wesentlichen Unterscheidungsmerkmale sind der Aufbau des Ladesteckers, das Wechsel- oder Gleichstromladen, der maximale Ladestrom und die Kommunikation zwischen Fahrzeug und Ladestation. Aus diesem Grund gibt es für ein Elektrofahrzeugmodell nicht kompatible Ladestation-Fahrzeug-Kombinationen. Beispielsweise können an einem SuperCharger von Tesla ausschließlich deren eigene Fahrzeuge geladen werden [Eco17]. 3 Die Gesamtkosten eines Fahrzeugs beinhaltet gemäß ADAC Anschaffungspreis, Wertverlust, Kraftstoffbzw. Stromkosten, Werkstatt- und Reifenkosten sowie Steuern und Versicherung. Beibei wird eine Haltedauer von vier Jahren und eine jährlich Laufleistung von 15 000 km angenommen [ADA14]. 4 <?page no="20"?> 1.1. Herausforderungen der Elektromobilität 4. Ladedauer Das elektrische Aufladen dauert zu lange. Maßgebend für die notwendige Ladezeit ist die abzugebende Leistung der Ladestation, die Kapazität der Hochvoltbatterie und die im Fahrzeug verbaute Ladetechnik. Letztere bestimmt, wie viel der verfügbaren Ladeleistung der Ladestation genutzt werden kann. Die durch die Batterietechnologie begrenzte Ladeleistung wird hierbei von der Ladetechnik berücksichtigt. Zusätzlich beeinflussen Ladestand und Umgebungstemperatur die Ladezeit. Teslas Supercharger erzielen mit einer Ladeleistung von maximal 120 kW eine Ladedauer von 20 bis 30 Minuten. Sogenannte Schnellladesäulen mit bis zu 50 kW Leistung benötigen eine halbe bis ganze Stunde um 80 % der Ladung eines 20 kWh-Akkus wiederherzustellen [Aut19]. Somit dauert das elektrische Aufladen um ein Vielfaches länger als ein konventioneller Tankvorgang mit fossilen Kraftstoffen. Das Laden an einer Wallbox 4 oder an einer öffentlichen Wechselstrom- Ladestation dauert ca. vier Stunden. Beim Aufladen eines leeren Akkumulators mit einer Kapazität von 20 kWh bei 2,3 kW Ladeleistung verdoppelt sich die Ladezeit. Nachts in der heimischen Garage oder tagsüber während der Arbeitszeit steht ausreichend Zeit zum Aufladen des Akkumulators zur Verfügung. Tritt man jedoch eine Fahrt an, deren Strecke die maximale Reichweite des Fahrzeugs übersteigt, wird man zu einer oder mehreren langen Ladepausen gezwungen. 5. Reichweite Aktuelle und potenzielle Elektrofahrzeugnutzer wünschen sich eine tatsächliche Reichweite von mehr als 400 km [Ara15]. Gemäß der Prognose aus dem Jahr 2016 soll dies bis 2020 erreicht sein [Hor16]. Die durchschnittliche Reichweite der zehn in Deutschland am häufigsten zugelassenen BEF beträgt jedoch 246 km 5 . Der Wunsch nach größerer Reichweite spiegelt sich in dieser Rangliste wider: Modelle mit der hoher Reichweite belegen die oberen Plätze, beispielsweise Renault Zoe , Kia Soul EV und Tesla S [ele19]. Automobilhersteller geben eine aus standardisierten Zyklen ermittelte Reichweite für ihr Fahrzeug an. Fahrzeuge mit einem 30 kWh Akku- 4 Die Wallbox ist eine Wandladestation zum Aufladen von Elektrofahrzeugen, die eine höhere Ladeleistung als eine haushaltsübliche Steckdose erzielt. Sie sind in der Regel nicht öffentlich und bieten keine Bezahlmöglichkeit. 5 Der Wert basiert auf der vom Hersteller angegebenen Reichweite der zehn am häufigsten zugelassenen E-Fahrzeuge [ele19]. Stand: Mai 2019. 5 <?page no="21"?> 1. Einleitung mulator erzielen beispielsweise im Neuen Europäischen Fahrzyklus (NEFZ) eine Reichweite von bis zu 250 km [GT16]. Ausschlaggebend für die begrenzte Reichweite ist das geringe Leistungsgewicht der Lithium-Ionen-Batterie im Vergleich zu fossilen Brennstoffen. Die Größe der Batterie wird einerseits durch den zur Verfügung stehenden Bauraum und ihre Kosten limitiert, andererseits durch die Auslegung des Fahrzeugs gemäß seines Einsatzzwecks, beispielsweise ein Einpersonen-Leichtfahrzeug für die Stadt wie der Renault Twizzy . Zusätzlich beeinflussen Umwelt- und Streckeneigenschaften sowie das Fahrerverhalten die erzielbare Reichweite. Eine intensive Nutzung von elektrischen Nebenverbrauchern schlägt sich unmittelbar in einer geringeren Reichweite nieder. In realistischen Szenarien fällt diese im Vergleich zu Herstellerangaben deutlich geringer aus [Blo14; De +15; LGH13]. Um die Akzeptanz von BEF bei Fahrzeugkäufern zu erhöhen und die Elektromobile im Alltag zu etablieren, müssen Verbesserungen aller oben aufgelisteten Punkte erfolgen. Im Rahmen dieser Arbeit richtet sich der Fokus auf die begrenzte Reichweite in Wechselwirkung mit der langen Ladedauer und der mangelnden Infrastruktur sowie der hieraus resultierenden Skepsis. 1.2. Problemstellung Konventionelle Fahrzeuge mit Verbrennungsmotor prognostizieren ihre Reichweite anhand des durchschnittlichen Verbrauchs der aktuellen und vergangenen Fahrten sowie mithilfe ihres momentanen Tankfüllstands, was als «statische» Reichweitenanzeige bezeichnet wird [Bau17]. Da die Reichweite der Verbrennerfahrzeuge im Vergleich zu Elektrofahrzeugen hoch ist, ihre Betankung schnell erfolgt und das Tankstellennetz eine hohe Dichte aufweist, reicht die genannte Vorgehensweise für sie aus. Bei Elektromobilen ist die Situation eine andere: Falls man beispielsweise plant, eine Strecke von 102 km zu fahren, und das Fahrzeug 105 km Reichweite prognostiziert, stellt man sich die Frage, ob diese Angabe vertrauenswürdig ist und man die Fahrt antritt. 6 <?page no="22"?> 1.3. Forschungsfragen Je nach Fahrzeug liegt der Reichweitenanzeige eine andere Ermittlung zugrunde. BEF, z. B. Renault Zoe oder BMW i3 , verwenden eine «dynamische» Reichweitenanzeige, die neben den historischen Daten der letzten 200 km den aktuellen Stand der Klimaautomatik, die Umgebungstemperatur und den gewählten Fahrmodus, z. B. Eco-Modus, in die Prognose einbezieht [Bau17]. Ist der Fahrer Elektromobilitäts-Neuling, verunsichert ihn diese Art der Reichweitenberechnung schnell. Es gibt beispielsweise Situationen, in denen das Fahrzeug den Verbrauch der vergangenen Fahrt mit zügigem Fahrverhalten berücksichtigt und somit eine geringere Reichweite errechnet. In anderen Fällen wird bei zurückhaltendem Fahrverhalten und Reduzierung der Heizleistung zu Fahrtbeginn nach einer 20 km-Fahrt eine höhere Reichweite angezeigt als die initial berechnete. Ein gegenteiliger Effekt tritt bei der sogenannten «statischen» Reichweitenanzeige auf: Falls der effektive Verbrauch höher als der für die Berechnung angenommene Referenzwert ist, sinkt die Reichweite schneller als dass der Tageskilometerzähler steigt. Situationen, in denen man kurz und beherzt beschleunigt, verkleinern die angezeigte Reichweite schlagartig, obwohl man keinen vollständigen Kilometer zurückgelegt hat [Bau17]. Aus diesen Gründen ist die Reichweitenangst in vielen Alltagssituationen präsent. Insbesondere im Grenzfall, d. h., falls die vom Fahrzeug angezeigte Reichweite etwa so groß ist wie die Entfernung des gewünschten Fahrtziels, weiß der Fahrer nicht, ob er sein gewünschtes Fahrtziel ohne eine Zwangspause an einer Ladesäule erreichen wird. Das Auftreten eines solchen Grenzfalls ist unabhängig von der maximal verfügbaren Reichweite eines Fahrzeugs und somit ein Problem von dauerhafter Relevanz. 1.3. Forschungsfragen Aus den Herausforderungen der Elektromobilität und der oben genannten Problemstellung ergibt sich somit die Frage, wie man einen Fahrer unterstützen kann, sein Fahrtziel bei Energieknappheit mit geringstmöglicher Einschränkung des Komforts und der Fahrdynamik 7 <?page no="23"?> 1. Einleitung zu erreichen. Zur Beantwortung dieser Frage bedarf es Wissen darüber, wie viel Energie zum Zurücklegen der bevorstehenden Strecke benötigt wird. Anschließend wird ein Vergleich mit der im Fahrzeug verfügbaren Energiemenge durchführt. Dazu darf die Reichweitenbestimmung nicht ausschließlich auf historischen Daten und dem aktuellen Zustand des Fahrzeugs beruhen. Stattdessen müssen zusätzlich aktuelle und zukünftige Streckeninformationen und Umweltbedingungen einbezogen werden. Der benötigte Energiebedarf hängt vom Fahrzeug, dem gefahrenen Geschwindigkeitsprofil und der Nutzung elektrischer Nebenverbraucher ab. Um feststellen zu können, ob die vorhandene und die benötigte Energie näherungsweise identisch sind und die Prognose somit genauer wird als die aus historischen Daten, lässt sich folgende erste Forschungsfrage hieraus ableiten: «Welche Auswirkungen haben die existierenden Einflussgrößen auf den Energiebedarf und inwieweit müssen diese für die Prädiktion herangezogen werden? » Der Energiebedarf setzt sich aus Antriebssowie Nebenverbraucherenergie zusammen. Die verbauten Fahrzeugkomponenten haben hierauf unterschiedlichen Einfluss. Hinsichtlich der Nebenverbraucher hat beispielsweise das Heizungs-, Lüftungs- und Klimatisierungssystem (HLK-System) von E-Fahrzeugen den höchsten Energiebedarf [Blo14; LGH13]. Die Änderung seines Komfortverhaltens, d. h., inwiefern er die Klimatisierung oder das Audiosystem nutzt, ermöglicht dem Fahrer, die Energiebilanz seines Fahrzeugs aktiv zu beeinflussen. Daraus resultiert die zweite Forschungsfrage: «Wie lässt sich der Energiebedarf von Antrieb und Nebenverbrauchern für eine bevorstehende Fahrt eines Elektrofahrzeugs vorhersagen? » Elektrische Verbraucher, die nicht sicherheitskritisch und nicht notwendig für den reibungslosen Fahrzeugbetrieb sind, ermöglichen eine Energieeinsparung, indem man deren Nutzung reduziert oder vermeidet. Durch sein Fahrverhalten hat der Fahrer einen erheblichen Einfluss auf das Bewegungsprofil seines Fahrzeugs [EGB15; Bär+11] und somit auf dessen Energiebedarf. Falls der Fahrer durch sein Fahrverhalten oder durch äußere Umstände, z. B. durch Verkehr, in eine 8 <?page no="24"?> 1.4. Zielsetzung Situation mit unzureichender Energiereserve kommt, ergibt sich für ihn folgende Fragestellung: Gibt es Maßnahmen, um den Energieverbrauch während der Fahrt gering zu halten und wie hoch sind deren Wirkung? Daraus resultiert die dritte Forschungsfrage: «Welche Energieeinsparpotenziale sind während einer Fahrt mit einem Elektrofahrzeug vorhanden, wovon hängen diese ab und wie schöpft man diese aus? » 1.4. Zielsetzung Die begrenzte Reichweite von Elektrofahrzeugen und das Fehlen einer ausgedehnten, leistungsfähigen und öffentlichen Ladeinfrastruktur erfordern einen streckenoptimierten Einsatz der zur Verfügung stehenden Energie. Die vorliegende Arbeit setzt sich mit Maßnahmen auseinander, die für eine bedarfsgerechte Reichweitenvergrößerung sorgen, um das gewünschte Fahrtziel bei Energieknappheit mit geringstmöglicher Einschränkung des Komforts und der Fahrdynamik zu erreichen. Eine zusätzliche Möglichkeit einen Reichweitenzuwachs zu erzielen, erfolgt mithilfe von bautechnischen Veränderungen, beispielsweise durch Erhöhen der Energiespeicherdichte der verwendeten Batterietechnologie oder Reduzieren des Fahrzeuggewichts. Diese Maßnahmen sind nicht Bestandteil der vorliegenden Arbeit. Vielmehr wird ein regelungstechnischer Ansatz vorgestellt: Auf Basis eines zyklischen Vergleichs zwischen der vorhergesagten Energie zur Fahrtzielerreichung und der zum jeweiligen Zeitpunkt verfügbaren Energie im Fahrzeug leitet das Fahrerassistenzsystem Energieeinsparmaßnahmen ein. Dazu zählen die Regelung der Betriebsstrategie der elektrischen Nebenverbraucher abhängig von der zu fahrenden Strecke, deren Umgebungsbedingungen sowie der Vorgabe eines energieoptimierten Geschwindigkeitsprofils. Zur Umsetzung bedarf es Kenntnisse über die aktuellen Routen- und Umwelteigenschaften der zu fahrenden Strecke sowie über Fahrzeug- und Fahrereigenschaften. Hierzu werden Quellen untersucht, die für die Vorhersage relevanter Parameter zur Verfügung stehen. Um Einsparpotenziale zu identifizieren, benötigt man zusätzlich eine Vorhersage 9 <?page no="25"?> 1. Einleitung über den Zustand des Antriebs und der Nebenverbraucher während des kompletten Fahrtverlaufs. Eine detaillierte Analyse der zustandsbeeinflussenden Parameter ist Bestandteil dieser Arbeit. Mit deren Hilfe lässt sich die benötigte Energie zum Zurücklegen einer vorliegenden Strecke prognostizieren. Das hier vorgestellte Konzept eines Fahrerassistenzsystems zur Zielerreichung hilft dem Fahrer, Vertrauen in die prognostizierte Reichweite seines Elektrofahrzeugs zu gewinnen und lässt das Phänomen der Reichweitenangst abklingen. Somit kann das System zu einer Erhöhung der Kundenakzeptanz von Elektrofahrzeugen und deren schnellerer Marktdurchdringung beitragen. 1.5. Struktur der Arbeit Im Anschluss an das einführende Kapitel gliedert sich die vorliegende Arbeit gemäß Abb. 1.2. Im Folgenden werden die einzelnen Kapitel kurz zusammengefasst: Kapitel 2: Reichweiten- und Energiebedarfsberechnung In diesem Grundlagenkapitel wird die Berechnung des Energiebedarfs eines Elektrofahrzeugs anhand der Fahrwiderstandsgleichungen, der Nebenverbraucherenergie und den Wirkungsgraden im Fahrzeug beschrieben. Vorab wird der Aufbau eines batterieelektrischen Fahrzeugs unter Einbezug der Antriebsstrangkomponenten und elektrischen Nebenverbraucher erklärt. Das Kapitel schließt mit einer Betrachtung der Reichweitenangaben der Fahrzeughersteller und der hierfür zugrundeliegenden Fahrzyklen sowie einer Diskussion über Abweichungen der Prüfstandzyklen zum praktischen Fahrbetrieb ab. Kapitel 3: Reichweiteneinflüsse und Energieeinsparpotenziale Um die Diskrepanz der vom Hersteller angegebenen und der im realen Fahrtbetrieb erzielbaren Reichweite zu begründen sowie potenzielle Fehlerquellen bei einer prädiktiven Reichweitenberechnung aufzu- 10 <?page no="26"?> 1.5. Struktur der Arbeit Eigener Beitrag Grdl. S.d.T. Kapitel 1 Herausforderungen, Problemstellung, Forschungsfragen, Zielsetzung, Struktur Kapitel 2 Aufbau Elektrofahrzeuge, Berechnung Energiebedarf, Reichweitenangaben Kapitel 3 Reichweiteneinflussgruppen, Fahrerparameter, Identifikation der Energieeinsparpotenziale Kapitel 4 Prädiktive Reichweitenberechnung, Quellen, Energiemanagement, Betriebsstrategie Anforderungen, Energieberechnung, Parameteroptimierung, Energiemanagment Kapitel 6 E-Horizont, Bewegungsu. Nutzungsprofil, Energiebedarf Kapitel 7 Wärmestrombilanz, Modellbildung, -validierung Kapitel 8 Temperaturabhängige Energieeinsparpotenziale, Anwendung an Beispielszenario Kapitel 9 Zusammenfassung, Ausblick, Implementierung im Fahrzeug Kapitel 4 Kapitel 5 Kapitel 6 Kapitel 7 Kapitel 8 Kapitel 9 Kapitel 3 Kapitel 2 Kapitel 1 Abbildung 1.2.: Struktur der Arbeit (Grdl. = Grundlagen, S.d.T. = Stand der Wissenschaft und Technik). zeigen, werden die wirkenden Reichweiteneinflüsse im realen Fahrtbetrieb erörtert. Hierfür werden diese in die Gruppen Umwelt, Strecke, Fahrzeug und Fahrer eingeteilt und deren Wirkung auf den Antriebsstrang und die Nebenverbrauchergruppen aufgezeigt. Anschließend wird ein Blick auf die Beschreibung des Fahrers im Stand der Technik geworfen und die für diese Arbeit relevanten Fahrerparameter beschrieben. Um während der Fahrt vorhandene Energieeinsparpotenziale zu identifizieren, werden die zuvor beschriebenen Parameter hinsichtlich Unsicherheiten analysiert. Nach der Vorstellung zweier Realszenarien werden beispielhafte Nebenverbraucherkonfigurationen für unterschiedliche Umgebungsbedingungen definiert. Auf deren Basis wird abschließend unter Einbezug zweier Elektrofahrzeuge aus unter- 11 <?page no="27"?> 1. Einleitung schiedlichen Fahrzeugklassen die Wirksamkeit verschiedener Energieeinsparmaßnahmen untersucht. Kapitel 4: Prädiktives Reichweiten- und Energiemanagement Dieses Kapitel analysiert den Stand der Technik hinsichtlich prädiktiver Energieberechnung und Energiemanagementsysteme. Zunächst werden Ansätze aus verwandten Arbeiten zur Modellierung des Energiebedarfs und der Einfluss der Fahrzeugklimatisierung beleuchtet. Anschließend folgt die Beschreibung verfügbarer Dienste zur Bereitstellung von energierelevanten Strecken- und Umweltdaten für die Energiebedarfsprädiktion. Daraufhin werden die Begriffe Energiemanagement, Energiemanagementsysteme und Betriebsstrategie im Kontext von Kraftfahrzeugen eingeordnet. Das Kapitel schließt mit einem Blick auf Ansätze des aktuellen Stands der Technik hinsichtlich prädiktiver Energiemanagementsysteme ab. Kapitel 5: Konzept eines Fahrerassistenzsystems zur Zielerreichung Zunächst werden Anforderungen an das Konzept eines Fahrerassistenzsystems zur Zielerreichung beschrieben und dessen Funktionsweise anhand eines Ablaufdiagramms innerhalb der Fahrzeugumgebung eingeordnet. Das Konzept beinhaltet die zwei Teilsysteme Energiebedarfsprädiktion und Energiemanagement. Zum ersteren gehört die prädiktive Berechnung des Antriebs- und Nebenverbraucherenergiebedarfs sowie die Bestimmung der jeweiligen Energieeinsparpotenziale, die aus den in Kapitel 4 identifizierten einflussreichsten Maßnahmen zur Energieeinsparung hervorgingen. Erweitert wird das Konzept durch eine zyklische, erneute Prädiktion des Energiebedarfs, wobei die angenommen Parameter anhand der zurückgelegten Strecke korrigiert werden. Das Teilsystem Energiemanagement, welches für die energetische Bewertung der Routen auf Basis der Energiebedarfsprädiktion verantwortlich ist, koordiniert Energieeinsparmaßnahmen durch die Vorgabe einer bestimmten Betriebsstrategie. Kapitel 6: Implementierung der Energiebedarfsprädiktion Die Implementierung der im Konzept vorgestellten Energiebedarfsprädiktion wird in diesem Kapitel anhand zweier Realszenarien beschrieben. 12 <?page no="28"?> 1.5. Struktur der Arbeit Hierfür werden energierelevante Routeninformationen von den in Kapitel 4 beschriebenen, externen Datenquellen fusioniert und das Bewegungs- und Nutzungsprofil eines festgelegten Fahrzeug-Fahrer- Profils abgeleitet. Auf dieser Basis wird mithilfe der in Kapitel 2 beschriebenen Grundlagen zur Energiebedarfsberechnung die Antriebs- und Nebenverbraucherenergie eines Elektrofahrzeugs prognostiziert. Abschließend wird die Implementierung durch den Vergleich mit einer Messfahrt plausibilisiert. Kapitel 7: Energiebedarf zur Klimatisierung des Fahrgastraums Um die Nebenverbraucherenergie unter Einbezug der vorliegenden Strecken- und Umweltbedingungen zu prognostizieren, werden in diesem Kapitel Modelle zur Berechnung des Energiebedarfs der Fahrzeugklimatisierung beschrieben und validiert. Ein Modell bildet den Fahrgastraum in fünf Volumen ab, sodass thermodynamische Einflüsse innerhalb und außerhalb des Fahrzeugs sich auf die Energiebedarfsberechnung auswirken. Mithilfe des Modells einer Klimaregelung, das für die Steuerung der Luftmassen- und Wärmeströme im Fahrgastraum zuständig ist, und der Modellierung des Kälte- und Kühlmittelkreislaufs, kann der Energiebedarf zur Klimatisierung des Fahrzeugs berechnet werden. Die Funktionsweise des Modells wird anhand von Vergleichsmessungen im Fahrzeug validiert. Kapitel 8: Analyse und Validierung der Energieeinsparpotenziale (EEP) Die im Konzept eines Fahrerassistenzsystems zur Zielerreichung beschriebene Nutzung von Energieeinsparpotenzialen wird in diesem Kapitel analysiert und simulativ validiert. Anhand von vier Realszenarien werden hierzu die in Kapitel 3 ermittelten temperaturabhängigen Energieeinsparpotenziale untersucht. Der Fokus liegt hierbei auf der Auswirkung einer reduzierten oder erhöhten Temperatur im Fahrgastraum im Vergleich zur der umgebungstemperaturabhängigen, behaglichen Soll-Innenraumtemperatur. Für die Untersuchungen wird das in Kapitel 7 vorstellte Gesamtmodell zur Ermittlung des Energiebedarfs der Fahrzeugklimatisierung herangezogen. Abschließend wird anhand zweier Szenarien das Schöpfen der Energieeinsparpotenziale, wozu das Reduzieren der Höchstgeschwindigkeit, der Bremsverzöge- 13 <?page no="29"?> 1. Einleitung rung und des Leistungsbedarfs der Klimatisierung gehören, bei warmen und kalten Umgebungstemperatur simulativ validiert. Kapitel 9: Zusammenfassung und Ausblick Die vorliegende Arbeit schließt mit einer Zusammenfassung und einem Fazit des vorgestellten Konzepts und seiner Umsetzung ab. Nach dem Ausblick auf Weiterentwicklungen der im Konzept eines Fahrerassistenzsystems zur Zielerreichung beschriebenen Teilsysteme, werden abschließend die Herausforderungen bei der Implementierung im Fahrzeug beleuchtet. 1.6. Hintergrund der Arbeit Die hier vorliegende Arbeit entstand im Rahmen des von der Vector- Stiftung [Vec19] geförderten Forschungsprojekts Erweitertes Energiemanagement für Elektrofahrzeuge. Im Zuge dessen wurde am Institut für Energieeffiziente Mobilität (IEEM) der Hochschule Karlsruhe - Technik und Wirtschaft [Hoc18] an einem gekoppelten Energie- und Reichweitenmanagement geforscht. Das Forschungsvorhaben wurde vom Institut für Technik der Informationsverarbeitung (ITIV) des Karlsruher Institut für Technologie (KIT) [ITI19] unterstützt. Dieses basiert auf einem prädiktiven Routenmanagement, welches die Kozeptionierung eines Modells zur Energiebedarfsprädiktion erforderte. An diesem wurde am IEEM im Rahmen des vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Projekts Prädiktives Reichweiten- und Energiemanagement für E-Fahrzeuge (PRE-E) geforscht und gearbeitet. An dieser Stelle knüpft die vorliegende Arbeit an: sie untersucht Randbedingungen, die für das Zusammenspiel von Energiebedarfsprädiktion und Energiemanagement notwendig sind, erweitert die bestehenden Modelle des PRE-E Projekts, die durch den Entwurf des Konzepts sowie dem Stand der Technik notwendig waren. Schlussendlich stellt die Arbeit ein Konzept eines Fahrerassistenzsystems zur Zielerreichung vor und fokussiert die Analyse der im Energiemanagement herangezogenen Energieeinsparpotenziale. 14 <?page no="30"?> 2. Reichweiten- und Energiebedarfsberechnung In diesem Kapitel werden die für diese Arbeit notwendigen Grundlagen hinsichtlich der Reichweiten- und Energiebedarfsberechnung im Elektrofahrzeug vermittelt. Hierzu wird der Aufbau batterieelektrischer Fahrzeuge erörtert, der aus elektrischem Antriebsstrang und unterschiedlichen Nebenverbrauchern besteht. Letztere werden klassifiziert, um die Reichweiteneinflüsse und Energieeinsparpotenziale im nächsten Kapitel übersichtlicher abzubilden. Anschließend werden die physikalischen Grundlagen zur Berechnung des Energiebedarfs erklärt. Hierzu gehören die Fahrwiderstandsgleichungen, die Nebenverbraucherenergie und der Wirkungsgrad der Antriebskomponenten eines Fahrzeugs. Anschließend wird auf standardisierte Fahrzyklen eingegangen, die von Fahrzeugherstellern herangezogen werden, um eine Reichweitenbestimmung für ihre Fahrzeuge durchzuführen. Das Kapitel schließt mit einer Diskussion hinsichtlich Abweichungen zum Realbetrieb ab. 15 <?page no="31"?> 2. Reichweiten- und Energiebedarfsberechnung 2.1. Aufbau eines batterieelektrischen Fahrzeugs (BEF) Im Gegensatz zu konventionellen und hybriden Fahrzeugen verfügen batterieelektrische Fahrzeuge (BEF) ausschließlich über einen elektrischen Antriebsstrang. Dieser stellt aus einer batterieelektrischen Energiequelle mechanische Leistung zum Antreiben der Räder zur Verfügung. Einen generischen Aufbau eines BEF, der Energiespeicher, Stromwandler, Verbraucher und mechanische Komponenten beinhaltet, zeigt Abb. 2.1. 0 .. 2 1 .. 4 1 .. * 1 .. 4 0 .. 2 Hochvoltbatterie Leistungselektronik Antriebsmotor(en) Getriebe Differential Hochvolt- Verbraucher DC/ DC- Wandler Niedervoltbatterie 1 .. * Niedervolt- Verbraucher Speicher Stromwandler Verbraucher mechanische Komponenten 2 .. 4 Räder Drehstrom Mech. Energie Hochvoltnetz (400-800V) Niedervoltnetz (12V) Abbildung 2.1.: Generische Darstellung der Komponenten eines BEF: Energieformen und -flüsse treten zwischen Energiespeicher, Stromwandler, Verbraucher und mechanischen Komponenten auf. Die obere Reihe und die rechte Spalte stellen den Antriebsstrang dar. Die roten Pfeile zeigen die Energieflussrichtung während der Rekuperation. Die Primärenergiequelle der batterieelektrische Fahrzeuge (BEF) ist ein elektro-chemischer Speicher (Akkumulator), der im Folgenden als Hochvoltbatterie bezeichnet wird. Mithilfe eines externen Ladegerätes wird die Hochvoltbatterie (HVB) über das 230 V-Netz an 16 <?page no="32"?> 2.1. Aufbau eines batterieelektrischen Fahrzeugs (BEF) einer Haushaltssteckdose oder an einer Schnellladesäule geladen, vgl. Abschnitt 1.1. Ein oder mehrere Antriebsmotoren transformieren die von der HVB zur Verfügung gestellte elektrische Energie mithilfe der Leistungselektronik in mechanische. Umgekehrt wird während der Rekuperation mechanische, in Form von überschüssiger kinetischer oder potenzieller Energie, zurück in elektrische Energie gewandelt, vgl. rote Pfeile in Abb. 2.1. Es gibt unterschiedliche Varianten zur Anordnung der Antriebsstrangkomponenten: Konfigurationen mit zentraler Antriebsmaschine und Achsdifferentialen oder Konzepte mit verteilten Antrieben, beispielsweise in Form von vier radnahen Motoren [Kar18]. Eine detaillierte Übersicht von Elektrofahrzeug-Topologien zeigt [Tsc15]. Das elektrische Bordnetz von BEF hat unterschiedliche Spannungsebenen. Hochvolt (HV)- Netze, die in aktuellen Serienfahrzeugen auf ca. 400 V ausgelegt sind, stellen die erforderliche Antriebsleistung bereit. Es gibt prototypische Fahrzeuge, die eine 800 V Spannungsebene verwenden [Eng+12]. BEF sind mit HV-Verbrauchern ausgestattet, z. B. einer Heizung oder einem Kältemittelkompressor. Letzterer hat einen verbauten DC/ AC-Wandler, der seinen antreibenden Drehstrom-Synchronmotor mit Energie beliefert [BMW13b]. Ein DC/ DC-Wandler stellt das Niedervolt (NV)-Netz bereit, das von einer 12 V-Niedervoltbatterie (NVB) stabilisiert wird. Dieses Netz mit einer Betriebsspannung von ca. 14,4 V, wie es in konventionellen Verbrennerfahrzeugen verwendet wird, versorgt die elektrischen Niederspannungsverbraucher und lädt die NVB [Kar18]. Diese variieren abhängig von Fahrzeugsegment und -ausstattung. 2.1.1. Antriebsstrangkomponenten Der oder die elektrischen Antriebsmotoren 1 und die Leistungselektronik (LE) ermöglichen die Fahrzeugbewegung und sind für den Großteil des Energieverbrauchs eines batterieelektrische Fahrzeuge (BEF) verantwortlich. Es werden ausschließlich Hochvolt-Drehstrommotoren als Antriebsmaschinen eingesetzt. Die am häufigsten verwendete Variante 1 Verwendete Synonyme: Antriebsmaschinen, Elektromotoren (E-Motoren) oder Elektromaschinen (E-Maschinen) 17 <?page no="33"?> 2. Reichweiten- und Energiebedarfsberechnung ist der permanentmagneterregte Synchronmotor (PSM), der beispielsweise im BMW i3 , im smart electric drive oder im VW e-Golf eingesetzt wird. Im Renault Zoe wird ein stromerregter Synchronmotor und in den Fahrzeugen von Tesla eine Asynchronmaschine verwendet. Ein Unterschied in Leistung und Fahrverhalten bedingt durch die Motorart erkennt der Nutzer nicht [GT16]. Der von der HVB bereitgestellte Gleichstrom wird von der LE in eine HV-Wechselspannung gewandelt. Diese wird dem oder den Antriebsmotoren gemäß jeweiliger Fahranforderungen zur Verfügung gestellt. Die als Inverter bezeichnete Elektronik sorgt für eine anforderungsgerechte, stufenlose und sichere Drehmomentversorgung sowie Drehzahlsteuerung des Antriebsstrangs. Dabei müssen Spannungen von bis zu 400 V und Ströme von mehr als 300 A verarbeitet werden [Kar18]. Durch unvermeidliche Verluste kann die Elektronik überhitzen und wird durch eine Wasserkühlung des Bauteils vermieden. Ein großer Vorteil der elektrischen Maschinen besteht darin, dass sie zusätzlich zum Antriebsfall im Rekuperationsmodus arbeiten können. Sie fungiert hierfür als Generator und transformiert überschüssige kinetische und potenzielle Energie zurück in elektrische. Abhängig von ihrem Betriebsmodus stellt die HVB somit Energiequelle oder -senke dar. Bedingt durch die Dauermagnete im Rotor, haben PSM einen hohen Wirkungsgrad bei der Rekuperation [Kar18]. Dieser ist von der Temperatur und von der umzusetzenden Leistung abhängig. Um die notwendige Zugkraftanforderungen zu erfüllen, erfordert der konventionelle Antriebsstrang für die Übertragung der Kraft vom Antriebsmotor auf die Räder ein mehrgängiges Getriebe und ein Anfahrelement, z. B. eine Kupplung oder einen Wandler, was der Charakteristik des Verbrennungsmotors geschuldet ist. Bei BEF entfallen mehrstufiges Getriebe und Kupplung, weil die E-Maschine ein hohes Drehmoment ab Stillstand zur Verfügung stellt. Außerdem ermöglichen E- Maschinen eine Drehzahlumkehr, wodurch eine mechanische Veränderung der Rotationsrichtung für eine Rückwärtsfahrt entfällt. Ein einstufiges Getriebe, d. h. eine einfache Untersetzung, genügt somit für BEF. Ist der elektrische Antriebsstrang, analog dem konventionellen, mit einem zentralen Achsantrieb ausgelegt, wird ein Differential für den Drehzahlausgleich der Räder während einer Kurvenfahrt benötigt. 18 <?page no="34"?> 2.1. Aufbau eines batterieelektrischen Fahrzeugs (BEF) 2.1.2. Elektrische Nebenverbraucher Alle Fahrzeugkomponenten, die elektrische Energie in andere Energieformen wandeln und nicht am Fahrzeugantrieb beteiligt sind, werden in dieser Arbeit als elektrische Nebenverbraucher bezeichnet. Diese haben einen nicht zu vernachlässigenden Anteil am Energiebedarf eines Kraftfahrzeugs. Innerhalb der letzten Jahre stieg der Funktionsumfang des Kraftfahrzeugs stetig und infolgedessen die Anzahl der elektrischen Verbraucher. Ursprünglich versorgte die NVB ausschließlich den Starter und der Generator stellte bei laufendem Motor Energie für die Lichtanlage bereit. Die Erhöhung des Nennspannungsniveaus in den 1960er Jahren von 6 V auf 12 V gestaltete sich durch die kleine Verbraucherzahl und dem geringen Gesamtleistungsbedarf von ca 300 W unproblematisch. Der Bedarf stieg bis 1990 auf 1,5 kW an und wurde als Obergrenze des 12 V-Bordnetzes gesehen. Heutzutage übersteigt der Gesamtleistungsbedarf bei Mittel- und Oberklasse-Fahrzeugen 3 kW [Wal06]. Im Schnitt sind in einem modernen Pkw ca. acht Kilometer Kabel und über 100 Steuergeräte verbaut. 90 % der Innovationen im Automobil werden durch Elektronik und Software realisiert [Brü14], deren Einführung von Kundenwünschen, Konkurrenzdruck und vor allem durch gesetzliche Auflagen getrieben wird [Wal06]. Die Einführung neuer Funktionen oder elektrischer Verbraucher hat die Zielsetzung, hinsichtlich Sicherheit, Komfort oder Nachhaltigkeit zu optimieren. Aus der historischen Entwicklung hat sich in der Literatur die Klassifizierung gemäß oben genannter Punkte ergeben [Wal06]. Die Arbeiten [Cie06; Fab06] verwenden die Einteilung in Komfort-, Grundlast- und sicherheitsrelevante Verbraucher. In [Rei10] werden Nebenverbraucher gemäß ihrer Verwendungsdauer in drei Klassen eingeteilt. Kurzzeitverbraucher sind ausschließlich kurzfristig in Verwendung, wozu beispielsweise Blinker, Bremslichter oder die elektrische Sitzverstellung gehören. Langzeitverbraucher, wie Abblendlicht, Radio oder das elektrische Kühlergebläse, werden bei Bedarf eingeschalten und bleiben daraufhin für längere Zeit an. Die dritte Klasse bilden die Dauerverbraucher, die durchgängig in Betrieb sind, wie z. B. die Kühlwasserpumpe oder die Innen- 19 <?page no="35"?> 2. Reichweiten- und Energiebedarfsberechnung raumlüftung. Aufgrund der Verwendung von mehreren Bordnetzspannungen im Kontext von hybriden und batterieelektrischen Fahrzeugen wird zusätzlich zwischen Hoch- und Niedervolt-Verbrauchern unterschieden. Für eine übersichtlichere Abbildung der Reichweiteneinflüsse auf die unterschiedlichen Komponenten des Fahrzeugs werden die Verbraucherklassen herangezogen. Dies ist aufgrund der Vielzahl und Verschiedenheit existierender Verbraucher notwendig. Jedoch ist es schwierig, eine eindeutige und für die Gesamtheit der Verbraucher gültige Klassifizierung zu finden. Die Einteilung in Kurzzeit-, Langzeit- und Dauerverbraucher hat sich im Fokus dieser Arbeit als nicht eindeutig herausgestellt, weil abhängig der Umwelteinflüsse die Heizung beispielsweise nicht aktiv ist oder die als Dauerverbraucher klassifizierte Innenraumlüftung abgeschaltet wird. Die Klassifizierung gemäß ihrem Anwendungszweck ist ebenfalls nicht eindeutig, weil das Beleuchtungssystem beispielsweise der Umwelt und der Sicherheit zugeordnet wird. Tabelle 2.1 verdeutlicht die unterschiedlichen Klassifizierungen nach Anwendungszweck, Verwendungsdauer und Spannungsebene für ausgewählte Verbraucher. Das Reduzieren der Nebenverbraucherleistung besitzt Potenziale zur Energieeinsparung. Die Klassifizierung der Nebenverbraucher im Rahmen dieser Arbeit wird hierauf ausgelegt und eine Einteilung in vier Klassen vorgenommen. Eine umfangreiche Auflistung an Nebenverbrauchern moderner Kraftfahrzeuge und deren Zuordnung zeigt Anhang A. Folgende Klassen werden innerhalb zukünftiger Betrachtungen herangezogen: Dauerverbraucher Diese fahrzeugabhängigen Nebenverbraucher sind während der Fahrt dauerhaft aktiv. Der Fahrer hat keinen Einfluss auf sie. Hierunter fallen Steuergeräte, die bei aktiver oder inaktiver Zündung Leistung beziehen. Das Infotainment- und Navigationssystem werden ebenfalls hier eingegliedert. Sie werden als dauerhaft aktiv angenommen, weil die aktuelle Position und die Zielführung feste Bestandteile des Fahrerassistenzsystems zur Zielerreichung sind. 20 <?page no="36"?> 2.1. Aufbau eines batterieelektrischen Fahrzeugs (BEF) Tabelle 2.1.: Unterschiedliche Klassifizierung ausgewählter Nebenverbraucher: Die Verwendungsdauer unterscheidet zwischen Kurzzeit-, Langzeit- und Dauerverbrauchern. Der Einsatzzweck klassifiziert Nebenverbraucher nach Sicherheit (S), Umwelt (U) und Komfort (K). Zusätzlich wird zwischen Hoch- (HV) und Niedervolt (NV) unterschieden. Verbraucher Dauer Einsatzzweck Spannung S K U Aktives Fahrwerk Kurz • NV ABS Kurz • NV ESP Kurz • NV Start-Stopp-Automatik Kurz • HV/ NV Licht Lang • • NV Lüftung Dauer • • • NV Lenkung Dauer • • NV Heizung Lang • • HV Klima Lang • • HV Geschaltete Verbraucher Diese umweltabhängigen Verbraucher verwendet der Fahrer bedingt durch Witterung und Tageszeit. Der Klasse zugehörig sind einerseits das Beleuchtungssystem, zu dem Abblendlicht, Fernlicht, Nebelscheinwerfer, Nebelschlusslicht, Blinker, Bremslicht, Rückfahrlicht sowie Tagfahrlicht zählen, und andererseits das Scheibenwischersystem. Zu Letzterem gehören Front- und Heckscheibenwischer sowie jeweils die Scheibenwaschsysteme. Je nach Fahrzeugausführung entfallen die hinteren Scheibenwischer und das hintere Scheibenwaschsystem. Dynamische Verbraucher Die Leistungsaufnahme dieser Nebenverbraucher wird durch die aktuelle Streckencharakteristik und den auftretenden Verkehr beeinflusst, z. B. im Falle der elektrischen Lenkunterstützung (Servolenkung) oder der Bremskraftverstärkung. Sicherheitssysteme wie das Antiblockiersystem (ABS), das Elektronische Stabilitätsprogramm (ESP) und Komfortsyteme wie ein elektro-hydraulisches 21 <?page no="37"?> 2. Reichweiten- und Energiebedarfsberechnung aktives Fahrwerkssystem 2 sind dieser Klasse ebenso zugehörig. Neuartige Funktionen der Kategorie Drive-by-wire 3 , wie beispielsweise die vollelektronische Lenkung (Steer-by-wire) oder Bremse (Brake-by-wire) sind dieser Klasse ebenfalls zugeordnet. Komfortverbraucher Die Verwendung dieser Verbraucher obliegt dem Fahrer in Abhängigkeit seiner Komfortansprüche. Das Abschalten dieser Verbraucher oder das Reduzieren ihrer Leistung sind nicht sicherheitskritisch, außer für den Fall, dass sich Kondenswasser an der Frontscheibe sammelt und die Sicht einschränkt. Zu den Verbrauchern zählen beispielsweise das HLK-System, die Sitzheizung oder Komponenten des Audiosystems (Car-HiFi-Systems). Um eine höhere Leistungsabgabe zu erzielen, werden Kältemittelkompressor und Heizung mit einer höheren Spannung betrieben. Deren maximale Leistung liegt abhängig vom Fahrzeug bei 4,5 kW bis 5 kW bzw. 5,5 kW bis 8 kW [BMW13b; Bas15]. Die maximale Leistungsabgabe ist ausschließlich in bestimmten Situationen notwendig, beispielsweise bei hohen Außen- oder Innentemperaturen, bei hoher Batterietemperatur oder geringer Anströmung des Kühlmoduls [BMW13b]. 2 auch Active Body Control oder Electric Body Control genannt 3 Unter dem Begriff by-wire versteht man im automotiven Kontext, dass die mechanischen und hydraulischen Komponenten durch elektrische und mechatronische Bauteile ersetzt werden. Kraft- und Signalweg sind somit voneinander getrennt. 22 <?page no="38"?> 2.2. Berechnung des Energiebedarfs 2.2. Berechnung des Energiebedarfs 2.2.1. Antriebsenergie Zur Fahrzeugbewegung muss die Zugkraft Z die Fahrwiderstände überwinden, wozu Beschleunigungswiderstand F B , Luftwiderstand F Lx , Steigungswiderstand F St und Radwiderstand F R zählen: Z = F Lx + F B + F St + F R (2.1) Abb. 2.2 zeigt diesen Zusammenhang. Im Folgenden werden die einzelnen Fahrwiderstände genauer beschrieben. F Lx F B F St F R α F N F G Abbildung 2.2.: Während der Fahrt wirkende Fahrwiderstände. Luftwiderstand Die Aerodynamik beeinflusst das Fahrverhalten und die Leistung eines Fahrzeugs bei höheren Geschwindigkeiten. Die Luft umströmt bei der Fahrt das Fahrzeug und zwängt sich zwischen Unterboden und Fahrbahn hindurch. Zusätzlich zur äußeren Umströmung findet zum Zwecke der Bauteilkühlung und Klimatisierung des Fahrgastraums eine innere Durchströmung statt [MW14]. Diese hat einen Anteil von ca. 10 % des gesamten Strömungsverlustes. Die dominierenden äußeren Verluste setzen sich aus Druckwiderstand als Form- 23 <?page no="39"?> 2. Reichweiten- und Energiebedarfsberechnung widerstand und Reibungswiderstand in Form von Oberflächenwiderstand zusammen. Der Luftwiderstand F Lx und der zugehörige Beiwert c x hängen vom Anströmwinkel τ L ab. Der bekanntere Luftwiderstandsbeiwert c W entspricht dem Sonderfall c X ( τ L = 0 ) . Die Form des Fahrzeugs beeinflusst die Größe dieses dimensionslosen Beiwerts. Im Jahr 1974 lag der Mittelwert des c W -Wertes von Pkw bei 0, 453. Heutige Pkw erreichen gemäß [MW14] Werte von 0, 30 und darunter, wodurch ein kleinerer Energieverbrauch erzielt wird. Der Luftwiderstand F Lx wird mithilfe der Querschnittsfläche des Fahrzeugs A, der Luftdichte ρ und der aktuellen Relativgeschwindigkeit v r berechnet: F Lx = c X · A · ρ 2 · v 2r (2.2) Die Relativgeschwindigkeit setzt sich aus Fahr- und Windgeschwindigkeit zusammen: v r = v + v W ( τ L ) (2.3) Der Winkel zwischen Längsachse des Fahrzeugs und der Anströmgeschwindigkeit des Windes v W wird Anströmwinkel τ L genannt. Bei einer Geradeausfahrt mit Gegen- oder Rückenwind ist τ L = 0° bzw. τ L = 180°. Durch die Annahme eines konstanten Wertes für die Luftdichte kann der Energiebedarf auf Strecken mit hoher Durchschnittsgeschwindigkeit, beispielsweise einem Autobahnszenario, zur einer Abweichung der Antriebsenergie von bis zu 4-6 % führen, vgl. Abschnitt 3.3.2. Durch eine Bestimmung der Luftdichte mithilfe der vorherrschenden Umgebungsbedingungen, wird dieser Fehlerquelle begegnet. Unter Einbezug des Luftdrucks p, der Umgebungstemperatur T ∞ und der Gaskonstante der feuchten Luft R f berechnet sich die Luftdichte ρ wie folgt [Kum19]: ρ = p R f · ( T ∞ + 273, 15 ) (2.4) Die Gaskonstante der feuchten Luft wird mithilfe der Gaskonstanten der trockenen Luft R s = 287, 058 J/ kg · K, der Gaskonstanten von Wasser- 24 <?page no="40"?> 2.2. Berechnung des Energiebedarfs dampf R d = 461, 523 J/ kg · K, der Luftfeuchte φ , des Luftdrucks p und dem Sättigungsdampfdruck E berechnet [Kum19]: R f = R s 1 − φ · E p · ( 1 − R s R d ) (2.5) Der Sättigungsdampfdruck ist abhängig von der Temperatur T und lässt sich über die Magnus-Formel berechnen [Son90]: E = 6, 112 hPa · e 17,62 · T 243,12 + T (2.6) Beschleunigungswiderstand Für das Beschleunigen eines Fahrzeugs ist der sogenannte Beschleunigungswiderstand F B = ( m F + m Zu + Σ n j = 1 J Rj r j · R j ) · ¨ x (2.7) zu überwinden, der die translatorische Beschleunigung der Fahrzeugleermasse m F sowie der Zuladung m Zu , die rotatorische Beschleunigung J Rj / ( r j · R j ) der sich drehenden Teile und die Fahrzeugbeschleunigung ¨ x enthält. Mithilfe des Drehmassenzuschlagsfaktors e wird der Beschleunigungswiderstand vereinfacht dargestellt: F B = ( e · m F + m Zu ) · ¨ x (2.8) Steigungswiderstand Der Steigungswiderstand wird als Anteil der Gewichtskraft G berechnet, vgl. Abb. 2.2. Sie ist das Produkt aus Gesamtmasse und Erdbeschleunigung. Bei einer Bergabfahrt wird der Steigungswiderstand negativ. F St = G · sin α (2.9) Radwiderstand Der gesamte Radwiderstand F R setzt sich aus Rollwiderstand F Roll , Schwallwidestand F Sch , Verlusten durch Lagerreibung M LR , dem Restbremsmoment M RB , den Schwingbewegungen beim 25 <?page no="41"?> 2. Reichweiten- und Energiebedarfsberechnung Befahren unebener Straßen, dem Vorspurwiderstand F VS und aus dem Kurvenwiderstand F K zusammen: F R = F Roll + M RB + M LR r + F Sch + F VS + F K (2.10) Der Rollwiderstand ist hierbei der Wichtigste. Nach zahlenmäßiger Abschätzung können alle anderen Anteile vernachlässigt werden [MW14]. Für die Geradeausfahrt auf trockener Straße entspricht der Radwiderstand näherungsweise dem Rollwiderstand, sodass man F R ≈ F Roll annehmen kann. Zusätzlich wird angenommen, dass der Rollwiderstandsbeiwert an allen Rädern identisch ist. D.h. es wird ein gemittelter Wert für alle vier Reifen angenommen, obwohl unterschiedliche Luftdrücke an den einzelnen Reifen vorliegen können. Unter Einbezug des Gesamtgewichts G anstelle der Last pro Rad F zj gilt: F Roll = Σ n j = 1 f Rj · F zj = f R Σ n j = 1 F zj = f R · G · cos α (2.11) Der Rollwiderstandskoeffizient f R ist abhängig von der Abweichung des Reifendrucks vom Nenndruck, von der Last, vom Reifentyp, der vom Geschwindigkeitsindex und der M+S Kennzeichnung abhängt, sowie von der Fahrzeuggeschwindigkeit v. Durch die Koeffizienten in folgender Formel werden diese Einflussfaktoren einbezogen: f R = f R0 + f R1 · v 100 km h + f R4 · ( v 100 km h ) 4 (2.12) Wertebereiche der Koeffizienten f R0 , f R1 und f R4 für verschiedene Reifen unter genannten Abhängigkeiten sind in [MW14] angegeben. Für kleine Geschwindigkeiten kann man für den Rollwiderstandsbeiwert f R ≈ f R0 annähern, der in diesem Fall bei ca. 0, 01 oder darunter liegt. Baugleiche Reifen mit unterschiedlichem Geschwindigkeitsindex unterscheiden sich im f R4 -Wert, der mit höherer zulässiger Geschwindigkeit kleiner wird, um die Wärmeentwicklung im Reifen zu begrenzen. Mit steigendem Luftdruck werden die Koeffizienten f R0 und f R4 kleiner. In Gleichung (2.12) wird ein v 2 Term nicht berücksichtigt, weil dieser gegenüber dem Luftwiderstand vernachlässigbar klein ist [MW14]. Da im Rahmen des hier vorgestellten Fahrerassistenzsystems höhere Fahrge- 26 <?page no="42"?> 2.2. Berechnung des Energiebedarfs schwindigkeiten relevant sind und batterieelektrische Fahrzeuge Reifen mit unterschiedlichem Geschwindigkeitsindex verwenden, ist es sinnvoll, den Rollwiderstandskoeffizienten mithilfe von Gleichung (2.12) dynamisch zu bestimmen. Antriebsenergie am Rad Die Antriebsenergie, die am Rad aufgewendet werden muss, wird durch Integration des Produkts aus Zugkraft Z und Geschwindigkeit v über der Fahrtzeit t F berechnet werden: E Antrieb,Rad = ∫ t F,gesamt 0 Z ( t F ) · v ( t F ) dt F (2.13) Energierückgewinnung Bei konventionellen Fahrzeugen wird beim Bremsvorgang kinetische und potenzielle Energie in Wärme umgesetzt und bleibt somit ungenutzt. Hybridisierte und batterieelektrische Fahrzeuge haben die Möglichkeit, einen Teil dieser Energie zurückzugewinnen. Deshalb bedarf es einer gesonderten Berücksichtigung der Energierückgewinnung 4 . Wenn die notwendige Zugkraft Z zur Überwindung der Fahrwiderstände gemäß Gleichung (2.1) negativ wird, ist keine Antriebsleistung gefordert und es existiert ein Energieüberschuss. Der Rollwiderstand F R ist in allen Bewegungssituationen positiv, vgl. Gleichung (2.11). Der Luftwiderstand F Lx wird in Ausnahmefällen negativ, falls bei kleinen Geschwindigkeiten ein hoher Rückenwind vorherrscht. Wenn das Fahrzeug verzögert oder die Route ein Gefälle aufweist, werden Beschleunigungs- F B bzw. Steigungswiderstand F St negativ. Durch Integration aller Fälle mit einer negativen Leistungsanforderung des Antriebs, d. h., falls die notwendige Zugkraft negativ ist, wird die Rekuperationsenergie am Rad analog zu Gleichung (2.13) berechnet: E Rekuperation,Rad = ∫ t F, gesamt 0 Z ( t F ) · v ( t F ) dt F | Z ( t F ) < 0 (2.14) 4 Die Begriffe Energierückgewinnung und Rekuperation werden in dieser Arbeit als Synonyme verwendet. 27 <?page no="43"?> 2. Reichweiten- und Energiebedarfsberechnung 2.2.2. Nebenverbraucherenergie Die Berechnung des Energiebedarfs der Nebenverbraucher wird im Folgenden gemäß der in Abschnitt 2.1.2 vorgestellten Klassifizierung erklärt: Dauerverbraucher Die Leistungsaufnahme dieser Nebenverbraucher erfolgt über die komplette Fahrstrecke hinweg und schwankt in Abhängigkeit des Fahrzeugzustands. Zur Vereinfachung wird für die Dauerverbraucher jeweils ein konstanter Mittelwert ¯ P X i angenommen. Durch Integration über die gesamte Fahrtzeit t F,gesamt wird deren Energiebedarf E Dauer ermittelt: E Dauer = ∫ t F,gesamt 0 Σ n i = 1 ¯ P X i dt F (2.15) Geschaltete Verbraucher Diese Nebenverbraucher werden analog zu den Dauerverbrauchern berechnet. Die Leistungsaufnahme hängt vom Beleuchtungs- und Scheibenwischermodus ab. Der Fahrer legt diese in Abhängigkeit der Umwelteinflüsse und der Fahrzeuggeschwindigkeit fest. Jede Beleuchtungskomponente und das Scheibenwischersystem benötigen abhängig vom gewählten Modus eine bauteilspezifische Leistung P X i . Durch Integration über die gesamte Fahrtzeit t F,gesamt wird der Energiebedarf von Verbrauchern mit variabler Nutzungszeit t N i ermittelt: E G = ∫ t F,gesamt 0 Σ n i = 1 P X i ( t N i ) dt F (2.16) Dynamische Verbraucher Das Leistungsprofil dieser Verbraucher, wozu beispielsweise ABS, ESP oder elektrische Bremse gehören, ist vom kurzzeitigen Einsatzbedarf einer Komponenten abhängig und wird somit analog zu Gleichung (2.16) berechnet. Die Nutzung sicherheitsrelevanter Systeme, wie beispielsweise ESP oder ABS, ist nicht vorherzusagen. Bei Fahrten ohne sicherheitskritische Situationen werden diese Systeme nicht genutzt und werden bei der Vorhersage vernachlässigt. 28 <?page no="44"?> 2.2. Berechnung des Energiebedarfs Im Falle der elektrischen Lenkhilfe, die während der kompletten Fahrt genutzt wird, ist eine detailliertere Betrachtung notwendig: Bei einer elektromechanischen Lenkung wird mithilfe der Bordnetzspannung U Bordnetz , des Motorstroms I E und der Fahrtzeit t F der Energiebedarf berechnet: E Lenkung = ∫ t F,gesamt 0 U Bordnetz · I E ( t F ) dt F (2.17) Der Motorstrom berechnet sich durch Heranziehen der Motorkonstante K T , des Übersetzungsverhältnises i E von Motorwelle zum Lenkwinkel am Vorderrad und des Lenkunterstützungsmoments M A : I E = M A i E · K T (2.18) Für die Berechnung von M A ist eine Betrachtung der Lenkmechanik notwendig. Hierfür benötigt man Kenntnis über das Lenkmoment um die Lenkachse M S , das Lenkradmoment M H und über die kinematische Lenkübersetzung i S [PH11]: M A = M S − ( M H · i S ) (2.19) Das Lenkmoment um die Lenkachse M S wird mit Hilfe der Reifenseitenkraft F y und des Gesamtnachlaufs r berechnet. Letzterer wird als Summe von konstruktivem Nachlauf r Tau und Reifennachlauf r P gebildet. Die Reifenseitenkraft F y wird anhand der Querbeschleunigung a y und der Masse des Fahrzeugs an der Vorderachse m VA berechnet. Gemäß [PH11] folgt hieraus: M S = F y · ( r Tau + r P ) = m VA · a y · ( r Tau + r P ) = m VA · a y · r (2.20) 29 <?page no="45"?> 2. Reichweiten- und Energiebedarfsberechnung Hierbei wird die Masse an der Vorderachse m VA über die Gesamtmasse m Gesamt , den Radstand l und den Abstand vom Schwerpunkt zu Vorderachse l V berechnet: m VA = m Gesamt · l V l (2.21) Das am Lenkradmoment M H , welches der Fahrer aufbringen muss, ist um die kinematische Lenkübersetzung i S und um die Lenkungsverstärkung A S , die durch die elektrische Servolenkung aufgebracht wird, reduziert: M H = M S i S · A S = m VA · r i S · A S · a y (2.22) Die Lenkungsverstärkung A S wird gemäß [PH11] als lineare Funktion von der Querbeschleunigung dargestellt. Aus Umformung von Gleichung (2.22) folgt unter Einführung des fahrzeugspezifischen Rückstellfaktors C A : A S = m VA · r i S · M S · a y = C A · a y M S = C A · ( D A + K A · a y ) (2.23) Hierbei wird die Grundunterstützung über den Gradientenfaktor D A angegeben. Das Abflachen des Lenkradmoment bei steigender Querbeschleunigung wird durch den Degressivitätsfaktor K A festgelegt. Aus Gleichungen (2.22) bis (2.23) folgt für das Lenkradmoment: M H = 1 D A a y + K A (2.24) Durch Zusammenführen von Gleichungen (2.20) bis (2.23) folgt für die Berechnung des Lenkunterstützungsmoments M A : M A = M H · ( m VA · r · D A + i S · M H · K A − i S ) 1 − K A · M H (2.25) 30 <?page no="46"?> 2.2. Berechnung des Energiebedarfs Komfortverbraucher Hierzu gehören beispielsweise das HLK-System, das Radio und der Audioverstärker. Die Verwendung dieser Nebenverbraucher legt der Fahrer unter Einbezug seiner spezifischen Komfortansprüche fest. Die Energieberechnung erfolgt analog zu den geschalteten Verbrauchern gemäß Gleichung (2.16) durch Integration der Leistungsaufnahme der einzelnen Komponenten über die Fahrtzeit. 2.2.3. Gesamtbedarf und Wirkungsgrade Um den Gesamtenergieverbrauch eines Elektrofahrzeugs zu ermitteln, d. h. die Energie, die von der HVB aufgenommen oder abgegeben wird, ist eine gemeinsame Betrachtung des Energiebedarfs von Antrieb und Nebenverbrauchern sowie der kompletten Wirkungsgradkette notwendig. Abb. 2.3 zeigt eine qualitative Darstellung der Energieflüsse innerhalb eines Elektrofahrzeugs für den Antriebsfall. Abbildung 2.3.: Qualitative Darstellung des Energieflusses in einem Elektrofahrzeug. Quantitativ repräsentiert diese ein Szenario bei gemäßigten Umweltbedingungen. 31 <?page no="47"?> 2. Reichweiten- und Energiebedarfsberechnung Die Energiebilanz im HV-Netz ist ausschlaggebend, ob die HVB geladen wird oder Energie abgibt. Im Antriebsfall ist die Energiebilanz positiv. Die effektiv abgegebene Energie der Hochvoltbatterie E HVB wird unter Einbezug der Antriebsenergie an der Leistungselektronik E LE sowie des Energiebedarfs der Hoch- (E HV/ NV ) und Niedervoltnebenverbraucher (E LV/ NV ) wie folgt berechnet: E HVB = E HV/ NV + E LV/ NV + E LE η HVB, entladen (2.26) Bei einer Lithium-Ionen-Batterie und einer Leistung von bis zu 50 kW variiert der Entladewirkungsgrad der HVB η HVB, entladen zwischen 95 % und 99 % [Koe+12]. Bei der Rekuperation wird die Energie der Leistungselektronik E LE = E LE, Rekup negativ. Ist diese betragsmäßig größer als der Energiebedarf der Hoch- und Niedervoltnebenverbraucher, wird der HVB Energie zugeführt. Die hierbei in der Batterie gespeicherte Energie E HVB, Rekup während der Rekuperation wird unter Einbezug des als konstant angenommenen Ladewiderstands der Hochvoltbatterie η HVB, laden berechnet: E HVB, Rekup = E HV/ NV + E LV/ NV − ∣ ∣ ∣ E LE, Rekup ∣ ∣ ∣ η HVB, laden (2.27) Gemäß [Hay+11] ist für das Batterieladen ein Wirkungsgrad von 0, 90 anzunehmen. Ist die Energiebilanz im Hochvoltnetz trotz Rekuperation positiv, gilt der erstgenannte Antriebsfall gemäß Gleichung (2.26), wobei E LE = E LE, Rekup ist, und die Hochvoltbatterie Energie abgibt. Der Wirkungsgrad der Antriebsstrangkomponenten ist variabel und hängt von Temperatur und Leistungsanforderung ab, d. h. von Drehzahl und Drehmoment der E-Maschine(n) [Kar18]. Zur Berechnung der gesamten Antriebsenergie E LE , die am Eingang der Leistungselektronik zur Verfügung gestellt werden muss, wird die Wirkungsgradkette 32 <?page no="48"?> 2.2. Berechnung des Energiebedarfs Leistungselektronik η LE , Elektromotor η M , Getriebe und Differential η G sowie Räder η R einbezogen [Kar18]: E LE = E Antrieb,Rad η LE · η M · η G · η R (2.28) Der Wirkungsgrad der LE liegt für die meisten Arbeitspunkte zwischen 90 % und 97 % [Mär10]. [Hay+11] gibt sogar einen Wirkungsgrad von 98 % über einen weiten Lastbereich an. Die höchste Variabilität des Wirkungsgrades des Antriebsstrangs wird durch den Elektromotor verursacht. Dessen Wirkungsgrad liegt für einen Großteil der Drehzahlbereiche zwischen 75 % und 96 % [Asa+16]. In [Kar18] wird hingegen ein Wirkungsgrad von mehr als 90 % für den gesamten Arbeitsbereich einer E-Maschine angegeben. Die Effizienz eines einstufigen Getriebes liegt über 97 % für weite Drehzahlbereiche [Hay+11]. Als Produkt der einzelnen Komponenten-Wirkungsgrade ergibt sich somit für die Effizienz des Antriebsstrangs inklusive der Batterieentladung ein Bereich zwischen 62 % und 90 %, während in [Asa+16] hierfür ein Bereich von 68 % bis 91 % angegeben wird. Im Rekuperationsfall beinhaltet die von der Leistungselektronik transformierte Energie E LE, Rekup dieselbe Wirkungsgradkette wie beim Antreiben. Der Wirkungsgrad des Getriebes beträgt analog zum Antriebsfall ca. 97 % [Hay+11]. Der Wirkungsgrad eines Elektromotors im Generatorbetrieb ist nahezu identisch mit dem im Fahrbetrieb [Asa+16]. Somit ist der Wirkungsgradbereich des Elektromotors zwischen 75 % und 96 % für die Rekuperation gleichermaßen anzunehmen. Ebenso existiert ein Rekuperations-Wirkungsgrad für die Leistungselektronik η LE, Rekup , um elektrische Energie vom dreiphasigen Wechselstrom zu Gleichstrom zu wandeln. Dieser stimmt mit dem Wirkungsgrad im Antriebsfall überein [Hay+11]. Unter Berücksichtigung der Wirkungsgradkette in Gleichung (2.28) und des Ladewirkungsgrads der HVB erfolgt die Rekuperation mit einem Gesamtwirkungsgrad im Bereich von 58 % bis 82 %. Beim Elektrofahrzeug wird durch die geringe elektromotorische Kraft, die bei niedrigen Motordrehzahlen erzeugt wird, beim Verzögern im minimalen Geschwindigkeitsbereich keine elektrische Energie rege- 33 <?page no="49"?> 2. Reichweiten- und Energiebedarfsberechnung neriert [Ehs+18]. Für die Rekuperation muss somit eine Mindestgeschwindigkeit erreicht werden, unterhalb dieser keine Energie zurückgewonnen wird. In [Ehs+18] wird diese Grenze bei 15 km/ h angesetzt. Im Ansatz aus [Mai+11] wird angenommen, dass eine Rekuperation bei alle Geschwindigkeiten erfolgt. 2.3. Reichweitenangaben der Hersteller und Fahrzyklen Genormte Fahrzyklen, die Fahrzeughersteller heranziehen, um Angaben hinsichtlich Reichweite und Emissionen zu machen, haben den Vorteil, dass sie beliebig reproduzierbar sind. Da sie als Simulation oder Labortest mit festgelegten Randbedingungen durchgeführt werden, ist eine Vergleichbarkeit zwischen unterschiedlichen Fahrzeugen gegeben. Die legislativen Fahrzyklen 5 beziehen die Längsdynamik des Fahrzeugs ein, während die Querdynamik und Nebenaggregate vernachlässigt werden. Weltweit kommen unterschiedliche, gesetzlich festgelegte Fahrzyklen zum Einsatz. Tabelle 2.2 vergleicht die charakteristischen Merkmale der legislativen und nicht-legislativen Fahrzyklen. Hierbei werden Maximalv max und Durchschnittsgeschwindigkeit v, maximale a max und durchschnittliche a Beschleunigung, maximale a BV, max und durchschnittliche a BV Bremsverzögerung, Distanz s ges und Fahrtzeit t ges verglichen. Zusätzliche, in Europa irrelevante Zyklen, beispielsweise der amerikanische Federal Test Procedure (FTP-75) oder der japanischen JC08 , werden im Rahmen der Arbeit nicht herangezogen. Für eine Beschreibung dieser Zyklen sei auf [ECO14] bzw. [Die18] verwiesen. Europäischer Zyklus Als Neuer Europäischer Fahrzyklus (NEFZ) wird der ehemals in Europa verwendete, standardisierte Test zur Ermittlung von Verbrauch und Abgasemissionen bezeichnet. Die darin ermittelten Werte waren bis zur vorgeschriebenen Verwendung 5 Vom Gesetzgeber definierte und genormte Fahrzyklen zur vergleichbaren Ermittlung von Emissionen. 34 <?page no="50"?> 2.3. Reichweitenangaben der Hersteller und Fahrzyklen Tabelle 2.2.: Kenngrößen der legislativen und nicht-legislativen Zyklen. Merkmal v max v a max a a BV, max a BV s ges t ges Einheit km/ h m/ s 2 km min NEFZ 120 33,6 1,04 0,53 -1,39 − 0, 82 11,03 19,67 WLTP 131,3 46,6 1,67 0,41 -1,5 − 0, 45 23,27 30 CADC... urban 57, 7 17, 7 2, 86 0, 77 − 3, 14 − 0, 79 4, 87 16, 6 road 111, 5 57, 5 2, 36 0, 50 − 4, 08 − 0, 53 17, 27 18, 0 motor130 131, 8 96, 9 1, 92 0, 41 − 3, 36 − 0, 50 28, 74 17, 8 TSSECC n.b. 60, 0 n.b. n.b. n.b. n.b. 60, 0 60, 0 des Worldwide Harmonized Light Vehicles Test Procedure (WLTP) ab 1. September 2017 für die Genehmigung der Fahrzeuge in Europa Voraussetzung. Aus folgenden Gründen ist der NEFZ für Elektrofahrzeuge vorteilhaft: Der Antriebsstrang benötigt im Stand keine Energie und Nebenverbraucher werden in diesem Test nicht berücksichtigt. Außerdem arbeitet der E-Motor bei den vorkommenden geringen Beschleunigungen und Geschwindigkeiten mit hohem Wirkungsgrad und gewinnt während den Verzögerungsphasen Energie zurück. Gemäß [Kar18] werden Elektrofahrzeuge für die Durchführung des NEFZ vorbereitet. Die Fahrzeugbatterien müssen über 300 km im Prüffahrzeug absolviert haben. Innenraum-Klimatisierung, Beleuchtung, Lichtsignale und andere Hilfseinrichtungen sind ausgeschaltet. Nur die Funktionsfähigkeit der Batterieklimatisierung muss gewährleistet sein. Mit einem vollgeladenem Akku wird der NEFZ bei Temperaturen zwischen 20 ◦ C und 30 ◦ C zweimal durchfahren und anschließend wird der Akku langsam aufgeladen, d. h. nicht über die Schnellladefunktion. Im Anschluss wird der Energiebedarf ermittelt, wodurch die Ladeverluste mit in die Verbrauchsangabe einfließen. Weltweiter Zyklus Der WLTP [Tut+15] wurde mit dem Ziel eingeführt, die bisherigen nationalen Tests abzulösen, sodass die unbefriedigende Situation durch national unterschiedliche Tests gelöst und mangelnde Realitätsnähe vermieden wird. Im Vergleich zum NEFZ und anderen 35 <?page no="51"?> 2. Reichweiten- und Energiebedarfsberechnung nationalen Tests bildet er Fahrsituationen realitätsnäher ab. Den Zyklus gibt es in den Klassen 1, 2, 3a und 3b, die abhängig vom Leistungs- Massen-Verhältnis bzw. vom Fahrzeugtyp angewendet werden. Die Klassen setzen sich jeweils aus einer Kombination von unterschiedlichen Geschwindigkeitssequenzen zusammen, die mit niedrig, mittel, hoch sowie extra hoch bezeichnet werden, vgl. Abb. 2.4. Für Pkws wird der WLTP Klasse 3b herangezogen. Mittel Niedrig Hoch Extra hoch 0 200 400 600 800 1000 1200 1400 1600 1800 0 40 80 120 140 100 60 20 Geschwindigkeit in km/ h Zeit in s Abbildung 2.4.: Geschwindigkeitsverlauf des WLTP Klasse 3b , der aus vier Geschwindigkeitssequenzen besteht. Im Vergleich zum NEFZ hat der WLTP Klasse 3b weniger und kürzere Standzeiten, ein deutlich dynamischeres Geschwindigkeitsprofil mit einer Höchstgeschwindigkeit von über 120 km/ h und die Beschleunigungen haben einen höheren Maximalwert sowie ein größeres Spektrum, vgl. Tabelle 2.2. Man erwartete aus diesem Grund eine Verbrauchserhöhung gegenüber dem NEFZ [Ste+15]. Der WLTP , der von einem Gremium der Vereinten Nationen erarbeitet wurde, ist in der EU in geltendes Recht umgesetzt worden und für alle Neuzulassungen in Europa seit September 2018 verpflichtend [Ver18a]. Ergänzend hierzu tritt die neue Regelung zu Real Driving Emissions (RDE) für neue, typgeprüfte Pkws in Kraft. 36 <?page no="52"?> 2.3. Reichweitenangaben der Hersteller und Fahrzyklen In den nächsten Jahren wird der WLTP voraussichtlich in Indien, Japan und Südkorea umgesetzt. Aufgrund der örtlichen Verkehrsbedingungen wird Japan unter Umständen auf den Hochgeschwindigkeitsteil verzichten [Ver18a]. Über ein modifiziertes Verfahren des WLTP wird derzeit in China diskutiert. Der Zyklus ist in den Vereinigten Staaten bis zum aktuellen Zeitpunkt nicht in nationales Recht überführt worden, obwohl sie zu Beginn in die Entwicklung involviert waren. Artemis-Zyklus [And04] Im Rahmen des EU-Projekts ARTEMIS 6 wurde der Common Artemis Driving Cycle (CADC) entwickelt, um Verbrauch und Schadstoffausstoß realistischer zu bestimmen. Dieser besteht aus einem Stadtanteil (CADC urban) mit realistischen Beschleunigungen sowie einem Landstraßen- (CADC road) und Autobahnanteil. Letzterer existiert als CADC motor130 und CADC motor150 mit einer maximalen Geschwindigkeit von 130 km/ h bzw. 150 km/ h. Verglichen mit dem WLTP Klasse 3b treten in allen drei Bereichen höhere maximale Beschleunigungswerte auf. Dieser nicht-legislative Zyklus wird vermehrt in der Literatur [Bad+13; Ara+12; BDP16; GRV10] herangezogen, ist jedoch nicht verbindlich. TSECC [TÜV10] Der TÜV SÜD verwendet den speziell für Elektrofahrzeuge konzipierten Zyklus TÜV SÜD Electric Car Cycle . Im Vergleich zum NEFZ , der unter Laborbedingungen bei ca. 23 ◦ C durchgeführt wird, beinhaltet er zusätzlich ein Winterszenario bei − 7 ◦ C und ein Sommerszenario bei 30 ◦ C [Blo14]. Der TÜV SÜD Electric Car Cycle (TSECC) wird auf dem Rollenprüfstand gemessen und berücksichtigt zusätzlich den Einfluss von Nebenverbrauchern, wie z. B. Scheinwerfer oder Klimatisierung. Sein Geschwindigkeitsverlauf basiert auf digitalisierten Realstrecken, die einen einstündigen Pendlerzyklus von 60 km Länge mit Autobahn-, Stadt- und Landanteil abbilden. Durch einen hohen Rekuperationsanteil wird zusätzlich die regenerative Fähigkeit der Elektrofahrzeuge einbezogen. 6 Assessment and Reliability of Transport Emission Models and Inventory Systems 37 <?page no="53"?> 2. Reichweiten- und Energiebedarfsberechnung Reichweiten im Realbetrieb Die von den Fahrzeugherstellern in den jeweiligen Fahrzeugdatenblättern angegebenen Reichweiten fallen größer aus als sie in der Realität erzielbar sind. Diese Diskrepanz ist dem Fahrzeughersteller geschulde, weil dieser zunehmend Schlupflöcher im Testablauf aus und optimiert den Verbrauch und die Emissionen des Fahrzeugs auf das statische Geschwindigkeitsprofil [FZC17]. Der reale Energieverbrauch von Kraftfahrzeugen lag 2002 bei ca. 10 % über dem gemessenen. Im Jahr 2015 betrug diese Diskrepanz durchschnittlich 42 % [Jen16]. Die größten Abweichungen traten hierbei im Premiumsegment auf. Die Standzeiten des NEFZ führten zu einem unrealistisch hohen Einfluss verbrauchsoptimierender Maßnahmen [Ste+15]. Dazu zählen beispielsweise Start-Stopp- Automatik, Direkteinspritzung und Downsizing 7 . Letzteres ist im Premiumsegment üblich. Für das Jahr 2020 wird ein Absinken der Diskrepanz auf ca. 20 % zwischen realen und gemessenen Verbrauchswerten im Zuge der Einführung des dynamischeren WLTP erwartet. Zwar liegt dieser weit unter dem vom NEFZ erwarteten Wert, realitätsnah ist der neue WLTP-Zyklus gemäß [FZC17] trotzdem nicht. Begründet ist dies in der Tatsache, dass Nebenverbraucher analog zum NEFZ während des Zyklus nicht aktiv sind, beispielsweise die Innenraumklimatisierung. Zur Bereitstellung von Wärmeenergie für das Heizsystem wird bei konventionellen Fahrzeugen die Wärmeentwicklung des Verbrennungsmotors ausgenutzt. Im Vergleich zu diesem, hat ein Elektromotor einen deutlich höheren Wirkungsgrad. Die Abwärme des E-Motors ist nicht für das Heizsystem nutzbar, weshalb die Wärmeenergie aus dem elektrischen Energiespeicher umgewandelt werden muss. Dies begründet den hohen Einfluss des Klimatisierungssystems auf die Energiebilanz eines Elektrofahrzeugs. Im Vergleichstest des TÜV SÜD lag der Energiebedarf bei Norm- und Winterbedingungen um mehr als 50 % auseinander. Die Reichweite wird in diesem Winterszenario um bis zu 40 km reduziert [Blo14]. Im Vergleich zu den optimalen Bedingungen für ein Elektrofahrzeug bei 15 bis 20 ◦ C Umgebungstemperatur, verliert es bei − 10 ◦ C ca. 35 % seiner Reichweite und bei 35 ◦ C Umgebungstemperatur ca. 25 % [Bas15]. 7 Eine Verkleinerung technischer Größen bei gleichbleibender Leistungsfähigkeit. Hier auf den Hubraum des Motors bezogen. 38 <?page no="54"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale Der Energiebedarf zur Zielerreichung eines E-Fahrzeugs wird von einer Vielzahl an Faktoren beeinflusst. Zunächst werden hierzu Reichweiteneinflüsse diskutiert und in die Gruppen Fahrer, Fahrzeug, Strecke sowie Umwelt eingeteilt. Diese werden auf die in Kapitel 2 beschriebenen Nebenverbraucherklassen eines Fahrzeugs abgebildet, sodass die Auswirkungen von äußeren Einflüssen auf die Reichweite verdeutlicht werden. Das Bewegungsprofil des Fahrzeugs hat einen hohen Einfluss auf den Gesamtenergiebedarf. Ausschlaggebend für die Fahrzeugbewegung ist das Fahrverhalten. Dieses wird durch Fahrerparameter abgebildet. Deren Verwendung in verwandten Arbeiten und die im Kontext dieser Arbeit relevanten Fahrerparameter werden aus diesem Grund hier beschrieben. Die antriebsrelevanten Parameter und Nebenverbrauchergruppen werden anschließend qualitativ auf Möglichkeiten zur Energieeinsparung und auf Unsicherheiten hinsichtlich der Energiebedarfsprädiktion untersucht. Durch quantitative Aussagen über die einzelnen Einflussfaktoren werden potenzielle Maßnahmen identifiziert, die sich für eine Energieeinsparung während der Fahrt eignen. Anhand einer beispielhaften Nebenverbraucherkonfiguration wird die durchschnittliche Leistung aller Nebenverbraucher für unterschiedliche Randbedingungen ermittelt. Potenzielle Maßnahmen zur Energieeinsparung durch Veränderung der Fahrerparameter oder Reduzierung der Nebenverbraucherleistung werden anschließend verglichen, um ihre quantitativen Energieeinsparpotenziale (EEP) zu ermitteln. Zwei in diesem Kapitel beschriebene Realzyklen werden hierfür verwendet. Die Analyse ist notwendig, um geeignete Maßnahmen und Funktionen für die Gewährleistung der Zielerreichung zu finden, d. h., um Energie während der Routenführung einzusparen. Die einflussreichsten Maßnahmen werden in das Systemkonzept integriert. 39 <?page no="55"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale 3.1. Reichweiteneinflussgruppen Eine weitverbreitete und intuitive Einteilung von Reichweiteneinflüssen bietet die 3F-Methodik , die zur Ermittlung repräsentativer Lastkollektive für Getriebe, Fahrwerk, elektrische Maschinen und Parallelhybridantriebsstränge verwendet wird [KK07]. Sie unterteilt Einflussgrößen in Fahrer, Fahrzeug und Fahrumgebung. Die in dieser Arbeit verwendete Gruppierung orientiert sich an der 3F-Methodik , separiert jedoch die Fahrumgebung in Strecke und Umwelt, sodass die Reichweiteneinflüsse in vier Gruppen gemäß [Kru+16] eingeteilt sind, vgl. Abb. 3.1. Im Kontext der Reichweitenbestimmung ist die Einteilung in vier Gruppen zweckmäßiger, weil Umwelteinflüsse weitreichendere Auswirkungen auf den Energiebedarf eines Elektrofahrzeugs im Vergleich ▪▪▪▪ ▪▪▪▪▪▪ ▪▪▪ ▪▪▪▪▪▪ Abbildung 3.1.: Reichweiteneinflüsse gruppiert nach Fahrzeug, Fahrer, Umwelt und Strecke [Kru+16]. 40 <?page no="56"?> 3.1. Reichweiteneinflussgruppen zu Verbrennerfahrzeugen haben. Die vier festgelegten Einflussgruppen sind trotzdem für Kraftfahrzeuge unterschiedlicher Topologien gültig. Der Gesamtenergiebedarf wird aus der Summe der zu überwindenden Fahrwiderstände, den Wirkungsgradverlusten, der zurückgewonnenen Rekuperationsenergie sowie der Leistung elektrischer Verbraucher und deren Nutzungsdauer gebildet, vgl. Abschnitt 2.2.3. Tabelle 3.1 zeigt die Korrelation zwischen genannten Bestandteilen des Gesamtenergiebedarfs und den klassifizierten Verbrauchern des Elektrofahrzeugs gemäß Abschnitt 2.1.2. Die vier Reichweiteneinflussgruppen werden im Folgenden näher beschrieben. 3.1.1. Umwelt Alle äußeren Einflüsse, die während einer Fahrt vorherrschen und nicht der Streckencharakteristik oder dem Verkehrsaufkommen zugrunde liegen, sind hier eingruppiert. Hierzu zählen Temperatur, Luftfeuchtigkeit, -druck und -dichte, Windgeschwindigkeit und -richtung, Sonnenintensität, Bewölkungsgrad, Niederschlag sowie Tages- und Jahreszeit. Die Umgebungstemperatur beeinflusst das Komfortempfinden der Passagiere und somit die Nutzung der Innenraumklimatisierung. Sie wirkt sich zusätzlich auf die Bauteiltemperatur elektrischer Komponenten aus, wobei deren Wirkungsgrad verändert wird [KVS13]. Bei einer Umgebungstemperatur über 20 ◦ C erhöht sich der Energieverbrauch batterieelektrischer Fahrzeuge aufgrund des steigenden Leistungsbedarfs zur Komponentenkühlung [Bas15]. Im Temperaturbereich zwischen 5 ◦ C und 20 ◦ C hingegen liegt Heiz- und Kühlbedarf vor. Hierbei wird die Ansaugluft mittels Kältemittelkompressor abgekühlt, entlüftet und anschließend auf Zieltemperatur erhitzt. Niedrige und hohe Umgebungstemperaturen verkürzen die Reichweite von BEF deutlich, was dem hohen Energiebedarf beim Erhitzen bzw. Abkühlen der angesaugten Luft geschuldet ist [KVS13; Kar18]. Im Vergleich zu verbrennungsmotorischen Fahrzeugen steht für den Heizfall keine Abwärme des Antriebsmotors zur Verfügung. Die Umgebungstemperatur und der Niederschlag, beispielsweise Regen oder Schnee, verändern die Reifeneigenschaften und somit den Rollwiderstandskoeffizienten [MW14]. Durch Witterung eingeschränkte 41 <?page no="57"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale Tabelle 3.1.: Korrelation zwischen den direkten • und indirekten ◦ Reichweiteneinflüssen und den unterschiedlichen Nebenverbraucherklassen gemäß Abschnitt 2.1.2 inkl. Wirkungsgradverlust und Auswirkung auf die Fahrzeit. Antrieb Rekuperation Komfort-NV Geschaltete NV Dynamische NV Dauer-NV Verlust Fahrzeit Einflussgrößen Leistungsbedarf P Strecke S1: Ampeln und Schilder • • ◦ • S2: Verkehrsaufkommmen • • ◦ ◦ ◦ • S3: Baustellen u. Umleitungen ◦ ◦ ◦ ◦ ◦ • S4: Fahrbahneigenschaften • • • S5: Höhenu. Kurvenprofil • • ◦ ◦ • ◦ • S6: Geschwindigkeitslimits • • ◦ ◦ ◦ • Umwelt U1: Temperatur • • • • • U2: Wind • • • U3: Niederschlag • • • • U4: Sonnenintensität • U5: Tagsu. Jahreszeit ◦ • ◦ Fahrer F1: Fahrertyp • • • • F2: Komforttyp • • Fahrzeug Z1: Motorart und -leistung • • ◦ ◦ ◦ ◦ • • Z2: Auslegung/ Ausstattung • • • • • • • Z3: Energiequelle u. Größe • • • Z4: Aufbau (c W , A, Isolierung) • • ◦ Z5: Gewicht u. Passagiere • • • • Z6: Reifeneigenschaften • • • • 42 <?page no="58"?> 3.1. Reichweiteneinflussgruppen Sicht bedingt die Nutzung des Scheibenwischersystems und zusätzlicher Beleuchtung, beispielsweise Abblendlicht, Nebelscheinwerfer oder Nebelschlussleuchte. Diese Umgebungsbedingungen erfordern darüber hinaus ein vorsichtigeres Fahrverhalten, die zur Reduzierung von Beschleunigungen und gefahrenen Geschwindigkeiten führt. Der Luftdruck und die Temperatur haben einen Einfluss auf die Luftdichte und beeinflussen somit den Luftwiderstand, vgl. Abschnitt 2.2.1. Hierdurch wird die notwendige Antriebskraft zur Überwindung des Luftwiderstands beeinflusst. Die Windgeschwindigkeit und -richtung gehen gemäß Abschnitt 2.2.1 als relative Fahrzeuggeschwindigkeit in die Berechnung des Luftwiderstands ein. Bei Rückenwind wird der Luftwiderstand reduziert, bei Gegenwind erhöht. Der Bewölkungsgrad des Himmels und die aktuelle Tages- und Jahreszeit bestimmen die Strahlungsintensität der Sonne. Hierdurch wird das Komfortempfinden der Passagiere und somit indirekt die Fahrzeugklimatisierung beeinflusst. 3.1.2. Strecke Durch die Routenwahl bedingten Einflüsse legen die Rahmenbedingungen für das Bewegungsprofil fest und wirken sich somit auf die benötigte Antriebsenergie aus. Sie werden in dauerhafte und vorübergehende Einflussfaktoren unterteilt. Dauerhafte Eigenschaften der Strecke sind Geschwindigkeitsbegrenzungen, Stopp- oder Vorfahrtsschilder, der Streckentyp, z. B. Autobahn, Überland oder Stadt, sowie der Höhen- und Kurvenverlauf. Variable Geschwindigkeitslimits sowie Ampeln zählen zu den ortsgebundenen, dauerhaften Faktoren, obwohl ihr Zustand bzw. Signal wechselnd ist. Zu den vorübergehenden Streckeneigenschaften, die in einem bestimmten Zeitfenster relevant sind, zählen Baustellen, Umleitungen und die Streckenauslastung. Kein Verkehrsaufkommen, stockender Verkehr oder eine Vollsperrung der Straße gehören zu den Ausprägungen der Streckenauslastung. Alle genannten Einflussfaktoren sind maßgebend für das resultierende Beschleunigungs- und Geschwindigkeitsprofil während einer Fahrt und beeinflussen somit gemäß Abschnitt 2.2.1 den Beschleunigungs- und Luftwiderstand. 43 <?page no="59"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale Dauerhafte Streckeneigenschaften Vorübergehende Streckeneigenschaften Ampeln Geschwindigkeitslimits Schilder Streckentyp u. Bebauung Kurvenverlauf Höhenprofil Baustellen Umleitungen Streckenauslastung Abbildung 3.2.: Dauerhafte und vorübergehende Streckeneigenschaften, die Einfluss auf das Bewegungsprofil und den Energieverbrauch eines Fahrzeugs haben. Verkehrsschilder aus [All18] Das Höhenprofil der Strecke beeinflusst gemäß Abschnitt 2.2.1 den zu überwindenden Steigungswiderstand und somit die potenzielle Rekuperation. Darüber hinaus wirkt sich die Höhenlage auf den vorherrschenden Luftdruck aus. Dieser beeinflusst die Luftdichte und verändert somit den Luftwiderstand. Elektronisches Stabilitätsprogramm (ESP) und elektrische Lenkkraftunterstützung (Servolenkung) hängen vom Kurvenverlauf und von der Fahrzeuggeschwindigkeit ab. Die Oberflächenbeschaffenheit der Fahrbahn, die entlang der Strecke variiert, wirkt sich auf den Rollwiderstandskoeffizienten und somit auf den zu überwindenden Rollwiderstand aus, vgl. Gleichung (2.11). Zusammenfassend lässt sich sagen, dass Streckeneinflüsse in weiten Teilen den Antrieb und die Rekuperation beeinflussen. Aus Änderungen im Geschwindigkeitsprofil resultiert unmittelbar eine andere Fahrzeit. Hiermit geht eine verlängerte oder verkürzte Nutzungsdauer der elektrischen Nebenverbraucher einher und verändert ihren benötigten Energiebedarf. 44 <?page no="60"?> 3.1. Reichweiteneinflussgruppen 3.1.3. Fahrzeug Die Kombination einzelner Komponenten bei der Produktion eines Fahrzeugs, die durch das Baukastensystem der großen Fahrzeughersteller zustande kommt, macht nahezu jedes Fahrzeug zu einem Unikat. Abhängig von Hersteller und Fahrzeugmodell werden Komponenten unterschiedlich dimensioniert. Die Motorleistung wird z. B. auf das Fahrzeuggewicht abgestimmt. Aufgrund der Charakteristiken von Motoren erhält man verschiedene Wirkungsgrade für den selben Lastbereich. Schwere Fahrzeuge benötigen einen leistungsstärkeren Motor und eine höhere Lenkkraftunterstützung. Aus dem Fahrzeugaufbau resultiert der Luftwiderstandsbeiwert und die Stirnfläche des Fahrzeugs, die den Luftwiderstand beeinflussen, vgl. Abschnitt 2.2.1. Die Hochvoltbatterie wird beispielsweise in Abhängigkeit der Umwelteinflüsse temperiert, wofür Energie aufgewendet werden muss. Ein großer Fahrzeuginnenraum erfordert eine leistungsstärkere Klimatisierung. Die Isolierung des Innenraums, die Farbe der Armaturen, Sitze und der Außenlackierung sowie die Oberflächenmaße des Fahrzeugs fließen in das Temperaturgleichgewicht des Innenraums mit ein. Die Dimensionierung der Komponenten ist darüber hinaus für das resultierende Leergewicht des Fahrzeugs verantwortlich. Das Gesamtgewicht, welches zusätzlich von der Passagierzahl und Zuladung abhängt, beeinflusst den Energiebedarf zum Antreiben des Fahrzeugs, vgl. Abschnitt 2.2.1. Passagiere verändern darüber hinaus den Zustand des Fahrgastraums, weil sie Wärme abgeben und das Luftvolumen im Innenraum reduzieren. Eine zusätzliche Beeinflussung des Energiebedarfs kommt durch die Eigenschaften der Reifen zustande. Schon geringe Abweichungen vom Soll-Luftdruck erhöhen den Rollwiderstand. Dieser hängt zusätzlich von Alter, Reifenprofil und Gummimischung ab. Letztere wird durch den Geschwindigkeitsindex und die M+S 1 Kennzeichnung beeinflusst. Der optimale Luftdruck eines Reifens hängt von der aktuellen Beladung des Fahrzeugs ab [MW14]. Die Reichweiteneinflüsse dieser Gruppe stehen zu Fahrtbeginn fest, falls man eine Veränderung der Eigenschaften während der Fahrt vernachläs- 1 Matsch und Schnee (englisch: mud and snow). Ein Kennzeichen für Winterreifen. 45 <?page no="61"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale sigt, z. B. durch Erwärmung oder Luftverlust der Reifen, oder durch eine Veränderung des Luftwiderstandsbeiwerts bei geöffneten Fenstern. 3.1.4. Fahrer Die Fahrergruppe bildet die Schnittstelle zu den anderen Reichweiteneinflussgruppen: Unter Berücksichtigung der vorliegenden Umwelt- und Streckeneinflüsse verantwortet der Fahrer die Fahrzeugführung. Dazu zählen Beschleunigung, Geschwindigkeit, Lenkwinkel und die Gangwahl im Falle eines manuellen Getriebes. Der Einsatz der vom Fahrzeug zur Verfügung gestellten Antriebsleistung in Abhängigkeit des fließenden Verkehrs und die Anpassung des Fahrverhaltens aufgrund von Witterung obliegt dem Fahrer. Sein Fahrverhalten, das von Tageszeit, körperlicher Verfassung und Gefühlslage abhängt, beeinflusst somit Fahrzeuggeschwindigkeit und Beschleunigungsphasen [AAZ13; Bad+13; CFE13; VKK00]. Hierdurch wird der Energieverbrauch verändert, vgl. Abschnitt 2.2.1. Außerdem hat der Fahrer die Steuerung der regelbaren, elektrischen Nebenverbraucher zu verantworten, vgl. Abschnitt 2.1.2. Er verändert den Zustand des Innenraums, indem er seine Wunschtemperatur, die Lüftungsgeschwindigkeit oder die Frischluftzufuhr einstellt. Zusätzlich können Passagiere die Fensterheber oder das Infotainmentsystem bedienen. Nicht zuletzt ist der Fahrer für die Beladung seines Fahrzeugs verantwortlich, d. h. für die Zahl der Passagiere und die Menge an Gepäck. Fahrverhalten und Komfortempfinden sind subjektive Eigenschaften, deren Ausprägung somit bei jedem Fahrer unterschiedlich ausfallen. Die Beschreibung des Fahrverhaltens in Form von Fahrerparametern und die Klassifizerung des Fahrers wird im Folgenden beschrieben. 46 <?page no="62"?> 3.2. Fahrerparameter 3.2. Fahrerparameter In der Literatur werden Fahrer in verschiedene Klassen bzw. Typen eingeteilt. Die Einteilung in bestehende oder eigens definierte Fahrerklassen unterscheidet sich abhängig vom Autor. Die Arbeiten [Par+17; WSH08] verwenden die drei Klassen ökonomisch, normal und sportlich, während die fünf Klassen aggressiv, sportlich, moderat, ängstlich und energieeffizient in [Ara+12; Bär+11] Verwendung finden. Der Ansatz in [VKK00] zieht drei Fahrertypen heran und charakterisiert diese anhand der durchschnittlichen Beschleunigung, die für städtische Gebiete wie folgt definiert sind: • ruhig: 0, 45 bis 0,65 m/ s 2 • normal: 0, 65 bis 0,80 m/ s 2 • aggressiv: 0, 85 bis 1,10 m/ s 2 Auf Autobahnen liegt die Beschleunigung für alle drei Fahrertypen im Bereich von 0, 08 bis 0,2 m/ s 2 [LW05]. Es gibt Arbeiten, die eine Fuzzy-Logik verwenden, um den Fahrer zu klassifizieren [Bär+11; LW05]. Ein anderer Ansatz ist, das Verhältnis der Standardabweichung der Beschleunigung und der durchschnittlichen Beschleunigung zu verwenden, um eine bessere Vergleichbarkeit von Fahrern zu erreichen [LW05]. Neben genannten Klassen sind die herangezogenen Eingangsgrößen zum Zweck der Klassifizierung ein Unterscheidungsmerkmal zwischen den Ansätzen in der Literatur. Ein Ansatz zieht den Bremsdruck [Bär+11], ein anderer die gleitenden Mittelwerte des Gas- und Bremspedals während den Beschleunigungsbzw. Verzögerungsphasen [WSH08] heran. Die Autoren in [EGB15] nutzen räumliche Bedingungen, wozu beispielsweise Geschwindigkeitslimits, Kreisverkehre oder Schulzonen zählen sowie zeitliche Bedingungen, wie z. B. den Zweck der Fahrt, die Uhrzeit oder den Wochentag. Größtenteils beziehen sich die Eingangsgrößen auf besondere Situationen und Eigenschaften, beispielsweise die Annäherung an Städte und Dörfer, das Durchfahren scharfer Kurven, das Bremsen an Stoppschildern [Bär+11]. Alternativ wird der Straßentyp anhand der zulässigen Höchstgeschwindigkeit herangezogen [CFE13]. 47 <?page no="63"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale Die Arbeiten [Ara+12; CFE13] berechnen die Fahrerparameter anhand der Geschwindigkeit, Beschleunigung und Drehrate eines Smartphones, indem Daten von den Beschleunigungs- und Magnetfeldsensoren sowie vom GPS-Empfänger verarbeitet werden. Ziel ist es, den Fahrer und sein Fahrverhalten zwischen 0 und 100 im Hinblick auf Unfallrisiken und deren Vermeidung [EGB15] oder Kosteneffizienz [CFE13] zu bewerten. Diese Daten können beispielsweise einem Versicherungsunternehmen zur Verfügung gestellt werden bzw. dienen der Erziehung des Fahrers. 3.2.1. Anlehnung und Abgrenzung der eigenen Arbeit Zur Prädiktion des Energiebedarfs ist es notwendig, ein Bewegungsprofil vorherzusagen, d. h. den Verlauf von Geschwindigkeit und Beschleunigung. Hierfür müssen Fahrerparameter herangezogen werden. Die Bestimmung des Bewegungsprofils in der Literatur hat unterschiedliche Beweggründe, beispielsweise zur Verwendung im Rahmen von erweiterten Fahrerassistenzsystemen (ADAS) 2 oder autonomen Fahrzeugen, um die Entwicklung von Verkehrssituationen und das Risiko von Unfällen abzuleiten sowie Interaktionen durchzuführen [Fün+17; LVL14]. Nach der Klassifizierung eines Fahrers [WSH08; Par+17; Bär+11; Ara+12] werden die zugehörigen Fahrerparameter nicht mehr modifiziert. Ändert der bereits klassifizierte Fahrer sein Fahrverhalten innerhalb der Klassengrenzen, wird diese Parameteränderung somit in einer nachfolgenden Verwendung ignoriert. Diese Herangehensweise führt beispielsweise zu einem Fehler in einer erneuten Energiebedarfsprädiktion. Die Fahrerparameter Maximalgeschwindigkeit, durchschnittliche und maximale Beschleunigung sind gemeinsam in jeder Fahrerklasse definiert. Vordefinierte Fahrerklassen bieten somit nicht die Flexibilität einer Veränderung eines einzelnen Parameters über die Klassengrenzen hinaus. In dieser Arbeit wird abgrenzend zu den Arbeiten in [Ara+12; Bär+11; Par+17; WSH08] auf die Einteilung des Fahrers in vordefinierte Klassen verzichtet. Das Geschwindigkeits- und Beschleunigungsverhalten wird 2 Advanced Driver Assistance Systems 48 <?page no="64"?> 3.2. Fahrerparameter somit separat betrachtet. Diese Flexibilität ist im Rahmen der Analyse von Einsparpotenzialen und deren Verwendung innerhalb eines prädiktiven Energiemanagementsystems notwendig. Weil bei Elektrofahrzeugen die Rekuperation den Energiebedarf positiv beeinflusst, wird die Verzögerung losgelöst von der Beschleunigung betrachtet. Zur prädiktiven Ermittlung des Geschwindigkeitsprofils, analog zu Porsches Entwicklungsprojekt ACC Inno-Drive [Rad13; Wah15], werden Querbeschleunigung und zulässige Geschwindigkeitslimits einbezogen. Die Abweichung zwischen zulässiger und gefahrener Geschwindigkeit wird in dieser Arbeit als zusätzlicher Parameter verwendet, der als Limittreue bezeichnet wird. Die im Rahmen dieser Arbeit verwendeten fünf Fahrerparameter werden im Folgenden detailliert beschrieben: • Die maximale Längsbeschleunigung a x, max entspricht der fahrerspezifischen Nutzung des Gaspedals bei kleineren bis mittleren Geschwindigkeiten. Abhängig von Fahrzeug und Fahrer endet der Einfluss des Parameters zwischen 80 km/ h und 120 km/ h. Bei höherer Geschwindigkeit liegt die Beschleunigung für alle Fahrertypen im selben Bereich [LW05], was der verbleibenden Zugkraft des Fahrzeugs geschuldet ist. Dieser Parameter verändert das Erreichen der Ziel-Geschwindigkeit und wirkt sich somit neben dem Beschleunigungswiderstand zusätzlich auf den Luftwiderstand aus, vgl. Abschnitt 2.2.1. • Die maximale Bremsverzögerung a BV, max beschreibt die Intensität der Bremsvorgänge des Fahrers. Die minimale Verzögerung ist abhängig vom Rekuperationsmodus des Fahrzeugs, der bei geringfügig oder nicht gedrücktem Gaspedal aktiviert wird. Dieser Parameter hat Einfluss auf den Energiebedarf, weil höhere Bremsverzögerungen erfolgen. Dies wird durch den Einsatz der mechanischen Bremse erzielt, wodurch die in Wärme umgesetzte Energie nicht mehr rekuperiert werden kann. Die optimale Bremsverzögerung, bei der die meiste kinetische und potenzielle Energie zurückgewonnen wird, ist fahrzeugabhängig. • Die maximale Querbeschleunigung a y, max wird verwendet, um die maximale Kurvengeschwindigkeit zu ermitteln. Ein aggressiver oder sportlicher Fahrer erfährt höhere Querbeschleuni- 49 <?page no="65"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale gungen als ein gemäßigter. Der Parameter wirkt sich in den meisten Fällen auf kurvigen Landstraßen aus, wobei diese in der Regel durch die zulässige Höchstgeschwindigkeit begrenzt sind. Somit hat die maximale Querbeschleunigung hinsichtlich des Energiebedarfs einen geringen Einfluss. • Die fahrerspezifische Maximalgeschwindigkeit v max hat Auswirkungen auf Routenabschnitte mit höheren oder nicht vorhandenen Geschwindigkeitslimits, beispielsweise auf Bundesstraßen oder Autobahnen. Durch den quadratischen Einfluss der Geschwindigkeit auf den Luftwiderstand ist dieser Parameter relevant für die Energiebilanz, vgl. Abschnitt 2.2.1. • Die Limittreue f v, Treue ist ein Maß für die Einhaltung der ausgeschilderten Geschwindigkeitslimits durch den Fahrer und beeinflusst die gefahrene Geschwindigkeit. Werte über 1 bedeuten, dass der Fahrer schneller fährt als es die zulässige Höchstgeschwindigkeit eines Streckenabschnitts erlaubt. Die Limittreue hebt oder senkt das durchschnittliche Geschwindigkeitsniveau und ist somit - aus dem selben Grund wie bei der fahrerspezifischen Maximalgeschwindigkeit - ein relevanter Einflussfaktor hinsichtlich des Energiebedarfs. Tabelle 3.2 zeigt die in der Literatur identifizierten Wertebereiche für die fünf Fahrerparameter. Tabelle 3.2.: Wertebereiche der Fahrerparameter gemäß [vTv02; Vai+14]. Die Werte der Limittreue beruhen auf Annahmen. Fahrertyp Parameter Einheit defensiv normal aggressiv a x, max m/ s 2 2 3 4 a BV, max m/ s 2 − 2 − 4 − 6 a y, max m/ s 2 3 4 5 v max km/ h 100 - 120 130 - 140 150 - 200 f v, Treue − 0, 9 - 0, 95 0, 95 - 1, 05 1, 05 - 1, 2 50 <?page no="66"?> 3.3. Identifikation der Energieeinsparpotenziale 3.3. Identifikation der Energieeinsparpotenziale 3.3.1. Konfiguration der Nebenverbraucher Für nachfolgende Betrachtungen wird auf Basis der in Anhang A gezeigten Nebenverbraucherdaten eine beispielhafte Fahrzeugkonfiguration eines Segment B 3 Fahrzeugs abgeleitet. Diese Konfiguration enthält eine reduzierte Zahl an Nebenverbrauchern, wobei solche mit einer minimalen Einsatzdauer vernachlässigt werden. Die Leistungsaufnahme der Verbraucher wird für vier verschiedene Umgebungsbedingungen aufgezeigt, wobei die Leistung der fahrzeug- und streckenabhängigen Nebenverbraucher in allen Fällen identisch ist. Die vier Umgebungsbedingungen unterscheiden sich wie folgt: • Die Minimalfahrt (Min) repräsentiert Umweltbedingungen, die eine minimale Nebenverbrauchernutzung begünstigen, beispielsweise Tageslicht, eine gemäßigte Umgebungstemperatur, kein Niederschlag und eine minimale Lautstärke des Audiosystems. • Das Szenario Wintermorgen (Winter) stellt eine Fahrt bei kalter und dunkler Umgebung mit eingeschränkter Sicht durch Nebel und Niederschlag dar. Das Audiosystem wird bei gemäßigter Lautstärke betrieben. • Das Szenario sparsamer Wintermorgen (Spar) entspricht dem Wintermorgen-Szenario, wobei alle sicherheitsunkritischen Einsparungen vorgenommen werden. Hierzu zählt die Reduzierung der Lautstärke des Audiosystems, sodass der Audioverstärker eine geringere Leistung aufnimmt, das Abschalten der Umluftheizung und die Reduzierung der Sitzheizung auf eine geringere Stufe. Nur die Frontscheibenheizung und eine initiale Klimatisierung zur Feuchtigkeitsreduzierung im Fahrzeug wird beibehalten. 3 Die europäische Kommission gliedert Fahrzeuge gemäß ihrer Größe in ein Segment zwischen Kleinstwagen (A) und Luxusklasse (F) oder gemäß des Anwendungszwecks als Sportwagen (S), Multivan (M) oder Geländewagen (J) [Eur02]. Das Kraftfahrbundesamt nutzt eine vergleichbare Segmentierung. Die meisten Elektrofahrzeuge gehören zur Fahrzeugklasse B. 51 <?page no="67"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale • Der Hochsommernachmittag (Sommer) repräsentiert warme Umgebungstemperaturen bei strahlender Sonne. Das Fahrzeug wird intensiv klimatisiert. Das Audiosystem wird bei gemäßigter Lautstärke betrieben. Tabelle 3.3 zeigt die Leistungsaufnahme der Komponenten im Falle der vier oben genannten Umweltbedingungen. Die Werte sind aus der vollständigen Auflistung der Nebenverbraucherdaten in Anhang A reduziert. Für Kurzzeitverbraucher, deren Leistungsaufnahme in bestimmten Intervallen erfolgt, wurde eine reduzierte Dauerleistung berechnet, beispielsweise für die elektrische Bremskraftverstärkung oder die Scheibenwischer. 3.3.2. Potenziale und Unsicherheiten der Parameter Die energiebedarfsrelevanten Antriebsparameter gemäß den Fahrwiderstandsgleichungen (vgl. Abschnitt 2.2.1) und die Nebenverbraucherklassen (vgl. Abschnitt 2.1.2) werden im Folgenden qualitativ hinsichtlich Energieeinsparmöglichkeiten und Unsicherheiten analysiert, vgl. Abb. 3.3. Die Parameter und Nebenverbraucherklassen sind abhängig von den Reichweiteneinflussgruppen, vgl. Abschnitt 3.1. Die unsicherheitsbehafteten Einflüsse sind in Abb. 3.3 rosa hinterlegt, während die blaue Hervorhebung auf eine Energieeinsparmöglichkeit nach Fahrtbeginn hinweist. Zur Berechnung des Steigungs-, Roll-, Beschleunigungs- und Luftwiderstands werden für ihre jeweiligen einbezogenen Parameter folgende Annahmen getroffen und Wertebereiche genannt: • Gesamtgewicht m ges : Das Leergewicht, das Gewicht des Fahrers und der Passagiere sowie zusätzliche Nutzlast, beispielsweise Gepäck, werden zum Gesamtgewicht aufsummiert. Das Leergewicht ist in den technischen Spezifikationen des Fahrzeugs beschrieben. Die Gesamtmasse eines Elektrofahrzeugs ist während der Fahrt konstant, sofern man einen Passagierzu- und ausstieg sowie das Ein- und Ausladen von Gepäck ausschließt. Mindestens das Gewicht des Fahrers wird zur Fahrzeugmasse addiert. Für das 52 <?page no="68"?> 3.3. Identifikation der Energieeinsparpotenziale Tabelle 3.3.: Angesetzte Leistungsaufnahme der Nebenverbraucher (NV) eines Elektrofahrzeugs in Watt für die Umgebungsbedingungen Minimalfahrt (Min), sparsamer Wintermorgen (Spar), normaler Wintermorgen (Winter) und Hochsommernachmittag (Sommer). (*) = Heruntergerechnete Dauerleistung für Verbraucher mit verkürzter Betriebszeit. HV = Hochvolt. LV = Niedervolt. Verbraucher Min Spar Winter Sommer ∑ Dauer-NV 225 Aktive Zündung 185 Infotainment / Navi 40 ∑ Dynamische NV 160 Bremse elektrisch 10* Elektr. Servolenkung 150* ∑ Geschaltete NV 15 105 15 Abblendlicht - 45 - Instrumentenlicht - 10 - Kennzeichenlicht - 10 - Nebelscheinwerfer - 35 - Tagfahrlicht 15 - 15 Scheibenwischer (V+H) - 5 - ∑ Komfort-NV (LV) 80 240 360 220 Audioverstärker 30 30 100 100 Frontscheibenheizung - 30* 30* - Heckscheibenheizung - - 30* - Kühlwasserpumpe 20 20 20 20 Lüfter Innenraum 30 100 100 100 Sitzheizung - 60* 80* - ∑ Komfort-NV (HV) 0 50 1850 2500 Heizsystem - - 1700 - Klimakompressor - 50* 150* 2500 Gesamtleistung 480 780 2700 3120 53 <?page no="69"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale Abbildung 3.3.: Bestimmte Antriebsparameter und Nebenverbraucherklassen bieten potenzielle Energieeinsparungen (blau) und sind mit Unsicherheiten behaftet (rosa). Fahrer- und Gepäckgewicht wird gemäß EU-Norm 92/ 21 [Eur92] 68 kg bzw. 7 kg angenommen. Mit Ausnahme der Elektrokleinfahrzeuge, wie beispielsweise Smart ED oder Renault Twizzy , bieten Elektromobile Sitzplätze für vier bis fünf Passagiere. Somit kann die Gesamtmasse signifikant höher ausfallen als das Leergewicht. Folglich liegt die Variation der Beladung durch Passagiere und Gepäck im Bereich von − 30 kg, im Falle eines 45 kg Fahrers ohne Gepäck, bis 450 kg, falls sich fünf 100 kg-Passagiere und 25 kg Gepäck im Fahrzeug befinden. • Massenfaktor e: Ein Elektrofahrzeug enthält rotierende Teile, beispielsweise E-Motor, Getriebe oder Räder, deren Massenträgheiten bei der Drehung berücksichtigt werden müssen. Weil die genaue Masse und Dimension dieser Rotationsteile nicht in Datenblättern angegeben oder aufwendig zu bestimmen ist, wird die Masse mit einem konstanten Faktor multipliziert. In den Arbeiten [Ehs+18; Mai+11] wird der Massenfaktor als 1, 05 angenommen, während die Arbeit in [NCV15] diesen nicht berücksichtigt. 54 <?page no="70"?> 3.3. Identifikation der Energieeinsparpotenziale • Gravitationsbeschleunigung g: Die Schwerkraft ist eine Anziehungskraft zwischen zwei Massen, in diesem Fall Erde sowie Fahrzeug, und hängt von der Masse und der Entfernung ab. Die Gravitationsbeschleunigung auf der Erdoberfläche variiert zwischen 9,7639 m/ s 2 am Huascaran Berg in Peru und 9,8337 m/ s 2 im arktischen Ozean [Hir+13]. Am 45. Breitengrad, z. B. in Norditalien, liegt der Wert bei 9,8067 m/ s 2 . Eine Festlegung der Erdbeschleunigung auf konstante 9,81 m/ s 2 ist für alle Betrachtungen ausreichend, weil sich ein Elektrofahrzeug in einem begrenzten Gebiet bewegt. Die Abweichung in einer lokalen Betrachtung ist kleiner als 0,05 %. • Rollreibungskoeffizient f R : Dieser Beiwert zur Berechnung des Rollwiderstands hängt von den Eigenschaften der Reifen und der Fahrbahnoberfläche ab. Die Verformung der Räder und der hierdurch entstehende Verlust sind abhängig von Temperatur, Reifendruck und Reifentyp, vgl. Abschnitt 2.2.1. Aufgrund annähernd fester Reifenparameter und der festgelegten Fahrbahnoberfläche durch die Routenwahl ist der Rollwiderstandskoeffizient jederzeit definiert. Der Ansatz in [TMS16] unterscheidet zwischen trockener und nasser Fahrbahn. Im letzteren Fall steigt der Rollwiderstandskoeffizient um 10 % an. Die Kombination Fahrbahnoberfläche-Reifen und Abweichungen zum Soll- Luftdruck führen zu Unsicherheiten. Andere Arbeiten nehmen für den Rollreibungskoeffizienten Werte von 0, 005 [Hay+11; Mai+11], über 0, 015 [DBL11], bis hin zu 0, 02 [TMS16] an. Im Mittel wird 0, 08 verwendet [Asa+16]. Gemäß [DR14] liegt für die meisten Pkw der Rollreibungskoeffizient zwischen 0, 007 und 0, 014. Eine Reduzierung des Rollwiderstandskoeffizienten von 0, 015 auf 0, 01 erzielt eine Energieeinsparung von ca. 14 % [DBL11]. • Luftdichte ρ : Der Widerstand eines sich in einem Fluid bewegenden Körpers hängt von der Dichte des Fluenten ab und wird in Masse pro Volumeneinheit gemessen. Die Luftdichte ist für die Bestimmung des Luftwiderstands relevant und hängt von Temperatur, Druck und Luftfeuchtigkeit ab [NAS54]. Für Höhen im Bereich von 100 m bis 700 m über dem Meeresspiegel und Temperaturen von − 5 ◦ C bis 30 ◦ C variiert die Luftdichte zwischen 1,055 kg/ m 3 und 1,296 kg/ m 3 [Asa+16]. Durch die gewählte Route 55 <?page no="71"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale und den aktuell vorherrschenden Umweltbedingungen ist die Luftdichte festgelegt. Im Vergleich zur Temperatur und zum Luftdruck hat die Luftfeuchtigkeit geringeren Einfluss. Deren Erhöhung von 50 % auf 100 % verändert die Luftdichte um weniger als 1 %. Durch falsche Wetterdaten besteht bei der ortsabhängigen Berechnung der Luftdichte gemäß Abschnitt 2.2 eine Unsicherheit. In [Asa+16] wird als Luftdichte 1,2 kg/ m 3 angenommen, während in [Bed+16] 1,21 kg/ m 3 verwendet wird. Durch die Annahme eines konstanten Wertes für die Luftdichte kann der Luftwiderstand um 8 bis 12 % abweichen. Dies führt auf Strecken mit hoher Durchschnittsgeschwindigkeit, beispielsweise einem Autobahnszenario, zur einer Abweichung der Antriebsenergie von 4 bis 6 %. • Luftwiderstandsbeiwert c W : Dieser fahrzeugspezifische Beiwert ist abhängig von der Form des Fahrzeugs. Der c W -Wert aktueller Fahrzeuge liegt zwischen 0, 24, z. B. beim Tesla Modell S , und 0, 38, beispielsweise beim Subaru Forester , wobei niedrigere Werte in einem niedrigeren Luftwiderstand resultieren. Der Luftwiderstandsbeiwert wird von den Automobilherstellern kalkuliert und für jedes Fahrzeug als konstanter Wert angegeben. In [Sch13] wird ein Unsicherheitsbereich für den Luftwiderstandsbeiwert für verschiedene Fahrzeuge von bis zu 6 % angegeben. Zusätzlich beeinflusst die Zuladung des Fahrzeug durch Änderung des Anstellwinkels den Luftwiderstandsbeiwert. Eine volle Beladung vergrößert ihn bei einem Kleinwagen um ca. 2 % [Sch13]. Innerhalb einer Baureihe beeinflussen Motorisierung und Sonderausstattungen darüber hinaus den Beiwert. Ein BMW 520i mit Sportfahrwerk hat beispielsweise 0, 25 als c W -Wert, während ein BMW 535i mit 0, 29 das obere Ende der modellbedingten Abweichung markiert [Sch13]. Die genannten Einflussfaktoren stehen vor Fahrtbeginn fest. Während der Fahrt hat der Fahrer die Möglichkeit diesen Wert zu verändern. Ein geöffnetes Fenster führt zu einer c W - Wert Erhöhung von ca. 0, 02 bis 0, 03 [Sch13]. Ein geöffnetes Schiebedach ändert den Beiwert um ca. 0, 005 bis 0, 01 [Sch13]. Als Unsicherheit ohne Aufbauten kann von ca. 5 % gegenüber den Herstellerangaben ausgegangen werden [Sch13]. • Projizierte Stirnfläche A: Die Fläche ist das Produkt aus Gesamtbreite und Höhe des Fahrzeugs, wobei die Bodenfreiheit von der 56 <?page no="72"?> 3.3. Identifikation der Energieeinsparpotenziale Höhe abgezogen wird. Die Bestimmung der Fläche durch den Hersteller mittels einer Scheinwerferprojektion hat eine Ungenauigkeit von ± 0,5 % [Sch13]. Aufbauten erhöhen die projizierte Stirnfläche, beispielsweise durch Dachgepäckträger oder Fahrradträger. • Steigungswinkel α : Das Höhenprofil ist durch die gewählte Route festgelegt und ist durch den Fahrer nicht direkt beeinflussbar. Die Höhendaten der Route im E-Horizont 4 und die hieraus berechneten Steigungswinkel haben eine unbekannte Unsicherheit. • Beschleunigung a und Geschwindigkeit v: Die Verläufe dieser Bewegungsprofil bestimmenden Parameter sind hochdynamisch, vgl. Abschnitt 3.1.2. Im Vergleich zu den oben genannten Parametern beherbergen sie die größte Unsicherheit hinsichtlich des Energiebedarfs, weil die Geschwindigkeit quadratisch in die Berechnung des Luftwiderstands eingeht. Darüber hinaus haben die Beschleunigungen und Verzögerungen Auswirkung auf das Erreichen der Zielgeschwindigkeit bzw. auf die Rekuperation, vgl. Abschnitt 2.2. Das hierfür ausschlaggebende Fahrverhalten, der durch Fahrerparameter abgebildet wird, bietet somit großes Potenzial für Energieeinsparungen, vgl. Abschnitt 3.2. Die Leistungsanforderung an den Rädern, die durch die Fahrwiderstandsgleichungen repräsentiert wird, reicht nicht aus, um die Energiebilanz im Fahrzeug lückenlos darzustellen. Hierfür muss die Wirkungsgradkette des Fahrzeugs einbezogen werden, vgl. Abschnitt 2.2.3. Folgende drei Einflüsse auf die Gesamtenergiebilanz des Elektrofahrzeugs sind somit zusätzlich zu beachten: • Effizienz im Antriebsfall η Antrieb : Das Produkt der einzelnen Komponenten-Wirkungsgrade ergibt einen Bereich zwischen 62 % und 90 % für die Effizienz des Antriebsstrangs, vgl. Abschnitt 2.2.3. • Effizienz der Rekuperation η Rekup : Falls ein negatives Drehmoment auf die Räder des Fahrzeugs wirkt, arbeitet der Elektromotor als Generator und erzeugt elektrische Energie. Somit fließt die Energie in die entgegengesetzte Richtung als beim Antrieben. 4 Elektronischer Horizont: Eine Datenbasis, die Routen mit ihren zugehörigen Umwelt- und Streckeneigenschaften enthält. Auch als erweiterter oder künstlicher Horizont bekannt. 57 <?page no="73"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale Analog zum Antriebsfall ist der Gesamtwirkungsgrad das Produkt aus den Wirkungsgraden jeder Antriebsstrangkomponente und liegt in einem Bereich zwischen 58 % und 82 %, vgl. Abschnitt 2.2.3. • Minimale Rekuperationsgeschwindigkeit v min, Rekup : Diese wird je nach Referenz zwischen 0 km/ h und 15 km/ h angenommen, vgl. Abschnitt 2.2.3. In [Asa+16] wird eine Sensitivitätsanalyse der oben aufgelisteten Parameter durchgeführt. Diese beinhaltet eine Serie an Fahrten vom selben Fahrer in sechs, getrennt voneinander betrachteten Geschwindigkeitsbereichen zwischen 20 km/ h und 120 km/ h, vgl. Abb. 3.4. Als zusätzlichen Parameter zieht die Sensitivitätsanalyse die Nebenverbraucherlast ein, wofür ein Leistungsbereich von 236 W bis 1266 W angenommen wird. Dieses Spektrum basiert auf aufgezeichneten Fahrten, wobei keine Aussage zu den vorherrschenden Umweltbedingungen getroffen wird. Bei einer Winter- oder Sommerfahrt fällt der Nebenverbrauch höher aus als in [Asa+16] angenommen, vgl. Abschnitt 3.3.1. Abbildung 3.4.: Ergebnisse einer Sensitivitätsanalyse energiebedarfsrelevanter Parametern gemäß [Asa+16]. 58 <?page no="74"?> 3.3. Identifikation der Energieeinsparpotenziale Das Ergebnis der Sensitivitätsanalyse zeigt, dass die Unsicherheiten von Fahrzeugeffizienz, Rollreibungskoeffizient, Luftdichte und Nebenverbraucher den größten Einfluss auf die Genauigkeit des Energiebedarfs haben. Aus der Auflistung der energiebedarfsrelevanten Antriebsparameter lässt sich zusammenfassen, dass während der Fahrt die Geschwindigkeit, die Beschleunigung und der Luftwiderstandsbeiwert zu beeinflussen sind. Außerdem beherbergt die Berechnung des Geschwindigkeits- und Beschleunigungsverlaufs die verhältnismäßig größten Unsicherheiten, vgl. Abschnitt 3.2.1. Die Effizienz des Antriebsstrangs η Antrieb , der Rollreibungskoeffizient f R , die Luftdichte ρ und nicht zuletzt der Nebenverbrauch sind zusätzliche Parameter, deren Einfluss nicht zu vernachlässigen ist, vgl. Abb. 3.4. Unter Einbezug der Reichweiteneinflüsse gemäß Abschnitt 3.1, sind für die Nebenverbraucherklassen folgende Aussagen hinsichtlich Energieeinsparpotenzialen (EEP) und Unsicherheiten zu treffen: • Dauerverbraucher, beispielsweise die Steuergeräte, sind permanent aktiv und können vom Fahrer oder einem Energiemanagementsystem nicht beeinflusst werden. • Geschaltete Verbraucher werden abhängig von Witterung und Tageszeit verwendet, beispielsweise das Abblendlicht oder die Scheibenwischer. Diese sind sicherheitsrelevant. Eine Reduzierung ihrer Leistung oder das Abschalten sind somit ausgeschlossen. • Dynamische Verbraucher werden abhängig vom Strecken- und Geschwindigkeitsverlauf eingesetzt. Eine Beeinflussung ihrer Leistung erfolgt z. B. bei der Servolenkung über die Kurvengeschwindigkeit. Das unsicherheitsbehaftete Bewegungsprofil führt zu einer Unsicherheit der Leistungsaufnahme dieser Verbrauchergruppe. Diese streckenabhängigen Verbraucher sind sicherheitsrelevant und bergen somit kein Energieeinsparpotenziale (EEP). • Komfortverbraucher bieten Eingriffsmöglichkeiten für eine Reduzierung des Energiebedarfs während der Fahrt. Ihr Abschalten oder die Reduzierung ihrer Leistung sind nicht sicherheitskritisch. Die Prädiktion des Nutzungsprofils dieser Verbrauchergruppe 59 <?page no="75"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale ist unsicherheitsbehaftet aufgrund des Komfortempfindens der Passagiere oder der eingestellten Lautstärke des Audiosystems. Neben den genannten energiebedarfsrelevanten Antriebsparametern, kann der Fahrer oder ein Energiemanagementsystem somit zusätzlich auf die Komfortverbraucher einwirken. 3.3.3. Parameterkorrektur nach Fahrtbeginn Eine Optimierung einer erneuten Reichweitenprädiktion kann durch eine Parameterkorrektur erfolgen. Dafür sind verschiedene Ansätze realisierbar. Hierfür wird zwischen fahrzeugabhängigen und fahrzeugunabhängigen Parametern unterschieden. Zu Letzterem zählen der fahrbahnabhängige Einfluss auf den Rollwiderstandsbeiwert, die Luftdichte und der Steigungswinkel entlang der Strecke. Präzises Kartenmaterial bietet Informationen über das Höhenprofil vor Fahrtbeginn. Eine Korrektur des Parameters Steigung auf Basis der Historie ergibt keinen Sinn, weil es keinen Zusammenhang zwischen vergangenem und zukünftigen Höhenprofil gibt. Im Folgenden wird der Fokus auf fahrzeugabhängige Parameter gelegt. Alle fahrzeugabhängigen Parameter, die den Energiebedarf beeinflussen, sind nach Fahrtbeginn festgelegt. Die Masse des Elektrofahrzeugs ist gleichbleibend, weil keine Personen zu- oder aussteigen und kein Kraftstoff verbrannt wird. Im Anhängerbetrieb und bei Vollbeladung tritt eine große Abweichung zum Normalgewicht auf. Kenntnis über das aktuelle Gesamtgewicht bietet demzufolge einen Mehrwert für die Prädiktion. Die Projektionsfläche A und der Luftwiderstandsbeiwert c W eines Fahrzeugs sind zu Fahrtbeginn festgelegt. Abhängig von der Nutzung einer Dachbox oder eines Fahrradträgers weichen die Werte vom Normalzustand ohne Aufbauten ab. Vernachlässigt man die Temperaturänderung der Reifen während der Fahrt, ist von einem gleichbleibenden Luftdruck auszugehen. Dadurch bleibt der Einfluss der Reifen auf den Rollwiderstand konstant. Die Messung der Parameter Fahrzeugmasse, Luftwiderstands- und Rollwiderstandskoeffizient sind aus physikalischen Gründen nicht realisierbar oder aus wirtschaftlicher Sicht nicht gewollt [SB17]. Mithilfe 60 <?page no="76"?> 3.3. Identifikation der Energieeinsparpotenziale eines robusten Schätzverfahrens auf einem Steuergerät ist die Adaption dieser Fahrzeugparameter im Fahrzeug realisierbar. Ein RLS- Algorithmus 5 wird in [SB17] zur Schätzung der Masse, des kombinierten Luftwiderstandsbeiwert, der aus Querschnittsfläche und c W -Wert des Fahrzeugs besteht, und des Rollwiderstandskoeffizienten verwendet. Im Ansatz von [FTS14] wird durch eine Reifendrucküberwachung die Zuladung eines Fahrzeugs in Echtzeit erkannt. Die Erweiterung um einen Parameterschätzer leistet einen Beitrag zur Korrektur der Parameter nach Fahrtbeginn. Als variable, fahrzeugabhängige Faktoren verbleiben gemäß der Fahrwiderstandsgleichungen die Fahrzeuggeschwindigkeit und die Beschleunigung, die das Fahrerverhalten widerspiegeln, vgl. Abschnitt 2.2. Deshalb gibt es Ansätze mit statistischen Modellen, wie z. B. lineare und nichtlineare Regression [Bol+14] oder multiple Mischeffektmodelle 6 [Liu+16], die Änderungen im Fahrverhalten sowie in der Fahrumgebung erlernen. 3.3.4. Reale Fahrzyklen Gemäß [Sch13] gibt es keinen optimalen Fahrzyklus, der jedes Nutzungsszenario abdeckt, weil weltweit ein unterschiedliches Nutzungsverhalten vorliegt, das individuell von Land und Fahrer abhängt. Somit ist es nicht verwunderlich, dass jeder Automobilhersteller eigene, zum Teil geheime Verbrauchszyklen heranzieht und Fachzeitschriften, wie beispielsweise AutoBild oder Auto-Motor-Sport, individuell entwickelte Zyklen verwenden. Im Gegensatz zu den genormten Zyklen, z. B. dem NEFZ oder dem WLTP , haben die Szenarien einen Kurven- und Höhenverlauf, vgl. Abschnitt 2.3. Ignoriert man das Höhenprofil, erhält man einen signifikanten Fehler in der Energiebedarfsprädiktion realer Strecken [GAD14]. Weiterhin sind auf diesen Realszenarien unterschiedliche Fahrerpara- 5 Recursive-Least-Squares-Algorithmus, ein rekursiver Algorithmus auf Basis der Methode der kleinsten Fehlerquadrate. 6 Lineare Mischeffektmodelle sind Erweiterungen linearer Regressionsmodelle für Daten, die in Gruppen gesammelt und zusammengefasst werden. 61 <?page no="77"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale Tabelle 3.4.: Prozentuale Verteilung der Straßenklassen in Deutschland im Jahr 2018 [Sta19b] und der Deutschland-Runde [Wah15]. Deutsches Straßennetz Deutschland- Runde Autobahnen 5,66 % 6,00 % Bundesstraßen 16,54 % 17,35 % Landstraßen 37,83 % 37,53 % Kreisstraßen 39,97 % 39,12 % Innerorts 22,07 % 25,60 % Außerorts 77,93 % 74,40 % meter anwendbar, weil das Geschwindigkeitsprofil nicht, wie es bei den genormten Zyklen der Fall ist, vorgegeben wird. Der Sportwagenhersteller Porsche hat drei reale Fahrzyklen entworfen, die er zum Testen seiner Fahrzeuge heranzieht, um eine Vergleichbarkeit zwischen Baureihen und Modellen zu schaffen [Wah15]. Alle Zyklen starten am Entwicklungszentrum Weissach. Neben einer Autobahnrunde, die entlang der A8 bis nach Kirchheim unter Teck und zurück geht, gibt es eine sogenannte Stuttgarter-Runde. Diese verläuft im inner- und äußerstädtischen Bereich Stuttgarts. Relevant hinsichtlich einer hersteller- und fahrzeugübergreifenden Vergleichbarkeit ist Porsches dritter Zyklus: die Deutschland-Runde. Sie bildet den Anteil unterschiedlicher Straßentypen im deutschen Straßennetz ab, vgl. Tabelle 3.4. Ihr Verlauf inklusive Höhendaten und Geschwindigkeitslimits ist in Anhang B abgebildet. Ein anderer Realfahrtzyklus, der hinsichtlich einer hersteller- und fahrzeugübergreifenden Vergleichbarkeit in Frage kommt, ist ein Real Driving Emissions (RDE)-Testzyklus. Ziel des RDE-Verfahrens ist die Messung von Emissionen, wie beispielsweise Stickoxide oder die Partikelanzahl, im praktischen Fahrbetrieb, d. h. unter realen Strecken- und Umweltbedingungen. Die gesetzliche RDE-Regelung ersetzt nicht den WLTP, sondern ergänzt ihn. Ein RDE-Zyklus besteht aus einem definierten Streckenmix, vgl. Tabelle 3.5. Die Umgebungstemperatur muss zwischen 0 ◦ C und 30 ◦ C liegen und die Höhenlage darf 700 m nicht übersteigen [Eur16]. Der RDE-Zyklus kann unter erweiterten Bedingungen 62 <?page no="78"?> 3.3. Identifikation der Energieeinsparpotenziale Tabelle 3.5.: Für einen RDE-Zyklus geltende Randbedingungen [Eur16]. Bedingung Einheit Stadt Landstr. Autobahn Höchstanteil % 44 43 43 Mindestanteil % 29 23 23 Geschwindigkeitsbereich km/ h 0 - 60 60 - 90 90 - 145 Durchschnittsgeschw. km/ h 15 - 40 - - Standanteil ( < 1 km/ h) % 6 - 30 - - Mindeststrecke km jeweils 16 Gesamtdauer min 90 - 120 Höhendifferenz (Start-Ziel) m ≤ 100 ablaufen mit Höhenlagen von 700 bis 1300 m sowie Temperaturen von − 7 ◦ C bis 0 ◦ C oder von 30 ◦ C bis 35 ◦ C. Der Verlauf eines RDE-Zykluses im Gebiet Karlsruhe, den die IPG Automotive GmbH [IPG19] kreierte und validierte, ist in Anhang B abgebildet. 3.3.5. Sensitivitätsanalyse von Energieeinsparmaßnahmen Die getroffenen, qualitativen Aussagen über die Fahrerparameter in Abschnitt 3.2 müssen quantitativ bestätigt werden. Hierfür werden diese im Folgenden zusammen mit der Reduzierung der Komfortverbraucherleistung und einer c W -Wert-Änderung hinsichtlich ihres Potenzials zur Energieeinsparung untersucht. Ziel der Sensitivitätsanalyse ist es, die einflussreichsten Energieeinsparungen zu identifizieren, sodass diese bei Energieknappheit während einer Fahrt mit dem Elektrofahrzeug angewendet werden können, vgl. Abschnitt 1.4. Zur Ermittlung der Auswirkungen auf die Energiebilanz werden die zwei, im vorherigen Abschnitt beschriebene Zyklen herangezogen: die Deutschland Route, die den Anteil unterschiedlicher Straßentypen im deutsche Straßennetz repräsentiert, sowie ein Zyklus, der auf dem RDE- Testverfahren basiert und zur Messung von Emissionen im praktischen Fahrbetrieb Verwendung findet. Die Vorteile dieser Realzyklen sind, dass sie eine hersteller- und fahrzeugübergreifenden Vergleichbarkeit 63 <?page no="79"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale bieten, keinen Geschwindigkeitsverlauf vorschreiben und ein Höhenprofil enthalten, vgl. Abschnitt 3.3.4. Im Rahmen der Analyse sind die Parameter der Reichweiteneinflussgruppen gemäß Abschnitt 3.1 identisch. Folgende Annahmen werden getroffen: • Fahrer: Ein durchschnittliches Fahrverhalten mit den Initialwerten aus Tabelle 3.6 wird als Referenz angenommen. Für alle Szenarien wird ein Fahrergewicht von 68 kg und 7 kg für das Gepäck gemäß EU-Norm 92/ 21 [Eur92] festgelegt. • Strecke: Die Geschwindigkeitslimits und Ampeln der Zyklen werden positionstreu berücksichtigt. Die Ampelschaltzeiten laufen nach einer festen Frequenz. Die jeweilige Dauer der Grün- und Rotzeiten der Ampeln in den Zyklen sind zufällig festgelegt. Sie schalten im gleichbleibenden Rhythmus, sodass der Vergleich zwischen den Szenarien nicht beeinflusst wird. Falls das Fahrzeug in einem Szenario zu einem späteren Zeitpunkt an einer Ampel ankommt, kann es somit vorkommen, dass die Wartezeit kürzer ausfällt als im Referenzszenario oder die Ampel eine andere Signalfarbe zeigt. Auf den Einfluss von Verkehr und Baustellen wird aus Gründen der Vergleichbarkeit verzichtet. • Umwelt: Als Umweltbedingungen werden - angelehnt an den hohen Nebenverbrauch, der bei winterlichen Temperaturen auftreten kann - die durchschnittlichen Werte des Januars 2019 im Gebiet Karlsruhe verwendet [Sta19a]. Das sind 2 ◦ C, 1,001 bar und 78 % Luftfeuchtigkeit. Daraus resultiert eine Luftdichte von 1,267 kg/ m 3 . Auf den variablen Einfluss des Windes wird aus Gründen der Vergleichbarkeit verzichtet. • Fahrzeug: Die Zyklen werden jeweils mit zwei Elektrofahrzeugen unterschiedlicher Segmente simulativ durchfahren: das Segment B Fahrzeug BMW i3 und der Tesla Modell S , der zum Segment F und S gezählt wird. Im Anhang C werden die jeweilig festgelegten Parametersätze gezeigt. Als initialer State of Charge (SoC) wird jeweils 100 % angenommen. Ausgehend von der Simulation des Referenzszenarios mit initialen Parametern wird für jedes untersuchte Szenario ein Parameter variiert, vgl. 64 <?page no="80"?> 3.3. Identifikation der Energieeinsparpotenziale Tabelle 3.6. Im Referenzszenario fährt ein Fahrzeug mit geschlossenen Fenstern. Da diese während sommerlichen Umgebungsbedingungen geöffnet sein können, wird dieser Fall betrachtet. Die Übertragbarkeit ist gewährleistet, weil der Energieverbrauch bei sommerlichen und winterlichen Bedingungen gemäß Abschnitt 3.3.1 vergleichbar hoch ist. Für geöffnete Fenster wird ein um 0, 03 erhöhter c W -Wert angenommen, vgl. Abschnitt 3.3.2. Da dies in einem Mehrverbrauch resultiert, wird für diesen Fall die Fahrt mit verändertem c W -Wert als Referenzszenario betrachtet und das ursprüngliche Referenzszenario hierzu in Bezug gesetzt, sodass die untersuchte c W -Wert-Änderung ein Schließen der Fenster repräsentiert. Die Dauerleistung P NV von 2,7 kW im Referenzszenario repräsentiert die Leistungsaufnahme aller Nebenverbrauchergruppen an einem Wintertag, vgl. Tabelle 3.3. Im realen Fahrbetrieb ist das Leistungsprofil der Nebenverbraucher nicht konstant. Für die Sensitivitätsanalyse reicht es aus, einen dauerhaften, gemittelten Wert heranzuziehen, weil der Energiebedarf des gesamten Szenarios von Interesse ist und nicht der explizite Leistungsverlauf. Bei extremen Umweltbedingungen, beispielsweise über 30 ◦ C oder unter 0 ◦ C, liegt der Energiebedarf aller Nebenverbraucher über den angenommenen 2,7 kW, weil die Aggregate zur Kühlung oder Beheizung in diesem Fall näher an ihrer maximalen Leistung arbeiten, vgl. Anhang A. Tabelle 3.6.: Initialwerte der Fahrerparameter und Nebenverbraucherleistung sowie deren Variation innerhalb der Sensitivitätsanalyse. Parameter Einheit Initial Variationen a x, max m/ s 2 3 2, 5 / 2 / 1, 5 a BV, max m/ s 2 − 4 − 3 / − 2 a y, max m/ s 2 4 3, 5 / 3 v max km/ h 130 120 / 100 / 90 f v, Treue km/ h 0 − 5 / − 10 c W − 0, 29 bzw. 0, 24 0, 32 bzw. 0, 27 P NV kW 2, 7 2 / 1 / 0, 5 65 <?page no="81"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale Die Veränderung des Energiebedarfs in den variierten Szenarien gegenüber dem Referenzenergiebedarf E Ref wird als prozentualer Reichweitenzuwachs dargestellt. Zur Bestimmung dieser Kenngröße wird die Zykluslänge s Zyklus des Referenzszenarios und der absolute Reichweitenzuwachs s RWZ, abs herangezogen. Mithilfe des Gesamtenergiebedarfs eines Szenarios mit angewendeter Energieeinsparmaßnahme E mod wird der prozentuale Reichweitenzuwachs p RWZ berechnet: p RWZ = s RWZ, abs s Zyklus = E Ref − E mod E mod = E Ref E mod − 1 (3.1) Tabelle 3.7 zeigt die Eckdaten der zwei, für die Sensitivitätsanalyse herangezogenen Realszenarien, die jeweils ausgeführten Energieeinsparmaßnahmen sowie die resultierende prozentuale Reichweitenvergrößerung im Vergleich zum Referenzszenario. Für die Analyse wird das Gesamtfahrzeugsimulationstool IPG CarMaker verwendet. Die Ergebnisse der Analyse verdeutlichen, dass ein Herabsetzen der Nebenverbraucherleistung und der Fahrgeschwindigkeit Einsparpotenziale hinsichtlich des Gesamtenergiebedarfs eines E-Fahrzeugs bergen. Bereits eine Reduzierung der Nebenverbraucherleistung um 600 W auf 2,1 kW hat ein höheres Potenzial als die Beschränkung der maximalen Längsbeschleunigung. Beim Fahrzeug des Segments B hat der Nebenverbrauch einen höheren Einfluss als beim Segment F/ S-Fahrzeug. Dies liegt am geringeren Fahrzeuggewicht, wodurch die Antriebsenergie geringer ausfällt und die benötigte Nebenverbraucherenergie einen höheren Anteil am Gesamtenergiebedarf hat. Im RDE-Zyklus, der ein längeren Autobahnabschnitt enthält als die Deutschland-Runde, bietet eine Reduzierung der Maximalgeschwindigkeit ein höheres EEP. Einen geringen Einfluss in allen Szenarien hat das Reduzieren der maximalen Beschleunigung. Die Verkleinerung des c W - Wertes durch Schließen der Fenster hat ein geringfügig höheres EEP. Eine Geschwindigkeits- oder Beschleunigungsreduzierung resultiert in einer längeren Fahrzeit und somit steigt der Energiebedarf der Nebenverbraucher. Im Falle der modifizierten Querbeschleunigungen a y, max ist zu erkennen, dass der Mehrverbrauch der leistungsintensiven Nebenverbraucher den minimalen Einsparungen im Antrieb, aufgrund der 66 <?page no="82"?> 3.3. Identifikation der Energieeinsparpotenziale Tabelle 3.7.: Ergebnisse der Maßnahmen zur Reichweitensteigerung bei Anwendung eines durchschnittlichen Fahrers im RDE- Zyklus und in der Deutschland-Runde. Zur Berechnung des Referenzverbrauchs werden die Werte aus Tabelle 3.6 herangezogen. Szenario RDE-Zyklus DE-Runde Distanz in km 86, 6 77, 9 Dauer in min ca. 93 ca. 80 v ∅ in km/ h 55, 87 58, 43 Segment B F/ S B F/ S Referenzverbrauch in kWh/ 100 km 22, 4 30, 8 21, 1 30, 7 Maßnahme Reichweitenzuwachs p RWZ gegenüber Referenz v max 120 km/ h 2,7 % 2,4 % 0,8 % 0,6 % 100 km/ h 8,4 % 7,1 % 3,2 % 2,6 % 90 km/ h 13,7 % 11,3 % 9,9 % 9,7 % f v, Treue 0.95 2,3 % 2,0 % 3,6 % 3,9 % 0.90 6,4 % 5,6 % 6,9 % 8,1 % a x, max 2,5 m/ s 2 0,0 % 0,5 % 0,6 % 0,4 % 2 m/ s 2 0,6 % 0,8 % 1,1 % 1,3 % 1,5 m/ s 2 1,7 % 2,3 % 2,1 % 2,5 % a BV, max − 3 m/ s 2 2,2 % 0,9 % 2,4 % 0,9 % − 2 m/ s 2 6,2 % 3,1 % 7,0 % 3,2 % a y, max 3,5 m/ s 2 0,2 % 0,1 % 0,0 % − 0,8 % 3 m/ s 2 0,1 % 0,0 % − 0,1 % − 2,0 % c W − 0, 02 3,4 % 2,8 % 2,9 % 1,9 % P NV 2,1 kW 5,0 % 3,6 % 5,1 % 3,3 % 1,5 kW 10,6 % 7,5 % 10,7 % 7,0 % 0,78 kW 18,2 % 12,6 % 18,3 % 11,8 % 67 <?page no="83"?> 3. Reichweiteneinflüsse und Energieeinsparpotenziale geringeren Kurvengeschwindigkeit, entgegenwirkt. Um analoge Situationen zu erkennen und zu vermeiden, bedarf es einer detaillierten Darstellung der Reichweiteneinflüsse zur präzisen Vorhersage der Nebenverbraucherenergien. Ein prädiktives Energiemanagementsystem, das eine bedarfsgerechte Reduzierung des Energiebedarfs einleitet, benötigt demzufolge Kenntnis über die Strecken- und Umwelteigenschaften, um die potenziellen Energieeinsparungen der vorliegenden Strecken zu berechnen. Aufgrund der Ergebnisse werden die effektivsten Energieeinsparmaßnahmen in das Konzept integriert. Durch die in Abschnitt 3.1 gezeigten Reichweiteneinflüsse und deren Analyse hinsichtlich Maßnahmen zur Reichweitensteigerung nach Fahrtbeginn, wird somit empirisch die dritte Unterforschungsfrage «Welche Energieeinsparpotenziale sind während einer Fahrt mit einem Elektrofahrzeug vorhanden und wovon hängen diese ab? » beantwortet. 68 <?page no="84"?> 4. Prädiktives Reichweiten- und Energiemanagement Aufbauend auf der Motivation und der Zielsetzung analysiert dieses Kapitel den Stand der Technik und Wissenschaft hinsichtlich prädiktiver Reichweitenberechnung und Energiemanagementsysteme (EnMS). Ein prädiktives EnMS nutzt Energiebedarfsvorhersagen. Zunächst wird ein Blick auf verwandte Arbeiten geworfen, die sich mit der Vorhersage des Bewegungsprofils und des Energiebedarfs beschäftigen, wobei der Fokus auf den verwendeten Parametern liegt. Im Anschluss wird der Stand der Technik hinsichtlich thermodynamischer Modelle zum Abbilden des Zustands des Fahrgastraums und zur Berechnung des Energiebedarfs der Fahrzeugklimatisierung beschrieben. Verfügbare Informationsquellen für die Energiebedarfsschätzung werden im zweiten Teilkapitel behandelt. Hierfür wird auf Dienste zum Abruf von Routen- und Verkehrsinformationen sowie von Routenobjekten, Höhen- und Wetterdaten eingegangen. Im dritten Teil dieses Kapitels werden die Begriffe Energiemanagement (EnM) und Energiemanagementsystem (EnMS) erklärt sowie Betriebsstrategien erörtert, die vom EnMS vorgegeben werden. Das Kapitel schließt mit einem Blick auf Ansätze in anderen Arbeiten zum Thema prädiktive EnMS ab. 69 <?page no="85"?> 4. Prädiktives Reichweiten- und Energiemanagement 4.1. Prädiktive Reichweitenberechnung Ein Faktor für die mangelnde Akzeptanz der Elektrofahrzeuge stellt ihr Aktionsradius dar [Wie+12]. Die Reichweitenberechnung bei BEF erfolgt anhand einer Messung oder als Vorhersage. Erstere basiert auf standardisierten Fahrzyklen, die Fahrzeughersteller heranziehen, um Normangaben zu Reichweite und Schadstoffemissionen für die Datenblätter der Fahrzeuge zu erstellen, vgl. Abschnitt 2.3. Eine Vorhersage findet in der Cloud 1 oder im Fahrzeug statt. Im letzteren Fall unterscheidet man bei Serienfahrzeugen zwischen statischer und dynamische Reichweitenanzeige ohne Einbezug prädiktiver Daten aus einer Cloud, vgl. Abschnitt 1.2. Hierbei werden keine Informationen der zu fahrenden Strecke einbezogen, sondern historische Daten und der aktuelle Fahrzeugzustand. Der Einbezug von Informationen der zu fahrenden Strecke und deren Eigenschaften sind Kern einer prädiktiven Reichweitenberechnung, vgl. Abschnitt 3.1. Diese findet simulativ über Modelle am Rechner, in Fahrzeug-Prototypen oder in Serienfahrzeugen statt. In den letzteren Fällen können Teile der Berechnung extern in einer Cloud erfolgen. Gründe für die Erstellung eines Prädiktionsmodells sind von unterschiedlicher Natur. Der erste Schritt zur Vorhersage des Energiebedarfs ist die Schätzung des zukünftigen Bewegungsprofils. Darauf basiert die Berechnung der benötigten Energie, sodass die Reichweite prädiziert werden kann. Die Klimatisierung der Elektrofahrzeuge hat bei warmen und kalten Umgebungstemperaturen einen deutlichen Einfluss auf den Gesamtenergiebedarf. Aus diesem Grund werden im Folgenden thermodynamische Modelle zur Abbildung des Zustands im Fahrgastraum beschrieben, vgl. Abschnitt 4.1.2. 1 Cloud oder Cloud-Computing beschreibt einen Ansatz, IT-Infrastrukturen über ein Rechnernetz zur Verfügung zu stellen, ohne dass diese auf der lokalen Hardware installiert sein müssen. 70 <?page no="86"?> 4.1. Prädiktive Reichweitenberechnung 4.1.1. Energiebedarfsmodelle in verwandten Arbeiten Verlaufsbasierte und modellbasierte Schätzungen Die Autoren in [HPC16] kategorisieren die Reichweitenberechnungsmethoden anhand zweier Ansätze: verlaufsbasierte (historische) und modellbasierte (prädiktive) Schätzungen. Erstere berechnen die benötigte Energie mithilfe des vergangenen Energieverbrauchs, der aktuellen Geschwindigkeit und der verfügbaren Energie in der Fahrzeugbatterie. Historische liefern im Vergleich zu prädiktiven Methoden ungenauere Schätzungen, weil sie annehmen, dass der zukünftige Energieverbrauch des Elektrofahrzeugs mit dem der Vergangenheit übereinstimmen wird [EG15; FS16; HPC16]. Eine Kombination aus den beiden Schätzmethoden ist realisierbar [Lin+16; OWB13]. Kern modellbasierter Ansätze ist die Erstellung eines Geschwindigkeitsprofils über den Zeitverlauf. Das zukünftige Geschwindigkeitsprofil sowie die Beschleunigungs- und Verzögerungsphasen werden unter Berücksichtigung von Strecken-, Umwelt- und Fahrerfaktoren berechnet. Die Arbeiten [RC14; GD13] wenden modellbasierte Schätzmethoden an und benutzen ein vereinfachtes Fahrzeugmodell, welches zur Berechnung der Antriebsenergie für Getriebe-, Wechselrichter- und Motorwirkungsgrad konstante Werte heranzieht. Modellbasierte Schätzverfahren ermöglichen das Fusionieren mehrerer Modelle zu einer Lösung. Der Ansatz in [GD13] kombiniert beispielsweise drei verschiedene Modelle, was zu einem leistungsfähigeren Gesamtmodell führt. Einbezug von Infrastruktur In Zusammenarbeit mit Vodafone hat der Aachener Engineering-Dienstleister FEV das Projekt e-Horizon entwickelt [Köl17]. Es handelt sich hierbei um eine serverbasierte Reichweitenvorhersage für zukünftige Elektrofahrzeuge. Als Grundlage zieht das System Umweltdaten, die aktuelle Verkehrslage, das Höhenprofil des Straßennetzes sowie Fahrzeugdaten wie Batterieladung, Fahrverhalten und Energieverbrauch heran. Ein elektronischer Horizont wird verwendet, um die aktuellen Verkehrsdaten durch Verkehrs- 71 <?page no="87"?> 4. Prädiktives Reichweiten- und Energiemanagement vernetzung (V2X 2 ) an fremde Verkehrsteilnehmer zu übertragen. Informationen zu Verkehrslage, Straßenbedingungen, Gefahrenstellen und Wetterdaten werden hierbei ausgetauscht. Die Arbeiten in [FMA] und [Zha+12] integrieren Telematik- und Internet-of-Things-Lösungen in ihre Schätzungsalgorithmen, die mit verschiedenen Infrastrukturen kommunizieren. Der Nutzer wird darüber informiert und trifft somit effektivere Entscheidungen über Routen, Gebühren und Parken. Die Autoren in [Sar+17] schätzen den SoC 3 um die verbleibende Reichweite zu bestimmen und warnen den Fahrer, sofern das Nachladen des Fahrzeugs erforderlich ist. Dabei wird die nächste Ladestation gezeigt und die Dauer zum Aufladen prognostiziert. In dem vom BMBF geförderten Projekt GreenNavigation [Val+14; Don+15; Vie16; Val+16] werden Energieverbrauchs- und Reichweitenberechnungsdienste beschrieben. Bestandteile dieser Dienste sind die Erfassung und Modellierung von Reichweiteneinflüssen, energieeffiziente Navigation durch Optimierung von Reisezeit und Energieverbrauch, die Einbindung von Ladesäulen, Fahrererziehung durch gezielte Fahrhinweise sowie eine flexible Datenarchitektur und Kommunikationsinfrastruktur durch Nutzung von Echtzeitdaten ausgewählter Mobilitätsdienste und dem Fahrzeugnetzwerk. Insbesondere die Wetterdaten werden für eine präzise Prädiktion der Nebenverbraucherlast verwendet. Ein anderer Ansatz, der außer dem SoC keine zusätzlichen Batterieparameter verwendet, stellt dem Fahrer eine Anzeige zur Verfügung, die Informationen über die verbleibende Reichweite liefert [FMA]. Die Autoren aus [Wer+16] stellen eine OpenService Cloud vor, die unabhängig vom Fahrzeughersteller Dienste für Elektrofahrzeuge anbietet. Einer dieser ist eine selbst-adaptierende, serverbasierte Reichweitenvorhersage für E-Fahrzeuge, die ausschließlich Ladezustand und aktuellen Energieverbrauch verwenden. Die Algorithmen hinter diesem Service berücksichtigen das Höhenprofil des Straßennetzes, die histo- 2 englisch: Vehicle-to-everything, kurz V2X. Eine Verkehrsvernetzung ermöglicht die Kommunikation der Verkehrsteilnehmer untereinander. 3 «State of Charge»: ein Kennwert für den Ladezustand von Akkumulatoren, der die verfügbare und die nominale Kapazität ins Verhältnis setzt. 72 <?page no="88"?> 4.1. Prädiktive Reichweitenberechnung rische Entwicklung der Energiedaten des Fahrzeugs, die Wetterbedingungen sowie das aktuelle Verkehrsgeschehen. Ausgehend von der aktuellen Fahrzeugposition wird die Reichweite in alle Himmelsrichtungen berechnet und die zurückgesendeten Ergebnisse werden im Fahrzeugdisplay als Polygonzug dargestellt. Dieselbe Darstellung, auch Reichweitennetz genannt, verwendet BMW in seinen i Modellen [ElD+13]. Eingangsdaten und Parameter Eingangsdaten dienen zur Bestimmung eines einzelnen Parameters, der im Reichweiten- Schätzalgorithmus Anwendung findet. Diese Daten werden in drei Kategorien eingeteilt: Standard-, historische und Echtzeitdaten [RC14; Sar+17]. Standarddaten sind mit deterministischen, nicht aktualisierenden Phänomenen verbunden, z. B. Route, Höhendaten und Stoppschilder, während historische Daten als stochastische Verhaltenstrends betrachtet werden, beispielsweise Fahrverhalten [RC14]. Echtzeitdaten werden als deterministische oder stochastische Daten angesehen, die in Echtzeit abgerufen und aktualisiert werden, z. B. Verkehr und Wetter. In der Arbeit [RC14] wurde ein Konzept zur Schätzung des Energiebedarfs entwickelt, welches unstrukturierte Daten von Google Maps und Wunderground Weather sammelt. Darin werden fünf Arten von Parametern betrachtet, die als Datenerfassungsknoten bezeichnet werden und notwendig für eine Schätzung der verbleibenden Reichweite sind: Route und Gelände, Wetter und Umwelt, Fahrverhalten, Fahrzeugmodellierung sowie Batteriemodellierung. Die in Abschnitt 3.1 genannten vier Einflussgruppen Strecke, Umwelt, Fahrer und Fahrzeug spiegeln diese wider. Tabelle 4.1 zeigt einen Überblick der Datenerfassungsknoten bzw. Gruppen und deren zugehörigen Datenattribute. Darin werden Arbeiten miteinander verglichen, die in diesem Abschnitt referenziert wurden und mehr als 40 % der gelisteten Datenattribute verwenden. Die Sortierung erfolgt absteigend der Anzahl verwendeter Parameter. Die Ansätze in [ElB+16; HPC16; LW15; Zhe+16] haben die in [RC14] vorgeschlagenen fünf Datenerfassungsknoten als Basis verwendet. Die Autoren der Arbeiten [HPC16; Zhe+16] kritisieren jedoch die darin verwendeten vereinfachten Ansätze zur Bestimmung der Leistungsaufnahme in Bezug auf Beschleunigungen, Geschwindigkeiten und Stei- 73 <?page no="89"?> 4. Prädiktives Reichweiten- und Energiemanagement Tabelle 4.1.: Vollständig ( • ) oder teilweise ( ◦ ) verwendete Datenerfassungsknoten in verwandten Arbeiten. Referenz [Sar+17] [TMS16] [CvC15] [RC14] [HPC16] [FMA] [LW15] [Bed+14] [GHL14] [Fet+17] [Zha+12] [Zhe+16] [WLY17] [Wu+15] [BMJ14] Distanz • • • • • • • • • • • • • Verlauf • • • • • • • • • • • • Schilder • • • • • • • • • • Stau • • • • • • • • • • • • • Koordinaten • • • • • • • • • • • • • • Zeit-Ziel • • • • • • • • • • Steigung • • • • • • • • • • • Ladepunkte • • • • • Windgeschw. • • • • • • • • • • Windrichtung • • • • • • Temperatur • • • • • • • • • • • • • Tag/ Jahr ◦ ◦ • ◦ • ◦ • ◦ • Niederschlag • • • • • • • • Sicht • • • Beschl./ Verz. • • • • • • • • • • • • • • Fahrgeschw. • • • • • • • • • • • • • Historie • • • • • • • • • • • Reiserichtung • • • • Start-Stopp • • • • • • • Masse • • • • • • • • • • • • • • Verbraucher • • • • • • • • • Passagiere • • • • Getriebever. • • • Schwerkraft • • • • • • Reib./ Trak. • • • • • Rollwid. • • • • • • • • Geschw. • • • • • Rekuperation • • • • • • • • Reifendruck • • • A, c W • • • • ◦ • ◦ ◦ ◦ ◦ • ◦ Effizienz • • • • • • • • • • • • • • 74 <?page no="90"?> 4.1. Prädiktive Reichweitenberechnung gungen. In [SSW17] wurden zusätzliche Attribute identifiziert, die in [RC14] fehlen. Alle in den genannten Arbeiten gefundenen Datenattribute wurden hier durch Zusammenfassen und durch die Einordnung des Batteriemodells in die Gruppe Fahrzeug auf 32 Datenattribute reduziert, vgl. Tabelle 4.1. Die Batteriemodellierung wird darin nicht gelistet, weil alle genannten Arbeiten ein entsprechendes Modell verwenden. Schwächen Die Mehrheit der referenzierten Arbeiten adressiert nicht das Problem der Echtzeit-Reichweitenschätzung und berücksichtigt keine Umweltfaktoren und kein Fahrerverhalten [Bed+14]. Diese Faktoren wirken sich in der Realität auf die verbleibende Reichweite aus, sodass unterschiedliche Fahrten auf der identischen Route signifikant variieren. Fahrtlänge, Straßentyp, Geschwindigkeitslimits, Echtzeit-Verkehrsdaten und Wetterdaten haben die höchste Relevanz hinsichtlich einer genaueren Schätzung der Reichweite und erfordern somit eine stärkere Gewichtung [RC14]. Konkrete Werte hinsichtlich der Relevanz dieser Parameter werden nicht genannt. Ein Unterscheidungsmerkmal ist die Nutzung oben genannter Datenerfassungsknoten hinsichtlich der Wetterdaten. Die Arbeiten [Yan+13; van+11] verwenden ausschließlich die Umgebungstemperatur als Eingangsgröße, während in [Laj+17] zusätzlich die Strömungsgeschwindigkeit berücksichtigt wird. Alle genannten Referenzen mit Ausnahme von [Val+14] beziehen die Sonneneinstrahlung nicht ein. Dies führt zu einer ungenaueren Modellgüte bei sommerlichen Bedingungen, weil die Sonnenstrahlung den notwendigen Energiebedarf der Fahrzeugklimatisierung beeinflusst. Reifeneigenschaften, z. B. Druck oder Typ, die Fahrgeschwindigkeit und die Fahrbahnoberfläche beeinflussen den Rollwiderstandskoeffizient f R . In den Arbeiten [Asa+16; DBL11; Hay+11; Mai+11] wird dieser als konstanter Wert angenommen. Eine Änderung des Rollwiderstandskoeffizienten von 0.015 auf 0.01 führt zu einer um ca. 14 % veränderten Energiebilanz [DBL11]. Dieser Koeffizient hängt hauptsächlich vom Reifen und der Fahrbahnoberfläche ab, vgl. Abschnitt 3.3.2. Arbeiten, die als Rollwiderstandskoeffizient einen konstanten Wert festlegen, nehmen somit Abweichung in der Energiebedarfsberechnung in Kauf. Ausschließlich in [WLY17] wird ein geschwindigkeitsabhängiger Roll- 75 <?page no="91"?> 4. Prädiktives Reichweiten- und Energiemanagement widerstandskoeffizient erwähnt, ohne die zugehörigen Parameter zu nennen. In keiner der in diesem Abschnitt referenzierten Arbeiten konnte eine dynamische Berechnung der Luftdichte auf Basis von Wetterdaten identifiziert werden, wodurch ein Fehler in der Berechnung des Luftwiderstands entsteht, vgl. Abschnitt 3.3.2. 4.1.2. Einfluss der Fahrzeugklimatisierung Umweltbedingungen haben Einfluss auf die Klimatisierung, vgl. Abschnitt 3.1.1. Dadurch kann die Reichweite eines Elektrofahrzeugs reduziert werden [Blo14; LGH13; Bas15]. Um den thermodynamischen Einfluss verschiedener Umweltbedingungen auf den Fahrgastraum und somit auf die Fahrzeugklimatisierung abzubilden, bedarf es einer geeigneten Modellierung. Das in dieser Arbeit entworfene Modell hat den Zweck den Energiebedarf der Fahrzeugklimatisierung unter Berücksichtigung der Komfortaspekte der Passagiere vorherzusagen. Aufgrund des unterschiedlichen Kälteempfindens der Körperteile [Onm19] und des maximalen vertikalen Lufttemperaturunterschieds, d. h. zwischen Kopf und Fuß, von 3 ◦ C zur Gewährleistung der thermischen Behaglichkeit gemäß DIN EN ISO 7730 [Deu01a], ist es sinnvoll, die Temperaturen im Umfeld der Körperteile getrennt voneinander zu betrachten. Dies erfordert eine Einteilung des Fahrgastraums in mehrere Volumen. Die Temperaturverteilung und Wärmeströme im Fahrgastraum können mithilfe der numerischen Strömungsmechanik detailliert untersucht werden. Deren Modellierungsaufwand ist höher als bei ein- und mehrvolumigen Simulationsmethoden und die Simulationsgeschwindigkeit ist für schnelle Vorhersagen zu langsam [Pan+12; Ye12]. Für eine schnell rechnende Energiebedarfsprädiktion (EBP), die zur verlässlichen Aussage über die Zielerreichung vor Fahrtbeginn benötigt wird, ist diese Modellierung somit nicht geeignet. Vor- und Nachteile von empirischen, ein- und mehrvolumigen Simulationsmethoden sowie von Ansätzen mit numerischer Strömungsmechanik 4 werden in [Wag09] diskutiert. 4 Computational Fluid Dynamics (CFD) 76 <?page no="92"?> 4.1. Prädiktive Reichweitenberechnung In der Literatur wurden verschiedene Modelle zur Berechnung der Temperatur im Fahrgastraum vorgestellt. Eine Übersicht zeigen [FB13] und [Lee+15]. Andere verwandte Arbeiten konzentrierten sich hauptsächlich auf ein Modell des Fahrgastraums mit einem einzigen Volumen [Laj17; Val+14]. Beim Einbezug der Sonneneinstrahlung als Eingangsgröße für das Modell, bieten Modelle mit mehreren Volumen Vorteile gegenüber den Ein-Volumen-Modellen. Die partielle Erwärmung eines Volumens führt zu thermodynamischen Effekten, die nicht durch ein Ein-Volumen-Modell dargestellt werden können. 4.1.3. Anlehnung und Abgrenzung der eigenen Arbeit Da die Arbeiten [EG15; HPC16] zeigen, dass prädiktive genauer als historische Methoden sind, verwendet das vorgestellte Konzept eine Kombination aus historischen Fahrerparametern und einem prädiktiven, modellbasierten Schätzer, anlehnend an die Arbeiten [FS16; Lin+16; OWB13]. Darin bildet der modellbasierte, prädiktive Ansatz alle außerhalb des Fahrzeug liegenden Faktoren ab, beispielsweise Route, Verkehr, Umgebungstemperatur, Windrichtung u. -geschwindigkeit und Topographie. Gestützt wird das Konzept durch eine unmittelbare Auswertung des Fahrverhaltens, das zu den inneren Faktoren zählt. Anhand der zurückgelegten Strecke der aktuellen Fahrt, werden die erkannten Fahrerparameter für die EBP der verbleibenden Fahrt herangezogen. In dem hier vorgestellten Ansatz werden analog zur Vorgehensweise in [GD13] Modelle kombiniert. Ein Modell zur EBP des Antriebs wird mit Modellen zur EBP des HLK-Systems gekoppelt. Der Fahrgastraum wird darin durch fünf Volumen dargestellt, die unter Einbezug aller relevanten Wärmeübertragungsmechanismen miteinander in Wechselwirkung stehen. Dadurch wird die durchschnittliche Temperatur der Luft jedes Volumens berechnet. Der Ansatz geht einen Kompromiss zwischen Rechenzeit und Genauigkeit hinsichtlich thermischen Komforts ein. Zusätzlich werden die Parameter, Passagierzahl, Umgebungstemperatur, Fahrgeschwindigkeit und Sonnenstrahlung einbezogen. Letzterer Parameter wird in keinem anderen Ansatz verwendet, mit Ausnahme von [Val+14]. Die Einteilung des Fahrgastraums in fünf 77 <?page no="93"?> 4. Prädiktives Reichweiten- und Energiemanagement Volumen ermöglicht im Vergleich zu Modellen mit einem [Val+14] oder zwei Volumen [Bas15] eine detailliertere Betrachtung des thermischen Komforts im Fahrgastraum. Insbesondere die Wirkung der Sonnenstrahlung bewirkt Strömungen, die mit einem Ein- oder Zwei-Volumen- Modell nicht abzubilden sind. Das im Konzept vorgestellte Fünf-Volumen-Modell wird in der Auflistung der verwendeten Datenattribute unter Nebenverbraucher eingeordnet, vgl. Tabelle 4.1. In Summe verwendet die EBP des vorgestellten Konzepts über 80 % der identifizierten Datenattribute und orientiert sich somit an den Ansätzen mit der höchsten Anzahl an Datenattributen [Sar+17; TMS16]. Nur die Datenattribute Jahr und Start-Stopp finden im vorgestellten Konzept keine Verwendung. Letzteres Attribut bezieht sich auf eine realitätsnähere Abbildung des Geschwindigkeitsverlaufs, vgl. Abschnitt 9.2.1. Die wichtigsten Faktoren der Reichweiteneinflussgruppen Strecke, Umwelt, Fahrer sowie Fahrzeug werden somit einbezogen. Die Modellierung der strecken- und geschwindigkeitsabhängigen Nutzung der Servolenkung sowie der strecken- und umweltabhängigen Nutzung des Beleuchtungs- und Scheibenwischersystems, erhöhen zusätzlich die Genauigkeit der EBP. Hierfür wird eine Kombination aus Echtzeitdaten zur Ermittlung der Randbedingungen, z. B. das Wetter, entlang der Strecke sowie historischen Fahrerparametern verwendet. Die höchste Variabilität des Wirkungsgrades des Antriebsstrangs wird durch den Elektromotor verursacht [Asa+16]. Anders als die Arbeiten [GD13; RC14], die einen konstanten Motorwirkungsgrad annehmen, wird im hier vorgestellten Konzept das Kennlinienfeld der elektrischen Antriebsmaschine herangezogen, sodass der Wirkungsgrad situationsabhängig in die Energieberechnung einfließt. Die Unsicherheit bei der Berechnung des Gesamtenergiebedarfs eines Elektrofahrzeugs hängt, neben der Effizienz der Antriebskomponenten, hauptsächlich vom Rollreibungskoeffizienten, der Luftdichte und dem Energiebedarf der Nebenverbraucher ab [Asa+16]. Aus diesem Grund wird dem Einfluss der Rollreibung im hier vorgestellten Konzept durch eine geschwindigkeitsabhängige Ermittlung des Rollreibungskoeffizienten Rechnung getragen, vgl. Abschnitt 2.2.1. Dieser wird nicht als konstant angenommen, wie es in den Arbeiten [Asa+16; DBL11; Hay+11; 78 <?page no="94"?> 4.1. Prädiktive Reichweitenberechnung Mai+11] der Fall ist. Dies hat sich als Notwendigkeit herausgestellt, weil eine Änderung des Rollwiderstandskoeffizienten von 0.015 auf 0.01 den Energiebedarf um ca. 14 % verändert [DBL11]. Bei Geschwindigkeiten ab 80 km/ h birgt die Luftdichte eine höhere Unsicherheit hinsichtlich des Energiebedarfs, vgl. Abschnitt 3.3.2. Aus diesem Grund wird im hier vorgestellten Konzept die Luftdichte dynamisch entlang der Route mithilfe der Temperatur, der Luftfeuchtigkeit und des Luftdrucks berechnet, vgl. Gleichung (2.4). In keiner der untersuchten, verwandten Arbeiten aus Abschnitt 4.1.1 wird die Luftdichte dynamisch anhand der Wetterdaten ermittelt. Das schematische Vorgehen und ein Teil der Implementierung lehnen an die Methode in [Gut+15] an. Der in dieser Arbeit vorgestellte Ansatz unterscheidet sich wie folgt dazu: • Verzicht auf das Interpolieren der Höhendaten, weil die Höhe an jedem Wegpunkt von Diensten wie beispielsweise HERE zur Verfügung gestellt werden. • Einbezug des geschwindigkeitsabhängigen Rollwiderstandskoeffizienten. • Berechnung der dynamischen Luftwiderstands in Abhängigkeit der Wetterdaten. • Berücksichtigung des Verkehrsaufkommens bereits während der Routenauswahl. • Abruf alternativer Routen abgerufen und Vorausberechnung des Energiebedarfs für alle bereitgestellten Routen. Die zwei letzten Punkte sind für ein prädiktives Energiemanagementsystem relevant, weil eine alternative Route, die nicht die schnellste Route darstellt, energieeffizienter ausfallen kann als die vom Routenanbieter bereitgestellte Hauptroute. Umgekehrt kann bei der Routenauswahl ohne Einbezug des Verkehrsaufkommens eine Route vorgeschlagen werden, für deren Zurücklegen ein höherer Energiebedarf notwendig ist, als bei einer Route mit weniger oder keinem Verkehrsaufkommen. Auf eine detaillierte Anlehnung und Abgrenzung zum Ansatz in [Gut+15] wird nochmals an der jeweiligen Stelle innerhalb der Implementierung verwiesen, vgl. Kapitel 6. 79 <?page no="95"?> 4. Prädiktives Reichweiten- und Energiemanagement 4.2. Quellen für prädiktive Daten Ein Elektronischer Horizont (E-Horizont), der für die Funktionsfähigkeit eines prädiktiven Energiemanagementsystems notwendig ist, kann mit Informationen von externen Datenanbietern angereichert werden. Hierbei gibt es Dienste zum Abrufen von Routen, Echtzeit-Verkehrsinformationen, Wetterdaten und zusätzlichen Kartendaten. Die Anbieter Google [Goo18], TomTom [Tom18], HERE [HER18] und andere Anbieter, welche die frei verfügbare Datenbasis von OpenStreetMap (OSM) nutzen, bieten genannte Dienste über eine Anwendungsprogrammierschnittstelle (API) an, vgl. Tabelle 4.2. Routenplaner und Echtzeit-Verkehrsinformationen werden von TomTom und HERE beispielsweise gemeinsam zur Verfügung gestellt, während man bei Google diese durch multiple Anfragen erhält. Im Folgenden wird auf verschiedene Anbieter und deren angebotene Dienste eingegangen, darunter Routenplaner und Verkehrsinformationen sowie das Abrufen von Streckenobjekten, Höhen- und Wetterdaten. 4.2.1. Routenplaner und Verkehrsinformationen Neben den Optionen kürzeste Route oder schnellste Route bieten einzelne Navigationssysteme oder -dienste die Auswahl einer energieeffizienten Route an [KF12]. Als Hauptkriterien zur Schätzung des Kraftstoffverbrauchs verwenden Navigationssysteme die Straßenklassen sowie die Anzahl der Ortsdurchfahrten und Kreuzungen [Gau13]. Die Berechnungen basieren auf den zu erwartenden Geschwindigkeiten und Beschleunigungen, wobei der Fahrzeugtyp, beispielsweise Motorrad, Pkw oder Lkw, berücksichtigt wird. Die Routenplaner, die eine API zum Abruf ihrer proprietären Dienste anbieten, stellen keine öffentlichen Informationen über ihren Berechnungsalgorithmus hinsichtlich des Zeitbedarfs mit und ohne Verkehr zur Verfügung. Als Quelldaten werden Floating Phone Data (FPD) 5 oder Floating Car Data (FCD) 6 herangezogen. 5 Bewegungsdaten von mobilen Endgeräten 6 Bewegungsdaten von Fahrzeugflotten 80 <?page no="96"?> 4.2. Quellen für prädiktive Daten Tabelle 4.2.: Von verschiedenen Anbietern zur Verfügung gestellte Dienste, die zum Abruf von streckenabhängigen Reichweiteneinflüssen über Anwendungsprogrammierschnittstellen dienen. OSM Google TomTom HERE Andere Route(n) MapQuest, Skobbler, etc. Directions API Routing API Routing API - Echtzeit- Verkehr nur TMC Traffic API Routing API Traffic API - Höhendaten Open- Elevation API Elevation API Search API Routing API SRTM Wetter Open- Weather- Map - Advanced Weather API Destination Weather API SolCast Geschw.limits Overpass API Geocoder API - Routing API - Ampeln Overpass API - - Advanced Data Sets - Brücken/ Tunnel Overpass API - Energieverbrauch - vereinfacht (in Routing API) - 81 <?page no="97"?> 4. Prädiktives Reichweiten- und Energiemanagement Über das Radio-Daten-System (RDS) wird der Verkehrsmeldungskanal Traffic Message Channel (TMC) als digitale Zusatzinformation beim analogen UKW-Rundfunk ausgestrahlt. Er enthält verzögerte Echtzeitdaten, weil das System ca. alle 15 Minuten aktualisiert. Außerdem wird nur der Verkehr auf Autobahnen und den größten Bundesstraßen übermittelt. Als Datenquellen dienen Polizei, Automobilclubs und Staumelder [Dir18]. Die Transport Protocol Experts Group (TPEG) hatte zum Ziel detailliertere Verkehrs- und Reiseinformationen bereitzustellen und TMC abzulösen. Die Abkürzung TPEG wird mittlerweile als Synonym für das Datenprotokoll verwendet, das durch die Expertengruppe erarbeitet wurde. TPEG ist als Datendienst im digitalen Radio spezifiziert. Seit 2007 sind die Foren von TMC und TPEG in der Nachfolgeorganisation Traveller Information Services Association (TISA) aufgegangen [TIS19]. Der als TMCpro betitelte, gebührenpflichte Stauwarndienst Navteq Traffic basiert auf der Funktionsweise von TMC. Im Vergleich zu TMC verfügt er über Echtzeitdaten, weil zusätzlich Navteq -eigene Straßensensoren, in Deutschland sind es ca. 10.000, und FCD aus GPS- Endgeräten mit Onlinefunktionalität einbezogen werden. Nokia hatte 2007 den Routenservice map24 von Navteq übernommen. Im Jahr 2012 wurden die Geodatendienste in HERE [HER18] umgetauft und 2015 von Nokia zu gleichen Teilen an Audi, BMW und Daimler verkauft. Mittlerweile haben Intel , Bosch , Continental und asiatische Investoren Anteile an HERE . Seit August 2016 heißt die Navigations-App HERE WeGo und bedient die Plattformen Android und iOS . Zusätzlich stellt HERE APIs im REST 7 und JavaScript Format zur Verfügung, wozu u.a. Kartendarstellung auf unterschiedlichen Geräten, Routenführung, Echtzeit- Wetterdaten, Echtzeit-Verkehrslage zählen. Diese Dienste stehen für ein begrenztes Kontingent zur kostenfreien Nutzung bereit. Die Kartendaten von HERE werden von Bing und Yahoo verwendet. Einer der bekanntesten Anbieter auf dem Gebiet der Routenberechnung ist Google [Goo18] mit seinen Diensten Google Maps und Google Live Traffic . Über die Google Directions API besteht die Möglichkeit zur einfachen Erzeugung einer präzise definierten Route. Die Echtzeit- Verkehrsinformationen sammelt Google anhand von FPD mithilfe von 7 Representational State Transfer. REST bezeichnet ein Programmierparadigma für verteilte Systeme, im Speziellen für Internetdienste. 82 <?page no="98"?> 4.2. Quellen für prädiktive Daten Geräten, auf denen Google Dienste oder Google Maps laufen. Durch Android Auto gibt es eine Lösung für die Einbindung von Android- Geräten in das Infotainmentsystem eines Kraftfahrzeugs. Apple bietet mit der Software Apple Maps , die auf all ihren Geräten installiert ist, einen Routenplaner inklusive Echtzeit-Verkehrsdaten. Nutzer, deren Ortungsdienst auf dem Gerät aktiv ist, überträgt bei Autofahrten regelmäßig Informationen zu Position und Geschwindigkeit an Apple . Mit Apple Carplay gibt es - analog zu Googles Android Auto - eine Lösung für die Einbindung von iPhones in das Infotainmentsystem eines Kraftfahrzeugs. Das amerikanische Unternehmen INRIX bietet mit seinem INRIX XD Traffic einen Echtzeit-Verkehrslagedienst an [INR19]. Ziel ist es, Lösungen für die heutigen Probleme des Transportsektors zur Verfügung zu stellen. Das Unternehmen unterhält eine Datenbank mit Variablen, die den Verkehr beeinflussen, einschließlich Wettervorhersagen, besonderen Ereignissen, Schulplänen sowie Straßenbau. INRIX kombiniert diese mit den gesammelten Echtzeitdaten aus verknüpften Geräten, um Verkehrsvorhersagen zu erstellen. Mehr als die Hälfte aller vernetzten Autos weltweit nutzen INRIX -Dienste, darunter die Fahrzeughersteller Audi , BMW , Ford , Toyota , Volkswagen und Volvo [Dir18]. Durch die Übernahme von OpenCar fordert INRIX Apple und Google im Auto heraus [Mar16]. Das OpenCar Framework wird komplett vom Autohersteller kontrolliert und ermöglicht somit marken-, modell- und regionsspezifische Berührungs- und Sprachsteuerung über das gesamte Infotainment-Programm hinweg. Android Auto und Apple CarPlay beschränken die markenspezifische Individualisierung durch die OEMs und benötigen Zugriff auf sensible Nutzerdaten und Sensoren. OpenStreetMap (OSM) [Ope18a] ist ein Open Source Projekt, das der Engländer Steve Coast im Jahre 2004 gründete. Die Grundidee dahinter ist, dass die Mitglieder selbständig Georeferenzen in die OSM Datenbank einpflegen und diese Daten allen anderen Anwendern kostenlos zur Verfügung stellen. Auf diese Weise wurde innerhalb kurzer Zeit eine große Menge an geografischen Informationen gesammelt, die eine Abstraktion der Realität, zumindest in bewohnten Gebieten, bereitstellt. Auf der Webseite von OSM ist ausschließlich die Suchen nach Adressen und Objekten implementiert. Für eine Routengenerierung werden 83 <?page no="99"?> 4. Prädiktives Reichweiten- und Energiemanagement auf der OSM Datenbank basierende, externe Dienste herangezogen, beispielsweise MapQuest , OSRM , Skobbler , YOURS , GraphHopper Maps , CartoType oder Valhalla . Alle genannten Routenplaner haben keine Echtzeit-Verkehrslage für den europäischen Raum integriert [NS19]. OpenRouteService verwendet in Deutschland die TMC Technologie. Das niederländische Unternehmen TomTom bietet mit TomTom Maps einen Dienst zum Anzeigen von Karten sowie Berechnen von Routen und betreibt unter dem Namen TomTom (HD) Traffic einen Verkehrslagedienst mit Echtzeit-Verkehrsinformationen [Tom18]. Dafür werden FCD von TomTom sowie von Drittanbietern ausgewertet. Hinzu kommen zusätzlich Informationen von Straßensensoren und klassische TMC- Daten. Dadurch ist TomTom Traffic schneller und exakter als TMC und deckt Nebenstraßen ab. Seit April 2018 beliefert TomTom den Fahrzeughersteller BMW mit Echtzeitverkehrsinformationen [Dir18]. Weiterhin bietet TomTom Telemetrie- und Flottenlösungen an. Neben den eigenständigen Navigationsgeräten, vermarktet TomTom Apps für Android und iOS . Der Routenplaner des ADAC beinhaltet die Echtzeit-Verkehrslage und weitergehende Informationen wie Gefahrenmeldungen, Tankstellen und Reisekosten basierend auf einem festgelegten Kraftstoffverbrauch, es gibt jedoch keine Schnittstelle zum Abrufen der Daten [ADA19a]. Das Unternehmen PTV Group mit Sitz in Karlsruhe hat ein ähnliches Portfolio wie HERE , TomTom und Google , legt den Fokus jedoch auf Lkw- Navigation und Flottenmanagement [PTV18]. Unter [Guy19] findet sich ein Elektroauto-Routenplaner, der bei Bedarf über 100.000 gelistete Stromtankstellen in die Routenführung einbinden kann. Dieser Dienst steht ausschließlich über einen Browser zur Verfügung. 4.2.2. Streckenobjekte, Höhen- und Wetterdaten Zu den streckenabhängigen Reichweiteneinflüssen gehören Höhendaten, Streckenobjekte und Wetterdaten, vgl. Abschnitt 3.1. Geschwindigkeitslimits stehen über eine Gecoder API bei Google und HERE zur Verfügung. Die Overpass API [Olb17] ermöglicht das Abrufen von Höhendaten und Positionen der Geschwindigkeitslimits, Schilder und Tunnel aus der umfangreichen OSM Datenbasis. 84 <?page no="100"?> 4.2. Quellen für prädiktive Daten Daten über die geographische Höhe sind von der Google Elevation API , der HERE Routing API oder der TomTom Search API abzurufen. Weiterhin gibt es Höhendaten aus dem Shuttle Radar Topography Mission (SRTM) C-Band 8 Datensatz, der die genausten, frei verfügbaren Höhendaten zur Verfügung stellt. Der Datensatz besteht aus Höhenwerten, die in einem Rechteckraster mit einer Auflösung von 1 × 1 Bogensekunden zur Verfügung stehen. Dies führt beispielsweise in Deutschland zu einem Raster von ca. 23 × 30 m. Um diese Daten für die Wegpunkte entlang der Route zu verwenden, deren Koordinaten in den meisten Fällen nicht zur Rasterposition passen, müssen Werte interpoliert werden. Seit 2017 stehen die Höhendaten innerhalb des OSM- Datensatzes, die auf den Daten des SRTM C-Bandes Bandes basieren, über die Open-Elevation API zur Verfügung. Genauere satellitengenerierte Höhenmodelle, beispielsweise vom Satellit ALOS, mit einer horizontalen Auflösung von 5 m stehen Forschern kostenpflichtig zur Verfügung [Eur19]. TomTom mit der Advanced Weather API und HERE mit der Destination Weather API stellen Wetterinformationen zur Verfügung. Google hat seine Weather API eingestellt und bietet Wetterinformationen ausschließlich für die Android Umgebung an. OpenWeatherMap ist ein umfangreicher Wetterdienstleister, der aktuelles, historisches und vorhergesagtes Wetter zum Abrufen anbietet [Ope18b]. Alle genannten Wetterdienste liefern keine Informationen über die aktuelle Sonnenintensität, die für das Abbilden des thermodynamischen Zustands im Fahrzeuginnenraum notwendig ist. Diese Daten bietet der australische Anbieter Solcast an [LE18]. Die HERE Routing API [HER19] enthält den Parameter Consumption Models, mit dessen Hilfe der Energiebedarf berechnet werden kann. Das herangezogene Modell ist vereinfacht, da für jede Fahraktion, z. B. Beschleunigen, Verzögern, Bergfahrt, Talfahrt oder Stehen an der Ampel, der Verbrauch einer frei definierbaren Energieeinheit angegeben werden muss. Solch ein Energieverbrauchsmodel bietet auch TomTom als Funktion in seiner Routing API an [Tom18]. 8 Fernerkundungsdaten der Erdoberfläche, die im Februar 2000 aus dem Weltraum aufgezeichnet wurden. 85 <?page no="101"?> 4. Prädiktives Reichweiten- und Energiemanagement 4.3. Energiemanagement und Betriebsstrategie 4.3.1. Energiemanagement und -systeme Im Jahr 2009 wurde der Aufbau eines betrieblichen Energiemanagementsystems in der Norm DIN EN 16001 verfasst, der auf eine langfristige Steigerung der Energieeffizienz von Unternehmen abzielt. Die formellen Anforderungen orientieren sich dabei an der Umweltmanagementnorm ISO 14001. Die Begriffe Energiemanagement (EnM) und Energiemanagementsystem (EnMS) wurden in dieser Norm erstmalig definiert. Im Jahr 2011 wurde sie durch die EN ISO 50001 abgelöst [Kah+12]. Diese enthält Vorgaben für ein systematisches EnM, welches Organisationen dazu verhelfen soll, Energiekosten, Treibhausgase und andere Auswirkungen auf die Umwelt zu reduzieren. Das EnM wird in dieser Norm als «Summe aller geplanten oder durchgeführten Maßnahmen zur Sicherstellung des minimalen Energieeinsatzes für eine geforderte Leistung» definiert. Um diese Anforderungen zu erfüllen, beeinflusst ein EnMS technische und organisatorische Abläufe sowie deren Verhaltensweisen. Ein EnMS wird gemäß EN ISO 50001 wie folgt definiert: «Ein Energiemanagementsystem ist durch eine systematische Erfassung der Energieströme gekennzeichnet und dient als Entscheidungsgrundlage über Investitionen zur Verbesserung der Energieeffizienz.» Um den Einfluss des EnMS zu verbessern wird es in Abhängigkeit der Randbedingungen um technische Lösungen ergänzt. Dazu zählen Wandler-, Aktuator- und Speichersysteme, um die Steuerung und Regelung des Systems zu optimieren [Obe15]. Energiemanagement in Kraftfahrzeugen Eine abstrahierte Übertragung der Ansätze aus der EN ISO 50001 und deren Vorgängern ist von der Gebäudetechnik auf das Kraftfahrzeug durchführbar. Die Ähnlichkeit der Abläufe und Strukturen, z. B. dem Vorhandensein von Energiequellen, -wandlern und -verbrauchern, sowie deren technischen Problembeschreibungen und Lösungsmethoden, begünstigen dies [Büc08]. 86 <?page no="102"?> 4.3. Energiemanagement und Betriebsstrategie Seit den 1990er Jahren wird der Begriff EnM häufiger in Verbindung mit Kraftfahrzeugen verwendet. Ein EnMS wurde primär in verbrennungsmotorischen Fahrzeugen zur Sicherstellung der Funktionsverfügbarkeit des elektrischen Bordnetzes eingesetzt. Die Anzahl elektrischer Nebenverbraucher stieg stetig an, sodass ihr gesamter Leistungbedarf seit 1990 von 1,5 kW auf ca. 3 kW zunahm, während die verfügbare, elektrische Leistung nur geringfügig wuchs. Ungeachtet dessen müssen die Anforderungen an das Bordnetz, wie beispielsweise der Motorstart, erfüllt werden. Der Begriff elektrisches EnM bezieht neben der Funktionsgewährleistung die Energiewandlungskette zur Erzeugung elektrischer Energie ein [Büc08]. Dabei wird zwischen effizienter Bereitstellung und Nutzung elektrischer Energie unterschieden. Folglich gehört zu den Zielen eines Energiemanagementsystems, die Bereitstellung und Nutzung aller betriebsnotwendigen Energieflüsse mit höchstmöglicher Effizienz zu gestalten. Dabei muss das EnMS einen Kompromiss zwischen der zuverlässigen Energiebereitstellung und deren effizienten Wandlung finden [Büc08]. Zwei Teilfunktionen stellen hierbei die Speicherung und Bereitstellung elektrischer Energie sicher: 1. Die Steuerung der Wandlung von mechanischer in elektrische Energie und deren anschließende Speicherung. Die Steuerung wird optimiert, sodass sie verschiedene Randbedingungen einbezieht, z. B. den Betriebspunkt des Verbrennungsmotors, die Topografie der Strecke oder das Fahrverhalten. 2. Die Zuteilung der im ersten Punkt genannten Energie an die einzelnen Verbraucher hinsichtlich ihrer Leistungsanforderung. Damit in dieser zweiten Teilfunktion eine optimierte Steuerung erzielt wird, definiert man hier gleichermaßen Randbedingungen, z. B. die Generatorauslastung oder den Speicherstand der Batterie, als Optimierungskriterien, die nach einer festgelegten Priorität abgearbeitet werden. Die Energieeffizienz besteht aus Maßnahmen, die einerseits Energie durch einen bedarfsgerechten Einsatz effizienter ausnutzen und andererseits die Bereitstellung optimieren sowie Energiewandlung und Nutzung entkoppeln [Obe15]. Diese Maßnahmen sind auf andere Ener- 87 <?page no="103"?> 4. Prädiktives Reichweiten- und Energiemanagement gieformen, z. B. hydraulische, pneumatische oder mechanische Energien, übertragbar. Der Nutzer hat verschiedene Anforderungen an sein Kraftfahrzeug. Diese erfordern unterschiedliche Funktionen und Teilfunktionen, die durch ein EnMS sinnvoll koordiniert, gesteuert oder geregelt werden müssen. Langfristige Schädigungen, z. B. zu hohe Ladespannungen oder zu hohe Zyklisierung, und die ungewollte Entladung des Akkumulators werden durch potenzielle Fehlerfälle hervorgerufen. Damit keine Menschen durch Fehlfunktionen zu Schaden kommen, muss die funktionale Sicherheit eines Produktes gewährleistet werden. Dazu wurde die Norm ISO 26262 Road vehicles - Functional Safety [Hil11] geschaffen. Der Sicherheitslebenszyklus für Straßenfahrzeuge bis zu einem zulässigen Gesamtgewicht von 3500 kg wird darin beschrieben. Weiterhin wurden Anforderungen definiert, die sich auf Management, Entwicklung, Produktion, Betrieb, Service und Außerbetriebnahme der Produkte beziehen. Somit ist diese Norm für EnMS relevant. Energiemanagement in Elektrofahrzeugen Ein EnMS im Elektrofahrzeug muss andere Randbedingungen beachten als es bei Verbrenner- oder Hybridfahrzeugen der Fall ist. Die Steuerung und Regelung des Verbrennungsmotors und den hiervon abhängigen Komponenten entfällt. Da in einem batterieelektrischen Fahrzeug zwei oder mehr Spannungsebenen vorhanden sind, ist eine der Aufgaben des EnMS die Verteilung der Energie innerhalb dieser. Die Steuerung und Regelung von Wechselrichter, Elektromotor, DC/ DC-Wandler und verbauten HV-Nebenverbrauchern liegen in der Verantwortung des EnMS. Weitere Aufgaben sind der bedarfsorientierte Betrieb des DC/ DC-Wandlers, das Leistungsmanagement, falls die HVB nicht genügend Leistung abgibt um einer hohen Leistungsanforderung des Antriebsstrangs und intensiv genutzten Nebenverbrauchern gerecht zu werden sowie die effektive Energienutzung während der Rekuperation. 4.3.2. Betriebsstrategien Für die im vorherigen Abschnitt genannten Aufgaben sind geeignete Betriebsstrategien notwendig. Die ganzheitliche Betriebsstrategie 88 <?page no="104"?> 4.3. Energiemanagement und Betriebsstrategie eines Elektrofahrzeugs setzt sich aus den Anforderungen des elektrischen Energiemanagements, des Antriebsmanagements, des thermischen Energiemanagements (Thermomanagement) und optional des Managements sonstiger Energieformen zusammen [Büc08]. Letzteres ist innerhalb der Nutzfahrzeugdomäne, wozu beispielsweise Kühlfahrzeuge, Müllfahrzeuge oder (Stadt-)Busse gehören, wichtig. Hier haben elektrische Nebenaggregate, beispielsweise Lüfter, Kühlmittelpumpe, Schmierölpumpe, Spritzkühlung der Kolben, Luftkompressor oder Lenkhilfepumpe [ESP12], einen nicht vernachlässigbaren Einfluss auf den Energiebedarf. Das Management sonstiger Energieformen ist bei batterieelektrischen Pkw nicht relevant und wird an dieser Stelle nicht detaillierter erläutert. Das Antriebsmanagement beinhaltet die bedarfsgerechte Koordination der Energiewandlung zum Antreiben der Antriebsmaschine. Diese Thematik ist nicht Teil der vorliegenden Arbeit und wird an dieser Stelle nicht erläutert. Das Thermomanagement im Elektrofahrzeug umfasst das Temperieren des Fahrgastraums, des Akkumulators, der Leistungselektronik und des Antriebsmotors [Aue15]. Die Wärmeentwicklung des Elektromotors ist zu gering, um diese bei kalter Umgebungstemperatur für die Klimatisierung des Fahrgastraums nutzbar zu machen, vgl. Abschnitt 2.3. Dies resultiert in einem höheren Energiebedarf zur Klimatisierung des Fahrzeugs und seiner Komponenten bei kalter Umgebungstemperatur. Abb. 4.1 zeigt den hohen Einfluss der Umgebungstemperatur auf die Energiebilanz und somit auf die Reichweite eines BEF im NEFZ [Bas15]. Die HVB beispielsweise muss aus Leistungs-, Kapazitäts- und Lebensdauergründen in bestimmten Temperaturgrenzen betrieben werden, wobei die beim Lade- und Entladevorgang entstehende Wärme abgeführt wird. Ein Funktionsausfall der Hochvoltbatterie aus thermischen Gründen führt zwangsläufig zum Stillstand des Elektrofahrzeugs und muss somit vermieden werden. Die Betriebsstrategie des Gesamtfahrzeugs wird durch die zuverlässige Energieversorgung und Funktionserfüllung festgelegt, die aus einer vom Fahrzeughersteller bestimmten Prioritätenliste hervorgeht. Es müssen externe Anforderungen, wie beispielsweise Komfort und Sicherheit der Passagiere oder die Transportaufgabe des Fahrzeugs, erfüllt, 89 <?page no="105"?> 4. Prädiktives Reichweiten- und Energiemanagement Abbildung 4.1.: Umgebungstemperaturabhängiger Reichweitenverlust durch Nebenverbraucher bei stationärer Betrachtung im NEFZ gemäß [Bas15]. die betreffenden Funktionen koordiniert und zugehörige Energieformen vom Energiesystem angefordert werden. Weiterhin sind externe Restriktionen zu beachten, z. B. Lärm, Emissionen oder Umweltbedingungen, um konsequent einen effizienten und sicheren Betrieb zu gewährleisten. Vom energetischen Standpunkt aus sind Restriktionen und der Zustand des Energiesystems relevant. Ersteres lässt sich aus den aktuellen Betriebsgrenzen der Aktorik und der Systemarchitektur ableiten. Man unterscheidet zwischen konstanten sowie zeit- und prozessabhängigen Restriktionen [Büc08], z. B. einer kurzfristigen Überlastung eines Bauteils, die über seiner dauerhaften, maximalen Lastfähigkeit liegt. Ein Teil der im Fahrzeug gespeicherten Sekundärenergie wird verlustbehaftet zur Erfüllung der Energiedienstleistung verwendet. Außerdem sind funktionale Kriterien einzubeziehen: die Systemrelevanz, wozu Sicherheit, Notlauf und Komfort gehören, sowie die Wahrnehmbarkeit durch den Nutzer. Interaktionen und Abhängigkeiten zwischen den Funktionen oder Einschränkungen zur Ausführung der 90 <?page no="106"?> 4.3. Energiemanagement und Betriebsstrategie Funktion sind zusätzliche funktionale Kriterien. Dabei muss dem Fahrer in geeigneter Weise eine Rückmeldung über die aktuelle Funktionsausführung gegeben werden. Da sich Betriebsstrategien bei Veränderung von Anforderungen und Systemeigenschaften anpassen können, wird in [Büc08] zwischen zeitlich statischen, adaptiven und dynamischen Betriebsstrategien unterschieden. Während des gesamten Fahrzeugbetriebs verändern sich bei einer statischen Betriebsstrategie die Reaktionen bei identischen Restriktionen nicht. Im Betrieb werden permanent feste Schaltschwellen sowie Regel- und Steuerungsstrukturen eingehalten. Eine Veränderung des Systemverhaltens, beispielsweise durch Alterungserscheinungen bestimmter Komponenten oder durch verändertes Fahrverhalten werden nicht einbezogen. Bei adaptiven Betriebsstrategien ist dies durch geeignete Beobachtungen des System- und Anforderungsverhaltens realisierbar. Hinsichtlich der Optimierung der eingesetzten Energie haben dynamische Betriebsstrategien einen Vorteil: In kurzen Zeitfenstern werden optimale Steuerungswerte ermittelt, was unter Einbezug von historischen oder prognostizierten Daten erfolgt [Büc08]. Der Ansatz in [Bas15] unterscheidet zwischen statischen, erfahrungsbasierten, analytischen und prädiktiven Betriebsstrategien. Erstere ist hierbei analog der Begriffserklärung in [Büc08]. Es gibt klar definierte Grenzen und Regeln, während die Betriebsmodi abhängig von SoC, Antriebsleistung, Geschwindigkeit oder Temperaturen eingestellt werden. Die heuristischen oder erfahrungsbasierten Betriebsstrategien nutzen kontinuierliche Regler, welche auf Fuzzy-Logiken oder neuronalen Netzen beruhen. Dies kann zu nicht diskreten Betriebszuständen führen. Analytische Betriebsstrategien basieren auf einer analytischen Optimierung [Bas15]. Hierbei kann es eine oder mehrere zu optimierende Zielgrößen geben, beispielsweise Kraftstoffverbrauch, Fahrleistung oder Gewährleistung der Bauteillebensdauer. Prädiktive Betriebsstrategien haben mithilfe eines E-Horizonts Kenntnis über die zu fahrende Strecke und es wird eine Vorhersage über die Fahr- und Verkehrssituation getroffen. Darauf basierend wird ein globales Optimum im Prädiktionshorizont ermittelt. 91 <?page no="107"?> 4. Prädiktives Reichweiten- und Energiemanagement Die dynamischen, prädiktiven Daten verursachen eine Veränderung des System-, z. B. die Erwärmung des Fahrgastraums, und des Anforderungsverhaltens, z. B. Bedarf intensiverer Klimatisierung. 4.3.3. Prädiktive Energiemanagementsysteme Eine Steigerung der Reichweite durch ein prädiktives Energiemanagementsystem erfolgt auf drei Arten: 1. Durch eine Verbesserung der Effizienz von Energiewandlern und durch eine bedarfsgerechte Bereitstellung der Energie, wobei man die Verluste bei der Umwandlung von Energieformen verringert. 2. Durch die Steigerung der Rekuperation. Dies geschieht durch einen aktiven Eingriff in die Steuerung und Regelung des Fahrzeugs, um die Leistungsflüsse optimiert zu gestalten. 3. Durch die Reduzierung des Leistungsbedarfs der Komponenten. Es wird zwischen Fahrerassistenzsystemen unterschieden, deren Funktionsausführung der Fahrer bewusst bemerkt, beispielsweise beim adaptiven Abstandsregelautomat, oder die unbemerkt erfolgen, z. B. beim ESP. Ein EnMS verhält sich analog: Punkt 1 geschieht unbemerkt, während Punkt 2 und 3 vom Fahrer wahrgenommen werden. Zur Erhöhung der Reichweite muss das EnMS abwägen, welche Maßnahmen hinsichtlich der Kriterien Dynamik und Komfort für die aktuelle Situation des Fahrzeugs die beste Wahl sind. Durch die Reduzierung des Leistungsbedarfs der Nebenverbraucher oder des Antriebs finden Einschränkungen in den Bereichen Komfort und Dynamik des Fahrzeugs statt. Diese resultieren in subjektiv und objektiv wahrnehmbaren Änderungen von Eigenschaften, vgl. Tabelle 4.3. Im Falle eines allradgetriebenen Elektrofahrzeugs mit separater Ansteuerung jedes Rads sind die Steigerung der Effizienz und der Rekuperationsenergie zusätzliche Kriterien. Hierbei kann die Verteilung der Antriebsleistung bzw. der Bremskraft optimiert werden. Auf diese Betrachtung wird im Rahmen der Arbeit nicht näher eingegangen. Eine Reduzierung des Energiebedarfs, ohne die Funktion des Fahrzeugs einzuschränken, kann durch bautechnische Maßnahmen erfolgen. 92 <?page no="108"?> 4.3. Energiemanagement und Betriebsstrategie Dazu zählen die Optimierung der Fahrzeugaerodynamik und der Reifeneigenschaften zur Senkung des Luftbzw. Rollwiderstands. Leichtbautechnologien ermöglichen Gewichtseinsparungen, welche die Roll-, Steigungs- und Beschleunigungswiderstände senken, vgl. Abschnitt 2.2.1. Bautechnische Veränderungen und Optimierungen der Fahrzeugkomponenten, z. B. durch eine neuere Technologie von Hochvoltbatterien, eine Erhöhung ihrer Kapazität oder durch ein leistungsoptimiertes HLK-System, sind Maßnahmen, die von den Fahrzeugherstellern und -zulieferern ausgeführt werden. Deren Betrachtung ist nicht Teil dieser Arbeit. Andere Ansätze prädiktiver Systeme Ein wesentlicher Bestandteil von vorausschauenden Systemen ist die Ermittlung des elektronischen Horizonts (E-Horizont), der als Basis für die prognostizierten Leistungsprofile verwendet wird. Je nach Betrachtungsraum des E-Horizonts, der ausschlaggebend für die verwendeten Datenquellen ist, kommen unterschiedliche Ansätze zum Einsatz. Die im Folgenden genannte Literatur verwendet eine oder mehrere der oben genannten drei Arten zur Steigerung der Reichweite. Für das nähere Umfeld gibt es Systeme, die Fahrzeug-zu-Infrastruktur- [SMB11] und Fahrzeug-zu-Fahrzeug-Kommunikation [Kos04] nutzen oder zusätzlich ihre Nahfeldsensoren einbeziehen [TZE15]. Eine erneut befahrene Strecke lässt sich anhand des Lenkwinkel-Weg-Signals wiedererkennen [LSV05]. Für eine Abbildung des elektronischen Hori- Tabelle 4.3.: Subjektive und objektive Auswirkungen sowie Konfliktpotenzial durch die Reduzierung des Leistungsbedarfs von Nebenverbrauchern und Antrieb. Dynamik Komfort Subjektiv Fahrspaß sinkt Veränderung der Behaglichkeit Objektiv Fahrzeigverlängerung Temperaturänderung im Fahrgastraum Konfliktpotenzial Ziel in geplanter Zeit zu erreichen Frieren/ Schwitzen 93 <?page no="109"?> 4. Prädiktives Reichweiten- und Energiemanagement zontes bis zum Reiseziel werden GPS und Kartendaten herangezogen. Arbeiten mit diesem Fokus wurden in Abschnitt 4.1.1 diskutiert. Ein erstes vorausschauendes System wurde 1998 in [Dor04] vorgestellt, das auf Basis eines adaptiven Tempomaten, den Navigationsdaten und den TMC-Verkehrsdaten einen E-Horizont erstellte. Kraftstoffeinsparungen von 14,7 % wurden bei einem 300 m Horizont erreicht, während sich über 20 % bei 500 m Vorausschau ergaben. Dies gelang durch Fahrerempfehlungen, wodurch Beschleunigungen in effiziente Bereiche des Kennlinienfelds verschoben und die Fahrgeschwindigkeiten frühzeitig angepasst wurden. Bereits im Jahr 2000 hat wurde eine Methode auf Basis von Umgebungsinformationen und GPS-Positionsdaten vorgestellt, die manöverbasierte Fahrstrategien anwendet, z. B. Geschwindigkeit halten, erhöhen oder verringern, sodass der Gesamtverbrauch um 10 % bis 15 % reduziert wird [GW00]. In den Verzögerungsphasen wird Schubabschaltung mit und ohne Rekuperation oder Freilauf mit und ohne Motorstopp als Betriebsstrategie ausgewählt. Einzelne Manöver zeigten eine Reduzierung des Kraftstoffverbrauchs von bis zu 40 %. Ein vorausschauender Tempomat für Nutzfahrzeuge mit einem E- Horizont von 4 km und 3D-Kartendaten wurde 2004 von Daimler- Chrysler vorgestellt [Lat+04]. Ziel war es, den Kraftstoffverbrauch und die Fahrzeit durch Regelung der Fahrzeuggeschwindigkeit in einem durch die Strecke vorgegebenen Geschwindigkeitsfensters zu minimieren. Dabei wurde die Geschwindigkeit vor Steigungen erhöht und vor Gefällen reduziert sowie die Schaltpunkte des Automatikgetriebes an die Topografie angepasst. Diese Maßnahmen erzielten eine Kraftstoffersparnis von bis zu 5 %. Durch Nutzung des Segel-Modus, kombiniert mit Fahrerhinweisen zur frühzeitigen Geschwindigkeitsreduzierung, erzielt der Vorschauassistent des BMW ECO PRO Systems eine Verbrauchsreduzierung von bis zu 5 % [BMW12]. Die Findung, Realisierung und Quantifizierung eines Ansatzes zur Vergrößerung der Reichweite von Elektrofahrzeugen wird in [Bec16] beschrieben. Das Systemkonzept des vorgestellten Fahrerassistenzsystems bindet Radarsensoren, einen elektronischen Horizont und energe- 94 <?page no="110"?> 4.3. Energiemanagement und Betriebsstrategie tisch relevante Fahrzeugcharakteristika ein. Dabei wird die Längsführung des Fahrzeugs nahezu vollständig automatisiert übernommen. Eine Steigerung der Effizienz von hybridisierten und elektrifizierten Fahrzeugen erfolgt durch das Maximieren der Rekuperationsenergie. Begrenzende Faktoren sind hierbei die Energie- und Leistungsaufnahme der Batterie sowie die vom Fahrer gewünschte Verzögerung beim Bremsen. Prädiktive Ansätze eignen sich in diesen Fällen. Für einen VW Passat CC wird ein Ansatz vorgestellt, der durch Steigerung der Rekuperationsenergie den Gesamtenergiebedarf reduziert [TZE15]. 3D-Kartendaten und Sensoren des adaptiven Abstandregelautomaten werden hierfür als E-Horizont genutzt. Durch frühzeitige Bremsvorgänge bei Annäherung an Geschwindigkeitslimits und vorausfahrende Fahrzeuge wird eine Kraftstoffreduzierung von ca. 6 % erzielt. Der prädiktive Ansatz in [Mor+10] mit Fokus auf Vernetzung und Navigation zieht das Fahrvorhaben des Benutzers für den Folgetag per Computer oder Mobiltelefon heran. Unter Berücksichtigung von optimalen Ladezeitpunkten, der Ladeinfrastruktur und der Ladedauer des Fahrzeugs startet der Ladevorgang automatisiert. Bei Vorkommnissen auf der Wunschstrecke wird der Fahrer informiert und optional eine Alternativstrecke ausgewählt. Der Ansatz sieht einen Abgleich der Fahrtdaten innerhalb einer Cloud vor, sodass alle Verkehrsteilnehmer hiervon profitieren. Optional werden Ladesäulen in die Routenführung eingebunden und eine lernende Datenbank speichert zusätzlich neue Ladepunkte ab. Bei einem unerwarteten Verkehrsaufkommen entlang der Route, das zu einem höheren Energiebedarf führt, wird unter Einbezug verfügbarer Ladesäulen berechnet, ob eine Zielerreichung realisierbar ist. Der in Porsches Entwicklungsprojekt ACC Inno-Drive entwickelte prädiktive Abstandsregelautomat ist ein Fahrerassistenzsystem für die energie- und zeitoptimale Längsregelung eines Fahrzeugs [Rad13; Wah15]. Zu den Funktionen des Systems gehört die Anpassung der eigenen Geschwindigkeit an die des vorausfahrenden Fahrzeugs. In Weiterentwicklungen des Systems werden zusätzlich Straßentopologie und Geschwindigkeitslimits einbezogen. Hierzu wird eine optimale Trajektorie in einem Geschwindigkeitsbereich geplant, die durch die 95 <?page no="111"?> 4. Prädiktives Reichweiten- und Energiemanagement maximal zulässige Querbeschleunigung beim Durchfahren von Kurven und die geltenden gesetzlichen Geschwindigkeitslimits festgelegt wird. Die modellbasierte, prädiktive Regelung der Betriebsstrategie zur Minimierung des Kraftstoffverbrauchs eines Hybridfahrzeugs in [Sch+14] gibt das Drehmoment der Antriebsmaschine sowie die Aufteilung der Heizleistung zwischen Heizungswärmeübertrager und PTC-Element vor. Eine neuartige Strategie, die dem Fahrer eine Reihe von optimalen Fahrgeschwindigkeiten über die gesamte Fahrzeit bezogen auf eine vorhergesagte Reichweite präsentiert, wird in [Vaz+15] vorgeschlagen. Die optimalen Geschwindigkeiten wurden durch die Lösung eines mehrkriteriellen Optimierungsproblems erzielt, das den Wirkungsgrad des Elektromotors maximiert und den Stromverbrauch minimiert. 4.3.4. Anlehnung und Abgrenzung der eigenen Arbeit Zusammenfassend sind über die in vorherigen Abschnitt genannten Ansätze folgende Aussagen hinsichtlich Energieeinsparpotenzialen und bedarfsgerechten Energieeinsparungen zu nennen: • In den Ansätzen [Bac+17; BMW12; Dor04; Lat+04; GW00; Lat+04; Rad13; TZE15; Wah15] wird die Reichweite durch mikroskopische Optimierungen in einem begrenzten Horizont gesteigert, d. h. innerhalb der nächsten Kilometer. Die Ansätze aus [Dor04; GW00; Lat+04; Sch+14] sind hierbei ausschließlich für verbrennungsmotorische oder hybride Antriebe geeignet. Die verbleibenden Ansätze sind als Energieeinsparmaßnahmen für Elektrofahrzeuge geeignet, betrachten jedoch nicht die bedarfsgerechte Notwendigkeit solcher Maßnahmen bezogen auf die ganzheitliche Route. • Der Ansatz in [Mor+10] optimiert die Routenführung durch alternative Strecken oder Einbezug von Ladesäulen, was für eine gesamtheitliche, energetische Betrachtung zur Gewährleistung der Zielerreichung sinnvoll ist. • Der Ansatz in [Vaz+15] strebt zwar eine makroskopische Optimierung der Antriebsenergie an und ist somit als Energieeinsparmaßnahme sinnvoll, betrachtet jedoch nicht den strecken- und umweltabhängigen Zielkonflikt zwischen Komfort und Fahrdynamik. 96 <?page no="112"?> 4.3. Energiemanagement und Betriebsstrategie • In keinem anderen Ansatz wurde eine Untersuchung der Energieeinsparpotenziale von Nebenverbrauchern und Antrieb durchgeführt. Der im Konzept verwendete Ansatz zum Adaptieren des Fahrerverhaltens nach Fahrtbeginn zählt, wie die Ansätze in [LW15; Bed+14; Zhe+16], zum maschinellen Lernen. Eine Korrektur der Fahrerparameter und somit des vorhergesagten Bewegungsprofils steigert die Genauigkeit einer erneuten EBP. Deshalb sieht das Konzept vor, dass während der Routenführung kontinuierlich Fahrerparameter berechnet werden, die zur Bestimmung der Kurvengeschwindigkeit, Beschleunigung, Verzögerung und der oberen Geschwindigkeitsgrenze dienen. In Anlehnung an den Ansatz in [LW05] werden zusätzlich realer und simulierter Energieverbrauch bei identischem Bewegungsprofil verglichen, um einen Korrekturfaktor für die bewegungsprofilunabhängigen Anteile des Energiebedarfs zu ermitteln, vgl. Abschnitt 3.3.2. Anlehnend an die Arbeiten [WSH08; Yan+13], unterscheidet der hier vorgestellte Ansatz beim Erfassen von Fahrerdaten, ob ein vorausfahrendes Fahrzeug vorhanden ist. Diese Unterscheidung führt zu zwei Datensätzen von Fahrerparametern. Wird der Fahrer durch ein vorausfahrendes Fahrzeug abgebremst, wird die Signalverarbeitung unterbrochen, um Fehlklassifizierungen zu vermeiden. Dies hat den Vorteil, dass abhängig vom prognostizierten Verkehrsaufkommen unterschieden wird, ob der Fahrer nahezu uneingeschränkt fährt oder ob der Verkehr das Fahrverhalten vorschreibt. Das vorgestellte Fahrerassistenzsystem zur Zielerreichung (FAS-Z) gibt ein energieeffizientes Bewegungsprofil vor und regelt die Hochvoltkomponenten zur Klimatisierung des Elektrofahrzeugs auf Basis einer streckenbezogenen Betriebsstrategie. Ziel ist es, dem Elektrofahrzeugfahrer eine Unterstützung bei der Zielerreichung zu bieten und somit seine Planungssicherheit zu erhöhen. Das Konzept greift die Fahrerbenachrichtigung und das Einbinden von Ladesäulen bei unzureichender Reichweite aus den Arbeiten [FMA; Mor+10; Sar+17; Zha+12] auf. Die Fahrerbenachrichtigung erfolgt im Konzept zum Teil über ein Vorschlagen einer optimalen Reisegeschwindigkeit, angelehnt an [Vaz+15]. Dennoch ist der Zweck des FAS-Z, die Zielerreichung durch die Reduzierung des Leistungsbedarfs der 97 <?page no="113"?> 4. Prädiktives Reichweiten- und Energiemanagement Komponenten zu gewährleisten statt über das Anfahren von Ladesäulen. Das vorgestellte FAS-Z, das als prädiktives Energiemanagementsystem fungiert, hat in solch einer Form einen Neuheitswert, weil es den Fahrer informiert und die Betriebsstrategie koordiniert. Ein Alleinstellungsmerkmal ergibt sich durch die Vorhersage der strecken- und umweltabhängigen Energieeinsparpotenziale der vorliegenden Route und die Verwendung dieser Informationen als Stellgröße im Energiemanagementsystem. Durch das Wissen über die vorliegenden Energieeinsparpotenziale hat der Fahrer somit die Wahlmöglichkeit, ob die Zieltemperatur verändert, die maximale Geschwindigkeit reduziert oder eine Kombination aus beidem angewendet werden soll. Eine vergleichbare Herangehensweise wurde in keiner verwandten Arbeit identifiziert. 98 <?page no="114"?> 5. Konzept eines Fahrerassistenzsystems zur Zielerreichung Die im Vergleich zu konventionellen Fahrzeugen reduzierte Reichweite limitiert die Alltagstauglichkeit batterieelektrischer Fahrzeuge. Neuartige Assistenzsysteme werden benötigt, die den funktionalen Anforderungen eines Elektrofahrzeugs Rechnung tragen und einen Betrag zur Erhöhung der Fahrzeugverfügbarkeit leisten. Das in diesem Kapitel vorgestellte Konzept eines Fahrerassistenzsystems zur Zielerreichung (FAS-Z) erfüllt diesen Zweck. Zunächst werden Anforderungen formuliert und die Funktionalität des FAS-Z anhand eines Ablaufdiagramms innerhalb einer Gesamtfahrzeugumgebung verdeutlicht. Das System basiert auf einer Kopplung von Reichweiten- und Energiemanagement, die als zwei Teilsysteme dargestellt und mithilfe von Strukturdiagrammen erklärt werden. Im Rahmen des Reichweitenmanagements wird zur Schätzung des Energiebedarfs ein elektronischer Horizont erstellt. Hierfür werden (Echtzeit-)Daten gesammelt, fusioniert und weiterverarbeitet, um einen Informationsgewinn für die Vorhersage zu erhalten. Daran knüpft die Ermittlung des Bewegungs- und Nutzungsprofils sowie des Energiebedarfs von Antrieb und Nebenverbrauchern an. Die EBP wird während der Routenführung zyklisch berechnet und durch eine Korrektur der Fahrerparameter optimiert. Zusätzlich werden Energieeinsparpotenziale vorausberechnet, die das Energiemanagement nutzt, um eine geeignete Betriebsstrategie vorzugeben. Hierbei sorgen potenzialschöpfende Maßnahmen für eine bedarfsgerechte Reichweitenvergrößerung bei Energieknappheit, wobei Energieflüsse von Antrieb und Nebenverbrauchern einbezogen sowie die Indikatoren Reichweite, Fahrzeugdynamik und thermischer Komfort berücksichtigt werden. 99 <?page no="115"?> 5. Konzept eines Fahrerassistenzsystems zur Zielerreichung 5.1. Funktionale und nicht-funktionale Anforderungen Im Folgenden werden Anforderungen an ein Fahrerassistenzsystem zur Zielerreichung (FAS-Z) formuliert, das eine reichweitenoptimierende Betriebsstrategie unter Einbezug der gesamtheitlichen Route vorgibt. Nicht-funktionale Anforderungen werden in Tabelle 5.1 beschrieben. Die in Tabelle 5.2 gezeigten funktionalen Anforderungen wurden auf Basis der Identifizierung relevanter Reichweiteneinflüsse abgeleitet, vgl. Abschnitt 3.1. Durch geeignete Methoden und Verfahren muss das FAS-Z die Vielzahl an Reichweiteneinflüssen beherrscht werden, vgl. Abschnitt 3.1. Die Tabelle 5.1.: Nicht-funktionale Anforderungen an das FAS-Z. Nr. Anforderung Beschreibung N1 Geringer Ressourcenbedarf Effizienter und ressourcenschonender Einsatz von Rechenleistung, Speicherplatz u. Kapazitäten des Datentransfers N2 Transparenz Informieren des Fahrers über die Betriebsstrategie und Reichweite N3 Skalierbarkeit Anwendung auf unterschiedliche Fahrzeugkonzepte N4 Modularität Verwendung funktioneller Gruppen und Strukturen aus Gründen der Skalierbarkeit und Übersicht. N5 Erweiterbarkeit Möglichkeit der Ausweitung auf zusätzliche Komponenten, z. B. Integration eines Massenschätzers N6 Stabilität Gewährleistung der dauerhaften Funktionsfähigkeit während der Routenführung N7 Adaptionsfähigkeit Anpassung des Systems an auftretende Veränderungen während der Routenführung, z. B. erhöhtes Verkehrsaufkommen oder Streckensperrungen 100 <?page no="116"?> 5.1. Funktionale und nicht-funktionale Anforderungen Tabelle 5.2.: Funktionale Anforderungen an das FAS-Z. Nr. Anforderung Beschreibung F1 Zielkonfliktentschärfung Priorisierung zwischen Zielerreichung und Funktionserfüllung F2 Einbezug des Komforts Akzetable Innenraumklimatisierung für die Passagiere F3 Maßnahmenauswahl Wahlmöglichkeit des Fahrers hinsichtlich der Energieeinsparung, falls es die Randbedingungen ermöglichen F4 Energiebedarf als Steuergröße Vorhersage von Antriebs- und Nebenverbraucherenergie als Eingangsgröße für das EnMS F5 Berechnung der Zielerreichung Vergleich der Energievorhersage mit aktuellem Fahrzeugzustand F6 Gewährleistung der Zielerreichung Ermittlung und Anwendung von Energieeinsparspotenzialen F7 Reduzierung von Prädiktionsfehlern Korrektur angenommener Prädiktionsparameter F8 Anbindung von Online-Diensten Abruf von Echtzeitdaten, die den Energiebedarf beeinflussen Systemausführung darf bei Einbezug zusätzlicher Einflussfaktoren nicht überproportional rechenintensiver werden, ansonsten wird die Anforderung Ressourcenbedarf (N1) nicht erfüllt. Beispielsweise können Ressourcengrenzen erreicht werden, sofern versucht wird, bei einer Veränderung der Zieltemperatur die Wirkung der Einflussfaktoren auf die Klimatisierung des Innenraums schnellstmöglich darzustellen. Ein transparenter Umgang mit Informationen hinsichtlich der Reichweite (N2. Transparenz) sowie das Einbinden von Ladesäulen als Notfallplan (F6. Zielerreichung gewährleisten), sofern die Energie nicht ausreicht um das Fahrtziel zu erreichen, sind zur Erhöhung der Akzeptanz von Elektrofahrzeugen notwendig. 101 <?page no="117"?> 5. Konzept eines Fahrerassistenzsystems zur Zielerreichung Durch die Abstraktion auf Anwendungsebene gemäß dem ISO/ OSI- Schichtenmodell 1 [ZS14] ist die Unabhängigkeit gegenüber hersteller- und fahrzeugspezifischen Daten gegeben. Die Kommunikationsart im Fahrzeug, typischerweise über gängige Bussysteme umgesetzt, fällt unter die Anforderung Skalierbarkeit (N3). Bei der Implementierung wird beachtet, dass eine Applikation über standardisierte Bus- Kommunikation realisierbar ist. Die Vorhersage der Antriebs- und Nebenverbraucherenergie wird als Steuergröße (F4) im Teilsystem Energiemanagement des FAS-Z verwendet. Diese wird berechnet, sofern der Fahrer dem Navigationssystem sein Fahrtziel mitteilt. Die Funktionsfähigkeit des FAS-Z beruht somit auf der Eingabe eines Fahrtziels. Realisierbare Zusatzfunktionen, die hierbei helfen können, werden im Ausblick beschrieben, vgl. Abschnitt 9.2. Aus der nicht-funktionalen Anforderung Modularität (N4) und den funktionalen Anforderungen wird die Systemstruktur abgeleitet. Abb. 5.1 zeigt die Anbindung der Teilsysteme Prädiktion und Energiemanagement an die Fahrzeugumgebung sowie die Anbindung von Online-Diensten (F8). Abbildung 5.1.: Systemstruktur des Fahrerassistenzsystems zur Zielerreichung. 1 Ein Referenzmodell für herstellerunabhängige Kommunikationssysteme bzw. eine Design-Grundlage für Kommunikationsprotokolle und Netzwerke. 102 <?page no="118"?> 5.2. Systemübersicht und Funktionsweise 5.2. Systemübersicht und Funktionsweise Neben den beschriebenen funktionalen und nicht-funktionalen Anforderungen wird das Systemkonzept für das FAS-Z mithilfe der definierten Zielsetzung der Arbeit (vgl. Abschnitt 1.4), der Parameteranalyse (vgl. Kapitel 3) und der Abgrenzung vom aktuellen Stand der Technik (vgl. Kapitel 4) detaillierter spezifiziert. Der Programmablaufplan verdeutlicht die Einordnung und Funktionsweise des FAS-Z innerhalb einer Gesamtfahrzeugumgebung, vgl. Abb. 5.2. Abbildung 5.2.: Programmablaufplan zur Verdeutlichung der Funktionsweise des FAS-Z innerhalb der Fahrzeugumgebung. Das FAS-Z benötigt eine Route und optionale Alternativrouten als Eingangsgrößen. Die Routenberechnung (1) wird vom Navigationssystem übernommen. Für das Zurücklegen dieser Routen wird jeweils der Energiebedarf (2) und die Einsparpotenziale berechnet (3), sodass die notwendige Energie zur Zielerreichung und potenzielle Energieeinsparungen dem System bekannt sind. Die anschließende Energetische Bewertung der Routen (4) bezieht die aktuell verfügbare Energie im Fahrzeug ein und vergleicht sie mit den Berechnungen aus Schritt 2 und 3, um 103 <?page no="119"?> 5. Konzept eines Fahrerassistenzsystems zur Zielerreichung eine Aussage hinsichtlich der Zielerreichung zu tätigen. Falls das Ziel erreichbar ist, wird das Navigationssystem die Routenführung starten (5). Andernfalls wird dem Navigationssystem mitgeteilt, eine Ladestation als Zwischenziel einzukalkulieren, sodass zumindest eine zeitverzögerte Zielerreichung gewährleistet wird. Wird zu Beginn oder im Laufe der Routenführung festgestellt, dass die Reichweite kritisch ist, d. h., die verfügbare und die vorhergesagte, notwendige Energie annähernd identisch sind, wird das FAS-Z eine Maßnahme ergreifen (6). Dadurch wird die Zielerreichung mithilfe der identifizierten Energieeinsparpotenziale gewährleistet, vgl. Abschnitt 3.3.5. Unabhängig von der Anwendung von Energieeinsparmaßnahmen werden vom FAS-Z während der Routenführung Parameter angepasst (7) und erneut der Schritt Energiebedarf berechnen (2) durchgeführt. Mit Ausnahme des bedarfsgerechten Eingriffs, laufen während der Routenführung alle genannten Schritte zyklisch ab bis das Ziel erreicht wird. Das FAS-Z besteht aus den Teilsystemen Energiemanagement und Prädiktion. Letzteres wird aus den Modulen Energiebedarfs- und Potenzialprädiktion sowie Parameterkorrektur gebildet. Die im Programmablaufplan gezeigten Funktionen werden in einem Strukturdiagramm aufgegriffen und den Modulen zugeordnet, vgl. Abb. 5.3. Abbildung 5.3.: Zusammenwirken der Teilsysteme des FAS-Z unter Einbezug der Funktionen gemäß Abb. 5.2. 104 <?page no="120"?> 5.3. Energiebedarfsprädiktion (EBP) 5.3. Energiebedarfsprädiktion (EBP) Das vorgestellte Konzept des FAS-Z beinhaltet eine Energiebedarfsprädiktion für vorliegende Strecken. Ist dem Navigationssystem das Fahrtziel bekannt, wird unter Einbezug der Fahrzeugposition sowie optionaler Zwischenziele eine Routenberechnung durchgeführt. Die vom Navigationssystem zur Verfügung gestellten Routen werden mit den jeweiligen Strecken- und Umwelteigenschaften zum Elektronischen Horizont (E-Horizont) (I) fusioniert, sodass all ihre energierelevanten Eigenschaften zur Verfügung stehen, vgl. Abschnitt 5.3.1. Darauf aufbauend wird das Bewegungs- und Nutzungsprofil (II) ermittelt sowie anschließend die Antriebs- (III) und Nebenverbraucherenergie (IV) berechnet. Abb. 5.4 zeigt den Zusammenhang der beteiligten Module unter Einbezug der Reichweiteneinflussgruppen Strecke, Umwelt, Fahrer und Fahrzeug, vgl. Abschnitt 3.1. Die Implementierung der EBP wird anhand zwei beispielhafter Realszenarien erläutert, vgl. Kapitel 6. Abbildung 5.4.: Schematische Darstellung der Energiebedarfsprädiktion (EBP) unter Einbezug der Strecken-, Umwelt-, Fahrer- und Fahrzeugparameter. 105 <?page no="121"?> 5. Konzept eines Fahrerassistenzsystems zur Zielerreichung 5.3.1. Erstellen des E-Horizontes Der E-Horizont wird auf Basis eines Routenverlaufs erstellt. Zusätzlich werden folgende Routeneigenschaften, die in Abschnitt 3.1 als relevante Reichweiteneinflüsse identifiziert wurden, hinzugezogen: Verkehr, Streckenobjekte, Wetter und Höhendaten. Beim Verkehr wird das aktuelle Verkehrsaufkommen berücksichtigt, d. h. die Streckenauslastung in Form von Staus bis hin zu Straßensperrungen. Zu den Streckenobjekten zählen Ampeln, Geschwindigkeitslimits, Verkehrszeichen, Tunnel und Brücken. Die Wetterdaten enthalten Temperatur, Windrichtung und -geschwindigkeit, Luftdruck und -feuchte sowie die Strahlungsleistung der Sonne [Kru+17a]. Der E-Horizont wird in den darauffolgenden Schritten als Basis zur EBP verwendet. Die relevanten Parameter der Reichweiteneinflussgruppen Fahrer, Fahrzeug, Strecke und Umwelt werden hierfür den folgenden Berechnungsschritten zugeordnet, vgl. Abb. 5.5. Abbildung 5.5.: Schema zur EBP unter Einbezug der Parameter aus den Reichweiteneinflussgruppen Fahrer, Fahrzeug, Strecke und Umwelt. 106 <?page no="122"?> 5.3. Energiebedarfsprädiktion (EBP) 5.3.2. Bewegungs- und Nutzungsprofil Die Fahrerparameter beeinflussen unter Einbezug der vorliegenden Strecke, des Verkehrsaufkommens, den Streckenobjekten und den Umweltbedingungen das resultierende Bewegungsprofil des Fahrzeugs, vgl. Abschnitt 3.2. Im ersten Schritt wird anhand der Kurvengeschwindigkeit, den zulässigen Höchstgeschwindigkeiten, der Limittreue sowie der fahrzeug- und fahrerspezifischen Maximalgeschwindigkeit ein Verlauf der Ziel-Geschwindigkeit ermittelt, vgl. Abb. 5.6. Abbildung 5.6.: Berechnung des Bewegungs- und Nutzungsprofils. Unter Einhaltung der maximalen Beschleunigung des Fahrers und des Fahrzeugs sowie der Ziel-Geschwindigkeit wird hieraus die Fahrzeuggeschwindigkeit prognostiziert, vgl. Abb. 5.7. Abbildung 5.7.: Die Fahrzeuggeschwindigkeit resultiert aus dem Versuch, die Ziel-Geschwindigkeit zu erreichen. 107 <?page no="123"?> 5. Konzept eines Fahrerassistenzsystems zur Zielerreichung Durch die Berechnung der Fahrzeuggeschwindigkeit im ersten Schritt, steht zu jedem Wegpunkt die Zeitdifferenz zum vorherigen Wegpunkt zur Verfügung. Unter Einbezug der Standzeiten an Ampeln und Schildern lässt sich durch Aufsummieren die Ankunftszeit an jedem Wegpunkt berechnen. Dadurch steht das zum jeweiligen Zeitpunkt dort vorherrschende Wetter sowie die Lichtbedingungen fest, vgl. Abb. 5.8. Daraufhin wird das Nutzungsprofil der Nebenverbraucher ermittelt, wobei beispielsweise die Lenkunterstützung der Servolenkung anhand des Lenkwinkels oder der Zustand des Beleuchtungs- und Scheibenwischersystems einbezogen werden [Kru+17a]. Abbildung 5.8.: Vorgehensweise zur Ermittlung des Nutzungsprofils der umweltabhängigen Nebenverbraucher. Bei Elektrofahrzeugen ist die Klimatisierung des Fahrgastraums nicht zu vernachlässigen, vgl. Abschnitte 3.1.1 und 4.1. Insbesondere die Vorkonditionierung des Fahrzeugs, d. h. die initialen Temperaturen der Bauteile, beeinflusst den notwendigen Energiebedarf zum Aufheizen oder Abkühlen des Fahrgastraums. Sonnenstrahlung und Umgebungstemperatur wirken zusammen mit der Fahrzeuggeschwindigkeit als äußere Faktoren auf den thermischen Zustand des Fahrgastraums. Weiterhin wird dieser von inneren Faktoren, wie z. B. die Passagierzahl oder die initiale Innenraumtemperatur, beeinflusst. Um die Wunschtemperatur im Fahrgastraum zu erreichen, wird das HLK-System eingesetzt. Abb. 5.9 zeigt den Zusammenhang zwischen den inneren und äußeren Faktoren sowie dem HLK-System. 108 <?page no="124"?> 5.3. Energiebedarfsprädiktion (EBP) Abbildung 5.9.: Innere und äußere Einflüsse auf das HLK-System. Aufgrund der genannten Reichweiteneinflüsse resultiert die Notwendigkeit einen Ansatz zu entwerfen, der die Nutzung der Fahrzeugklimatisierung und den hieraus resultierenden Energiebedarf darstellen kann: Durch den Einbezug der inneren und äußeren Faktoren kann der Zustand des Fahrgastraums unter Beachtung des thermischen Komfortempfindens der Passagiere vorhergesagt werden, vgl. Abb. 5.10. Abbildung 5.10.: Im Konzept herangezogene Parameter, die den Fahrgastraum und das HLK-System beeinflussen. 109 <?page no="125"?> 5. Konzept eines Fahrerassistenzsystems zur Zielerreichung 5.3.3. Antriebsenergie Durch den generierten E-Horizont stehen die Randbedingungen der Strecke fest. Das fahrzeug- und fahrerspezifische Bewegungs- und Nutzungsprofil sind hierauf abgebildet, sodass alle notwendigen Eingangsgrößen für eine EBP zur Verfügung stehen. Für die Ermittlung der Antriebsenergie werden die Fahrwiderstandsgleichungen und die Wirkungsgradkette des Fahrzeugs einbezogen, vgl. Abschnitt 2.2. Durch Zusammenfassen der Fahrwiderstandsgleichungen wird die Energie, die an den Rädern zur Fortbewegung des Fahrzeugs aufgebracht werden muss, vereinfacht durch Gleichung (5.1) beschrieben. E = ∫ t ges 0 [ c W A ρ 2 v r ( t ) 2 + m [ a ( t ) + g ( sin α ( t ) + f R cos α ( t )) ]] · v r ( t ) dt (5.1) Werden für die Parameter aus Gleichung (5.1) explizite Werte angenommen, fungiert die Annahme als Punktschätzer zur Vorhersage der benötigten Antriebsenergie. Das Vorgehen zur Schätzung eines Intervalls wird im Ausblick der Arbeit beschrieben, vgl. Abschnitt 9.2. 5.3.4. Nebenverbraucherenergie Der Energiebedarf der Nebenverbraucher wird anhand des Leistungsprofils und der Fahrzeit berechnet, vgl. Abschnitt 2.2.2. Letztere steht durch die Ermittlung des Bewegungsprofils (II) zur Verfügung. Die Leistung der fahrzeugabhängigen Dauerverbraucher und der Niedervolt- Komfortverbraucher, beispielsweise des Audiosystems, ist konstant. Das Leistungsprofil der umweltabhängigen, geschalteten Verbraucher ist durch die Berechnung des Nutzungsprofils (II) verfügbar. Die Servolenkung als streckenspezifischer Verbraucher hat keine Zeitabhängigkeit. Ihr Leistungsprofil ist von der Fahrgeschwindigkeit und dem Streckenverlauf abhängig, vgl. Abschnitt 2.2.2. Der Energiebedarf des HLK- Systems wird durch die Nutzung der Fahrzeugklimatisierung bestimmt, vgl. Kapitel 7. 110 <?page no="126"?> 5.4. Potenzialprädiktion 5.4. Potenzialprädiktion Die relevanten Parameter zur Reduzierung des Energiebedarfs während der Fahrt zeigte die Sensitivitätsanalyse, vgl. Abschnitt 3.3.5. Hierbei wird zwischen dem Energieeinsparpotenziale (EEP) von Nebenverbrauchern und Antrieb unterschieden. Zur Reduzierung der Antriebsenergie kann das Bewegungsprofil mithilfe der Fahrerparameter geändert werden. Der einflussreichste Parameter ist hierbei die Maximalgeschwindigkeit v max . Zusätzliche Energieeinsparungen erzielen das Herabsetzen der maximalen Bremsverzögerung a BV, max und der Limittreue f v, Treue . Als effiziente, vom Bewegungsprofil unabhängige Maßnahme ist das Begrenzen der Nebenverbraucherleistung zu nennen. Ausschließlich die Komfortverbraucher bergen hierbei ein EEP. Durch Veränderung der Wunschtemperatur im Fahrgastraum oder durch eine veränderte Lautstärke des Audiosystems liegt ein neues Nutzungsprofil vor, welches zu einem veränderten Energiebedarf führt. Durch eine Parameteränderung entsteht ein neues Bewegungs- und Nutzungsprofil, das zu einer veränderten Energiebilanz führt. Eine zusätzliche Energieeinsparung bewirkt das Schließen der Fenster oder des Schiebedachs, ohne dass das Bewegungs- und Nutzungsprofil verändert wird. Die Differenz zwischen ursprünglichem E Referenz ( s ) und neu berechnetem Energiebedarf durch Anwendung einer Maßnahme E Maßnahme X ( s ) stellt das Energieeinsparpotenziale E EEP, X ( s ) dar: E EEP, X ( s ) = E Referenz ( s ) − E Maßnahme X ( s ) (5.2) Weil das EEP streckenabhängig ist, gilt die Gleichung zu jeder Zeit während der Routenführung. Nach Verlassen eines Hochgeschwindigkeitsabschnitts verbleibt beispielsweise nur noch ein reduziertes oder kein Potenzial mehr, falls als Maßnahme eine Reduzierung der Maximalgeschwindigkeit berechnet wird. Das EEP für unterschiedliche Maßnahmen wird dem Energiemanagement (EnM) als positionsabhängige Information zur Verfügung gestellt, sodass an jedem Wegpunkt der Strecke die verbleibenden EEP bekannt sind. Das EnM vergleicht die Vorhersagen aus der initialen EBP mit der Vorhersage nach Anwendung der Maßnahme. Diese Informationen wird verwendet, um bei Energieknappheit die Zielerreichung zu gewährleisten, vgl. Abschnitt 5.6. 111 <?page no="127"?> 5. Konzept eines Fahrerassistenzsystems zur Zielerreichung 5.5. Parameterkorrektur Für die EBP werden initiale Parameter für Fahr- und Komfortverhalten angenommen. Diese werden durch die ermittelten Werte der Parameterkorrektur aus der letzten Fahrt eines Fahrers festgelegt. Möglichkeiten, wie verschiedene, regelmäßige Fahrer erkannt werden und somit die individuelle Historie eines Fahrers gespeichert und zum passenden Zeitpunkt für eine EBP wiederverwendet werden, sind nicht Teil dieser Arbeit, vgl. Abschnitt 9.2.1. Weiterhin führen folgende Fälle zu einem Heranziehen falscher Parameter für die EBP: Ein regelmäßiger Fahrer zeigt aus nicht offensichtlichen Gründen ein anderes Fahrverhalten oder ein anderer Fahrer als üblich ist mit dem Fahrzeug unterwegs, wie es beispielsweise bei Carsharing 2 regelmäßig der Fall ist. Aus diesem Grund enthält das Konzept eine Parameterkorrekur, welche die zyklische EBP im Verlauf der Fahrt durch eine Korrektur der initialen Fahrerparameter optimiert. Verwandte Arbeiten teilen den Fahrer in drei oder fünf Klassen ein, vgl. Abschnitt 3.2. Ändert sich das Fahrverhalten innerhalb der Klassengrenzen, wird die Änderung nicht auf eine nachfolgende EBP übertragen, wodurch ein Fehler entsteht. Dieser wird vermieden, indem nicht in einzelne Fahrerklassen eingeteilt wird, sondern die Parameter Geschwindigkeit und Beschleunigung klassen- und grenzwertunabhängig ausgewertet werden [Kru+18]. Das Fahrerverhalten wird unter Einbezug der zulässigen Höchstgeschwindigkeiten, die im E-Horizont zur Verfügung stehen, beobachtet. Bei Abweichungen zum initial angenommenen Verhalten werden fahrerspezifische Parameter modifiziert und fließen in eine erneute Vorhersage ein, vgl. Abb. 5.11. Zu den zyklisch berechneten, fahrerspezifischen Parametern zählen Maximalgeschwindigkeit v max , Limittreue f v, Treue und maximale Bremsverzögerung a BV, max . Diese Parameter sind gemäß der Sensitivitätsanalyse als relevant einzustufen, vgl. Abschnitt 3.3.5. Neben der Anpassung fahrerspezifischer Parameter wird eine Korrektur der fahrzeugspezifischen Parameter vorgenommen, die in die Berechnung des Energiebedarfs einfließen, vgl. Abschnitt 3.3.2. Hierbei werden 2 Gemäß der deutschen Gesetztgebung versteht man darunter die organisierte, gemeinschaftliche Nutzung eines oder mehrerer Fahrzeuge unter festgelegten Bedingungen. 112 <?page no="128"?> 5.5. Parameterkorrektur Abbildung 5.11.: Schnittstellen des Moduls Parameterkorrektur innerhalb des FAS-Z und der Fahrzeugumgebung. die verbleibenden Faktoren gesamtheitlich korrigiert und nicht die Einzelparameter geschätzt. Zur Umsetzung wird der Geschwindigkeitsverlauf der aktuellen Fahrt herangezogen, um eine EBP zu tätigen. Weil sich z. B. die Masse bei jeder Fahrt ändern kann, ist ein Heranziehen von mehreren vergangenen Fahrten nicht sinnvoll. Der vorausberechnete Energiebedarf wird mit dem in Realität benötigten verglichen und daraus ein Korrekturfaktor für die EBP ermittelt, der unabhängig vom Beschleunigungs- und Geschwindigkeitsprofil des Fahrzeugs und somit abgekoppelt von streckenabhängigen Einflussfaktoren, z. B. Verkehr oder Ampeln, ist. Bei der Erfassung des Bewegungsprofils wird unterschieden, ob vor dem eigenen Fahrzeug ein anderes vorausfährt. Dadurch werden zwei Fahrerparametersätze aufgezeichnet. Die Erkennung der Beschleunigung und der Limittreue erfolgen innerhalb definierter Geschwindigkeitsbereiche. Hierdurch wird die Fahrverhaltensänderung unabhängig von festgelegten Grenzen einer Fahrerklasse bewertet [Kru+18]. 113 <?page no="129"?> 5. Konzept eines Fahrerassistenzsystems zur Zielerreichung 5.6. Energiemanagement Das Teilsystem Energiemanagement stellt die in Abb. 5.2 gezeigten Funktionen Energetische Bewertung der Routen (4) bzw. Maßnahme ergreifen (6) bereit. Die relevanten Ein- und Ausgangsgrößen des Energiemanagements im Austausch mit dem Teilsystem Prädiktion und dem Fahrzeug zeigt Abb. 5.12. Abbildung 5.12.: Ein- und Ausgangsgrößen des Energiemanagements. Vor Beginn der Routenführung wird die Restenergie bei Zielerreichung E HVB, Ziel für alle vom Navigationssystem zur Verfügung gestellten Strecken ermittelt. Hierfür wird die verfügbare Energie des Fahrzeugs mit den Informationen des Teilsystems Prädiktion verglichen. Der Energiebedarf für folgende Szenarien wird vorhergesagt: • Für das Zurücklegen der Strecke und zum Versorgen der Nebenverbraucher bei Nutzung gemäß eines im System hinterlegten Referenzparametersatzes. • Bei Beschränkung der Beschleunigungen, der Geschwindigkeiten oder bei reduzierter Nutzung der Nebenverbraucher. Durch deren Kombination gibt es somit mindestens vier Fälle: den Referenzfall, die Einsparung durch eine der genannten Fahrdynamikmaßnahmen, die Einsparung im Bereich des Komforts oder durch eine Einbuße in Fahrdynamik und Komfort. Die Berechnung der Fälle lauft 114 <?page no="130"?> 5.6. Energiemanagement während der Routenführung zyklisch ab, sodass die Werte in einem festgelegten Intervall aktualisiert werden. Die Restenergie bei Zielerreichung E HVB, Ziel wird gemäß folgender Formel errechnet: E Y HVB, Ziel ( s ) = E HVB, Aktuell ( s ) − E EBP, Y ( s ) (5.3) Hierbei ist E HVB, Aktuell ( s ) der aktuelle Energiegehalt der HVB in Abhängigkeit der zurückgelegten Strecke. E EBP, Y ( s ) entspricht der EBP, wobei Y eine Energieeinsparmaßnahme oder den Referenzfall repräsentiert. Auf Basis der errechneten Restenergie bei Zielerreichung hat das EnMS unterschiedliche Handlungsoptionen. Wenn ausreichend Energie vorhanden ist, bedarf es keiner Maßnahme zur Energiereduzierung und die vom Navigationssystem vorgeschlagene - in der Regel auf Fahrzeit optimierte - Hauptroute wird verwendet. Der Schwellenwert, den E HVB, Ziel erreichen muss, wird über Parameter festgelegt. Wird dieser beispielsweise bei 1 kWh angesetzt, so hat der Fahrer nach Zielerreichung die Möglichkeit weitere 5 bis 10 km zu fahren, um eine Ladesäule zu finden. Eine Alternativroute wird ausgewählt, sofern deren Restenergie bei Zielerreichung höher ist als die unter dem Schwellenwert liegende Restenergie bei Zurücklegen der Hauptroute. Ist trotz der Auswahl der energetisch optimalen Strecke eine Reduzierung des Energiebedarfs nötig, leitet das EnM Energieeinsparmaßnahmen ein. Diese Notwendigkeit steht zu Beginn fest oder kann sich im Verlauf der Fahrt herausstellen. Durch die vorausberechneten EEP und deren zielgerichtete Anwendung, d. h. durch Einschränkungen in Fahrdynamik oder -komfort, lässt sich somit die Restenergie bei Zielerreichung auf einen gewünschten Wert erhöhen. Das EnMS muss somit unter Berücksichtigung der potenziellen Einsparungen, die abhängig von den Strecken- und Umweltparameter zur Verfügung stehen, eine Betriebsstrategie festlegen. Dafür wird vor Fahrtbeginn die Priorität auf Fahrdynamik oder Fahrkomfort gelegt, vgl. Abb. 5.13. Bevor der Fahrer eine Dynamik- oder Komforteinschränkung in Kauf nehmen muss, d. h., abhängig vom gewählten Fahrprofil die Fahrdynamik oder der Fahrkomfort begrenzt (3) wird, hat er zwei zusätzliche 115 <?page no="131"?> 5. Konzept eines Fahrerassistenzsystems zur Zielerreichung Abbildung 5.13.: Reihenfolge der Energieeinsparmaßnahmen. Optionen: das Schließen der Fenster und des Schiebedachs (1), sofern diese offen sind (vgl. Abschnitt 3.3.5) und das Reduzieren der Lautstärke des Audiosystems (2). Letzteres wird als vertretbare Sofortmaßnahme zum Energieeinsparen angesehen, ohne den thermischen Komfort oder die Fahrdynamik zu beeinträchtigen. Die zwei genannten Maßnahmen bewirken eine geringe Energieeinsparung. Somit wird es in vielen Fällen nicht ausreichen, um genügend Energie einzusparen. Weitere Einsparungen können somit durch Reduzierung des Geschwindigkeits- und Beschleunigungsniveaus sowie durch Verringerung der Heiz- oder Kühlleistung zur Klimatisierung des Fahrgastraums erfolgen. Weil eine feste Priorisierung dieser Energieeinsparmaßnahmen nicht jedem Fahrer gerecht wird, sieht das Konzept vor, dass ein bevorzugtes Einsparprofil vor Fahrtbeginn festgelegt wird. Darüber hinaus ist es eine Option, bei auftretender Energieknappheit den Fahrer aktiv zu fragen, welche Maßnahme angewendet werden soll. Die Auswahlmöglichkeit ist hinfällig, sofern eine Einsparung notwendig ist und entweder der Antrieb oder die Nebenverbraucher das notwendige EEP bieten. Beispielsweise existiert bei gemäßigter Umgebungstemperatur, sofern Heizung und Klimatisierung deaktiviert sind, kein EEP hinsichtlich des Komforts. In derartigen Situationen muss 116 <?page no="132"?> 5.6. Energiemanagement das Potenzial dem Energiemanagementsystem bekannt sein. Zu diesem Zweck enthält das Teilsystem Energiemanagement unterschiedliche Module, die als Koordinatoren fungieren. Wie diese an der Entscheidungsfindung beteiligt sind zeigt Abb. 5.14. Abbildung 5.14.: Strukturdiagramm des Teilsystems Energiemanagement und seinen Modulen. Für jede verfügbare Route werden die Informationen aus der Energiebedarfs- und Potenzialprädiktion dem Energiekoordinator des EnMS zur Verfügung gestellt. Ist die Restenergie bei Zielerreichung für alle Routen unter Einbezug aller EEP zu gering, legt der Energiekoordinator fest, dass die Zielerreichung nicht gewährleistet ist. In diesem Fall übermittelt er dem Navigationssystem die Aufforderung, Ladestationen in die Routenführung einzubauen. Falls das Navigationssystem keine Ladestation als Zwischenziel findet, wird der Fahrer darüber informiert, dass ein sofortiges Nachladen oder die Eingabe eines anderen Ziels notwendig sind. Der Maßnahmenkoordinator erhält vom Energiekoordinator die Information hinsichtlich der einzusparenden Energiemenge, vgl. Abb. 5.14. 117 <?page no="133"?> 5. Konzept eines Fahrerassistenzsystems zur Zielerreichung Unter Berücksichtigung der verfügbaren EEP gibt er Maßnahmen zur Energiereduzierung in Auftrag. Dazu sendet er in Abhängigkeit des hinterlegten Einsparprofils eine Anforderung zur Reduzierung des Energieverbrauchs an den Antriebs- oder Nebenverbraucherkoordinator. Der Antriebskoordinator meldet dem Maßnahmenkoordinator die verfügbaren EEP des Antriebs. Er berechnet für eine angefragte Energiemenge die bedarfsgerechte Maßnahme und gibt diese an den Maßnahmenkoordinator zurück. Hierfür nutzt er die in Abschnitt 5.3 beschriebene EBP als Instanz, um die Zielwerte für die Ausprägung der Maßnahmen, d. h. die limitierenden Werte für Maximalgeschwindigkeit, Limittreue und maximale Bremsverzögerung, zu bestimmen. Der Nebenverbraucherkoordinator fungiert analog zum Antriebskoordinator: Er beobachtet den Energiebedarf der Nebenverbraucher und berechnet den Erfüllungsgrad für eine Reduzierung des Energiebedarfs von HLK-System, Sitzheizung oder Audiosystem. Als Zielwert gibt dieser die Innenraumtemperatur oder die gewählte Stufe von Sitzheizung oder Lautstärke des Audiosystems zurück. Entsprechend der Rückmeldungen von Antriebs- und Nebenverbraucherkoordinatoren entscheidet der Maßnahmenkoordinator, welche Kombination an Einsparmaßnahmen ausreichend ist, vgl. Abb. 5.15. Verfügbare Maßnahmen werden vom Maßnahmenkoordinator an die Mensch-Maschine-Schnittstelle übergeben, sodass der Fahrer zwischen wirksamen Optionen auswählt oder abhängig des hinterlegten Einsparprofils die vom Maßnahmenkoordinator empfohlene Maßnahme bestätigt. Beispielsweise hat der Fahrer die Möglichkeit zwischen v max = 114 km/ h und T innen = 17 ◦ C auszuwählen. Um solch explizite Aussage über die Auswirkungen einer veränderten Innenraumtemperatur bei unterschiedlichen Umgebungsbedingungen zu treffen, wird eine Modellierung der Einflussfaktoren benötigt, vgl. Abb. 5.10. Dieser Fragestellung wird in Kapitel 8 nachgegangen. 118 <?page no="134"?> 5.6. Energiemanagement Ziel nicht erreichbar Ziel erreichbar Referenz E Antrieb in kWh 1,5 1,0 0,5 8,0 6,0 Verfügbare Energie der Hochvoltbatterie Puffer E NV in kWh 7,0 6,5 Abbildung 5.15.: Fiktiver Energiebedarf eines Referenzfalls sowie von Fällen, die das Energieeinsparpotenzial des Antriebs, der Nebenverbraucher oder eine Kombination aus beiden nutzt. 119 <?page no="136"?> 6. Implementierung der Energiebedarfsprädiktion Das in dieser Arbeit vorgestellte Fahrerassistenzsystem zur Zielerreichung (FAS-Z) nutzt eine Energiebedarfsprädiktion (EBP) für eine oder mehrere, potenzielle Routen. Dies erfolgt durch Anwendung eines Referenzparametersatzes oder durch einen veränderten Parametersatz zur Ausschöpfung der Energieeinsparpotenziale (EEP). Die Implementierung der EBP wird in diesem Kapitel anhand zwei Realszenarien im Raum Karlsruhe vorgestellt. Zunächst beschreibt Abschnitt 6.1 das Abrufen der Route(n) und das Sammeln energierelevanter Routeninformationen, um einen elektronischen Horizont (E-Horizont) zu erstellen. In Abschnitt 6.2 wird auf dieser Grundlage ein Bewegungs- und Nutzungsprofil eines Fahrzeugs erstellt. Dies erfolgt unter Einbezug von Fahrzeug- und Fahrereigenschaften. Anhand des ermittelten Nutzungs- und Bewegungsprofils sowie der im E-Horizont fusionierten Routeninformationen wird in Abschnitt 6.3 die vom Antriebsstrang und den Nebenverbrauchern benötigte Energie berechnet. Die Implementierung der EBP erfolgt in einer Matlab/ Simulink -Umgebung. 121 <?page no="137"?> 6. Implementierung der Energiebedarfsprädiktion 6.1. Generierung des elektronischen Horizontes Die Implementierung der EBP wird anhand zweier Realszenarien im Raum Karlsruhe aufgezeigt. Die Hauptroute des ersten Szenarios verläuft von Karlsruhe nach Bruchsal über Landstraßen (Landstraßenszenario), während die Hauptroute des zweiten Szenarios über Bundesstraßen von Bruchsal vorbei an Linkenheim-Hochstetten nach Karlsruhe führt (Bundesstraßenszenario), vgl. Tabelle 6.1. Die Streckenverläufe werden innerhalb der nachfolgenden Teilschritte gezeigt. Tabelle 6.1.: Eckdaten der Realszenarien für Fahrten am Freitag, 28.06.2019 im Raum Karlsruhe. Szenario Landstraße Bundesstraße Start Moltkestr. 9, Karlsruhe Campus 3, Bruchsal Koordinaten 49.01447, 8.392813 49.11652, 8.590127 Ziel Campus 3, Bruchsal Moltkestr. 9, Karlsruhe Abfahrtszeit 9: 30 Uhr 17: 30 Uhr Distanz 24,08 km 32,14 km Streckentyp Stadt/ Landstraße Stadt/ Bundesstraße Höchstgeschw. 100 km/ h unbegrenzt Anzahl Ampeln 9 14 6.1.1. Sammeln notwendiger Routendaten Im Folgenden werden die Einzelschritte zum Sammeln notwendiger Routendaten anhand des Land- oder Bundestraßenszenarios beschrieben. Hierzu werden Route(n) und Höhendaten, Streckenobjekte, Echtzeit-Verkehrsinformationen sowie Wetterdaten abgerufen. Als Eingangsgrößen werden Start- und Zielpunkt als Koordinatenpaar oder als Adresse herangezogen. Die Punkte entsprechen der aktuellen Position des Fahrzeugs bzw. dem gewünschten Fahrtziel des Fahrers, das er ins Navigationssystem eingibt. Die Eingabe gewünschter Zwischenziele ist optional. Abb. 6.1 zeigt die jeweiligen Ausgangsdaten der vier Schritte. 122 <?page no="138"?> 6.1. Generierung des elektronischen Horizontes Abbildung 6.1.: Vier Schritte zum Abrufen energierelevanter Routeninformationen. Die gestrichelten Pfeile verweisen auf Eingangs- und Ausgangsdaten der Einzelschritte. A1. Route(n) und Höhendaten Nutzt man Routenplaner ohne Informationen über das aktuelle Verkehrsaufkommen, läuft man Gefahr, dass der Energieverbrauch zum Zurücklegen der vom Routenplaner vorgeschlagenen Strecke damit deutlich höher ausfällt als auf anderen Routen. Dies ist darin zu begründen, dass ein erhöhtes Verkehrsaufkommen einerseits zu einer längeren Fahrzeit führt, wodurch ein erhöhter Nebenverbrauch entsteht, und andererseits durch häufigeres Beschleunigen und Abbremsen die Antriebsenergie ansteigt. Für die Implementierung wird deshalb der Anbieter HERE herangezogen, weil dieser den Verlauf der Hauptroute und potenzieller Alternativen unter Einbezug von Echtzeit-Verkehrsinformationen sowie Höhendaten zur Verfügung stellt, vgl. Abschnitt 4.2.1. Genannte Punkte beachtet der Ansatz in [Gut+15] nicht. Als Ausgangsdaten dieses Schrittes steht eine Wegpunktliste mit Längen- und Breitengraden sowie Höhendaten zur Verfügung, die den 123 <?page no="139"?> 6. Implementierung der Energiebedarfsprädiktion Verlauf der Route als Polygonzug darstellt, vgl. Abb. 6.2 und 6.3. Diese wird zum Abrufen der Informationen im Rahmen der nachfolgenden Schritte A2 bis A4 verwendet. Abbildung 6.2.: Von HERE abgerufene Routen im Landstraßenszenario gemäß Schritt A1. Kartenhintergrund von [Ver18b]. Abbildung 6.3.: Abgerufene Höhendaten der Hauptroute des Landstraßenszenarios gemäß Schritt A1. 124 <?page no="140"?> 6.1. Generierung des elektronischen Horizontes A2. Streckenobjekte Der E-Horizont wird in diesem Schritt um zulässige Höchstgeschwindigkeiten, Verkehrszeichen, Ampeln und Tunnel erweitert, vgl. Abb. 6.4. Genannte Streckenobjekte haben einen wesentlichen Einfluss auf die Prädiktion des Geschwindigkeitsprofils und somit auf die Fahrzeit, vgl. Abschnitt 3.1. Tunnel verändern beispielsweise das Nutzungsprofil der Nebenverbraucher, vgl. Abschnitt 6.2. Diese Streckenobjekte werden aus dem OSM-Datensatz über die Overpass API 1 [Olb17] bereitgestellt. Die Datenbank wird nach Knoten durchsucht, die mit Wegen verbunden sind, wobei Fuß- und Radwege ausgenommen sind. Die Streckenobjekte werden den jeweiligen Routenkoordinaten aus der Wegpunktliste zugeordnet. Falls Informationen über die zulässige Höchstgeschwindigkeit bestimmter Straßenabschnitte fehlen, wird die Straßenklassifizierung verwendet, um einen Wert festzulegen. Diese Annahme birgt ein Fehlerpotenzial. Abbildung 6.4.: Von Overpass API abgerufene Streckenobjekte entlang der Hauptroute des Landstraßenszenarios gemäß Schritt A2. Kartenhintergrund von [Ver18b]. 1 Anwendungsprogrammierschnittstelle (API), vgl. Abschnitt 4.2 125 <?page no="141"?> 6. Implementierung der Energiebedarfsprädiktion A3. Echtzeit-Verkehrsinformationen Um die Routen mit aktuellen Verkehrsinformationen zu erweitern, werden alle Verkehrsereignisse innerhalb der Korridore 2 , in denen die Route verläuft, abgerufen. Hierbei werden beispielsweise Staus, Baustellen oder temporär geschlossene Fahrspuren übermittelt. Vorkommnisse außerhalb der Route werden herausgefiltert. Das Verkehrsaufkommen für das Bundesstraßenszenario zeigt Abb. 6.5. Abbildung 6.5.: Von TomTom abgerufenes Verkehrsaufkommen im Bundesstraßenszenario gemäß Schritt A3. Kartenhintergrund von [Ver18b]. Vom Datenanbieter HERE werden die Verkehrsstörungen in folgende Kategorien eingeteilt: Unfall, Stau, Baustelle und Fahrspur gesperrt. Darüber hinaus werden diese mit einem der folgenden Schweregraden markiert: minimal, geringfügig, moderat oder ernsthaft. Abhängig 2 Verkehrslageanbieter übermitteln die Verkehrsdaten in rechteckigen Korridoren, die durch zwei Koordinatenpaare aufgezogen werden. Die Koordinaten zum Abruf der Verkehrsdaten werden so gewählt, dass der oder die Korridore die vollständige Strecke einschließen. 126 <?page no="142"?> 6.1. Generierung des elektronischen Horizontes vom jeweiligen Schweregrad wird die zulässige Höchstgeschwindigkeit auf den entsprechenden Routenabschnitten reduziert. Da diese Einteilung für Routenabschnitte mit unterschiedlichen zulässigen Höchstgeschwindigkeiten gilt, ist hieraus die quantitative Auswirkung nicht herauszulesen. In den Verkehrsinformationen von TomTom hingegen werden für jeden Routenabschnitt mit einer Verkehrsstörung die effektive Geschwindigkeit, die Dauer und der Grund für die Verzögerung, beispielsweise Stau oder Baustelle, die Start- und Endkoordinaten des Abschnitts sowie die Verzögerungszeit bereitgestellt. Darüber hinaus hat sich in einer stichprobenartigen Analyse der Verkehrsdienstleister gezeigt, dass TomTom im Vergleich zu HERE für verschiedenen Routen eine höhere Anzahl an Verkehrsinformationen zur Verfügung stellt. Eine statistisch belegte Untersuchung hinsichtlich der Güte der Anbieter wurde nicht durchgeführt, weil dies nicht Bestandteil dieser Arbeit ist. Die Verkehrsinformationen von TomTom werden aus genannten Gründen bevorzugt. Aus den Schritten A2 und A3 steht somit der Verlauf der zulässigen Höchstgeschwindigkeiten und die Reduzierung auf die effektive Geschwindigkeit in einem Abschnitt mit Verkehrsstörungen zur Verfügung, vgl. Abb. 6.6. Abbildung 6.6.: Abgerufener Verlauf der zulässigen Höchstgeschwindigkeiten und die reduzierte, effektive Geschwindigkeit in Streckenabschnitten mit Verkehrsstörung im Bundesstraßenszenario. 127 <?page no="143"?> 6. Implementierung der Energiebedarfsprädiktion A4. Wetterdaten In diesem Schritt wird der E-Horizont um Wetterdaten erweitert. Der Anbieter OpenWeatherMap [Ope18b] liefert hierfür aktuelle und zukünftige Wetterinformationen zu einer geographischen Koordinate. Dazu zählen Temperatur, Luftfeuchte und -druck, Art und Menge des Niederschlags, z. B. Regen, Schnee, Hagel oder Nebel, der Zeitpunkt von Auf- und Untergang der Sonne sowie Windgeschwindigkeit und zugehörige Richtung. Um die Verarbeitungszeit gering zu halten, werden die Informationen ausschließlich für die Startkoordinaten der Route und anschließend für jeden fünften Kilometer der Strecke abgefragt. Für die dazwischenliegenden Wegpunkte werden jeweils die Informationen der letzten Abfrage verwendet. Dies ist ausreichend, weil für jeden Wegpunkt die Informationen der nächstgelegenen Wetterstation herangezogen werden. Im selben Abrufintervall wie die Anfrage bei OpenWeatherMap werden Informationen zur Sonnenstrahlung beim Anbieter Solcast abgerufen. Hierzu zählen die globale horizontale Bestrahlungsstärke 3 GHI (W/ m 2 ), die direkte, normale Bestrahlungsstärke 4 DNI (W/ m 2 ), die diffuse, horizontale Bestrahlungsstärke 5 DHI (W/ m 2 ) sowie der Zenitz (°) und Azimutwinkel 6 α (°). Mithilfe dieser Werte wird die Aufheizung des Fahrgastraums durch Sonnenstrahlung abgebildet, vgl. Kapitel 7. Tabelle 6.2 zeigt die abgerufenen Wetterdaten entlang der Hauptrouten im Land- und Bundesstraßenszenario. 3 englisch: Global Horizontal Irradiation 4 englisch: Direct Normal Irradiation 5 englisch: Diffuse Horizontal Irradiation 6 Der Zenitwinkel variiert von 0° bis 180°. Null bedeutet direkt von oben. Ein Wert von 90° bedeutet, dass die Sonne am Horizont steht. Beim Azimutwinkel bedeutet 0 wahrer Norden. Er variiert von − 180° bis 180°. Positiv ist gegen den Uhrzeigersinn, d. h. Westen. Ein Wert von − 90° bedeutet, dass die Sonne im Osten steht. 128 <?page no="144"?> 6.1. Generierung des elektronischen Horizontes Tabelle 6.2.: Abgerufene Umgebungsbedingungen der beiden Realszenarien im Raum Karlsruhe am Freitag, 28.06.2019. Szenario Landstraße Bundesstraße Temperatur in ◦ C 23 - 25 29 - 30 Wind in km/ h 2, 6 - 6, 2 4, 1 Luftdruck in hPa 1022 1021 Luftfeuchte in % 53 25 berechnete Luftdichte in kg/ m 3 1, 198 1, 175 Sonnenaufgang 05: 23 Uhr Sonnenuntergang 21: 34 Uhr Sonnenstrahlung in W/ m 2 820 − 906 341 − 510 6.1.2. Verarbeitung gesammelter Routendaten Im Anschluss an das Sammeln energierelevanter Routeninformationen folgt deren Weiterverarbeitung, um eine Basis für die anschließende Bestimmung des Bewegungs- und Nutzungsprofils zu schaffen. Hierzu zählen folgenden Schritte: B1. Wegpunktliste äquidistant interpolieren B2. Wegpunktliste in ein X,Y,Z-Koordinatensystem transformieren B3. Routenlänge berechnen B4. Steigungswinkel berechnen B5. Kurvenradien berechnen B1. Äquidistante Wegpunkte interpolieren Die vorliegende Strecke wird auf äquidistante Wegpunkte interpoliert, um einen präziseren Verlauf der Route zu gewährleisten und die Genauigkeit der berechneten Streckenlänge und des Bewegungsprofils zu erhöhen. Dieses Vorgehen erfolgt gemäß dem Ansatz in [Gut+15]. Die Anzahl und Verteilung der in Schritt A1 abgerufenen Wegpunkte hängt von der Länge und vom Verlauf der Route ab. Zur Beschreibung von Kurven wird eine Vielzahl an Punkten benötigt. In Kreuzungsbereichen liegt jeweils ein Punkt. Zur Darstellung von Abbiegespuren wird ein kurzer Polygon- 129 <?page no="145"?> 6. Implementierung der Energiebedarfsprädiktion (a) Vor der Interpolation (b) Nach der Interpolation Abbildung 6.7.: Beispielhafter Kurvenverlauf vor und nach einer kubischen, dreidimensionalen Interpolation in äquidistante Wegpunkte [Gie14]. zug an Wegpunkten benötigt. Vor der Interpolation wird der Verlauf der Wegpunkte an Kreuzungen und in Kurven unter Einbezug der Straßenbreite geglättet. Dies betrifft Wegsegmente mit großen Winkeln zum jeweiligen Nachbarn [Gut+15]. Abb. 6.7 zeigt beispielhaft den Verlauf der Wegpunkte in einer Kurve vor und nach der äquidistanten Interpolation. Deren Resultat ist eine realistischere Annäherung an den Verlauf der Straße. B2. Transformation ins X,Y,Z-Referenzsystem Zur Durchführung der nachfolgenden Schritte wird eine Transformation des Koordinatensystems mit Breiten- und Längengraden in ein Bezugssystem mit metrischen Koordinaten durchgeführt [Kru+17a]. Hierfür wird eine azimutale, äquidistante Projektion 7 verwendet. Die Wegpunktliste enthält neben den Breiten- und Längengraden hierdurch X,Y-Koordinaten. Der Referenzpunkt des X,Y-Koordinatensystems, der gleichbedeutend mit dem Projektionsmittelpunkt ist, wird zentral zwischen Start- und Endpunkt der Route gewählt. Für kleine Ausmaße der Route ist diese Transformation ausreichend [Lan13]. Die geographische Höhe wird als Z-Koordinate ohne Umrechnung in das neue Referenzsystem übernommen. 7 Dieses Projektionsverfahren vernachlässigt die Erdkrümmung und nimmt an, dass die Erde im Referenzpunkt flach ist. 130 <?page no="146"?> 6.1. Generierung des elektronischen Horizontes B3. Routenlänge berechnen Die Distanz ∆ s ( i ) zwischen zwei Wegpunkten, die durch den vorherigen Schritt im metrischen System vorliegen, wird wie folgt berechnet: ∆ s ( i ) = √ ∆ x ( i ) 2 + ∆ y ( i ) 2 + ∆ z ( i ) 2 (6.1) Hierbei gilt ∆ x ( i ) = x ( i ) − x ( i − 1 ) und x ( 1 ) = 0, wobei i der Gesamtzahl der Zeilen in der Wegpunktliste entspricht. Für y und z gilt dies analog zu x. Durch das Aufsummieren der n einzelnen Distanzen ergibt sich die Gesamtdistanz der Route s Route zu: s Route = n ∑ i = 2 ∆ s ( i ) (6.2) B4. Steigungswinkel berechnen Aus zwei benachbarten Wegpunkten wird die Steigung α ( i ) in ◦ entlang der Strecke wie folgt berechnet: α ( i ) = arctan ( ∆ Höhe ∆ Distanz ) = arctan ( z ( i ) − z ( i − 1 ) s ( i ) − s ( i − 1 ) ) (6.3) B5. Kurvenradien berechnen Aus den kartesischen Koordinaten von drei Wegpunkten ( x 1 , y 1 ) , ( x 2 , y 2 ) und ( x 3 , y 3 ) der Wegpunktliste kann der Kurvenradius r ( i ) gemäß [AmB19] für jeden Wegpunkt i eindeutig berechnet werden: r ( i ) = √ ( x − x 1 ) 2 + ( y − y 1 ) 2 = √ B 2 + C 2 − 4AD 4A 2 (6.4) 131 <?page no="147"?> 6. Implementierung der Energiebedarfsprädiktion Hierbei sind die Koeffizienten A, B, C und D wie folgt definiert: A = x 1 ( y 2 − y 3 ) − y 1 ( x 2 − x 3 ) + x 2 y 3 − x 3 y 2 B = ( x 2 1 + y 21 )( y 3 − y 2 ) + ( x 2 2 + y 22 )( y 1 − y 3 ) + ( x 2 3 + y 23 )( y 2 − y 1 ) C = ( x 2 1 + y 21 )( x 2 − x 3 ) + ( x 2 2 + y 22 )( x 3 − x 1 ) + ( x 2 3 + y 23 )( x 1 − x 2 ) D = ( x 2 1 + y 21 )( x 3 y 2 − x 2 y 3 ) + ( x 2 2 + y 22 )( x 1 y 3 − x 3 y 1 ) +( x 2 3 + y 23 )( x 2 y 1 − x 1 y 2 ) (6.5) Abb. 6.8 zeigt ausschnittsweise den Verlauf der Streckenkrümmung entlang der Hauptroute des Landstraßenszenarios, die aus dem Kehrwert der Kurvenradien gebildet wird. Abbildung 6.8.: Berechneter Verlauf der Streckenkrümmung für einen Ausschnitt der Hauptroute des Landstraßenszenarios gemäß Schritt B5. 132 <?page no="148"?> 6.2. Prädiktion des Bewegungs- und Nutzungsprofils 6.2. Prädiktion des Bewegungs- und Nutzungsprofils Zur Berechnung des Bewegungs- und Nutzungsprofils eines Elektrofahrzeugs entlang des in Abschnitt 6.1 generierten Beispielszenarios werden ein definierter Fahrer und ein definiertes Fahrzeug einbezogen. Für die nachfolgenden Berechnungen wird ein Segment B Fahrzeug gemäß Anhang C und ein normaler Fahrstil herangezogen, somit gelten die initialen Fahrerparameter aus Abschnitt 3.3.5. Folgende Berechnungsschritte gemäß [Kru+17a] werden nachfolgend durchgeführt: C1. Zielgeschwindigkeit festlegen. C2. Standzeiten an Ampeln schätzen. C3. Fahrzeugbewegung bestimmen. C4. Wetterinformationen verarbeiten. C5. Nutzungsprofil der Nebenverbraucher prognostizieren. C1. Zielgeschwindigkeit Mithilfe des in Schritt B5 berechneten Kurvenradius r ( i ) und der maximalen Querbeschleunigung des Fahrers a y, max wird die maximale Kurvengeschwindigkeit v Kurve ( i ) wie folgt ermittelt [DR14]: v Kurve max ( i ) = √ a y, max · r ( i ) (6.6) Die vom Fahrer gefahrene Geschwindigkeit bei einer zulässigen Höchstgeschwindigkeit v Limit ( i ) hängt von der Limittreue des Fahrers f v, Treue ab, vgl. Abschnitt 3.2.1: v Fahrer Limit ( i ) = v Limit ( i ) · f v, Treue (6.7) Für jeden Eintrag in der Wegpunktliste wird anschließend die Zielgeschwindigkeit ermittelt, indem aus der Kurvengeschwindigkeit v Kurve max ( i ) , der durch die Limittreue veränderte zulässige Höchstge- 133 <?page no="149"?> 6. Implementierung der Energiebedarfsprädiktion schwindigkeit v Fahrer Limit ( i ) , der fahrzeugv Fahrzeug max und fahrerspezifischer Maximalgeschwindigkeit v Fahrer max das Minimum gebildet wird: v Ziel ( i ) = min ( v Kurve max ( i ) , v Fahrer Limit ( i ) , v Fahrzeug max , v Fahrer max ) (6.8) Abb. 6.9 zeigt die ermittelte Zielgeschwindigkeit anhand eines Ausschnitts der Hauptroute des Landstraßenszenarios. Abbildung 6.9.: Die Ziel-Geschwindigkeit wird durch die maximale Kurven-, Fahrer- und Fahrzeuggeschwindigkeit, die zulässige Höchstgeschwindigkeit und durch die Limittreue begrenzt. Das Fahrverhalten fällt gemäß Abschnitt 3.1.1 defensiver aus, falls einschränkende Umweltbedingungen vorherrschen. Bei intensivem Niederschlag wird deshalb die Limittreue f v, Treue begrenzt. Statistische Werte hierzu wurden in der Literatur nicht gefunden. Zusätzliche Untersuchungen sind hierfür erforderlich, vgl. Abschnitt 9.2.1. 134 <?page no="150"?> 6.2. Prädiktion des Bewegungs- und Nutzungsprofils C2. Standzeiten an Ampeln Wenn sich entlang der Route Ampeln befinden, wird das Anhalten und Warten an Ampeln in die Fahrzeitberechnung, welche Teil der Schätzung des Bewegungsprofils ist, einbezogen. Details über die Dauer der jeweiligen Ampelphasen sind in dem von der Overpass API abgerufenen Datensatz nicht enthalten. In der Literatur konnte keine Statistik zur durchschnittlichen Standzeit an roten Ampeln ausfindig gemacht werden. Für die Dauer der Grün-, Gelb- und Rotlichtphasen sowie für die verbleibende Zeit der bei Ankunft an einer Ampel werden Zufallswerte angenommen. Für die Signalfarben rot und grün eine relative Häufigkeit von 50 % und für die Dauer der Rotphase eine Normalverteilung um einen Erwartungswert. In vorliegendem Fall wird 25 s als Erwartungswert herangezogen, vgl. Abb. 6.10. Abbildung 6.10.: Zufallsbasierte Standzeiten an den Ampeln im Landstraßenszenario. Zwei der neun Ampeln zeigen Grünlicht und sind somit nicht in der Abbildung zu erkennen. Für eine potenzielle, weiterführende Analyse, die den Einfluss von Standzeiten an Ampeln betrachtet, wurde eine manuelle Festlegung der Ampelzustände implementiert, die auf Zufallswerten basiert. Hierfür sind drei Parameter festzulegen: die relative Häufigkeit der Signalfarben, die eine Verteilung zwischen alle Ampeln grün und alle Ampeln rot festlegt, der Erwartungswert der Rotphasendauer, der die Standzeit durch eine Normalverteilung definiert, und die maximale Rotphasendauer, um die Standzeit nach oben zu begrenzen. 135 <?page no="151"?> 6. Implementierung der Energiebedarfsprädiktion C3. Fahrzeugbewegung Für die Prognose des Bewegungsprofils steht gemäß Schritt C1 eine Zielgeschwindigkeit jedes Routenabschnitts zur Verfügung. Diese wird vom hier verwendeten Fahrermodell angenähert, vgl. Abb. 6.11. Abbildung 6.11.: Prognostizierter Geschwindigkeitsverlauf des Fahrermodells und die angestrebte Zielgeschwindigkeit für einen Ausschnitt der Hauptroute des Landstraßenszenarios. Die sägezahnförmigen Abschnitte der Zielgeschwindigkeit resultieren aus einer begrenzten Kurvengeschwindigkeit. Die Festlegung der gefahrenen Geschwindigkeit geschieht unter Beachtung physikalischer Grenzen. Dafür werden realistische Beschleunigungs- und Verzögerungswerte unter Berücksichtigung der Antriebsleistung des Fahrzeugs herangezogen. Bei einer bevorstehenden Reduzierung der Zielgeschwindigkeit wird der notwendige Bremsweg unter Einbezug der fahrerspezifischen Verzögerung a BV, max einkalkuliert, vgl. Abb. 6.12. Der Bremsweg s BV wird gemäß [MW14] wie folgt berechnet: s BV = v 2 Soll,n − v 2 Soll,n + 1 2 · | a BV, max | (6.9) 136 <?page no="152"?> 6.2. Prädiktion des Bewegungs- und Nutzungsprofils 𝑠 BV Abbildung 6.12.: Qualitative Darstellung der Bremsverzögerung vor Erreichen eines Abschnitts mit einer niedrigeren zulässigen Höchstgeschwindigkeit. Anhand der Abweichung zur aktuellen Zielgeschwindigkeit und der Berücksichtigung des Bremsweges für die nachfolgende Zielgeschwindigkeit wird eine Fallunterscheidung in Beschleunigen, Verzögern und Geschwindigkeit halten durchgeführt. Im Falle einer beschleunigten Bewegung wird der zurückgelegte Weg ∆ s mit Hilfe der Zeitdifferenz zum letzten Wegpunkt ∆ t durch einen Anteil mit veränderlicher Geschwindigkeit und durch eine konstante Anfangsgeschwindigkeit v 0 gebildet: ∆ s = 1 2 · a · ∆ t 2 + v 0 · ∆ t (6.10) Für jeden Punkt i der Wegpunktliste wird die Zeitdifferenz ∆ t ( i ) für die Fälle Beschleunigen und Verzögern durch Umstellen von Gleichung (6.10) berechnet: ∆ t ( i ) = ∣ ∣ ∣ ∣ ∣ v ( i − 1 ) + √ 2 · a ( i ) · ∆ s + v ( i − 1 ) 2 a ( i ) ∣ ∣ ∣ ∣ ∣ (6.11) Die verwendeten Beschleunigungswerte sinken mit steigender Fahrgeschwindigkeit. Um hierbei die fahrzeugabhängige Maximalbeschleunigung zu beachten, wird ein Motorkennlinienfeld für den Antriebsfall herangezogen, vgl. Anhang C. Für den Verzögerungsfall wird für die 137 <?page no="153"?> 6. Implementierung der Energiebedarfsprädiktion Tabelle 6.3.: Prognostizierte Kennwerte des Bewegungsprofils jeweils auf der Hauptroute des Land- und Bundesstraßenszenarios. Szenario Landstraße Bundesstraße Max. Geschwindigkeit in km/ h 100 120 ∅ Geschwindigkeit in km/ h 76, 88 85, 24 Max. Beschleunigung in m/ s 2 3, 00 3, 00 ∅ Beschleunigung in m/ s 2 2, 31 1, 976 Max. Verzögerung in m/ s 2 − 4, 00 − 4, 00 ∅ Verzögerung in m/ s 2 − 3, 36 − 3, 38 Min. Kurvengeschw. in km/ h 19, 05 19, 95 Anzahl roter Ampeln − 4 7 Standzeit an Ampeln in s 113 199 Beschleunigung a die fahrerabhängige, maximale Bremsverzögerung a BV, max verwendet, vgl. Abschnitt 3.2. Mithilfe der Geschwindigkeit am letzten Wegpunkt v ( i − 1 ) , lässt sich somit die Geschwindigkeit am aktuellen Wegpunkt v ( i ) ermitteln: v ( i ) = a ( i ) · ∆ t ( i ) + v ( i − 1 ) (6.12) Für den Fall Geschwindigkeit halten a ( i ) = 0 bleibt die Geschwindigkeit konstant und es gilt v ( i ) = v ( i − 1 ) . Die Zeitspanne zwischen aktuellem und vorherigen Wegpunkt wird in diesem Fall wie folgt berechnet: ∆ t ( i ) = ∆ s ( i ) v ( i − 1 ) (6.13) Nach Durchführung dieses Schrittes liegen die Kennwerte des Bewegungsprofils vor, vgl. Tabelle 6.3. C4. Verarbeitung von Wetterinformationen Innerhalb der abgerufenen Datensätzen der OpenWeatherMap API und der Solcast API stehen neben aktuellen Werten zum Abrufzeitpunkt auch prognostizierte Werte der nächsten Stunden zur Verfügung. Aus den abge- 138 <?page no="154"?> 6.2. Prädiktion des Bewegungs- und Nutzungsprofils rufenen Rohdaten werden den Koordinaten der Wegpunktliste die zum entsprechenden Zeitpunkt zugehörigen Wetterbedingungen zugeordnet. Hierzu gehören die Informationen Tageslicht, Regen, Schnee, Sicht, Bewölkungsgrad, Temperatur, Luftdruck, relative Luftfeuchtigkeit, globale horizontale Bestrahlungsstärke, Zenitwinkel und Azimutwinkel. Mithilfe der Uhrzeit des Fahrtbeginns und den Zeitpunkten des Sonnenauf- und Untergangs wird für jeden Wegpunkt die Information Tageslicht berechnet. Die Ankunftszeit an den Wegpunkten unter Einbezug der Standzeiten an Ampeln wird hierfür prognostiziert und jedem Wegpunkt i der Wegpunktliste die vergangene Zeit seit Fahrtbeginn t F zugeordnet. Hierzu werden alle Zeitdifferenzen ∆ t ( i ) zwischen zwei benachbarten Wegpunkten bis zum aktuellen Wegpunkt i aufsummiert: t F ( i ) = i ∑ n = 1 ∆ t ( n ) (6.14) Weiterhin wird die Luftdichte ρ gemäß Abschnitt 2.2.1 berechnet und den einzelnen Wegpunkten zugeordnet. Durch die dynamische Berechnung des Luftdrucks wird der Fehler durch einen falsch angenommenen konstanten Luftwiderstand minimiert, vgl. Abschnitt 3.3.2. C5. Nutzungsprofil der Nebenverbraucher Im Rahmen der Implementierung der EBP werden die in Tabelle 6.4 gezeigten Nebenverbraucher im Modell betrachtet. Die Leistungsaufnahme der fahrzeugabhängigen Dauerverbraucher wird unabhängig von äußeren Einflüssen als konstant angenommen. Für ein Segment B Fahrzeug werden 225 W angesetzt, vgl. Abschnitt 3.3.1. Die umweltabhängigen, geschalteten Verbraucher werden vom Fahrer angesteuert. Der von ihm gewählte Modus des Beleuchtungsbzw. Scheibenwischersystems hängt von umweltspezifischen Faktoren wie Tageszeit, Wetterbedingungen und Routeneigenschaften ab, vgl. Abb. 5.8. Die Bremslichter werden als aktiv angenommen, sofern der Beschleunigungsverlauf − 0,3 m/ s 2 unterschreitet. Die Ausrollverzögerung des Fahrzeugs bei jeder Geschwindigkeit liegt oberhalb dieses Wertes, 139 <?page no="155"?> 6. Implementierung der Energiebedarfsprädiktion Tabelle 6.4.: In der EBP berücksichtigte Nebenverbraucher gemäß der Gruppierung aus Abschnitt 2.1.2 und ihre Abhängigkeiten. Dauer-NV abhängig vom Fahrzeug gesamte Gruppe konstanter Wert, der Zündung, Infotainment und Navigationssystem berücksichtigt Dynamische NV bewegungs- und streckenabhängig Bremse elektrisch aktiv bei Unterschreiten einer festgelegten Beschleunigung Elektr. Servolenkung abhängig von Geschwindigkeit und Streckenverlauf Geschaltete NV abhängig von Wetter und Strecke Abblendlicht bei Dunkelheit und in Tunneln (inkl. Stand-, Instrumententafel- und Kennzeichenlicht) Fernlicht anteilig auf Abschnitten mit hohen Geschwindigkeiten Nebelscheinwerfer bei unzureichender Sicht Tagfahrlicht dauerhaft am Tag Bremslicht aktiv bei Unterschreiten einer festgelegten Beschleunigung Blinker definierte Zeitspanne, abhängig vom Streckenverlauf Scheibenwischer abhängig von Witterung Komfort-NV abhängig von Wetter und Fahrer Audioverstärker konstanter Wert HLK-System berücksichtigt Front- und Heckscheibenheizung, Kälte- und Kühlmittelpumpen, Außen- und Innenraumlüfter, HV-PTC-Zuheizer, Kältemittelkompressor und Sitzheizung 140 <?page no="156"?> 6.2. Prädiktion des Bewegungs- und Nutzungsprofils d. h., bei Unterschreiten wird Bremsen angenommen [CB98]. Der Blinker ist für 10 s aktiv, sofern der Lenkwinkel einen Grenzwert überschreitet während die Fahrzeuggeschwindigkeit unter 50 km/ h liegt. Die Verwendung des Blinkers bei Spurwechsel wird vernachlässigt, weil diese Situation aus den abgerufenen Routeninformationen nicht extrahiert werden kann. Bei Tageslicht ist das Tagfahrlicht aktiv. Bei Dämmerung, bei Nacht, bei witterungsbedingter Sichteinschränkung und in Tunneln ist das Abblendlicht aktiv. Die Wetterinformation Sicht legt die Verwendung von Nebelscheinwerfer und -schlussleuchte fest. Die Nutzung des Scheibenwischersystems hängt von den Wetterinformationen Regen und Schnee ab, vgl. Abb. 5.8. Die Verwendung des Fernlichts im Fahrbetrieb erfolgt in Abhängigkeit von Verkehr und Gegenverkehr. Die tatsächliche Nutzung kann aus den Routeninformationen jedoch nicht extrahiert werden. Aus diesem Grund wird für das Fernlicht angenommen, dass es auf einem Drittel der Streckenabschnitte mit einer Geschwindigkeit von mehr als 70 km/ h verwendet wird. Liegt die tatsächliche Nutzung des Fernlichts zwischen 0 s und zwei Drittel der Fahrzeit auf Abschnitten über 70 km/ h, weicht der Gesamtenergieverbrauch am Beispiel des Bundesstraßenszenarios, unter Annahme von 80 W Leistung des Fernlichts (vgl. Tabelle A.1), um maximal 0,09 % ab. Somit ist die Annahme gerechtfertigt. Die Modellierung des HLK-Systems, welches zu den regelbaren Komfortverbrauchern gehört, wird in Kapitel 7 ausführlich beschrieben. Die Berechnung der streckenabhängigen, dynamischen Verbraucher erfolgt für die elektrische Lenkhilfe gemäß Abschnitt 2.2.2 und für die Bremskraftverstärkung analog zum Bremslicht. 141 <?page no="157"?> 6. Implementierung der Energiebedarfsprädiktion 6.3. Berechnung des Energiebedarfs Gemäß Abschnitt 2.2.1 wird auf Basis der Fahrwiderstandsgleichungen die Antriebsleistung am Rad für jeden Wegpunkt i der Wegpunktliste wie folgt berechnet: P Rad ( i ) = [ c W A ρ ( i ) 2 v r ( i ) 2 + m [ a ( i ) + g ( sin α ( i ) + f R cos α ( i )) ]] · v r ( i ) (6.15) Unter Berücksichtigung der Wirkungsgradkette gemäß Abschnitt 2.2.3 wird für die von der HVB abgegebenen Energie zum Antreiben des Fahrzeugs für jeden Wegpunkt i der Wegpunktliste wie folgt berechnet: E HVB = n ∑ i = 1 P Rad ( i ) · t ( i ) η HVB, entladen · η LE · η M ( i ) · η G · η R (6.16) Die fahrzeugspezifischen Parameter, darunter die konstant angenommenen Wirkungsgrade für Batterie, Wandler und Getriebe sowie der dynamische Wirkungsgrad des Motors η M ( i ) auf Basis des Kennlinienfelds, zeigt Anhang C. Für die Energieberechnung wird ein normales Fahrverhalten zu Grunde gelegt, vgl. Abschnitt 3.2. Das Leistungsprofil des Antriebsstrangs zum Zurücklegen der Hauptroute des Landstraßenszenarios zeigt Abb. 6.13. Durch das prognostizierte Nutzungsprofil ist bekannt, wie Nebenverbraucher verwendet werden, vgl. Abschnitt 6.2. Unter Einbezug der fahrzeugspezifischen Leistungsaufnahme der Verbraucher (vgl. Abschnitt 3.3.1) wird der Verlauf der benötigten Leistung während der Routenführung und somit deren Energiebedarf ermittelt, vgl. Abschnitt 2.2.2. Tabelle 6.5 zeigt die Ergebnisse der EBP jeweils für die Hauptroute des Land- und Bundesstraßenszenarios. 142 <?page no="158"?> 6.3. Berechnung des Energiebedarfs Abbildung 6.13.: Prognostizierte Antriebsleistung zum Zurücklegen der Hauptroute des Landstraßenszenarios. Tabelle 6.5.: Prognostizierter Energiebedarf des Antriebs und der Nebenverbraucher zum Zurücklegen der Hauptroute des Land- und Bundesstraßenszenarios. Szenario Landstraße Bundesstraße Antriebsenergie in kWh 3, 961 5, 736 Verbrauch in kWh/ 100 km 16, 47 17, 87 ∅ Effizienz des Antriebs in % 76, 47 77, 32 Rekuperierte Energie in kWh 0, 929 1, 285 Energieverbrauch Nebenverbraucher in kWh: Dauer 0, 0832 0, 0850 Geschaltete 0, 0105 0, 0110 Dynamische 0, 1108 0, 1187 143 <?page no="159"?> 6. Implementierung der Energiebedarfsprädiktion 6.4. Plausibilisierung der EBP Die Ergebnisse und Teilergebnisse der EBP werden anhand der Hauptrouten des Land- und Bundesstraßenszenarios plausibilisiert, indem sie mit einer Messfahrt verglichen werden. Höhenprofil Abb. 6.14 zeigt den von HERE abgerufenen und den gemessenen Höhenverlauf der Hauptroute des Landstraßenszenarios. Der Verlauf ist plausibel, wobei es zu geringen Abweichungen bei Kilometer 4 sowie zwischen Kilometer 19 und 23 kommt. In den jeweiligen Streckenabschnitten tritt dichte Bewaldung auf. Die Höhendaten aus der Messung fallen geringer aus, weil die Daten des Routenanbieters auf Satellitenvermessung beruhen, bei der die Höhe der Fahrbahn im dichten Waldgebiet nicht korrekt ermittelt wird, vgl. [Gie14]. Abbildung 6.14.: Abgerufene und gemessene Höhendaten der Hauptroute des Landstraßenszenarios. Streckenlänge Die gemessenen Streckenlänge wird mit der Distanz, die gemäß Abschnitt 6.1 innerhalb der EBP berechnet wird, und mit der vom Routenanbieter HERE zur Verfügung gestellten Distanz verglichen. Tabelle 6.6 zeigt eine Auflistung der Streckenlängen aus den unterschiedlichen Quellen für das Land- und Bundesstraßenszenario sowie jeweils die Abweichung zur gemessenen Distanz. 144 <?page no="160"?> 6.4. Plausibilisierung der EBP Tabelle 6.6.: Vergleich zwischen gemessener, in der EBP berechneter und der von HERE zur Verfügung gestellter Streckenlänge (Distanz) und Fahrzeit für die Hauptrouten des Land- und Bundesstraßenszenarios. Die relative Abweichung bezieht sich jeweils auf die Messung. Szenario Landstraße Bundesstraße Quelle Distanz Abweichung Distanz Abweichung HERE 24,094 km 0,25 % 32,136 km 0,01 % EBP 24,050 km 0,07 % 32,107 km − 0,08 % Messung 24,033 km - 32,132 km - Quelle Fahrzeit Abweichung Fahrzeit Abweichung HERE 1728 s 8,07 % 2197 s − 1,21 % EBP 1597 s − 0,10 % 1877 s − 15,61 % Messung 1599 s - 2224 s - Die in der EBP berechnete Streckenlänge, die auf Basis der von HERE zur Verfügung gestellten Strecke interpoliert wird, weicht gegenüber der Messung um weniger als 0,5 % ab. Die berechnete Streckenlänge ist somit plausibel. Bewegungsprofil und Fahrzeit Weiterhin zeigt Tabelle 6.6 den Unterschied der Fahrzeiten zwischen Messung, EBP und der Schätzung des Anbieters HERE . Die Abweichungen der Fahrzeit fallen im Landstraßenszenario geringer aus als im Bundesstraßenszenario. Dies ist dem Verkehrsaufkommen geschuldet, vgl. Abb. 6.15. Energiebedarf des Antriebs Abschließend wird der gemessene Energiebedarf zum Zurücklegen der Hauptrouten des Land- und Bundesstraßenszenarios mit der EBP verglichen. Aus den Messdaten stehen Strom und Spannung an der HVB zur Verfügung. Somit haben sowohl aktive Hoch- und Niedervoltnebenverbraucher einen Anteil an der Leistungsabgabe der HVB. Anhand der Standzeiten des Fahrzeugs im Verlauf der Strecke wird der Leistungsbedarf der Nebenverbraucher 145 <?page no="161"?> 6. Implementierung der Energiebedarfsprädiktion Abbildung 6.15.: Vergleich zwischen gefahrener und der gemäß Abschnitt 6.2 prognostizierten Geschwindigkeit. abgeleitet und somit deren Energiebedarf, unter Einbezug der elektrischen Lenkhilfe, die während der Standzeiten keine Leistung anfordert, ermittelt. Durch Abziehen vom aufgezeichneten Gesamtenergiebedarf der Messung wird die benötigte Energiemenge des Antriebsstrangs berechnet. Ein geringfügiger Fehler durch diese Betrachtung ist hierbei nicht auszuschließen. Das Ergebnis der EBP fällt höher aus als bei der Messung, weil die prognostizierten Geschwindigkeitsprofile höhere Geschwindigkeiten aufweisen, vgl. Abb. 6.15. Ein verringertes Geschwindigkeitsniveau aufgrund von Verkehrsbeeinträchtigungen führt zu einem geringer ausfallenden Antriebsenergiebedarf. Durch die resultierende Fahrzeitverlängerung erhöht sich jedoch der Energiebedarf der Nebenverbraucher. Eine potenzielle Erhöhung der Gesamtantriebsenergie aufgrund dieser Tatsache wird in Abschnitt 8.2 untersucht. Fällt der tatsächliche Gesamtenergiebedarf geringer aus als der prädizierte, ist dies für die Zielerreichung unkritisch. Diese positive Situation ermöglicht es dem Energiemanagement Energieeinsparmaßnahmen aufzuheben, beispielsweise die Fahrzeugklimatisierung für die verbleibende Fahrt intensiver zu nutzen oder die Maximalgeschwindigkeit zu erhöhen. Falls der Gesamtenergiebedarf höher ausfällt als in der Prädiktion, beispielsweise durch verkehrsbedingte, lange Standzeiten und häufigen Stop-and-Go-Verkehr, während 146 <?page no="162"?> 6.4. Plausibilisierung der EBP Tabelle 6.7.: Vergleich zwischen gemessener und durch die EBP berechnete Antriebsenergie. Die Abweichung ist relativ zur Messung angegeben. Szenario Landstraße Bundesstraße Quelle Energie Abweichung Energie Abweichung Prädiktion 3,54 kWh 18,47 % 5,06 kWh 24,75 % Messung 2,99 kWh - 4,06 kWh - Auf Basis von gemessener Höhe und Geschwindigkeit Prädiktion 3,02 kWh 1,16 % 4,18 kWh 2,90 % die Nebenverbraucher hohe Leistung anfordern oder durch intensiveres Beschleunigen und schnelleres Fahren, führt dies zu einer reichweitenkritischen Situation. Um dieser zu entgegnen, enthält das vorgestellte Konzept eines Fahrerassistenzsystems zur Zielerreichung die zyklische EBP inklusive einer Optimierung von Fahrerparametern, vgl. Abschnitt 5.5. Zur Plausibilisierung der Energieberechnung unabhängig von Verkehrskaufkommen und Fahrerverhalten werden die gemessenen Größen Höhe und Geschwindigkeit als Eingang für die EBP verwendet, vgl. Tabelle 6.7. Aus der Höhe wird die Steigung entlang der Strecke bestimmt, vgl. Abschnitt 6.1.2. Gemäß Gleichung (5.1) wird die abzugebende Leistung des Antriebsstrangs und somit die benötigte Energie zum Zurücklegen der Strecke ermittelt. Die in der EBP angenommenen Parameter sind plausibel, weil der Energiebedarf zum Zurücklegen der Hauptroute des Land- und Bundesstraßenszenarios nur 1,16 % bzw. 2,90 % abweicht. 147 <?page no="164"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums Die in Kapitel 6 vorgestellte Energiebedarfsprädiktion prognostiziert das Bewegungs- und Nutzungsprofil eines Fahrzeugs. Darauf basierend wird der Energiebedarf der Nebenverbraucher vorhergesagt. Zur Ermittlung des Energieverbrauchs des HLK-Systems ist es gemäß Abschnitt 5.3.4 notwendig, die äußeren und inneren Faktoren, die auf den Fahrgastraum wirken, zu kennen und deren Einfluss auf den thermischen Zustand im Fahrzeug zu bestimmen. In diesem Kapitel wird der Fahrgastraum als MATLAB/ Simulink -Modell dargestellt, um das thermische Verhalten des Fahrgastraums abhängig von Umgebungsbedingungen abzubilden. Ziel ist es, anhand des erstellten Modells den Temperaturverlauf im Fahrzeug nachzubilden. Hierzu werden Wärmeübertragungsmechanismen erklärt und die Wärmestrombilanz im Fahrzeug aufgezeigt. Der nachfolgende Abschnitt beschreibt den Fahrgastraum als Mehrvolumenmodell, um hieraus die mittleren Luftvolumentemperaturen zu berechnen. Zusätzlich wird die Modellierung einer Klimaregelung beschrieben, die unter Berücksichtigung von Umgebungsbedingungen und Komfortansprüchen der Passagiere den Fahrgastraum konditioniert. Mithilfe der zugeführten Wärmeströme ins Fahrzeug und der Modellierung der hierfür benötigten Komponenten des Kälte- und Kühlmittelkreislaufs kann der benötigte Energieverbrauch zur Klimatisierung des Fahrgastraums berechnet werden. 149 <?page no="165"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums 7.1. Wärmestrombilanz im Fahrzeug Um eine Modellierung des Fahrgastraums 1 vorzunehmen, ist es notwendig, die Einflüsse auf diesen zu untersuchen, sodass relevante Parameter identifiziert werden können. Auf Basis der Einflussarten wird eine geeignete Simulationsmethodik ausgewählt, die es erlaubt den Fahrgastraum in ausreichender Genauigkeit zu modellieren. Die zugeführten Wärmeströme in den Fahrgastraum bestehen aus der Zuluft der Fahrzeugklimatisierung ˙ Q Zuluft und aus der transmittierten Wärme der Fahrzeugumgebung ˙ Q Transmission . Zu den austretenden Wärmeströmen aus des Fahrgastraums zählt die Abluft der Fahrzeugklimatisierung ˙ Q Abluft . Je nach Temperaturunterschied zwischen Umgebung und Fahrgastraum sind die Wärmeströme der Karosserie ˙ Q Karosserie und des Interieurs ˙ Q Interieur positiv oder negativ, vgl. Abb. 7.1. ሶ 𝑄 Transmission HLK-System ሶ 𝑄 Karosserie ሶ 𝑄 Interieur ሶ 𝑄 Zuluft ሶ 𝑄 Abluft Abbildung 7.1.: Wärmestrombilanz des Fahrgastraums gemäß [Wag09]. Betrachtet man den Fahrgastraum als ganzheitliches System, lässt sich hierfür eine allgemeine Wärmestrombilanz aufstellen: ˙ Q Zuluft + ˙ Q Transmission + ˙ Q Abluft + ˙ Q Karosserie + ˙ Q Interieur = 0 (7.1) Die Wärmeströme ˙ Q Zuluft und ˙ Q Abluft werden als reine Luftmassenströme dargestellt. Ein Wärmestrom ˙ Q *luft wird mithilfe des Luftmassenstroms ˙ m *luft , der spezifischen Wärmekapazität der Luft c p, Luft und 1 Begriff gemäß [Gro13], alternativ: (Fahrzeug-)Innenraum 150 <?page no="166"?> 7.1. Wärmestrombilanz im Fahrzeug der Temperaturdifferenz zwischen den Luftvolumen ∆ T [K] wie folgt berechnet: ˙ Q *luft = ˙ m *luft · c p, Luft · ∆ T (7.2) Die verbleibenden Wärmeströme setzen sich aus unterschiedlichen Wärmeübertragungsmechanismen zusammen, vgl. Anhang D. Die natürliche Konvektion wirkt bei der Aufheizung und Abkühlung des Fahrzeugs in unterschiedlichem Maße. Im ersteren Fall werden die Luftschichten im oberen Bereich des Fahrgastraums schneller aufgewärmt und es kommt zu Stauwärme, weil kein Austausch mit darunterliegenden Luftschichten erfolgt. Der entgegengesetzte Fall tritt bei der Abkühlung des Fahrgastraums ein, weil die oberen Luftschichten durch das Interieur und die kalten Scheiben schneller abkühlen und somit durch den Dichtezuwachs beginnen, sich abzusenken. Dies führt zu einer Durchmischung der Luft und einer gleichmäßigeren Temperaturänderung innerhalb des Fahrgastraums. Die temperaturabhängige Schichtung der Luft ist bei der Aufheizung ausgeprägter als bei der Abkühlung. Bei der Betrachtung des Fahrgastraums erhöht sich beispielsweise die lokale Temperatur eines Bauteils durch Sonneneinstrahlung und führt zur Aufheizung der benachbarten Luftschichten. Durch diese Erwärmung verringert sich die Dichte der Luft und sie steigt auf. Somit erfolgt eine Umwälzung der Luft im Fahrzeug. 7.1.1. Sonnenstrahlung Der Einfluss der Sonne ist bei der Betrachtung des Fahrgastraums nicht zu vernachlässigen. Die Intensität der Sonnenstrahlung ist abhängig von Jahres- und Tageszeit und bewirkt eine zusätzliche Strahlungsleistung auf das Fahrzeug. Ein Bauteil, z. B. ein Seitenblech, eine Scheibe oder ein Sitz, absorbiert, reflektiert oder transmittiert Strahlung in unterschiedlichem 151 <?page no="167"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums Maße. Gemäß [Sta17] gilt folgender Zusammenhang von Absorptionsα Absorption , Reflexionsρ und Transmissionskoeffizienten τ : α Absorption + ρ + τ = 1 (7.3) Der absorbierte Teil der Strahlung führt zu einer zusätzlichen Erwärmung eines Bauteils. Der Absorptionsgrad hängt von dessen Beschaffenheit ab. Gemäß [Bas15] lässt sich die absorbierte Wärmeleistung ˙ Q Absporption wie folgt berechnen: ˙ Q Absporption = α Absorption · A · ˙ q Sonne (7.4) Einen Sonderfall stellen die Scheiben des Fahrzeugs dar, weil diese eine vernachlässigbare Menge an Strahlungsenergie absorbieren. Beispielsweise gilt Fensterglas bei sichtbarem Licht als diathermer Körper, d. h., es absorbiert keine Strahlung. Für Fahrzeugscheiben geht man von τ ≈ 1 aus. Somit dringt ein Großteil der Strahlung über Transmission unmittelbar in den Fahrgastraum ein. Der Wärmestrom ˙ Q Transmission wird unter Berücksichtigung der Verglasungsfläche A Verglasung und dem Einfallswinkel der Sonne α Sonne wie folgt berechnet: ˙ Q Transmission = τ · A Verglasung · cos α Sonne · ˙ q Sonne (7.5) 7.1.2. Wärmebilanz eines Bauteils Berücksichtigt man den Einfluss der Umwelt auf den Fahrgastraum ganzheitlich, ergibt sich unter Einbezug der in Anhang D beschriebenen Wärmeübertragungsmechanismen für ein Fahrzeugbauteil folgende allgemeine Wärmebilanz: ˙ Q Bauteil = ˙ Q Konvektion + ˙ Q Leitung + ˙ Q Absorption + ˙ Q Transmission (7.6) Für die Berechnung des Wärmestroms durch Strahlung ist beispielsweise das Wissen über die Oberflächentemperatur eines entsprechenden Bauteils notwendig. Gemäß [Bas15] wird zur Nachbildung der Vorgänge von instationärer Wärmeleitung die Bauteiltemperatur über eine Diffe- 152 <?page no="168"?> 7.1. Wärmestrombilanz im Fahrzeug renzialgleichung erster Ordnung errechnet, wobei diese abhängig von der Bauteilmasse m und der spezifischen Wärmekapazität des Bauteils c p ist: ∆ T = ∫ t 0 ˙ Q Bauteil m · c p dt (7.7) Zur Berechnung der Temperaturänderung ∆ T eines Gasvolumens wird die ideale Gasgleichung gemäß [Sta17] herangezogen, die den Zusammenhang der zwischen Gasdruck p, Volumen V, Gastemperatur T, Gaskonstante bei trockener Luft R = 287,102 J K/ kg und Masse m wie folgt beschreibt: p · V = m · R · T (7.8) Durch Einsetzen von Gleichung (7.8) in Gleichung (7.7) erhält man die Änderung der Volumentemperatur. 7.1.3. Umgebungseinflüsse Gemäß Abschnitt 3.1 gibt es eine Vielzahl an Einflussfaktoren, die Auswirkungen auf die Reichweite eines Elektrofahrzeugs haben. In den Gleichungen (7.2) und (D.3) und in Gleichung (7.5) sind alle relevanten Parameter enthalten, die den Wärmestrom im Fahrzeug beeinflussen. Zu diesen äußeren Parametern zählen die Umgebungstemperatur T ∞ , die Sonneneinstrahlung ˙ q Sonne und die Relativgeschwindigkeit des Fahrzeugs v r . Die Umgebungstemperatur beeinflusst die in das Fahrzeug eingebrachte oder abgeführte Wärmemenge und ist abhängig von Zeit und Ort. Mit der Umgebungstemperatur hängt zusätzlich die diffuse Strahlung zusammen, die auf das Fahrzeug wirkt. Gemäß DIN 1946-3 [Deu01b] liegen Umgebungstemperaturen weltweit zwischen − 45 ◦ C und 55 ◦ C. Pkw-Klimaanlagen werden auf diesen Bereich ausgelegt. Die ins Fahrzeug eingebrachte Wärmemenge wird zusätzlich vom zweiten variablen Umgebungsfaktor, der Sonnenstrahlung, bestimmt: 153 <?page no="169"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums Abbildung 7.2.: Sonnenintensität über den Tagesverlauf am 10. Juli in der Nähe von Ingolstadt gemäß [Gro13]. Diese wirkt einerseits über Absorption auf die Karosserieelemente und andererseits über Transmission durch die Scheiben unmittelbar auf das Interieur des Fahrgastraums. Die Sonnenintensität ist abhängig von Tages- und Jahreszeit, vgl. Abb. 7.2. Der dritte Umgebungsfaktor ist die Strömungsgeschwindigkeit. Sie ist beim stehenden Fahrzeug abhängig vom umgebenden Wind oder beim fahrenden Fahrzeug von der Relativgeschwindigkeit des Fahrzeugs v r , die sich aus Fahr- und Windgeschwindigkeit zusammensetzt, vgl. Gleichung (2.3). Diese Strömungsgeschwindigkeit beeinflusst die Nußelt- Zahl und somit den Wärmeübergangskoeffizienten α , vgl. Anhang D. Dieser ist maßgebend für die Konvektion im Fall der Betrachtung eines Fahrgastraums. Je höher die Strömungsgeschwindigkeit, umso höher ist der Wärmeübergang an den Fahrzeugoberflächen. 154 <?page no="170"?> 7.2. Modellbildung und Randbedingungen 7.2. Modellbildung und Randbedingungen Zur gesamtheitlichen Abbildung des Temperaturverlaufs im Fahrgastraum und der benötigten Energie zur Klimatisierung wird jeweils ein Modell für den Fahrgastraum, für die Klimatisierungskomponenten und für deren Regelung herangezogen, vgl. Abb. 7.3. Abbildung 7.3.: Teilsysteme des Modells zur Berechnung des Energieverbrauchs des HLK-Systems. Zu den Eingangsdaten dieser Modelle gehört die Vorgabe des Klimatisierungsmodus, welche zu den Fahrerparametern zählt. Außerdem werden Größen des Teilsystems Umgebung einbezogen. Dieses dient als Schnittstelle zur Energiebedarfsprädiktion aus Kapitel 6 und stellt die für das Modell notwendigen Fahrzeug- und Umweltparameter zur Verfügung. Hierzu zählen die Umgebungstemperatur, die Sonnenintensität, die Strömungsgeschwindigkeit und die Vorkonditionierung des Fahrzeugs, d. h. die anfänglichen Bauteiltemperaturen. Die Modelle zur Abbildung des Fahrgastraums, der Klimaregelung, wozu die Luftführung innerhalb des Fahrzeugs gehört, sowie des Kälte- und Kühlmittelkreislaufs sind fähig, statische Zustände sowie instationäre Aufheiz- und Abkühlvorgänge abzubilden. Somit können mit den Modellen Analysen zum thermischen Komfort und zur Ermittlung des Energiebedarfs des HLK-Systems durchgeführt werden. 155 <?page no="171"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums 7.2.1. Modellierung des Fahrgastraums In dieser Arbeit wird ein eindimensionales Modell des Fahrgastraums mit fünf Volumen verwendet. Das Fahrzeug und seine Volumen stehen im Austausch mit der Umgebung, wobei Sonnenstrahlung, Umgebungstemperatur und Relativgeschwindigkeit des Fahrzeugs einbezogen werden, vgl. Abb. 7.4. Abbildung 7.4.: Aufteilung des Fahrgastraums in fünf Volumen und die darauf wirkenden Umgebungseinflüsse. Das Modell ermöglicht die Quantifizierung der Wärmeströme im Fahrgastraum mithilfe thermodynamischer Wärmeübertragungsmechanismen. Ein- und mehrdimensionale Modellierungsansätze des Fahrgastraums mit unterschiedlicher Anzahl an Volumen wurden in Abschnitt 4.1.2 beschrieben. Die Modellierung erfolgt in der Matlab/ Simulink -Umgebung. Die fünf Volumen werden separat bilanziert und über konvektive Wärmeübergänge miteinander gekoppelt, vgl. Abb. 7.5. Deren räumliche Festlegung sieht vor, dass sich Rumpf, Füße und Kopf der Passagiere in unterschiedlichen Volumen (V1 bis V3) befinden. Zusätzlich sind Front- (V4) und Heckraum (V5) definiert, weil hier große Flächen unmittelbare Sonneneinstrahlung erfahren und somit einen Einfluss auf den Luftmassenstrom innerhalb des Fahrzeugs haben. 156 <?page no="172"?> 7.2. Modellbildung und Randbedingungen V2 V4 V5 V3 Dach Dachverkleidung Heckscheibe V1 Unterbodenabdeckung Unterboden Frontscheibe Seitenfenster Seitenverkleidung Seitenblech Heckablage Interieur Armatur HV-Batterie (II) Systemgrenze Legende Konvektion Strahlung Transmission (I) Wärmekapazitäten Umgebung (III) Luftvolumen Sitzheizung Abbildung 7.5.: Konzept des Fünf-Volumen-Modells zur Abbildung des thermischen Zustands im Fahrgastraum unter Einbezug relevanter Fahrzeugbauteile, deren Kopplung untereinander und der jeweils wirkenden Wärmeübertragungsmechanismen. [Kru+17b] Das vorliegende Modell verwendet folgende Annahmen: • Alle Karosserieoberflächen werden als ebene Flächen mit einfacher Geometrie angenommen. • Wärmeeinträge über Kofferraum und Stirnwand werden vernachlässigt. • Die Innenraumvolumen sind untereinander ausschließlich über Konvektion im Austausch. Gleiches gilt für die Karosserieelemente und thermischen Massen mit den jeweils angrenzenden Luftvolumen. • Karosserieelemente werden als geschichtete, ebene Platten behandelt. • Die Kontaktflächen zwischen den Volumen sind an die Geometrie des Fahrzeugs angelehnt und werden als rechteckförmig angenommen. 157 <?page no="173"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums • Weil das Modell des Fahrgastraums ein träges System darstellt und Temperatursprünge nicht vorkommen, ist es ausreichend die Simulationsschrittweite auf 1 s zu setzen. Als Gesamtsimulationsdauer wird die von der Energiebedarfsprädiktion ermittelten Fahrzeit in Abschnitt 6.2 verwendet. (I) Wärmekapazitäten Im Fahrgastraum sind vier Komponenten mit Wärmekapazität, auch thermische Massen genannt, umgesetzt: Heckablage, Armatur, Interieur und Hochvoltbatterie (HVB). Eine thermische Masse absorbiert eine spezifische Wärmemenge bei einer Temperaturänderung und speichert diese. Je nach Aufbau eines Elektrofahrzeugs wird die HVB an unterschiedlicher Position verbaut. Bei der «Sandwich-Bauweise» muss der Wärmeaustausch der HVB mit der Unterbodenabdeckung und dem Unterboden einbezogen werden. Mit einem Gewicht von mehr als 200 kg [Boe13] hat sie erhebliche Auswirkungen auf den Wärmedurchgang in den Fußraum, weil ein Großteil der Wärme über den Unterboden eingetragen wird. Während der Aufheizung des Fahrgastraums bei kalter Umgebungstemperatur verzögert die thermische Masse der HVB beispielsweise den Temperaturanstieg im Fußraum. Im umgekehrten Fall, d. h. während der Abkühlung des Fußraums bei warmer Umgebungstemperatur, hat die Masse der HVB ebenfalls eine verzögernde Wirkung. Die thermischen Massen im Modell unterscheiden sich hinsichtlich der Materialparameter und der zu berücksichtigenden Umgebungseinflüsse. Das Interieur, wozu beispielsweise die Sitze gehören, tauscht ausschließlich Wärme mit dem Hauptraum (V1) aus, während Armatur und Heckablage mit dem Front- (V4) bzw. Heckraum (V5) gekoppelt sind. Die thermischen Massen absorbieren die durch die Scheiben eintretenden Wärmeströme. Strahlung durch das Seitenfenster wirkt ausschließlich aufs Interieur, während die durch Front- und Heckscheibe eintretende Strahlung von Interieur und Armatur bzw. von der Heckablage aufgenommen wird. Die anteilsmäßige Verteilung des Wärmestroms ist an die jeweilige Umgebungssituation angepasst: Falls die Sonne beispielsweise tief vor der Frontscheibe steht, ist der Anteil, der 158 <?page no="174"?> 7.2. Modellbildung und Randbedingungen vom Interieur im Unterschied zur Instrumententafel absorbiert wird, größer. Bei Betrachtung der Heizung und Kühlung ist, neben der einströmenden Luft, auch die Sitzheizung zu berücksichtigen, weil sie unmittelbaren Einfluss auf die in den Fahrgastraum eingebrachte Wärmemenge hat. Im Modell wird das Interieur nicht untergliedert, sodass die Heizleistung der Sitzheizung als zusätzlicher Wärmestrom auf diese thermische Masse wirkt. Hierfür stehen unterschiedliche Stufen zur Verfügung. Jede thermische Masse wird bilanziert. Aus dem konvektiven Übergang zum angrenzenden Volumen und der eintretenden Wärmestrahlung resultiert ein Wärmestrom, mit dem die Oberflächentemperatur der thermischen Masse ermittelt wird. (II) Systemgrenze Die Systemgrenze bilden die in Abb. 7.5 grau gefärbten Außenbleche von Dach, Unterboden und Seiten sowie die in blau eingefärbten Front-, Heck- und Seitenscheiben. Das Dach, der Unterboden und die Seitenteile werden als geschichtete Komponenten betrachtet. Zwischen den Blechen und der Innenraumverkleidung befinden sich isolierende Luftschichten, die mittels eines konvektiven Wärmeübergangs modelliert werden. Über die Systemgrenze wirken Konvektion, Wärmestrahlung der Umgebung und der absorbierte Anteil der Sonnenstrahlung. Durch freie Konvektion ist das Dach an den Kopfraum, die Seitenwände an den Hauptraum und der Unterboden an den Fußraum (V2) gekoppelt. Front- und Heckscheibe sind mit dem Frontbzw. mit dem Heckraum und Seitenscheiben mit dem Hauptraum über freie Konvektion verbunden. Ein großer Teil der Strahlung tritt unmittelbar in den Innenraum ein und wird von den thermischen Massen absorbiert. Hierdurch erwärmen sich die Bauteile und geben ihrerseits Wärme an die entsprechenden Volumen des Fahrgastraums ab. An den Oberflächen erfolgt ein konvektiver Wärmeübergang. Die Komponenten der Systemgrenze werden separat modelliert und liefern den ins System fließenden Wärmestrom in Abhängigkeit der Umgebungsgrößen. Die Ausgangsgrößen des Moduls Wärmeeinträge gemäß Abb. 7.3 sind die resultierenden zugeführten Wärmeströme in die jeweiligen Luftvolumen, die transmittierten Wärmeströme, die 159 <?page no="175"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums vom Interieur absorbiert werden, sowie die Oberflächentemperaturen der Front- und Heckscheibe, die für die Berechnung der natürlichen Konvektion über den thermischen Massen von Bedeutung sind. Bei einschichtigen Scheiben tritt der Sonderfall ein: Der Wärmeströme gelangt aufgrund des Transmissionskoeffizienten τ ≈ 1 unmittelbar durch die Scheibe hindurch in die entsprechenden Volumen und wird von den thermischen Massen absorbiert. Der Absorptionsanteil der Scheiben wird somit vernachlässigt. Diese Ströme und die jeweilige Oberflächentemperatur werden im Falle der Front- und Heckscheibe zusätzlich betrachtet, weil hier Auftriebsströmungen entstehen. Weil die Modellierung der geschichteten 2 Komponenten demselben Schema folgt, wird diese anhand des Dachs erläutert, vgl. Abb. 7.6. Bei der Bilanzierung des Unterbodens entfällt jedoch der Absorptionsanteil der Sonnenstrahlung. Abbildung 7.6.: Berechnung des Wärmestroms durch eine geschichtete Komponente am Beispiel des Dachs. Das Dach besteht aus einem Dachblech, einer isolierenden Luftschicht und einem Dachhimmel. Für jede Schicht wird abhängig von den Wärmeübergängen eine eigene Bilanz aufgestellt. Während der Wärmeleitung bestimmt der Wärmedurchgangskoeffizienten k den Wärmestrom. Dieser Koeffizient wird wesentlich von der Relativgeschwindigkeit des Fahrzeugs beeinflusst, weil sich der Wärmeübergangskoeffizient α außen hierdurch verändert. Der resultierende Wärmestrom bewirkt eine Temperaturänderung des Bauteils und somit sein instationäres Verhalten. Die Berechnung der Bauteiltemperatur erfolgt gemäß 2 Die Komponenten bestehen aus mehreren Schichten unterschiedlicher Materialien und Materialstärken. 160 <?page no="176"?> 7.2. Modellbildung und Randbedingungen Gleichung (7.7), wobei die Masse anhand der Bauteildichte und den Abmessungen berechnet wird. Die resultierende Bauteiltemperatur beeinflusst den Wärmestrom in die nächste Schicht. (III) Innenraumvolumen In den Innenraumvolumen wirken die Wärmeübertragungsmechanismen Konvektion, Strahlung und Transmission (vgl. Anhang D) teilweise oder gemeinsam, weil thermischen Massen, Scheiben und Wandflächen berücksichtigt werden. Alle Volumen sind untereinander durch freie Konvektion ˙ Q K und Luftmassenströme ˙ Q LMS gekoppelt. Hierbei ist der Hauptraum (V1) mit allen anderen Volumen in Kontakt, der Kopfraum (V2) darüber hinaus mit dem Front- (V4) und Heckraum (V5). Für die einzelnen Volumen resultieren folgende Gesamtwärmeströme: ˙ Q Gesamt,V1 = ˙ Q Seitenscheibe + ˙ Q Interieur + ˙ Q Seitenwände + ˙ Q K + ˙ Q LMS ˙ Q Gesamt,V2 = ˙ Q Unterboden + ˙ Q K + ˙ Q LMS ˙ Q Gesamt,V3 = ˙ Q Dach + ˙ Q K + ˙ Q LMS ˙ Q Gesamt,V4 = ˙ Q Frontscheibe + ˙ Q Armatur + ˙ Q K + ˙ Q LMS ˙ Q Gesamt,V5 = ˙ Q Heckscheibe + ˙ Q Heckablage + ˙ Q K + ˙ Q LMS (7.9) Ohne aktive Klimatisierung wird von einer schwachen Belüftung ausgegangen, wonach sich der Wärmeübergangskoeffizient zwischen den Schichten richtet. Mithilfe der Volumentemperaturen der benachbarten Luftschichten wird der resultierende Wärmestrom berechnet. Zusätzlich erfolgt ein Massenaustausch zwischen den Volumen aufgrund von Auftriebsströmungen, die den thermischen Massen geschuldet sind, vgl. Abb. 7.7. Die Temperaturunterschiede von Armatur und Heckablage zu ihren angrenzenden Volumen führen zu Luftströmen aus dem Frontbzw. Heckraum in den Kopfraum (V3). Weil sich der Druck im Fahrgastraum nicht erhöht, strömt Luft aus dem Hauptin den Frontbzw. Heckraum nach. Ein anschließender Luftmassenstrom vom Kopfzum Hauptraum führt zur Bildung von Wirbeln im Innenraum, die eine Durchmischung der Luft im Fahrgastraum erzwingen. 161 <?page no="177"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums Abbildung 7.7.: Zirkulationsströmungen innerhalb des Fahrgastraums, die durch Auftriebsströmungen oberhalb der Heckablage und der Armatur verursacht werden. 162 <?page no="178"?> 7.2. Modellbildung und Randbedingungen Der Wärmestrom der Luftmassen ˙ Q LMS richtet sich hierbei nach der Höhe der Temperaturdifferenz: ˙ Q LMS = ˙ m Aufström · ( T 1 − T 2 ) (7.10) Bei aktiver Aufheizung oder Abkühlung des Fahrgastraums erfolgt die Kopplung der Luftvolumen durch erzwungene Massenströme. Analog zu den Auftriebsströmungen gilt jederzeit das Gesetz der Massenerhaltung, sodass die gleiche Luftmenge, die in ein Volumen strömt, in einen angrenzendes weitergeleitet wird. Die Größe des Wärmestroms hängt hierbei von Einström- und Ist-Temperatur des Fahrgastraums und vom gewählten Umluftmodus ab. 7.2.2. Luftführung im Innenraum Es gibt drei Ausgänge des Klimatisierungssystems, um Luft in den Fahrgastraum zu leiten: Frontscheiben-, Personen- und Fußraumgebläse. Dieselbe Menge an einströmender Luft muss den Fahrgastraum aufgrund der Massenerhaltung wieder verlassen. Der Druckanstieg wird einerseits durch Leckströme an Scheiben und Karosserieteilen und andererseits durch einen Luftauslass im Kofferraum vermieden. Eine zusätzliche Luftabfuhr gibt es im Umluftmodus, bei dem die Luft aus dem Fußraum vom Klimatisierungssystem angesaugt, erwärmt oder abgekühlt und zurück in den Fahrgastraum eingeblasen wird. Daher gibt es zwei verschiedene Luftführungspfade im Fahrzeug, vgl. Abb. 7.8. Die Quantität der eintretenden Luftmassenströme hängt vom Gebläsemodus ab. Der Luftmassenstrom m Frontscheibengebläse wird nach Eintritt in den Frontraum aufgeteilt. Das Verhältnis hängt von der Größe der Kontaktflächen von angrenzenden Volumen zum Frontraum ab. Ein Großteil wird somit in den Hauptraum weitergeleitet, der Rest in den Kopfraum. Der Massenstromanteil des Kopfraumes strömt anschließend in den Heckraum und wird im letzten Schritt über den Kofferraum aus dem Fahrgastraum abgeführt. Der in den Fußraum eingeblasene Massenstrom m Fußraumgebläse strömt anschließend in den Hauptraum. Dort vermischen sich Anteile der Massenströme aus allen drei Lufteinlässen. Die Abfuhr aus dem 163 <?page no="179"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums 𝑇 Umgebung 𝑇 Umgebung Abbildung 7.8.: Luftführung innerhalb des Fahrgastraums bei aktiviertem und deaktiviertem Umluftmodus. Die farbigen Pfeile zeigen den Weg der eingeführten Luftmassenströme durch den Fahrgastraum gemäß ihres im Modell realisierten Anteils. Hauptraum in den Kofferraum geschieht einerseits unmittelbar über Spalten in der Rücksitzbank, andererseits mit Umweg über den Heckraum. Das Verhältnis hängt von der Größe der Kontaktflächen von angrenzenden Volumen zum Hauptraum ab. Je nach Umluftanteil verändert sich der Weg der Luftmassenströme durch den Fahrgastraum und somit die resultierenden Wärmeströme. Im reinen Umluftmodus wird 100 % der eingeblasenen Luft dem Fußraum entnommen und anschließend konditioniert. Ein kleiner Teil der in den Frontraum eingeblasenen Luft m Frontscheibengebläse strömt hierbei über den Kopfin den Hauptraum und anschließend in den Fußraum. Dort wird er zusammen mit den Luftmassenströmen m Hauptraum und m Fußraumgebläse vom Klimatisierungssystem angesaugt. 164 <?page no="180"?> 7.2. Modellbildung und Randbedingungen 7.2.3. Einfluss der Passagiere Passagiere nehmen Einfluss auf das Luftvolumen und den Wärmeeintrag in den Fahrgastraum durch ihre natürliche Wärmeabgabe. Beim durchschnittlichen Körpergewicht von 68 kg gemäß EU-Norm 92/ 21 [Eur92], verdrängt dieser, unter Annahme der Dichte von Wasser mit 1000 kg/ m 3 , 68 l Luft aus dem Fahrzeuginnenraum. Dies wirkt sich auf die Aufheizungs- und Abkühlungsverlauf der Luftvolumen im Innenraum aus. Da der Innenraum in fünf Volumen aufgeteilt ist, muss auch die Luftverdrängung auf die jeweiligen Raumvolumen aufgeteilt werden: 70 % des verdrängten Volumens wird vom Hauptraum (V1) abgezogen, während jeweils 15 % dem Fuß- (V2) und Kopfraum (V3) angerechnet werden. Der menschliche Körper gibt zusätzlich Wärme an die Umgebung ab. Diese ist abhängig von der Umgebungstemperatur und der Tätigkeit des Menschen. Nach einer kurzen Temperierungsphase des Fahrgastraums herrschen Temperaturen analog einem klimatisierten Gebäude. Somit ist die hierfür geltende VDI 2078 [Ver15], welche die Kühllastberechnung klimatisierter Räume beschreibt, aufs Fahrzeug übertragbar. Gemäß [Ver15] wird die Tätigkeit einer Person in vier Aktivitätsgrade eingeteilt, wobei das Fahren eines Kraftfahrzeugs einer sitzenden Tätigkeit und somit dem Aktivitätsgrad 1 entspricht. Die angenommene Wärmeabgabe einer Person im Sitzen liegt bei einer Raumtemperatur zwischen 18 ◦ C und 26 ◦ C bei konstanten 120 W. Diese Wärme wirkt auf Fuß- und Hauptraum mit 10 % bzw. 50 %. Weil ein großer Teil der Wärmeabgabe durch die Atemluft erfolgt, strömen die restlichen 40 % in den Kopfraum. Die Anzahl der Passagiere wirkt als Multiplikator auf die Berechnung der verdrängten Luft und auf den eintretenden Wärmestrom im Fahrzeug. 7.2.4. Klimaregelung Die Modellierung einer Klimaregelung ermöglicht die Darstellung realitätsnaher Temperaturverläufe in den Fahrgastraum sowie dynamische Leistungsanforderung während der Fahrt. Durch das Teilsystem 165 <?page no="181"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums Tabelle 7.1.: Verteilung der Massenströme in Abhängigkeit des Gebläsemodus. Gebläsemodus ˙ m V1 ˙ m V2 ˙ m V4 deaktiviert 0 0 0 Personengebläse 1 0 0 Fußraumgebläse 0 1 0 Frontscheibengebläse 0 0 1 Frontscheibenu. Personengebläse 0, 7 0 0, 3 Personenu. Fußraumgebläse (Heizen) 0, 3 0 0, 7 Personenu. Fußraumgebläse (Kühlen) 0, 7 0 0, 3 «Vorgabe Modus» werden Einstellmöglichkeiten des Klimatisierungssystems berücksichtigt, wie sie in einem Fahrzeug vorzufinden sind. Hierdurch besteht die Möglichkeit, die Klimareglung für ein explizites Szenario nachzubilden, beispielsweise wie sie bei einer Messfahrt vorkommt. Als Soll-Temperatur stehen Werte von 16 ◦ C bis 28 ◦ C zur Verfügung. Die gewählte Belüftung setzt sich aus der Gebläsestufe, dem Umluft- und dem Gebläsemodus zusammen. Der gesamte, in den Fahrgastraum einströmende Massenstrom besteht - wie in Abschnitt 7.2.2 beschrieben - aus drei Teilen, die in Abhängigkeit des gewählten Gebläsemodus geregelt werden, vgl. Tabelle 7.1. Der momentane Massenstrom orientiert sich an dem maximal erzielbaren Massenstrom des Klimatisierungssystems. Entsprechend der in der Fahrzeugklimatisierung umgesetzten Zahl der Gebläsestufen wird dieser Wert linear unterteilt. Zusätzlich existiert eine automatische Belüftungseinstellung, die in Abhängigkeit der gewählten Temperatur Gebläsestufe, Umluftsowie Gebläsemodus vorgibt. Für das Referenzfahrzeug wird 9 kg/ min als maximal erzielbarer Massenstrom angenommen. Zur Vorhersage des Energiebedarfs wird ein globaler Automatikmodus der Regelung herangezogen, der die Komfortansprüche und das Behaglichkeitsempfinden der Passagiere einbezieht. Im Gegensatz zu den anderen Einstellmöglichkeiten ist diese Option in einem realen Fahrzeug nicht vorhanden und steht ausschließlich für Simulationszwecke zur Verfügung. Der Automatikmodus legt alle oben genannten Einstellmöglichkeiten des Klimatisierungssystems über die komplette Strecke 166 <?page no="182"?> 7.2. Modellbildung und Randbedingungen 𝑇 ∞ 𝑇 innen 𝑇 innen ሶ 𝑚 LMS ሶ 𝑚 LMS Abbildung 7.9.: Behaglicher Luftmassenstrom und behagliche Innenraumtemperatur innerhalb des Fahrgastraums in Abhängigkeit der Umgebungstemperatur [DR14]. hinweg fest: Er orientiert sich hierfür an der, als behaglich empfundenen Temperatur und dem, als behaglich empfundenen, einströmenden Luftvolumenstrom im Fahrgastraum in Abhängigkeit der Umgebungstemperatur, vgl. Abb. 7.9. Als Zustandsgrößen werden von der Regelung die Ist-Temperaturen der unterschiedlichen Volumen verwendet und über die einströmende Wärme geregelt. Diese ist durch ihre Temperatur T LMS und den Luftmassenstrom ˙ m LMS gemäß Gleichung (7.2) charakterisiert und wird abhängig von der Belüftungseinstellung den jeweiligen Innenraumvolumen zugeführt. Zusätzlich bezieht die Regelung die Umgebungstemperatur und die Sonnenintensität ein. Im Fall eines nicht vorkonditionierten Fahrzeugs ist das Ziel einer Klimatisierung, die gewünschte Temperatur schnell zu erreichen und einen als behaglich wahrgenommenen Zustand herzustellen. Hierfür wird die Innenraumtemperatur mit hohem Massenstrom und maximaler oder minimaler Einströmtemperatur an die Zieltemperatur angenähert. Die erzielbare Einströmtemperatur wird von der maximalen und minimalen Oberflächentemperatur des Wärmetauschers und von der Temperatur der Ansaugluft bestimmt. Letztere entspricht in Abhängigkeit der 167 <?page no="183"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums Tabelle 7.2.: Frischluftanteile in Abhängigkeit der Temperaturdifferenz zwischen momentaner Innenraumtemperatur T Ist und der Umgebungstemperatur T ∞ für unterschiedliche Soll- Temperaturen T Soll . T Ist − T ∞ − 50 ◦ C − 20 ◦ C − 5 ◦ C 0 ◦ C 5 ◦ C 20 ◦ C 50 ◦ C T Soll > T ∞ 100 % 100 % 100 % 100 % 90 % 20 % 20 % T Soll < T ∞ 20 % 20 % 90 % 100 % 100 % 100 % 100 % Belüftung einer von fünf Volumentemperaturen, der Umgebungstemperatur oder einer Mischtemperatur daraus. Bei Annäherung an die Soll-Temperatur wird der Massenstrom auf den von der Umgebungstemperatur abhängigen, behaglichen Wert gemäß Abb. 7.9 reduziert. Parallel zu dieser Vorgehensweise wird die Einströmtemperatur geregelt, um eine umgebungsabhängige, behagliche Innenraumtemperatur zu erreichen. Hierfür wird aus Hauptraum- und Soll-Temperatur eine ideale Einströmtemperatur berechnet, die durch minimal und maximal erzielbare Werte begrenzt ist. Diese ergeben sich aus der Ansaugtemperatur, dem Luftmassenstrom, der thermischen Heizbzw. Kühlleistung, den maximal und minimal zulässigen Einströmtemperaturen für Heizen bzw. Kühlen und dem Trägheitsverhalten des HLK-Systems. Der Frischluftanteil bei der Aufheizung richtet sich nach der Temperaturdifferenz zwischen der Ist- und Soll-Temperatur des Hauptraums, vgl. Tabelle 7.2. Eine schnelle Aufheizung des Fahrgastraums wird durch einen hohen Umluftanteil ermöglicht. Verbleibt eine geringere Temperaturdifferenz, wird der Frischluftanteil erhöht, um eine verminderte Luftqualität des Fahrgastraums zu vermeiden. Bei einem in der Sonne aufgeheizten Fahrzeug wird zu Beginn ausschließlich Frischluft verwendet, solange die Umgebungstemperatur niedriger ist als die momentane Temperatur im Fahrgastraum. Anschließend wird ein Mischmodus verwendet, um Energie einzusparen. Die beschriebene Regelungsstrategie gewährleistet eine ausreichende Belüftung und genügt den Komfortansprüchen im Fahrzeug. 168 <?page no="184"?> 7.2. Modellbildung und Randbedingungen 7.2.5. Modell des Kälte- und Kühlmittelkreislaufs Am Gesamtsystem des Kälte- und Kühlmittelkreislaufs sind Wärmeübertrager, Kältemittelsammler, elektronische Expansionsorgane (EXV), Absperrventile (ASV) und Verdichter beteiligt. Zu den in Abb. 7.10 grau gefärbten Wärmeübertragern gehören ein Verflüssiger (Kondensator), Kühlschleifen der HVB, ein Verdampfer, ein Heizungswärmeübertrager sowie ein Hochvolt-Zuheizer. Die Modellierung der eindimensionalen Simulationsmodelle der Komponenten des Kälte- und Kühlmittelkreislaufs basiert auf der Finite- Volumen-Methode. Hierbei werden die Modelle entlang der Strömungsrichtung in Kontrollvolumen aufgeteilt, in denen Massen-, Energie- und Impulserhaltungsgleichungen gelöst werden. Der Hochvolt-Zuheizer gehört zur Serienausstattung von Elektrofahrzeugen und heizt den bestehenden Kühlmittelkreislauf auf. Über den Heizungswärmeübertrager wird warme Luft in den Fahrzeuginnenraum eingeblasen. Die Leistungszahl eines solchen PTC-Heizelements ist nahezu 1, d. h., für 1 kW Wärmeleistung wird knapp über 1 kW elektrische Leistung aus der HVB entnommen. Das Prinzip der Wärmepumpe stellt ein effizientes System durch Erweiterung des Kältemittelkreislaufs um einen Icond (Wärmepumpenwärmetauscher) dar. Dessen Verwendung verringert den Energiebedarf des elektrischen Zuheizers durch Nutzung der Umgebungswärme. Bei Umgebungstemperaturen zwischen 5 ◦ C und 20 ◦ C ist die benötigte Antriebsleistung des Verdichters geringer als die des Zuheizers. Beispielsweise benötigt ein BMW i3 ohne Wärmepumpe für 5 kW Heizleistung ca. 5,5 kW elektrischer Energie, während ein baugleiches Modell mit Wärmepumpe hierfür ca. 2,5 kW elektrische Energie benötigt [BMW13a]. Die explizite Umgebungstemperatur für diese Werte gibt [BMW13a] nicht an. Durch elektrische Regelventile arbeitet der Kältemittelkreislauf im Kühl-, Heiz- und Wärmepumpen- oder Reheatbetrieb, vgl. Abb. 7.11. Unterhalb einer Umgebungstemperatur von 15 ◦ C ist der Heiz- und Wärmepumpenbetrieb aktiv. Das Kältemittel wird hierbei im Kältemittelkompressor (Verdichter) durch einen Energieaufwand von ca. einem Viertel der abgegebenen Nutzwärme komprimiert. Das hier- 169 <?page no="185"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums Abbildung 7.10.: Übersicht der Komponenten des Kältemittel- und Kühlmittelkreislaufs. Die Wärmeübertrager sind grau hinterlegt. 170 <?page no="186"?> 7.2. Modellbildung und Randbedingungen durch erhitzte Kältemittel erwärmt im Icond die Luft, die als Nutzwärme abgeführt wird. Nach Verdampfen des Kältemittels am EXV2 wird dieses im Verflüssiger abhängig von der Umgebungstemperatur erwärmt. Anschließend wird es erneut verdichtet. Die Erwärmung des Kältemittels durch die Umgebung im Verflüssiger und die Verdichtungsleistung des Kältemittelkompressors ergeben ca. drei Viertel der Nutzwärme. Dadurch erreicht das Prinzip der Wärmepumpe bei hohen Umgebungstemperaturen eine hohe Leistungszahl. Sinkt die Umgebungstemperatur unter 0 ◦ C, stellt sich eine Sättigungstemperatur des Kältemittels unterhalb der Umgebungstemperatur ein. Hierdurch bilden sich Eiskristalle auf dem Verflüssiger, welche die Luftkanäle verschließen, den Wärmeübergang verhindern und dadurch die Wärmeabgabe reduziert wird. Bei vollständiger Blockade des Verflüssigers muss der Kältemittelkreislauf abgeschaltet werden. Eine Umgebungstemperatur unter − 10 ◦ C führt dazu, dass der Fahrgastraum ausschließlich mit dem elektrischen Zuheizer aufgeheizt wird. Der Kühlbetrieb ist ab ca. 30 ◦ C und eingeschalteter Klimatisierung aktiv. Hierbei verdichtet der elektrische Kältemittelverdichter durch (a) Kühlbetrieb (b) Heizu. Wärmepumpenbetrieb (c) Reheatbetrieb Abbildung 7.11.: Kälte- und Kühlmittelkreislauf für unterschiedliche Betriebsmodi. Blau steht für eine niedrige Kältebzw. Kühlmitteltemperatur, rot für eine hohe. 171 <?page no="187"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums eine exzentrische Bewegung Kältemittel zwischen Eintritt und Austritt. Enthitzung, Kondensation und Unterkühlung finden im Verflüssiger statt. Dieser befindet sich in der Fahrzeugfront, um die auf den Verflüssiger geleitete Luftmenge mit der Fahrgeschwindigkeit zu erhöhen. Reicht die Luftmenge bei geringen Geschwindigkeiten nicht aus, wird zusätzlich ein Sauglüfter in Luftrichtung hinter dem Verflüssiger aktiv. Der Reheatbetrieb oder Mischbetrieb ist bei einer Umgebungstemperatur von ca. 15 ◦ C bis 30 ◦ C aktiv. Bei hohen und niedrigen Umgebungstemperaturen erfolgt der Reheatbetrieb somit im Anschluss an den Kühlbzw. Heiz- und Wärmepumpenbetrieb. Die Oberflächentemperatur des Verdampfers wird bei diesem Betrieb auf 10 ◦ C angehoben. Der Hochdruck nach dem Verdichter wird aufgrund des geringen Energiebedarfs auf einen konstanten Wert gesetzt. Über die Mischluftklappe wird von Beginn an die Temperierung des Innenraums geregelt. Aufgrund des niedrigen Energiebedarfs des Verdichters und des schnellen Erreichens der Oberflächentemperatur des Verdampfers ist in diesem Betriebszustand das Energiesparpotenzial am geringsten. Die genannten Betriebsmodi werden in Anhang E.6 ausführlich beschrieben. Für die Modellierung des Kälte- und Kühlmittelkreislaufs werden folgende Annahmen getroffen: • Druckverluste und Wärmeübergänge der Komponenten, die in Realität bei gewissen Betriebszuständen nicht durchströmt werden, sind adiabat und verlustfrei modelliert. • Druckverluste und Wärmeübergänge in den Kälte- und Kühlmittelleitungen werden nicht berücksichtigt. • Der Icond wird im Wärmepumpenbetrieb durch einen separaten Verdichter mit dem gleichen Kältemittelmassenstrom wie der Kältekreislauf versorgt, sodass im Kältemittelkreislauf bei tiefen Temperaturen Fehler oder schlechte Konvergenz vermieden wird. • Das umgekehrte Durchströmen der Wärmeübertrager wird an dieser Stelle vernachlässigt. Es wird von einer vollständigen Verdampfung des Kältemittels ausgegangen. Das Vorhandensein eines Niederdrucksammlers rechtfertigt diese Annahme. 172 <?page no="188"?> 7.3. Validierung der Modelle 7.3. Validierung der Modelle 7.3.1. Fahrgastraum Im Modell werden Parameter unterschiedlicher Art verwendet. Diese werden in die Kategorien Material, Geometrie und Umwelt eingeteilt. Zu den Materialparametern zählen Materialdichte, thermische Wärmeleitfähigkeit, spezifische Wärmekapazität sowie Absorptions-, Emissions- und Transmissionskoeffizient. Geometrische Parameter sind Materialstärken, Bauteillängen und -flächen, Neigungswinkel der Scheiben und Größe der fünf Volumen. Genannte Parameter beeinflussen die mittleren Volumentemperaturen. Material und Geometrie werden als konstant angenommen. Zu den konstant angenommenen Umweltparametern zählen die Stefan- Boltzmann-Konstante σ , die Gaskonstante R, sowie folgende, orts- und temperaturabhängige Werte, die als konstant angenommen werden: Erdbeschleunigung g, thermischer Ausdehnungskoeffizient von Luft β Luft , kinematische Viskosität von Luft ν Luft , spezifische Wärmekapazität von Luft c p, Luft , Wärmeleitfähigkeit von Luft λ Luft , dynamische Viskosität von Luft µ Luft und die Prandtl-Zahl Pr. Für alle Größen wird der Wert bei einer Temperatur von 20 ◦ C und 1 bar Luftdruck angenommen. Das Referenzfahrzeug hat die Karosserieform Steilhecklimousine. Dies hat Auswirkungen auf die Größe und den Wärmeeintrag des Heckraums. Wärme tritt im Vergleich zu einer Fließhecklimousine zusätzlich über Seitenscheiben ein. Das Längenmaß des Fahrzeugs fungiert als überströmte Länge, die zur Berechnung des Wärmeübergangskoeffizienten α verwendet werden. Weitere Maße werden anhand der bekannten Fahrzeugabmessungen annähernd abgeschätzt und somit die Flächen von Dach, Unterboden, Front- und Heckscheibe berechnet. Zur Festlegung der Materialparameter werden typische für den Automobilbau verwendete Materialien als Referenz genutzt. Als Referenzfahrzeug zur Validierung wird ein BMW i3 herangezogen. Dieses ist aufgrund der Bauweise und der alternativen Materialnutzung repräsentativ für zukünftige Elektrofahrzeuge. Es werden neuartige und nachhaltige Materialien verwenden, beispielsweise sind Karosserie sowie 173 <?page no="189"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums äußere Dachschicht aus Karbon gefertigt, während Instrumententafel sowie Türverkleidungen aus der Naturfaser Kenaf bestehen [Lid13]. Teilweise werden Holzelemente aus Eukalyptus in der Türverkleidung oder in der Instrumententafel verwendet. Nicht für alle Fahrzeugelemente ist ein spezifischer Materialkoeffizient bekannt, weil die Mehrzahl der Komponenten aus mehreren Werkstoffen bestehen oder vom Hersteller keine Angaben zu den verwendeten Materialien gemacht wird. Ein Sitz besteht beispielsweise aus einem inneren metallischen Skelett, einem Schaumstoff für die Polsterung und einem Sitzbezug aus Leder oder Stoff. Optional sind im Inneren des Sitzes Elektromotoren für die elektrische Sitzverstellung verbaut. Genannte Materialien haben unterschiedliche Materialwerte und werden nicht einzeln berücksichtigt. Aus diesem Grund werden für die Fahrzeugbauteile «Mischwerte» angenommen, die sich aus den Materialwerten der einzelnen Bestandteile zusammensetzen. Weil die Materialeigenschaften von vielen Komponenten des Referenzfahrzeugs nicht präzise ermittelt werden können, wird ein Anpassungsprozess der Modellparameter durchgeführt. Diese hat zum Ziel, Abweichungen der Parameter vom Realwert zu kompensieren. Freie Konvektion kommt ausschließlich bei einer Abkühlung des Fahrzeugs zum Tragen. Somit werden Aufheizung und Abkühlung separat betrachtet. In den jeweiligen Messumgebungen haben Sonnenstrahlung sowie Strömungsgeschwindigkeit keine Einwirkung und der Fahrgastraum wird nicht aktiv klimatisiert, vgl. Tabelle 7.3. Für die Validierung werden die gemittelten Innenraumtemperatur der fünf Volumen betrachtet. Im Referenzfahrzeug sind hierzu neun Messstellen installiert, mit dessen Hilfe die gemittelten Innentemperaturen der Volumen bestimmt werden, vgl. Anhang E.2. Im Rahmen dieser Arbeit wird als Bewertungskriterien das Bestimmtheitsmaß R 2 (Determinationskoeffizient) verwendet. Dieses statistische Bewertungsmaß entspricht dem Zusammenhang zwischen erklärter und beobachteter Varianz und ergibt sich zu: R 2 = 1 − ∑ n i = 1 ( y i − ˆ y i ) 2 ∑ n i = 1 ( y i − ¯ y ) 2 = ∑ n i = 1 ( ˆ y i − ¯ y ) 2 ∑ n i = 1 ( y i − ¯ y ) 2 (7.11) 174 <?page no="190"?> 7.3. Validierung der Modelle Tabelle 7.3.: Randbedingungen für die Messungen zur Validierung des Aufheiz- und Abkühlverhaltens. Testfall Aufheizung Abkühlung Initiale Innenraumtemperatur < 5 ◦ C 22 ◦ C Messdauer ca. 24 h ca. 12 h Umgebungstemperatur 20 ◦ C − 5 ◦ C Strahlungsintensität keine keine Strömungsgeschwindigkeit keine minimal Versuchsort Werkhalle Windgeschützter Außenbereich Versuchszeit irrelevant nachts R 2 liegt im Wertebereich von 0 bis 1. Gilt R 2 = 0, besteht kein Zusammenhang zwischen den Ergebnissen des Modells und der Realität. Für den Fall R 2 = 1 stellt das Modell die Realität exakt nach. Ab R 2 ≥ 0, 9 spricht man von einem hohen Zusammenhang zwischen Modell und Realität. Der Zielwert für jede Innenraumvolumentemperatur ist in dieser Arbeit auf R 2 ≥ 0, 95 festgelegt. Ist die Modellqualität inakzeptabel, d. h., das Bestimmtheitsmaß ist kleiner als 0, 95, werden die Korrekturfaktoren angepasst. Anschließend werden Messung und Modellierung erneut verglichen. Diese Methode erfolgt iterativ, bis das Bewertungskriterium erfüllt ist. Der Anpassungsprozess besteht aus Sensitivitätsanalysen der fünf Volumen jeweils für Aufheizung und Abkühlung des Fahrgastraums, vgl. Anhang E.3. Hieraus werden für jedes Volumen die relevanten Parameter bestimmt und deren Einfluss auf den gesamten Fahrgastraum untersucht, sodass man die relevantesten Parameter zur Darstellung des thermischen Zustands des Fahrgastraums erhält, vgl. Abb. 7.12. Diese werden durch die Minimierung der kleinsten Fehlerquadrate gemäß Anhang E.4 optimiert, sodass das Modell die Aufheizung und Abkühlung aus der Messung bestmöglich nachstellt. Durch den Anpassungsprozess erfüllen alle fünf Innenraumvolumen das gestellte Bewertungskriterium für die Aufheizung und Abkühlung des Fahrgastraums ohne Einfluss der Sonnenintensität und Strömungs- 175 <?page no="191"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums Abbildung 7.12.: Anpassungsprozess zur Verbesserung der Modellgüte. Nach jeder Anpassung der Korrekturfaktoren wird diese anhand des Bestimmtheitsmaßes R 2 evaluiert. geschwindigkeit. Eine Ausnahme bildet der Abkühlvorgang des Frontraums mit einem Bestimmtheitsmaß von 0, 93. Dies wird toleriert, weil die anderen Volumen ein hohes Bestimmtheitsmaß über 0, 95 erreichen, vgl. Abb. 7.13. 176 <?page no="192"?> 7.3. Validierung der Modelle Abbildung 7.13.: Temperaturverläufe der fünf Volumen beim Aufheiz- und Abkühlvorgang in der Simulation und Messung sowie das jeweilig erreichte Bestimmtheitsmaß R 2 . 177 <?page no="193"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums 7.3.2. Einströmtemperatur Die Auslegung eines Reglers ist abhängig vom Verhalten der Regelstrecke sowie Trägheit und Verhaltensart der Stellgröße. Im vorliegenden Fall der Klimatisierung eines Fahrgastraums hängt das Verhalten der Regelgrößen, die einzelnen Volumentemperaturen, von der jeweils eingebrachten Wärmemenge ab. Die Stellgröße Einströmtemperatur lässt sich nicht verzögerungsfrei durch den Regler einstellen, weil sie einer gewissen Trägheit unterliegt. Um das Verhalten der Stellgröße realistisch abzubilden, wird eine Messung durchgeführt, bei der die Einströmtemperatur aufgenommen wird. Hierzu wird das Fahrzeug auf 2,5 ◦ C vorkonditioniert. Im Bedienelement wird der maximale Massenstrom im Gebläsemodus «Fußraum- und Personengebläse» und die Maximaltemperatur von 28 ◦ C eingestellt. Den normierten Verlauf der Einströmtemperatur zwischen Simulation und Messung zeigt Abb. 7.14. Abbildung 7.14.: Normierter Verlauf der gemessenen und modellierten Einströmtemperatur. Der Zeitraum, nach dem die maximale Temperatur erreicht wird, entspricht ca. 1000 s. Das Aufheizverhalten des Klimatisierungssystems, mit anfänglich flachen und anschließend steilen Verlauf, wird nähe- 178 <?page no="194"?> 7.3. Validierung der Modelle rungsweise durch ein PT 2 -Glied 3 nachgebildet. Die Zeitkonstanten des PT 2 -Glieds wird mithilfe der Minimierung der kleinsten Fehlerquadrate an das Aufheizverhalten der Messung angepasst, vgl. Anhang E.4. Ziel der Reglerauslegung ist eine schnelle Temperierung des Innenraums zu realisieren, bei dem kein Überschwingen über die Zieltemperatur auftritt. Mit einem PI-Regler erfolgt eine stabile Temperaturregelung, bei der sichergestellt ist, dass nicht unter ungünstigen Bedingungen zum Einregeln des Zielzustands vom Heizen ins Kühlen gewechselt wird und umgekehrt. Der proportionale (P) Anteil reagiert schnell auf eine große Regelabweichung, während der integrierende (I) Anteil bei geringer Abweichung zum Tragen kommt, weil er das Erreichen der Zieltemperatur ohne stationäre Regelabweichung ermöglicht. Ein differenzierender (D) Anteil im Falle eines PID-Reglers hat keinen Vorteil, weil für das träge System der Fahrzeugklimatisierung keine hohe Änderungsgeschwindigkeit der Regelabweichung auftritt. 7.3.3. Aufheizverhalten des Fahrgastraums Um die Qualität des Simulationsmodells zu überprüfen, wird der simulierte Aufheizvorgang mit einer Messung verglichen. In [Fle15] wurde die Ist-Temperatur bei der Aufheizung eines auf − 7 ◦ C vorkonditionierten BMW i3 auf die Soll-Temperatur von 21 ◦ C gemessen, vgl. Abb. 7.15. Darin kommt ein BMW i3 mit Range Extender zum Einsatz, der im Gegensatz zum Referenzfahrzeug keine Wärmepumpe verbaut hat. Gemäß [BMW13b] unterscheidet sich das Heizverhalten mit und ohne Wärmepumpe jedoch ausschließlich durch die elektrische Leistungsaufnahme und verhält sich bezüglich Aufheizgeschwindigkeit und Heizleistung identisch. Die Aufheizvorgänge von Messung und Simulation zeigen Gemeinsamkeiten: Der Verlauf beginnt flach und geht im Bereich von 50 bis 100 s in einen steilen Anstieg über. Dieser wird bei ca. 130 s am steilsten. Hier haben Simulation und Messung jeweils eine Abweichung von über 3 In der Regelungstechnik wird ein PT 2 -Glied als Übertragungsglied eines linearen zeitinvarianten Systems bezeichnet, welches ein proportionales Übertragungsverhalten mit einer Verzögerung 2. Ordnung aufweist. 179 <?page no="195"?> 7. Energiebedarf zur Klimatisierung des Fahrgastraums Abbildung 7.15.: Simulierte und in [Fle15] gemessene Ist-Temperatur bei der Aufheizung von − 7 ◦ C Umgebungstemperatur auf 21 ◦ C Soll-Temperatur. 20 K zur Soll-Temperatur. Diese ist nach ca. 800 s nahezu erreicht. Als Unterschied tritt bei der Messung ein Überschwinger über die Soll- Temperatur auf. Die Klimaregelung des Modells entspricht in weiten Teilen der des Referenzfahrzeugs, sodass hieraus der Energieverbrauch des HLK-Systems hinreichend genau kalkuliert werden kann. 7.3.4. Energiebedarf des Gesamtmodells Um die Betriebsbedingungen vergleichen zu können wird der Prüfzyklus WLTP als Referenz für die Reduzierung der Reichweite herangezogen. Im Vordergrund des Vergleichs stehen die Hauptenergieverbraucher des HLK-Systems, der Verdichter und der Hochvolt-Zuheizer. Bei einem kombinierten Betrieb dieser Systeme wird die Reichweite eines elektrisch angetriebenen Fahrzeugs deutlich reduziert, vgl. Abb. 7.16. Bei einem Vergleich der Betriebszustände wird deutlich, dass der Heiz- und Wärmepumpenbetrieb im WLTP mehr Energie benötigt als der 180 <?page no="196"?> 7.3. Validierung der Modelle 𝑇 ∞ Abbildung 7.16.: Simulierte Reichweitenreduzierung im WLTP-Zyklus unter variierenden Umgebungstemperaturen. Kühlbetrieb. Der Reheatbetrieb kommt ausschließlich bei der untersuchten Umgebungstemperatur von 25 ◦ C zum Tragen. Der erhöhte Einfluss bei einer relativen Luftfeuchte von Σ = 40 % und steigenden Umgebungstemperaturen wird in Abb. 7.16 ebenfalls deutlich. Bei Umgebungstemperaturen unter 25 ◦ C wird diese Betrachtung vernachlässigt. Die variierende Energieaufnahme des Verdichters bei höherer Umgebungstemperatur kommt aufgrund des sich ändernden Hochdrucks sowie der früheren Verringerung der Verdichterdrehzahl zu Stande. Die größte Reduzierung der Reichweite wird im Heizbetrieb durch den elektrischen Zuheizer verursacht, weil dieser eine Leistungszahl unter 1 besitzt und nicht wie die Wärmepumpe das Temperaturniveau der Umgebung nutzt. Detaillierte Ergebnisse der Untersuchung der verschiedenen Betriebsmodi im WLTP-Zyklus zeigt Anhang E.7. 181 <?page no="198"?> 8. Analyse und Validierung der Energieeinsparpotenziale (EEP) Wird zu Beginn oder im Laufe der Fahrt vom Fahrerassistenzsystem zur Zielerreichung (FAS-Z) prädiziert, dass der Energiegehalt in der Hochvoltbatterie des Elektrofahrzeugs nicht ausreicht, um das Fahrtziel zu erreichen, werden Energieeinsparungen in Betracht gezogen. Das FAS-Z benötigt hierfür Kenntnis über strecken- und umweltabhängige EEP und muss diese zur Gewährleistung der Zielerreichung schöpfen, vgl. Kapitel 5. Zu diesem Zweck werden die in Kapitel 3 identifizierten Maßnahmen zur Energieeinsparung genauer analysiert. Hierzu zählt das Reduzieren der Nebenverbrauchernutzung mit Fokus auf den temperaturabhängigen Leistungsbedarf des Klimatisierungssystems. Unter Einbezug unterschiedlicher Realszenarien wird der Energiebedarf zur Fahrzeugklimatisierung bei variierender Umgebungstemperatur und einer schrittweisen Veränderung der Solltemperatur im Fahrgastraum simulativ berechnet, um dessen EEP zu verdeutlichen. Die in Kapitel 7 beschriebenen Modelle, die den Kälte- und Kühlmittelkreislauf, die Klimaregelung und den Fahrgastraum abbilden, werden hierfür verwendet. Außerdem wird die Nutzung von strecken- und temperaturabhängigen EEP durch Anwendung einzelner und kombinierter Maßnahmen anhand zweier Beispielszenarien aufgezeigt. Dadurch wird die Wechselwirkung einer verlängerten Fahrzeit durch Einschränkung der Fahrdynamik auf den Mehrbedarf zur Klimatisierung des Fahrzeugs ersichtlich. 183 <?page no="199"?> 8. Analyse und Validierung der Energieeinsparpotenziale (EEP) 8.1. Analyse der temperaturabhängigen EEP Durch Absenken oder Erhöhen der Ziel-Innenraumtemperatur während der Beheizung bzw. der Abkühlung des Fahrgastraums bei kalter bzw. warmer Umgebungstemperatur kann Energie eingespart werden. Diese temperaturabhängigen Energieeinsparpotenziale (EEP) werden im Folgenden durch Variation der Ziel-Innenraumtemperatur aufgezeigt. Anhand des RDE-Zyklus und der Deutschland-Runde (vgl. Abschnitt 3.3.4) sowie eines Land- und Bundesstraßenszenarios im Raum Karlsruhe (vgl. Kapitel 6) wird der Energiebedarf des HLK- Systems für verschiedene Kombinationen aus Umgebungs- und Ziel-Innentemperatur analysiert. Die Szenarien werden jeweils für den Heiz- und Kühlfall simuliert. Für den ersten Fall werden Umgebungstemperaturen T ∞ zwischen − 15 ◦ C und 15 ◦ C im Abstand von 5 ◦ C Schritten herangezogen. Im zweiten Fall wird die Umgebungstemperatur von 25 ◦ C bis 40 ◦ C um 5 ◦ C variiert. Das Fahrzeug ist zu Beginn der Fahrt auf die jeweilige Umgebungstemperatur vorkonditioniert. Für die Luftfeuchtigkeit und Sonnenintensität werden plausible Werte gemäß der Umgebungsbedingungen gewählt: Mit steigender Umgebungstemperatur T ∞ wird eine höhere Strahlungsleistung der Sonne GH I und eine geringere Luftfeuchtigkeit φ angenommen, vgl. Tabelle 8.1. Tabelle 8.1.: Für die Analyse herangezogene Umgebungsbedingungen. Die Luftfeuchtigkeit φ sinkt mit steigender Umgebungstemperatur T ∞ , während die Sonnenintensität GH I steigt. T ∞ in ◦ C ≤ − 5 0 5 10 15 25 30 35 40 φ in % 85 85 85 85 85 70 60 50 40 GH I in W/ m 2 30 50 50 150 150 500 700 900 900 Als Umgebungstemperatur wird jeweils die behagliche Solltemperatur des Fahrgastraums T Soll als Referenz gewählt, vgl. Abschnitt 7.2.4. Die Innenraumtemperatur T Innen wird in 1 ◦ C Schritten zwischen 18 ◦ C und 28 ◦ C variiert. Der Energiebedarf wird jeweils mit der Referenz verglichen, d. h. die Energiemenge zur Klimatisierung auf eine Zieltemperatur 184 <?page no="200"?> 8.1. Analyse der temperaturabhängigen EEP mit der zur Klimatisierung auf die umgebungstemperaturabhängige, behagliche Referenztemperatur. Unter Einbezug der Gesamtenergie, wozu die Antriebsenergie, die Energie zur Klimatisierung des Fahrgastraums und die Energie für den Betrieb der verbleibenden Nebenverbraucher zählen, wird der prozentuale Reichweitenzuwachs gemäß Gleichung (3.1) angegeben. Positive Werte stellen hierbei einen Zuwachs dar, negative Werte eine Minderung der Reichweite. Letzteres tritt auf, falls über die behagliche Solltemperatur geheizt oder unter diese gekühlt wird. Strecken-, fahrer- und fahrzeugabhängige Parameter werden innerhalb nachfolgender Betrachtung nicht variiert. Der Antriebsenergiebedarf wird somit auf Basis eines Segment B Referenzfahrzeugs für jedes Szenario einmalig anhand der Fahrwiderstände berechnet, vgl. Abschnitt 2.2.1. Hierfür wird eine beispielhafte Fahrt, d. h. ein festgelegter Geschwindigkeitsverlauf, herangezogen. Das Land- und Bundesstraßenszenario werden in Abschnitt 6.4 beschrieben, während Anhang B die Streckencharakteristik des RDE-Zyklus und der Deutschland-Runde zeigt. Das Leistungsprofil der verbleibenden Nebenverbraucher wird in allen Analysen als identisch angenommen. Die Tabellen 8.2 und 8.3 zeigen den prozentualen Reichweitenzuwachs für Kombinationen aus der Umgebungstemperatur T ∞ und der Ziel- Innenraumtemperatur T Innen für den Heizbzw. Kühlfall im Landstraßenszenario und auf der Deutschland-Runde. Die gemäßigte Umgebungstemperatur von 20 ◦ C wurde nicht untersucht, weil hierbei ein vernachlässigbar kleines EEP vorhanden ist. Die Ergebnisse der Analyse bei 15 ◦ C verdeutlichen dies, weil das EEP bereits bei dieser Temperatur vernachlässigbar gering ist, vgl. rechte Spalte in Tabelle 8.2. Die Ergebnisse des Heiz- und des Kühlfalls im RDE-Zyklus und im Bundesstraßenszenario zeigt Anhang F. Diese Realszenarien bergen ähnliche Potenziale wie die Deutschland-Runde bzw. das Landstraßenszenario. Aufgrund der geringeren Fahrzeit von 26 min und 37 min verfügen das Landbzw. das Bundesstraßenszenario über ein höheres temperaturabhängiges EEP als die Deutschland-Runde und der RDE- Zyklus mit 80 min bzw. 93 min Fahrzeit. Dies hängt mit der energiein- 185 <?page no="201"?> 8. Analyse und Validierung der Energieeinsparpotenziale (EEP) Tabelle 8.2.: Prozentualer Reichweitenzuwachs in der DE-Runde und im Landstraßenszenario gegenüber der behaglichen Innenraum-Solltemperatur T Soll (grau hinterlegt) durch Variation der Innenraumtemperaturen T Innen im Heizbetrieb. T ∞ − 15 ◦ C − 10 ◦ C − 5 ◦ C 0 ◦ C 5 ◦ C 10 ◦ C 15 ◦ C T Soll 27 ◦ C 26 ◦ C 25 ◦ C 24 ◦ C 23 ◦ C 23 ◦ C 22 ◦ C T Innen Landstraßenszenario 18 ◦ C 43, 43 20, 34 11, 00 3, 98 2, 20 0, 76 0, 13 19 ◦ C 39, 96 18, 78 10, 29 3, 46 1, 95 0, 71 0, 05 20 ◦ C 36, 19 16, 93 9, 23 2, 84 1, 52 0, 64 0, 03 21 ◦ C 31, 67 14, 94 8, 32 2, 06 1, 03 0, 52 0, 02 22 ◦ C 27, 52 12, 52 6, 43 1, 43 0, 50 0, 33 0, 00 23 ◦ C 22, 34 9, 83 4, 65 0, 66 0, 00 0, 00 − 0, 06 24 ◦ C 17, 25 6, 99 2, 54 0, 00 − 0, 77 − 0, 42 − 0, 20 25 ◦ C 11, 00 3, 53 0, 00 − 1, 02 − 1, 41 − 0, 94 − 0, 34 26 ◦ C 6, 01 0, 00 − 3, 34 − 2, 43 − 2, 11 − 1, 57 − 0, 50 27 ◦ C 0, 00 − 3, 85 − 6, 68 − 4, 13 − 2, 52 − 2, 13 − 0, 71 28 ◦ C − 8, 99 − 8, 59 − 9, 94 − 6, 96 − 3, 05 − 2, 73 − 0, 86 T Innen Deutschland Runde 18 ◦ C 9, 26 6, 21 3, 35 1, 16 0, 56 0, 18 0, 03 19 ◦ C 8, 08 5, 78 3, 17 1, 03 0, 49 0, 17 0, 01 20 ◦ C 6, 93 5, 25 2, 88 0, 88 0, 39 0, 15 0, 01 21 ◦ C 5, 82 4, 60 2, 61 0, 65 0, 27 0, 13 0, 00 22 ◦ C 4, 74 3, 89 2, 09 0, 47 0, 13 0, 08 0, 00 23 ◦ C 3, 69 3, 06 1, 51 0, 22 0, 00 0, 00 − 0, 01 24 ◦ C 2, 67 2, 18 0, 78 0, 00 − 0, 22 − 0, 11 − 0, 07 25 ◦ C 1, 71 1, 19 0, 00 − 0, 34 − 0, 43 − 0, 23 − 0, 10 26 ◦ C 0, 82 0, 00 − 0, 85 − 0, 84 − 0, 68 − 0, 39 − 0, 12 27 ◦ C 0, 00 − 1, 31 − 1, 86 − 1, 52 − 0, 88 − 0, 55 − 0, 21 28 ◦ C − 0, 72 − 2, 79 − 2, 87 − 2, 31 − 1, 15 − 0, 74 − 0, 28 186 <?page no="202"?> 8.1. Analyse der temperaturabhängigen EEP Tabelle 8.3.: Prozentualer Reichweitenzuwachs in der DE-Runde und im Landstraßenszenario gegenüber der behaglichen Innenraum-Solltemperatur T Soll (grau hinterlegt) durch Variation der Innenraumtemperaturen T Innen im Kühlbetrieb. T ∞ 25 ◦ C 30 ◦ C 35 ◦ C 40 ◦ C T Soll 22 ◦ C 22 ◦ C 23 ◦ C 23 ◦ C T Innen Landstraßenszenario 18 ◦ C − 0, 71 − 8, 31 − 10, 88 − 12, 26 19 ◦ C − 0, 41 − 4, 37 − 8, 62 − 11, 09 20 ◦ C − 0, 22 − 2, 21 − 5, 76 − 7, 44 21 ◦ C − 0, 09 − 0, 88 − 4, 51 − 5, 31 22 ◦ C 0, 00 0, 00 − 3, 64 − 3, 70 23 ◦ C 0, 05 0, 48 0, 00 0, 00 24 ◦ C 0, 05 0, 79 2, 84 3, 65 25 ◦ C 0, 06 1, 00 4, 27 4, 76 26 ◦ C - 1, 15 5, 07 5, 13 27 ◦ C - 1, 26 5, 63 5, 75 28 ◦ C - 1, 31 6, 06 7, 51 T Innen Deutschland Runde 18 ◦ C − 0, 17 − 1, 98 − 8, 67 − 9, 38 19 ◦ C − 0, 10 − 1, 06 − 7, 19 − 7, 51 20 ◦ C − 0, 05 − 0, 54 − 5, 95 − 6, 20 21 ◦ C − 0, 02 − 0, 21 − 3, 03 − 3, 27 22 ◦ C 0, 00 0, 00 − 1, 08 − 1, 21 23 ◦ C 0, 01 0, 12 0, 00 0, 00 24 ◦ C 0, 01 0, 19 0, 69 1, 53 25 ◦ C 0, 02 0, 24 1, 03 2, 10 26 ◦ C - 0, 28 1, 23 3, 44 27 ◦ C - 0, 31 1, 36 4, 21 28 ◦ C - 0, 32 1, 47 4, 64 187 <?page no="203"?> 8. Analyse und Validierung der Energieeinsparpotenziale (EEP) tensiven Konditionierung des Fahrgastraums zusammen, die abhängig von der Umgebungstemperatur ca. 10 min benötigt, vgl. Abschnitt 7.3.3. Die Ergebnisse der Aufheizung zeigen, dass mit fallender Umgebungstemperatur T ∞ das EEP bei Reduzierung der Innenraumtemperatur T Innen gegenüber der behaglichen Soll-Innenraumtemperatur T Soll steigt. Während das Herabsetzen von T Innen auf 18 ◦ C im Landstraßenszenario bei 5 ◦ C Umgebungstemperatur in einem Reichweitenzuwachs von ca. 0,6 km resultiert, sind es bei T ∞ =− 5 ◦ C bereits ca. 3 km und bei T ∞ =− 15 ◦ C über 11 km. Die Analysen wurden mit einer Wärmepumpe durchgeführt. Diese wird als aktueller Stand der Technik im Bereich Fahrzeugklimatisierung eines Elektrofahrzeugs angesehen. Der Wirkungsgrad gegenüber einer PTC-Heizung fällt dabei höher aus, vgl. Abschnitt 7.2.5. Bei der Nutzung einer Wärmepumpe befindet sich das Fahrzeug bei Erreichen einer stabilen Innenraumtemperatur im Reheat- Betrieb (vgl. Anhang E.6), wodurch der Energiebedarf zur Klimatisierung des Fahrgastraums absinkt. Bei einem Elektrofahrzeug ohne Wärmepumpe fällt das EEP insbesondere bei Umgebungsbedingungen zwischen 5 ◦ C und 15 ◦ C höher aus. Im Kühlbetrieb wachsen die EEP mit steigender Umgebungstemperatur. Die Einsparung durch eine Veränderung von 1 ◦ C sind bei hohen Umgebungstemperaturen von 35 ◦ C bis 40 ◦ C in etwa mit denen vergleichbar, die man bei selber Veränderung der Innenraumtemperatur bei kalten Umgebungstemperaturen von − 5 ◦ C bis − 10 ◦ C erzielen kann. Bei der Umgebungstemperatur − 15 ◦ C ist der mögliche Reichweitenzuwachs jedoch deutlich größer. Dies liegt am Arbeitsbereich der Wärmepumpe, die unter − 10 ◦ C nicht verwendet wird, vgl. Abschnitt 7.2.5. Der Heizbedarf bei − 15 ◦ C Umgebungstemperatur wird somit ausschließlich vom elektrischen Zuheizer gedeckt. 188 <?page no="204"?> 8.2. Validierung der EEP anhand zweier Realszenarien 8.2. Validierung der EEP anhand zweier Realszenarien Im Folgenden werden anhand eines Land- und eines Bundesstraßenszenarios im Raum Karlsruhe (vgl. Kapitel 6) die EEP validiert. Die simulationsgestützten Analysen erfolgen innerhalb der Matlab/ Simulink- Umgebung, wobei das Matlab-Modell zur Prädiktion des Antriebsenergiebedarfs (vgl. Kapitel 6) mit den Nebenverbrauchermodellen zur Abbildung des Energiebedarfs der Fahrzeugklimatisierung (vgl. Kapitel 7) in einer Simulink-Umgebung gekoppelt ist. Die genannten Szenarien werden für zwei Umgebungstemperaturen analysiert: Im Landstraßenszenario wird ein Heizfall bei − 10 ◦ C Umgebungstemperatur simuliert, während für die sommerliche Umgebung im Bundesstraßenszenario eine Temperatur von 35 ◦ C herangezogen wird. Die Luftfeuchtigkeit und die Sonnenintensität werden gemäß Tabelle 8.1 angenommen. Das Fahrzeug ist jeweils auf die Umgebungstemperatur vorkonditioniert. Als Energieeinsparmaßnahmen werden einerseits das Reduzieren der Ziel-Innenraumtemperatur und andererseits das Herabsetzen der maximalen Fahrgeschwindigkeit v max als wirksamste Maßnahmen hinsichtlich der Fahrdynamik betrachtet, vgl. Abschnitt 3.3.5. Im Bundesstraßenszenario wird der Energiebedarf für v max = 100 km/ h und v max = 90 km/ h prognostiziert. Im Falle des Landstraßenszenarios, bei der die streckenabhängige, zulässige Höchstgeschwindigkeit bei 100 km/ h liegt, wird v max = 90 km/ h vorausberechnet und zusätzlich die Bremsverzögerung a BV, max von − 4,0 m/ s 2 auf − 1,6 m/ s 2 verändert, was hinsichtlich der Fahrdynamik die zweitwirksamste Maßnahme zur Energieeinsparung darstellt, vgl. Abschnitt 3.3.5. Neben den Maßnahmen im Bereich der Fahrdynamik wird eine Änderung um 2 ◦ C und 4 ◦ C gegenüber der umgebungstemperaturabhängigen, behaglichen Innenraumtemperatur als potenzielle Energieeinsparmaßnahme vorausberechnet, vgl. Abb. 7.9. Für den Heizfall im Landstraßenszenario wird eine behagliche Innenraumtemperatur von 26 ◦ C sowie das Reduzieren dieser auf 24 ◦ C und 22 ◦ C berechnet, während für den Kühlfall im Bundesstraßenszenario die behagliche 189 <?page no="205"?> 8. Analyse und Validierung der Energieeinsparpotenziale (EEP) Innenraumtemperatur von 23 ◦ C sowie die Erhöhung auf 25 ◦ C und 27 ◦ C ermittelt wird. Innerhalb der nachfolgenden Betrachtungen wird der Verkehr zur besseren Vergleichbarkeit vernachlässigt. Hieraus folgt, dass die Standzeiten an roten Ampeln und das Antreffen einer Signalfarbe an jeder Ampel für die unterschiedlichen Betrachtungen bei variierenden Fahrdynamikparameter identisch sind. Die Nutzung elektrischer Komponenten durch den Fahrer, die nicht von Routen- und Umwelteigenschaften abhängen, werden in der EBP vernachlässigt. Dazu gehören beispielsweise die Nutzung der elektrischen Fensterheber, des Schiebedachs oder des Zigarettenanzünders. Hinsichtlich der Modellierung der Servolenkung werden innerhalb der EBP stationäre Lenkvorgänge, Wendemanöver und Spurwechsel vernachlässigt. Als Umweltbedingungen wird eine trockene Umgebung bei Tageslicht vorausgesetzt. Dadurch setzt sich der Energiebedarf der restlichen Nebenverbraucher E NV, Rest aus Lenkhilfe, Basisversorgung der Steuergeräte und aus Tagfahrlicht zusammen. Weil die Szenarien jeweils eine Pendlerstrecke repräsentieren, wird als Referenzkonfiguration ein 68 kg Fahrer inklusive 7 kg Gepäck herangezogen. Für diesen wird ein normales Fahrverhalten angenommen, vgl. Abschnitt 3.2. Darüber hinaus temperiert er sein Fahrzeug auf die umgebungstemperaturabhängige, behagliche Innenraumtemperatur, vgl. Abschnitt 7.2.4. Diese Referenzkonfiguration wird jeweils zu Fahrtbeginn innerhalb der initialen Energiebedarfsprädiktion (EBP) durchgeführt, bevor - aufgrund energetischer Notwendigkeit - zusätzliche EBP unter Einbezug verschiedener Energieeinsparmaßnahmen berechnet werden, vgl. Abb. 5.13. Im Folgenden wird angenommen, dass kein EEP durch Schließen der Fenster und des Schiebedachs, sowie durch Absenken der Audiosystemlautstärke vorhanden ist. Tabelle 8.4 zeigt die simulativ berechneten Energieeinsparpotenziale im Landstraßenszenario für den Heizfall bei − 10 ◦ C Umgebungstemperatur und 30 W/ m 2 Sonnenintensität. Das Reduzieren der Maximalgeschwindigkeit auf 90 km/ h im Landstraßenszenario resultiert in einer Fahrzeitverlängerung. Dennoch erhöht sich hierbei der Energiebedarf der restlichen Nebenverbraucher E NV, Rest gegenüber dem Referenzszenario nicht, weil die Lenkhilfe 190 <?page no="206"?> 8.2. Validierung der EEP anhand zweier Realszenarien Tabelle 8.4.: Energieeinsparpotenziale für den Heizfall im Landstraßenszenario im Vergleich zur Referenzkonfiguration (rechts unten). Für die Berechnung der Zielerreichung wird eine verfügbare Energie von 5,53 kWh angenommen. v max in km/ h 90 90 100 a BV, max in m/ s − 1, 6 − 4, 0 − 4, 0 E Antrieb in kWh 2, 912 2, 996 3, 334 Fahrzeit in s 1669 1647 1597 E NV, Rest in kWh 0, 2097 0, 2094 0, 2099 ∆ R in % 15, 46 14, 24 7, 76 T Innen = E HLK in kWh 2, 001 1, 972 1, 945 22 ◦ C E Gesamt in kWh 5, 123 5, 177 5, 489 Zielerreichung ja ja ja ∆ R in % 11, 55 10, 08 4, 19 T Innen = E HLK in kWh 2, 180 2, 167 2, 133 24 ◦ C E Gesamt in kWh 5, 302 5, 373 5, 677 Zielerreichung ja ja nein ∆ R in % 6, 54 5, 26 0, 00 T Innen = E HLK in kWh 2, 430 2, 413 2, 370 26 ◦ C E Gesamt in kWh 5, 552 5, 619 5, 914 Zielerreichung nein nein nein aufgrund reduzierter Kurvengeschwindigkeiten eine geringere Leistungsaufnahme erfordert. Die zusätzliche Fahrzeitverlängerung durch Veränderung der Bremsverzögerung a BV, max auf − 1,6 m/ s 2 , die jedoch keinen Einfluss auf die Kurvengeschwindigkeit hat, lässt E NV, Rest geringfügig ansteigen. Dieser Effekt tritt im Bundesstraßenszenario nicht auf, weil dessen Streckenverlauf keine höheren Kurvengeschwindigkeiten ermöglicht. Durch die Reduzierung der Fahrdynamikparameter v max und a BV, max sind im Landstraßenszenario Einsparungen der Antriebsenergie E Antrieb von 10,1 % und 12,7 % zu erzielen. Durch Herabsetzen der Ziel- Innenraumtemperatur ist eine Einsparung der Energie zum Beheizen des Fahrzeugs E HLK zwischen 10,0 % und 18,3 % erreichbar. 191 <?page no="207"?> 8. Analyse und Validierung der Energieeinsparpotenziale (EEP) Abbildung 8.1.: Verfügbare Energie in Abhängigkeit der zurückgelegten Strecke bei Anwendung unterschiedlicher Energieeinsparmaßnahmen im Landstraßenszenario bei einer Umgebungstemperatur von − 10 ◦ C. Die Streckenlänge beträgt 24,05 km. Wird das Landstraßenszenario im Heizfall beispielsweise mit einer verfügbaren Energie von 5,53 kWh angetreten, so kann der Fahrer mit seinem Referenzfahrverhalten sein Fahrtziel nicht erreichen. Ein gemäßigtes Fahrverhalten durch Reduzierung von v max und a BV, max oder das Herabsetzen der Innenraumtemperatur auf T Innen = 24 ◦ C reicht ebenfalls nicht aus, um die Zielerreichung zu gewährleisten. Nur das Reduzieren auf 22 ◦ C oder die Kombination aus 24 ◦ C Ziel-Innenraumtemperatur und Maximalgeschwindigkeit von 90 km/ h reichen aus, um das Fahrtziel erreichen zu können, vgl. Abb. 8.1. Tabelle 8.5 zeigt die simulativ berechneten Energieeinsparpotenziale im Bundesstraßenszenario für den Kühlfall bei 35 ◦ C Umgebungstemperatur und 900 W/ m 2 Sonnenintensität. Durch das Reduzieren der Maximalgeschwindigkeit auf 100 km/ h und 90 km/ h sind im Bundesstraßenszenario Einsparungen der Antriebsenergie E Antrieb von 7,2 % bzw. 17,3 % zu erzielen. Durch Erhöhen 192 <?page no="208"?> 8.2. Validierung der EEP anhand zweier Realszenarien Tabelle 8.5.: Energieeinsparpotenziale für den Kühlfall im Bundesstraßenszenario im Vergleich zur Referenzkonfiguration (rechts unten). Für die Berechnung der Zielerreichung wird eine verfügbare Energie von 6,21 kWh angenommen. v max in km/ h 90 100 120 E Antrieb in kWh 4, 004 4, 492 4, 840 Fahrzeit in s 1985 1912 1877 E NV, Rest in kWh 0, 2355 0, 2352 0, 2350 ∆ R in % 17, 20 8, 55 2, 97 T Innen = E HLK in kWh 1, 3392 1, 2956 1, 2748 27 ◦ C E Gesamt in kWh 5, 579 6, 023 6, 350 Zielerreichung ja ja nein ∆ R in % 16, 24 7, 73 2, 22 T Innen = E HLK in kWh 1, 385 1, 342 1, 321 25 ◦ C E Gesamt in kWh 5, 625 6, 069 6, 396 Zielerreichung ja ja nein ∆ R in % 13, 37 5, 26 0, 00 T Innen = E HLK in kWh 1, 528 1, 484 1, 463 23 ◦ C E Gesamt in kWh 5, 767 6, 211 6, 538 Zielerreichung ja nein nein der Ziel-Innenraumtemperatur sind Einsparungen bei der Energie zum Kühlen des Fahrzeugs E HLK zwischen 9,3 % und 12,9 % erreichbar. Möchte der Fahrer die Strecke beispielsweise mit einer verfügbaren Energie von 6,21 kWh zurücklegen, so wird er mit seinem Referenzfahrverhalten das Fahrtziel nicht erreichen. Eine Begrenzung der Maximalgeschwindigkeit auf 100 km/ h oder das Erhöhen der Innenraumtemperatur T Innen auf 25 ◦ C oder 27 ◦ C reichen in diesem Szenario auch nicht aus, um die Zielerreichung zu gewährleisten. Nur die Reduzierung auf eine Maximalgeschwindigkeit von 90 km/ h oder die Kombination aus mindestens 25 ◦ C Ziel-Innenraumtemperatur und einer Maximalgeschwindigkeit von 100 km/ h sind ausreichend, um das Fahrtziel zu erreichen, vgl. Abb. 8.2. In allen Kombinationen reduziert das Herabsetzen der Fahrdynamikparameter den Gesamtenergiebedarf E Gesamt in einem höheren Maße, 193 <?page no="209"?> 8. Analyse und Validierung der Energieeinsparpotenziale (EEP) Abbildung 8.2.: Verfügbare Energie in Abhängigkeit der zurückgelegten Strecke bei Anwendung unterschiedlicher Energieeinsparmaßnahmen im Bundesstraßenszenario bei einer Umgebungstemperatur von 35 ◦ C. Die Streckenlänge beträgt 32,11 km. als dass der Energiemehrbedarf zur Klimatisierung des Fahrzeugs aufgrund der Fahrzeitverlängerung den Gesamtenergiebedarf erhöht. 194 <?page no="210"?> 9. Zusammenfassung und Ausblick Die in Kapitel 2 beschriebenen Energie- und Reichweitenberechnung zeigte, dass eine Diskrepanz zwischen der im Fahrbetrieb erzielbaren Reichweite eines Elektrofahrzeugs und der vom Hersteller angegebenen Reichweite vorliegt. Kapitel 3 beschrieb Gründe hierfür, wozu die Reichweiteneinflüsse der Gruppen Fahrer, Fahrzeug, Strecke und Umwelt gehören. Für die Kernfunktionalität des in dieser Arbeit vorgestellten Konzepts eines prädiktiven Fahrerassistenzsystems wurden strecken- und umweltspezifische Energieeinsparpotenziale untersucht. Das Reduzieren der Maximalgeschwindigkeit, der Bremsverzögerung und der Nebenverbraucherleistung haben sich hierbei als effiziente Maßnahmen zur Energieeinsparung herausgestellt. Um die Auswirkungen einer Reduzierung der Nebenverbraucherleistung auf den Zustand im Fahrgastraum darzustellen, wurden im Rahmen dieser Arbeit Modelle zur Ermittlung des Energiebedarfs der Fahrzeugklimatisierung erstellt. Diese bilden alle inneren und äußeren Faktoren ab, die für den Zustand im Fahrgastraum während der Fahrt verantwortlich sind. Durch die Modellierung eines Fünf-Volumen- Fahrgastraums, einer Klimaregelung und des Kühl- und Kältemittelkreislaufs lässt sich der Energiebedarf für die Fahrzeugklimatisierung präzise darstellen. Zum Abschluss der Arbeit wurden diese Modelle herangezogen um die Auswirkungen einer veränderten Zieltemperatur im Innenraum bei unterschiedlichen Umgebungstemperaturen zu untersuchen, um somit einen Informationsmehrwert für das Energiemanagementsystem zu generieren, das im prädiktiven Fahrerassistenzsystem zur Zielerreichung zum Tragen kommt, vgl. Kapitel 5. Im Folgenden wird die Arbeit resümiert, einen Ausblick auf potenzielle Weiterentwicklungen des vorgestellten Konzepts gegeben und die Herausforderungen bei der Implementierung des Fahrerassistenzsystems zur Zielerreichung in Prototypen oder Serienfahrzeugen beschrieben. 195 <?page no="211"?> 9. Zusammenfassung und Ausblick 9.1. Fazit Diese Arbeit stellt ein Konzept für ein Fahrerassistenzsystem zur Zielerreichung (FAS-Z) vor, das auf den Teilsystemen Prädiktion und Energiemanagement basiert. Das FAS-Z hat in dieser Form einen Neuheitswert, weil das Einbeziehen der umwelt- und streckenspezifischen Energieeinsparpotenziale von einem Energiemanagementsystem im aktuellen Stand der Technik nicht angewendet wird, vgl. Kapitel 4. Das Energiemanagementsystem des FAS-Z verändert bei Energieknappheit die Betriebsstrategie, indem Maßnahmen zur Energieeinsparung angewendet werden. Die in Kapitel 3 durchgeführte Sensitivitätsanalyse half, potenzielle Energieeinsparmaßnahmen zur Reichweitensteigerung zu identifizieren. Hierzu zählen eine Veränderung der Fahrdynamik durch ein Absenken der Maximalgeschwindigkeit, der Limittreue und der maximalen Bremsverzögerung. Der im Konzept vorgestellte Ansatz der Energiebedarfsprädiktion (EBP) hat sich hierfür als zielführend erwiesen. Durch die Erstellung eines elektronischen Horizontes (E-Horizont), der energiebedarfsrelevante Umgebungs- und Streckenbedingungen fusioniert, und der darauf basierenden Prädiktion eines Geschwindigkeitsprofils ist es möglich, den Antriebsenergiebedarf vorherzusagen. Ein Vergleich mit einer Messfahrt zeigte die Plausibilität der EBP, vgl. Abschnitt 6.4. Als zusätzliche potenzielle Energieeinsparung wurde eine Veränderung des Nutzungsprofils der Nebenverbraucher identifiziert. Dies erfolgt in Form einer Reduzierung der Fahrzeugklimatisierung im Heiz- oder Kühlfall sowie durch das Absenken der Lautstärke des Audiosystems. Durch die physikalische Modellierung von Wärmeübergängen im Fünf- Volumen-Fahrgastraumsowie im Kälte- und Kühlmittelkreislaufmodell ist es möglich, den Energiebedarf der Fahrzeugklimatisierung zu simulieren. Der Energiebedarf in verschiedenen Betriebszuständen, d. h. im Kühl-, Heiz- und Wärmepumpen- oder im Reheat-Betrieb, ist ein Indikator für den zu erwartenden Reichweitenverlust. Außerdem zeigte Kapitel 7, inwieweit die Einflussfaktoren Umgebungstemperatur und Luftfeuchte die Reichweite des batterieelektrischen Versuchsfahrzeugs beeinflussen. Die Modelle zur Abbildung der Klimatisierung des Fahrgastraums liefern somit einen wichtigen Beitrag hinsichtlich der Simu- 196 <?page no="212"?> 9.2. Ausblick lation und Prädiktion des dynamischen Energieverbrauchs im Gesamtsystem Elektrofahrzeug. Das Teilsystem Energiemanagement des FAS-Z gibt die Betriebsstrategie vor, sodass Energieeinsparpotenziale bei energetischer Notwendigkeit geschöpft werden. Hierdurch kann die Zielerreichung bei kritischer Reichweite, d. h., falls die verfügbare und benötigte Energie vergleichbar groß sind, durch das System gewährleistet werden. Durch eine Implementierung dieser Strategie im Serienfahrzeug können Fahrzeughersteller einen Beitrag leisten, dass der Fahrer der Reichweitenanzeige eines Elektrofahrzeugs vertraut und die Reichweitenangst abnimmt. Als Konsequenz kann dies die Marktdurchdringung batterieelektrischer Fahrzeuge fördern. 9.2. Ausblick Im Rahmen des vorgestellten Konzepts und der entwickelten Modelle existieren Optimierungspotenziale und Möglichkeiten für weiterführende Analysen. Auf diese wird im Folgenden thematisch gegliedert eingegangen. 9.2.1. Ermittlung der Antriebsenergie Eine EBP kann den bei einer Realfahrt benötigten Energiebedarf nicht exakt ermitteln, weil zahlreiche Unsicherheiten in den herangezogenen Parametern existieren, vgl. Abschnitt 3.3.2. Aus diesem Grund enthält das Konzept einen Ansatz zur Korrektur der Prädiktion, sodass die Vorhersage im Laufe der Fahrt genauer wird. Eine Möglichkeit der Ungenauigkeit der Prädiktion zu entgegnen, ist die Schätzung des benötigten Energiebedarfs als Intervall. Für alle energierelevanten Größen, die mit Unsicherheiten behaftet sind, wird ein potenzieller Wertebereich angenommen, der den realen Wert mit einer bestimmten Wahrscheinlichkeit enthält. Durch Einbezug von Streckeneigenschaften aus externen Quellen, die keine Informationen zu ihrer Genauigkeit enthalten, wird die Situation erschwert. Für einen zukünf- 197 <?page no="213"?> 9. Zusammenfassung und Ausblick tigen Ansatz kann die Unsicherheit jedes Parameters berechnet oder geschätzt und schließlich vom Energiemanagement einbezogen werden. Der Erwartungswert der Parameter wird aus dem E-Horizont abgerufen, als Fahrzeuggröße angenommen oder anhand des Bewegungsprofils ermittelt. Die Unsicherheiten pflanzen sich aufgrund von Multiplikation und Addition der Parameter fort, vgl. Gleichung (5.1). Eine zusätzliche Möglichkeit die Präzision der EBP zu erhöhen, erfolgt durch das Heranziehen eines zusätzlichen Fahrerparameters: der Anpassungszeitpunkt der Geschwindigkeit bei Änderung eines Geschwindigkeitslimits. Die Tatsache, dass der Fahrer sein Fahrzeug bei Erreichen eines niedrigeren Limits entweder durch Ausrollen oder durch aktives Bremsen verzögert, ist durch die maximale Bremsverzögerung abgedeckt. Der Zeitpunkt, wann diese Verzögerung beginnt, ob bei Sichtung oder bei Erreichen des niedrigeren Geschwindigkeitslimits, ist flexibel. Im Modell wurde hierfür ein regelkonformes Verhalten angenommen, sodass die Geschwindigkeit bei Erreichen des Limits bereits angepasst ist. Im umgekehrten Fall kann der Fahrer die Fahrzeuggeschwindigkeit bei Sichtung oder beim Passieren eines höheren Geschwindigkeitslimits erhöhen. Diese Tatsachen verändern den Energiebedarf zur Überwindung des Luftwiderstands. Welche Auswirkungen ein anders Fahrerverhalten diesbezüglich hat, müssen zusätzliche Analysen zeigen. Das Wetter hat einen wesentlichen Einfluss auf den Energiebedarf eines Elektrofahrzeugs, vgl. Abschnitt 3.1.1. Die umweltabhängigen Auswirkungen auf die Leistungsaufnahme der Nebenverbraucher wurde in den hier verwendeten Modellen abgebildet. Hinsichtlich der Antriebsenergie hat das Wetter jedoch einen im Modell nicht berücksichtigten Einfluss: Das Fahrverhalten fällt defensiver aus, falls einschränkende Umweltbedingungen vorherrschen. Inwiefern das Wetter die einzelnen Fahrerparameter, beispielsweise die maximale Kurvengeschwindigkeit oder die Maximalgeschwindigkeit, in der Realität beeinflusst, bedarf einer Auswertung statistischer Daten. Es besteht die Möglichkeit diese Erkenntnis aus der Verknüpfung von Flottendaten und Wetterinformationen zu gewinnen, beispielsweise durch historische Datensätze von Google oder HERE . 198 <?page no="214"?> 9.2. Ausblick Im Kontext der Arbeit wurden unterschiedliche Dienste zum Abruf von Strecken- und Umwelteigenschaften herangezogen, vgl. Abschnitt 4.2. Die Qualität dieser Daten, d. h., wie unsicherheitsbehaftet diese sind, ist nicht Bestandteil dieser Arbeit. Ein Vergleich der bezogenen Höhen- und Verkehrsdaten zwischen den verschiedenen Diensten kann Aufschluss über die Qualität der Daten geben und trägt dazu bei, die Genauigkeit der Prädiktion zu verbessern. Des Weiteren trägt die Form der von den Verkehrslagediensten zur Verfügung gestellten Informationen zur Nutzbarkeit im verwendeten Ansatz und somit zur Genauigkeit der Prädiktion bei. Das Verkehrsaufkommen in relevanten Streckenabschnitten beispielsweise durch die Intensität zwischen 1 und 4 zu beschreiben, führt zu einer unpräziseren Prädiktion des Bewegungsprofils als die Beschreibung anhand der Durchschnitts- oder Maximalgeschwindigkeit. Ein Verkehrslagedienst mit zuverlässigen und präzisen Echtzeit- Verkehrsinformationen ist somit ein wichtiger Bestandteil für eine genaue Vorhersage des Geschwindigkeitsprofils. Dennoch weicht das prädizierte Geschwindigkeitsprofil vom tatsächlichen ab, vgl. Abb. 6.15. Dies liegt an verkehrsbedingten Schwankungen der Geschwindigkeit. Diese mikroskopischen Einflüsse des Verkehrs sind nicht aus den prädiktiven Daten der Verkehrsinformationsanbieter gemäß Abschnitt 4.2 abzuleiten. Zur Verbesserung der Prädiktion bedarf es einen Ansatz, der verkehrs- oder fahrerbedingtes Schwanken der Fahrzeuggeschwindigkeit auf Abschnitten mit konstantem Geschwindigkeitslimits simuliert. Hierfür sind tiefgreifendere Analysen notwendig. Die Prädiktion des Geschwindigkeitsprofils an Ampeln birgt ein hohes Fehlerpotenzial: einerseits durch die Annahme einer abweichenden Signalfarbe und Standzeit, andererseits durch potenzielles, mehrfaches Anfahren und Bremsen. Letzteres wird teilweise dadurch verursacht, dass mehrere Grünphasen benötigt werden, um eine Ampel zu passieren. Durch Kommunikation mit der Infrastruktur kann ein Mehrwert für die Vorhersage des Bewegungsprofils erzielt werden, beispielsweise durch das Wissen, welche Signalfarbe und Standzeit an den kommenden Ampeln zu erwarten ist. Der Ansatz in [Köl17] zielt darauf ab, Straßenbedingungen und Gefahrenstellen an andere Verkehrsteilnehmer zu übertragen. Ansätze, die Verkehrsvernetzung einbeziehen, 199 <?page no="215"?> 9. Zusammenfassung und Ausblick profitieren von der Schwarmintelligenz und ermöglichen es, die Genauigkeit des prognostizierten Geschwindigkeitsprofils zu erhöhen. Ein anderer Weg, um Informationen über Ampeln zu sammeln, die regelmäßig passiert werden, z. B. auf dem täglichen Arbeitsweg, ist durch einen Ansatz eines lernenden Fahrzeugs realisierbar. Hierdurch kann beispielsweise die durchschnittliche Standzeit an Ampeln für zukünftige Prädiktionen herangezogen werden, falls diese Information nicht aus den Verkehrslagediensten extrahiert werden kann. Das Erlernte kann wiederum an den Verkehrslagedienst oder an den herangezogenen E-Horizont übermittelt werden, um genauere Informationen beim nächsten Abruf zu erhalten. Wie in Abschnitt 3.3.3 beschrieben, besteht die Möglichkeit über Parameterschätzer die Masse, den Luftwiderstandsbeiwert und den Rollwiderstandskoeffizienten zu bestimmen. Die Implementierung dieser Schätzer erhöht die Genauigkeit einer erneuten Prädiktion während der Fahrt und steigert somit die Zuverlässigkeit des Systems. Weiterhin ist eine Datenbank vorstellbar, die Informationen zur Fahrbahnoberfläche enthält, sodass der zu erwartende Rollwiderstand auf einer vorliegenden Strecke abgerufen werden kann. Zu dessen Aufbau können Fahrzeuge beitragen, die einen implementierte Rollwiderstandsschätzer haben und ihre gesammelten Informationen an eine frei zugängliche Datenbank senden. Im Rahmen dieser Arbeit konnte kein solcher Dienst identifiziert werden. Für eine präzisere Energieberechnung im Fahrzeug kann zusätzlich der Reifendruck jedes einzelnen Reifens herangezogen werden, weil diese sich auf den Rollwiderstand des Fahrzeugs auswirken, vgl. Abschnitt 2.2.1. 9.2.2. Klimatisierung des Fahrgastraums Für die Analyse der Energieeinsparpotenziale wurde ein durchgängiger Betrieb des Klimatisierungssystems zu Grunde gelegt. Die Leistung des Kältemittelverdichters im Verlauf der Fahrt periodisch abzuschalten, kann ein zusätzliches EEP bergen. Dies muss in weiterführenden Analysen überprüft werden. 200 <?page no="216"?> 9.2. Ausblick Für Elektrofahrzeuge ohne Wärmepumpe fällt das EEP bei Umgebungsbedingungen zwischen − 10 ◦ C und 15 ◦ C höher aus, weil in diesem Arbeitsbereich die Wärmepumpe einen höheren Wirkungsgrad hat als ein elektrischer Zuheizer, vgl. Abschnitt 7.2.5. Durch eine Anpassung der in Kapitel 7 beschriebenen Klimaregelung können Fahrzeuge ohne Wärmepumpe simuliert werden. Das Fünf-Volumen- Fahrgastraummodell bietet darüber hinaus die Flexibilität, dass es durch Anpassung der geometrischen Abmaße und durch eine Umpositionierung der HVB für anders gestaltete Elektrofahrzeuge herangezogen werden kann. Die Komponenten des Kälte- und Kühlmittelkreislaufs müssen dementsprechend angepasst werden. Die in Kapitel 7 beschriebenen Modelle können somit für die Analyse von EEP anderer Fahrzeuge, z. B. für ein Premiumfahrzeug wie den Tesla Model S , durch Anwendung eines spezifischen Parametersatzes herangezogen werden. Weitere Analysen, die den Einfluss eines Umluft- oder eines veränderten Teilumluftbetriebs ermitteln, sind mit den vorgestellten Modellen ebenfalls durchführbar. Außerdem können zusätzliche Betriebszustände, beispielsweise die Vorkonditionierung oder das Schnellladen, analysiert werden. 9.2.3. Herausforderung bei der Implementierung im Fahrzeug Das vorgestellte Konzept eines elektronischen Horizonts wurde in dieser Arbeit innerhalb einer Matlab-Simulink -Umgebung verwirklicht, vgl. Abschnitt 6.1. Eine Implementierung in einem Prototyp kann das Potenzial des FAS-Z im realen Fahrbetrieb aufzeigen. Die Berechnung ist auf einem zentralen Rechner realisierbar, der die implementierten Dienste (vgl. Abschnitt 4.2) verwendet und somit einem oder mehreren Fahrzeugen einen E-Horizont zur Verfügung stellt. Die Funktionsfähigkeit des FAS-Z ist hierbei nur gewährleistet, sofern das gewünschte Fahrtziel bekannt ist. Die Eingabe des Fahrtziels erfolgt über die Mensch-Maschine-Schnittstelle (MMS), d. h. in der Regel über das Navigationssystem. Falls der Fahrer jeden Werktag zur selben Uhrzeit sein Fahrzeug nutzt, um zu seiner Arbeitsstätte zu gelangen, 201 <?page no="217"?> 9. Zusammenfassung und Ausblick hierfür sein Fahrtziel jedoch nicht angibt, ist beispielsweise ein aktives Nachfragen über die MMS des Fahrzeugs eine Möglichkeit, das Fahrtziel in Erfahrung zu bringen. Ein lernendes System stellt eine zusätzliche Option dar, Kenntnis über das Fahrtziel zu erlangen, sodass der Fahrer dieses über einen Tastendruck oder eine Sprachanweisung bestätigen kann, ohne das Ziel aktiv einzugeben. Die Implementierung eines Reichweitennetzes wie in den Arbeiten [ElD+13; Wer+16] ist als Erweiterung für das in Kapitel 5 vorgestellte Konzept realisierbar. Das Reichweitennetz kann hierbei beispielsweise um einen zusätzlichen Bereich erweitert werden, der bei Anwendung einer ausgewählten Einsparmaßnahmen, beispielsweise der Reduzierung der Ziel- Innenraumtemperatur um − 2 ◦ C, erreicht werden kann. Eine Änderung der Betriebsstrategie, um Energie einzusparen, ist ohne bekanntes Fahrtziel jedoch nicht sinnvoll. Die für eine Prädiktion angenommen Fahrerparameter können hohe Abweichungen zu den bei einer realen Fahrt auftretenden Parametern haben. Um dieser potenziellen Diskrepanz zu begegnen, enthält das Konzept eine Prädiktionsoptimierung. Diese passt während der Fahrt die Fahrerparameter an, sodass für die nachfolgenden, zyklischen EBP optimierte Parameter verwendet werden. Dieses Erlernen der Fahrerparameter sollte im Serienfahrzeug insoweit umgesetzt werden, dass die während der aktuellen Fahrt ermittelten Fahrerparameter für die nachfolgende Fahrt als initiale Werte herangezogen werden. Hierbei gilt es zu berücksichtigen, dass Fahrzeuge von unterschiedlichen Fahrern verwendet werden können. Deren Unterscheidung könnte anhand des Fahrzeugschlüssels, der gespeicherten Sitzposition oder - im Falle von Car-Sharing - anhand der eindeutigen Identifikationsnummer des Nutzers erfolgen. Die Vorgabe einer optimalen Reisegeschwindigkeit oder eine Beschleunigungs- und Verzögerungskennlinie zur Schöpfung der Energieeinsparpotenziale kann dem Fahrer mithilfe eines variablen Druckpunkts beim Gaspedal oder als Hinweis in der MMS vorgegeben werden. Im letzteren Fall obliegt es der Strategie des Fahrzeugherstellers, ob Maßnahmen automatisiert ausgeführt werden oder ob die explizite Interaktion des Fahrers erforderlich ist. 202 <?page no="218"?> 9.2. Ausblick Mit Blick auf zukünftige Entwicklungen kann die Implementierung autonomer Fahrfunktionen dazu beitragen, dass die EBP und das hierauf basierende Energiemanagement ein geringeres Fehlerpotenzial haben werden. Die Tatsache, dass die Fahrzeugführung teilweise oder vollständig automatisiert übernommen wird, kann genutzt werden, um die Fahrzeuggeschwindigkeit zu regeln: Für den Fall, dass Energieeinsparmaßnahmen notwendig werden, kann das Fahrzeug diese im Bereich der Fahrdynamik präzise ausüben, sei es durch das Einhalten einer Maximalgeschwindigkeit, einer maximalen Beschleunigung oder einer maximalen Bremsverzögerung. Für die Implementierung im Serienfahrzeugen ist es nicht sinnvoll, dass jedes Fahrzeug die Vielzahl an Informationen von einem oder mehreren Dienstleistern abruft, filtern und verarbeiten muss. Die Verwendung eines leistungsstarken, zentralen Online-Rechners ist hierfür eine sinnvolle Nutzungsmöglichkeit, weil jedes Fahrzeug somit nur eine geringe Zahl an Zustands- und Steuergrößen senden bzw. empfangen muss, die für den Eingriff des Energiemanagementsystems notwendig sind. Die Funktionalität des in Kapitel 5 gezeigten Teilsystem Prädiktion kann somit auf einem externen Rechner erfolgen, während das Teilsystem Energiemanagement lokal im Fahrzeug agiert. Die Berechnung des E-Horizontes inklusive den umwelt- und streckenspezifischen EEP wird somit nicht in jedem Fahrzeug berechnet, wodurch zusätzliche oder leistungsstärkere Hardware innerhalb der Fahrzeugarchitektur eingespart werden kann. 203 <?page no="220"?> Anhang 205 <?page no="222"?> A. Elektrische Verbraucherdaten Tabelle A.1.: Übersicht der in Elektrofahrzeugen verbauten Nebenverbraucher gemäß der in Abschnitt 2.1 beschriebenen Gruppierung. Teilweise widersprechen sich die Angaben zur maximalen (P max ) und durchschnittlichen (P ∅ ) Leistungsaufnahme in der selben Quelle, weshalb mehrere Werte abgetrennt durch / gelistet sind. Wenn nicht anders vermerkt, beziehen sich die Angaben auf ein einzelnes Bauteil, z. B. Sitzheizung je Sitz. Alle Leistungsangaben in Watt. Dauerverbraucher P max P ∅ Quelle Infotainment 100 40 [Hoc13] Navigationssystem - 15 [Rob14] Sitzmodul hinten - 600 [Koh14] Sitzmodul vorne - 960 [Koh14] Steuergerät (alle) - 70 [Fab06] Zündung 20 20 [Rob14] 20 20 [Wal06] 207 <?page no="223"?> A. Elektrische Verbraucherdaten Komfortverbraucher P max P ∅ Quelle Audioverstärker 350 - [Fab06] 4200 1800 [Koh14] Radio/ Audiosystem 30/ 20 15/ 20 [Rob14] Radio/ GPS/ TV/ Infot. 100 40 [Hoc13] Radio/ GPS/ TV - 140 [Fab06] Fensterheber 150 - [Rob14] 700 - [Wal06] Kühlbox - 240 [Koh14] Schiebedach 150 100 [Rob14] Sitzverstellung 150 100 [Rob14] Spiegelverstellung - 20 [Rob14] Zigarettenanzünder 100 - [Rob14] Frontscheibenheizung 2000 - [Rob14] - 1300 [Fab06] 1000/ 1500 120/ 400 [Wal06] 1000 500 [Hei07] Heckscheibenheizung 120/ 200 120/ 60 [Rob14] 350 280 [Fab06] 1500 - [Wal06] - 960 [Koh14] Heizsystem - 1700 [Fab06] 2000/ 3000 700/ - [Wal06] 7000 2500 [BMW13b] Lenkradheizung - 50 [Rob14] Sitzheizung - 200 [Rob14] 180 15 [Hei07] 500 - [Wal06] 140 - [Fab06] Spiegelheizung - 56 [Fab06] Klimaanlage 600 80 [Hoc13] 3500 - [Wal06] Klimakompressor (HL) 4000/ 4000 2500/ 1000 [Wal06] 5500 2500 [BMW13b] Gebläse Innenraum - 462 [Fab06] 500/ 120 100/ 50 [Rob14] - / - 600/ 480 [Koh14] 500 200 [Hei07] Kopfraumbelüftung 280 - [Fab06] 208 <?page no="224"?> Dynamische Verbraucher P max P ∅ Quelle ABS - 600 [Hei07] Aktive Dämpfung 3000 3000 [Hei07] Aktives Fahrwerk 12000/ 4000 -/ 150 [Wal06] Bremse elektrisch - 250 [Fab06] 2500 - [Wal06] 2000 250 [Hei07] Bremse elek.magn. 4000 - [Wal06] Bremse elek.mech. 1000/ 3000 50/ 200 [Wal06] Lenkhilfe 1000 200 [Hoc13] 900 200 [Wal06] Lenkhilfe elek.mech. 1500 100 [Wal06] Electric Power Steering 7800 3000 [Koh14] 1500 - [Wal06] 1400 28 [Fab06] 1000 1000 [Hei07] Electric Roll Control 2000 1000 [Hoc13] ESP 7800 3000 [Koh14] Kühlergebläse 500/ 120 100/ 30 [Rob14] 1000/ 650 500/ 50 [Wal06] Kühlwasserpumpe 600/ 1200 100/ 500 [Wal06] - 300 [Hei07] - 20 [BMW13b] Hörner u. Fanfaren 40 25 [Rob14] 100 25 [Hoc13] Wankstabilisierung 2000 150 [Wal06] 209 <?page no="225"?> A. Elektrische Verbraucherdaten Geschaltete Verbraucher P max P ∅ Quelle Beleuchtung gesamt 600 - [Wal06] 600 - [Hei07] Abblendlicht 55/ - 35/ 70 [Rob14] - 70 [Fab06] - 55 [Hoc13] 100 50 [Koh14] Fernlicht 60 50 [Koh14] - 60 [Rob14] - 84 [Fab06] Rücklicht - 15 [Koh14] 30/ - 25/ 5 [Rob14] Standlicht 8/ 5 7/ 3 [Rob14] - 56 [Fab06] Tagfahrlicht - 13 [Rob14] - 100 [Hoc13] Nebelscheinwerfer 110/ 55 20/ 35 [Rob14] 55 35 [Hoc13] Nebelschlussleuchte 21 2 [Rob14] Blinklicht 22 20 [Rob14] - 21 [Hoc13] - 20 [Koh14] Bremslicht 42/ 21 11/ 18 [Rob14] - 21 [Hoc13] - 20 [Koh14] Innenraumlicht 10 5 [Rob14] Instrumentenlicht 22/ - 20/ 2 [Rob14] Kennzeichenlicht - 10 [Rob14] Rückfahrlicht - 21 [Rob14] Scheibenreinigung 100 50 [Rob14] Scheibenwischer Front 150/ 50 80/ 10 [Rob14] 210 70 [Fab06] 90 60 [Hoc13] Scheibenwischer Heck 65 30 [Rob14] 210 <?page no="226"?> Tabelle A.2.: Mit einer Stromzange ermittelte Leistungsaufnahme der Nebenverbraucher des BMW i3 im Stillstand. Die Werte sind auf 5 Watt auf- oder abgerundet. Dauerverbraucher Ruhemodus 140 Zundüng aktiv 185 Komfortverbraucher Radio 5 Gebläse Stufe 1-5 15 | 20 | 30 | 100 | 260 Sitzheizung Stufe 1-3 20 | 100 | 130 Heckscheibenheizung 220 Fensterheber 95 Seitenspiegel 5 Geschaltete Verbraucher Bremslicht 5 Tagfahrlicht 15 Abblendlicht 45 Fernlicht 120 Nebelleuchte 5 Blinker 30 Warnblinker 65 Scheibenreinigung 45 Scheibenwischer 100 Dynamische Verbraucher Servolenkung schnell/ normal/ langsam 440 | 330 | 185 211 <?page no="228"?> B. Referenzszenarien Abbildung B.1.: Streckenverlauf inklusive der zulässigen Höchstgeschwindigkeiten (oben) und Höhenprofil (unten) der 77,9 km langen Deutschland-Runde gemäß [Wah15]. 213 <?page no="229"?> B. Referenzszenarien Abbildung B.2.: Streckenverlauf inklusive der zulässigen Höchstgeschwindigkeiten (oben) und Höhenprofil (unten) des 86,6 km langen RDE-Zyklus gemäß [IPG19]. 214 <?page no="230"?> C. Modellparameter Abbildung C.1.: Wirkungsgrad-Kennlinienfeld des E-Motors im BMW i3 gemäß [Jur+13]. Tabelle C.1.: Relevante Parameter der Nebenverbrauchermodelle. Kälteu. Kühlmittelkreislauf Kältemittel R1234yf 970 g Kältemaschinenöl SP-A2 300 g Kühlmittel - 1,9 l Elektrische Heizung Heizelemente max. 5 kW 3 Stück Lenkung Eigenlenkgradient EG 0, 04 Gesamtlenkübersetzung i S 13 Motorkonstante K T 0, 3 215 <?page no="231"?> C. Modellparameter Tabelle C.2.: Technische Daten der Simulationsfahrzeuge gemäß [Boe13; ElD+13; Blo14]. Fahrzeug Zeichen Einheit BMW i3 Tesla S P85 Aufbau Segment − − B F/ S Leergewicht m Leer kg 1225 2073 Länge L mm 3999 4970 Breite B mm 1775 1964 Höhe H mm 1597 1445 Radstand l R mm 2570 2960 Luftwid.koeff. c W − 0, 29 0, 24 Stirnfläche A m 2 2, 38 2, 408 Reifengröße − 155/ 70 R19Q 245/ 35 R21Y Max. Geschw. v Fzg, max km/ h 150 209 Leistungsdaten Max. Leistung P max kW 125 300 Energie HVB C HVB kWh 22 85 HV-Spannung U HV V 360 360 Übersetzung Getriebe i G − 9,7 9,73 Rekuperationsverzögerung a Rekup m/ s 1, 61 1, 37 Wirkungsgrade Motor η M − Kennlinienfeld Batterie η HVB − 0, 98 DC/ DC-Wandler η DC/ DC − 0, 96 Getriebe η G − 0, 97 HV/ LV-Wandler η HV/ LV − 0, 95 216 <?page no="232"?> D. Mechanismen der Wärmeübertragung Jeder materielle Körper steht im Energieaustausch mit seiner Umgebung. Dies geschieht durch verschiedene Mechanismen, beispielsweise durch Wärmeaustausch. Dieser erfolgt, sofern ein Temperaturunterschied zwischen einem Körper und seiner Umgebung besteht. Ist dies der Fall, strömt Wärme vom höheren Temperaturniveau zum niedrigeren. Die Wärmeübertragung wird gemäß [Sta17] in die drei Grundarten Wärmeleitung, Wärmeübergang (Konvektion) und der Wärmestrahlung eingeteilt. Wärmeleitung Der Wärmestrom ˙ Q Leitung ist ein Anteil des Gesamtwärmestroms, der jeweils durch eine Schicht geleitet wird. Er ist von den Oberflächentemperaturen der gegenüberliegenden Schichtseiten, d. h. vom Bauteil, abhängig. Gemäß [Sta17] bestimmen Schichtdicke δ , Wärmeleitfähigkeit λ , Oberfläche A und der Unterschied der Oberflächentemperaturen ∆ T den Wärmestrom: ˙ Q Leitung = 1 R · A · ∆ T = λ δ · A · ∆ T (D.1) Bei der Wärmeleitung durch multiple Schichten wird der Durchlasswiderstand R gemäß [Sta17] berechnet zu: 1 R = N ∑ n = 1 1 R n = N ∑ n = 1 λ n δ n (D.2) 217 <?page no="233"?> D. Mechanismen der Wärmeübertragung Wärmeübergang (Konvektion) Der Wärmeübergang, auch Konvektion genannt, entsteht durch die relative Geschwindigkeit zwischen einem strömenden Fluid und einer benachbarten Schicht, beispielsweise einer festen Wand. Der Wärmeübergang findet durch Massenelemente statt, die sich an der Oberfläche der Wand bewegen. Es wird hierbei zwischen zwei verschiedene Arten der Konvektion unterschieden: Bei der freien Konvektion 1 entstehen Strömungen durch Dichteunterschiede von benachbarten Fluidschichten, während bei der erzwungenen Konvektion, beispielsweise durch ein Gebläse, eine Strömung künstlich erzeugt wird und diese die Ursache für den Wärmeaustausch ist. Handelt es sich um erzwungene Konvektion, wird der Wärmestrom zwischen zwei Volumen mit Hilfe ihrer Kontaktfläche A und ihren Temperaturen T V1 und T V2 durch folgenden Zusammenhang beschrieben [Sta17]: ˙ Q Konvektion = α ( Nu ) · A · ( T V1 − T V2 ) (D.3) Der Wärmeübergangskoeffizient α ( Nu ) ist abhängig von der Form des umströmten Körpers sowie den hydrodynamischen und thermischen Bedingungen in der Umgebung. Für die Anströmung entlang einer ebenen Platte ist der Wärmeübergangskoeffizient abhängig von der Nußelt-Zahl Nu. Für diese gilt: Nu = f ( Re, Pr, Gr ) (D.4) Bei erzwungener Konvektion kann die Grashof-Zahl Gr vernachlässigt werden und bei freier Konvektion die Reynolds-Zahl Re. Die Art der Strömung ist bei erzwungener Konvektion maßgebend für den Wärmeübergang. Für die Berechnung der Grashof-, Reynolds und Prandtl-Zahl Pr sowie die Auswirkung von laminarer und turbulenter Strömung auf die Nußelt-Zahl wird auf [Sta17; Gro13] verwiesen. Bei der freien Konvektion erfolgt ein Wärmeaustausch durch Stofftransport. Aufgrund von Dichteunterschieden in benachbarten Fluidschichten - hervorgerufen durch Temperaturänderungen - entstehen 1 Diese ist auch unter dem Begriff natürliche Konvektion bekannt. 218 <?page no="234"?> Auftriebsströmungen. Das Fluid mit der höheren Dichte sinkt ab, während das mit der geringeren Dichte aufzusteigen beginnt. Dies hat Auf- und Abströmungen mit Massenaustausch zur Folge. Diese bewirken zusätzlich einen Wärmestrom zwischen den einzelnen Fluidschichten. Der Anteil des Wärmeübergangsprozesses durch natürliche Konvektion hängt von den Temperaturunterschieden zwischen den Schichten ab. Die thermische Auftriebsgeschwindigkeit ist gemäß [Fac15] unter Einbezug der charakteristischen Länge x und der Erdbeschleunigung g definiert zu: v = √ 1 2 · g · x · T 1 − T 2 T 2 (D.5) Ein Wärmestrom tritt hierbei nur auf, sofern T 1 6= T 2 gilt. Bei der freien Konvektion ist dies der Fall, sofern in der untenliegenden Luftschicht ein hohes und in der oberen Schicht ein niedriges Temperaturniveau besteht. Wärmestrahlung Jeder Festkörper emittiert thermische Strahlung. Dabei steht ein Körper durch Emission und Absorption mit anderen Körpern in der Umgebung im Austausch. Die Intensität der Wärmestrahlung schwankt abhängig von Temperatur und Wellenlänge. Bei gemäßigter Umgebungstemperatur überwiegt die Strahlung im Infrarotbereich. Ausschließlich diese wird im Modell berücksichtigt. Der Wärmestrom ˙ Q Strahlung wird gemäß [Pol09] durch das Stefan- Boltzmann-Gesetz berechnet: ˙ Q Strahlung = ε · σ · A · T 4 (D.6) Hierfür wird das Emissionsverhältnis ε , die Stefan-Boltzmann- Konstante σ = 5, 6703 · 10 −8 W/ m 2 K 4 und die Oberfläche A herangezogen. Weil der Körper Strahlung von der Umgebung aufnimmt, befindet er sich im Austausch mit anderen Körpern. Der Wärmestrom ˙ Q Abstrahlung , 219 <?page no="235"?> D. Mechanismen der Wärmeübertragung den Körper 1 mit Oberfläche A 1 emittiert, sofern er von Körper 2 mit der Oberfläche A 2 umschlossen ist, berechnet sich gemäß [Pol09] zu: ˙ Q Abstrahlung = σ · A 1 · ( T 4 1 − T 4 2 ) 1 ε 1 + ( 1 ε 2 − 1 ) · ( A 1 A 2 ) (D.7) Sofern A 1 << A 2 gilt und ein Körper umschlossen wird, vereinfacht sich gemäß [Pol09] die Berechnung des Wärmestroms durch Strahlung zu: ˙ Q Abstrahlung = ε 1 · σ · A 1 · ( T 4 1 − T 4 2 ) (D.8) Dies trifft im Fall der Betrachtung des Fahrzeugs in freier Umgebung zu. Wärmedurchgang Als Wärmedurchgang wird eine Wärmeübertragung von einem Fluid auf ein anderes bezeichnet, wobei sich dazwischen ein Festkörper befindet, beispielsweise eine Wand. Somit besteht er aus einem Wärmeübergang, einer Wärmeleitung durch den Festkörper und abschließend einem erneuten Wärmeübergang. Der Wärmedurchgang ˙ Q Durchgang wird durch ˙ Q Durchgang = k · A · ( T innen − T außen ) (D.9) beschrieben, wobei die Wärmedurchgangszahl k wie folgt berechnet wird: k = 1 1 α außen + Σ δ λ + 1 α innen (D.10) 220 <?page no="236"?> E. Anpassung und Validierung des Klimatisierungsmodells E.1. Randbedingungen Die Messumgebungen müssen weitestgehend frei von Störeinflüssen auf das System sein. Hierzu sind folgende Randbedingungen für eine Messung erforderlich: • Das Referenzfahrzeug muss ausreichend lange vorkonditioniert sein, sodass die Starttemperatur in allen Bereichen und Bauteilen des Fahrzeugs erreicht ist. Insbesondere bei Existenz von großen, trägen thermischen Massen, wie die Hochvoltbatterie. Deshalb werden 24 h als Vorkonditionierung angesetzt. • Das Referenzfahrzeug muss ausreichenden Abstand von Gebäudewänden oder anderen Massen haben, um Strahlungsaustausch mit diesen zu vermeiden. • Das Temperaturniveau in der Umgebung bleibt im Laufe der Messung konstant. • Das Referenzfahrzeug darf während der Vorkonditionierung und der Messung nicht an die Ladeinfrastruktur angeschlossen sein, weil das Nachladen zur inneren Erwärmung der Hochvoltbatterie führt. • Das Klimatisierungssystem muss zu jeder Zeit ausgeschaltet sein, sodass es keinen Einfluss auf Luftströmungen im Fahrzeug hat und dieses somit aufheizt oder abkühlt. 221 <?page no="237"?> E. Anpassung und Validierung des Klimatisierungsmodells E.2. Messsystem Der Fahrgastraum des Referenzfahrzeugs wird analog zum Modell in fünf Teilvolumen unterteilt. Innerhalb der Messung werden die Temperaturen der Volumen und der Umgebung aufgezeichnet. Abhängig von der Volumengröße erfolgt die Messung an einer oder mehreren Stellen innerhalb eines Volumens. Insgesamt kommen zehn Temperaturmessstellen zum Einsatz, vgl. Abb. E.1. Abbildung E.1.: Positionierung der Temperaturmessstellen im Fahrgastraum des Referenzfahrzeugs. Da Front- und Heckraum weniger relevante Geometrien darstellen und nicht durch Komponenten des Fahrzeugs unterteilt wird, ist dort je ein Temperatursensor angebracht. Diese befinden sich jeweils in einem Abstand von 10 cm zur Armatur bzw. zur Heckablage. Weil der Fußraum durch die Vordersitze in zwei Teilvolumen geteilt ist, befinden sich eine Temperaturmessstelle im vorderen Teil und eine im hinteren Teil. Diese sind miteinander verbunden, es können jedoch durch die unterschiedliche Wärmeabstrahlung des Interieurs Temperaturunterschiede auftreten. Die Messstellen sind in einem Abstand von 10 cm zum Boden des Fahrzeugs angebracht. Aus den zwei gemessenen Temperaturen wird eine gemeinsame Fußraumtemperatur gemittelt. Im Kopfraum ist eine Temperaturmessstelle im vorderen Teil des Fahrzeugs angebracht und eine im hinteren Teil. Einerseits ist dies mit 222 <?page no="238"?> E.2. Messsystem dem abfallenden Heck des Fahrzeugs begründet, was ein Wandern von warmer Luft in den vorderen Teil des Kopfraums bewirkt, und andererseits mit dem Einfluss des Frontraums auf den Kopfraum. Da der vordere Teil des Kopfraums an der Frontscheibe endet, kommt es zu einer zusätzlichen Erwärmung der Luft bei Sonnenstrahlung oder zu einer schnelleren Abkühlung an der kalten Scheibe. Um diese Einflüsse zu kompensieren, werden die zwei aufgenommenen Temperaturen zu einer gemeinsamen Größe gemittelt. Die Messstellen sind in einem Abstand von 10 cm zum Dachhimmel des Fahrzeugs angebracht. Im größten Volumen, dem Hauptraum, befinden sich zwei Messstellen bei den Vordersitzen auf Hüft- und Brusthöhe sowie eine im Fond. Die Messung im vorderen und hinteren Bereich des Fahrgastraums soll die Temperaturunterschiede aufgrund der Trennung des Volumens durch die Sitze kompensieren. Aus den drei Temperaturen wird eine Mitteltemperatur berechnet. Ein zusätzlicher Temperatursensor außerhalb des Fahrzeugs zeichnet die Umgebungstemperatur auf. Dieser Sensor ist vor Sonne, Wind und Stauwärme geschützt. Außerdem liegt er in ausreichendem Abstand zur Fahrzeugoberfläche, um eine Verfälschung der Umgebungstemperatur durch Wärmestrahlung des Fahrzeugs zu vermeiden. Alle gemessenen Temperaturen haben eine hohe Trägheit. Schnelle Temperatursprünge sind somit nicht zu erwarten. Aus diesem Grund sind keine spezielle Anforderungen an Abtastrate und Verarbeitungsgeschwindigkeit der Messdaten gestellt. Zur Aufzeichnung der Temperaturen werden Sensoren des Typs DS18B20 der Firma Maxim Integrated verwendet. Dieses 1-Draht Digitalthermometer ermöglicht Temperaturmessungen in einem Bereich von − 55 ◦ C bis 125 ◦ C. Die Messgenauigkeit liegt zwischen − 10 ◦ C und 85 ◦ C bei ± 0,5 ◦ C und ist aufgrund der gewählten Messumgebungen ausreichend. 223 <?page no="239"?> E. Anpassung und Validierung des Klimatisierungsmodells E.3. Sensitivitätsanalyse Bei einer Sensitivitätsanalyse werden Faktoren hinsichtlich ihrer Wichtigkeit verglichen und in eine Rangfolge gebracht. Für jeden Faktor wird dessen Anteil an der Varianz der Ausgangsvariable untersucht [SvH10]. Im vorliegenden Modell gibt es eine Vielzahl an Parametern, zu denen Informationen fehlen. Dies trifft z. B. auf Materialwerte von Bauteilen zu, deren Zusammensetzung nicht bekannt ist, auf Materialstärken, die grob abgeschätzt werden, oder auf gebildete «Mischwerte», weil ein Bauteil aus mehreren Materialen besteht. Die in Tabelle E.1 gelisteten Parameter werden in folgender Sensitivitätsanalyse einbezogen, um den Einfluss auf die jeweiligen Volumen herauszufinden. Die Änderung eines Parameters kann das Ergebnis in einem Volumen positiv beeinflussen, während sie sich negativ auf den Temperaturverlauf in einem anderen Volumen auswirkt. Um diesem Konflikt entgegenzuwirken, werden die fünf Volumen gemäß den Kriterien des thermischen Komforts gewichtet. Der Hauptraum als größtes Volumen ist bei der Betrachtung am wichtigsten, weil der höchste Anteil an Körperteilen der Passagiere sich hier befindet. Für ihn gilt die Gewichtung g Volumen = 0, 4. Der thermische Komfort hängt genauso mit dem Wohlbefinden der Füße und Beine zusammen. Weil das Volumen des Fußraums kleiner als das des Hauptraums ist, wird der Fußraum in der Rangfolge an zweiter Stelle geführt. Ebenfalls kleiner als der Hauptraum ist der Kopfraum des Fahrgastraums, in dem sich der Kopf von größeren Passagieren befindet. Kopf- und Fußraum erhalten jeweils die Gewichtung 0, 2. Front- und Heckraum betreffen den thermischen Komfort der Passagiere nicht unmittelbar und werden als am wenigsten relevant eingestuft. Sie erhalten jeweils die Gewichtung 0, 1. Zur Durchführung der Sensitivitätsanalyse wird für jeden nicht exakt bestimmbaren Parameter gemäß Tabelle E.1 ein Korrekturfaktor K festgelegt, der mit dem ursprünglichen Wert multipliziert wird. Der Wert aller Korrekturfaktoren ist zu Beginn der Analyse 1. Für die Analyse werden die oberen und unteren Grenzwerte von jedem K festgelegt. Die Korrekturfaktoren für die Wärmeleitung kompensieren mehrere Größen, z. B. den Wärmeleitkoeffizient und die Materialstärke. Analog hierzu kompensieren die Korrekturfaktoren der Wärmekapazität die 224 <?page no="240"?> E.3. Sensitivitätsanalyse Tabelle E.1.: Übersicht der im Fünf-Zonen-Modell betrachteten Korrekturfaktoren für die Sensitivitätsanalyse. Parameterart Betroffenes Bauteil Oberflächengröße • Heckablage • Interieur • Armatur Wärmeübergangs- • Karosserieaußenflächen koeffizient • Armaturoberfläche • Heckablagenoberfläche • Innenrauminnenflächen • Luftspalte zwischen Schichten • Zwischen den Luftvolumen Wärmekapazität • Heckablage • Luftspalt Dach • Armatur • Luftspalt Seitenwand • Interieur • Luftspalt Unterboden • Dachblech • Seitenwandblech • Dachhimmel • Seitenwandverkleidung • HV-Batterie • Unterbodenblech • Unterbodenverkleidung Wärmeleitung • Dachblech • Seitenwandblech • Dachhimmel • Seitenwandverkleidung • HV-Batterie • Unterbodenblech • Unterbodenverkleidung Bauteilmasse • Heckablage • Interieur • Armatur 225 <?page no="241"?> E. Anpassung und Validierung des Klimatisierungsmodells spezifische Wärmekapazität des Bauteils, das Materialvolumen und die Materialdichte. Durch das Sensitivity Analysis Tool von Simulink werden Datensätze erstellt, die aus Zufallswerte der teilnehmenden Korrekturfaktoren im erlaubten Intervall bestehen. Die Anzahl der Datensätze ist beliebig wählbar. Für jedes Element der Datensätze wird eine Simulation des Modells durchgeführt und die Ergebnisse werden anhand der Korrelation des Parameters zur Kostenfunktion ausgewertet [Mat17]. Hierfür werden die simulierten Ergebnisse zu jedem Datensatz mit der Messung verglichen. Für jede Ausgangsgröße des Modells wird eine entsprechende Messgröße verknüpft und das jeweilige Bewertungskriterium berechnet. Diese Bewertungsmethode bestimmt den Korrelationskoeffizienten R zwischen x ( i ) und y ( j ) , der im Intervall [− 1 1 ] liegt. R > 0 entspricht einer positiven Korrelation der Variablen. Für R < 0 haben sie eine negative Korrelation, d. h., sie verhalten sich entgegengesetzt proportional. Gilt R = 0, gibt es keine Korrelation zwischen den Variablen. Der Korrelationskoeffizient wird gemäß [Mat17] wie folgt berechnet: R ( i, j ) = C ( i, j ) √ C ( i, i ) C ( j, j ) (E.1) Hierbei gilt für die Kovarianzmatrix C: C = cov ( x, y ) = E [( x − µ x )( y − µ y )] (E.2) Als Grundlage für die Sensitivitätsanalyse dienen die Abkühlung und die Aufheizung des Fahrgastraums. Die Temperaturverläufe der fünf Innenraumvolumen werden als Vergleichskurven verwendet, auf deren Basis die Bewertungskriterien berechnet werden. Als Parameterdatensatz werden die Faktoren aus Tabelle E.1 verwendet. Insgesamt werden zehn Datensätze mit Zufallswerten für jeden Korrekturfaktor gebildet. Für jeden Parameter wird maximal 10 % Abweichung angenommen. Alle Korrekturfaktoren werden nach der Korrelation bewertet und nach der Größe des Einflusses in sogenannten Tornadoplots geordnet. Ein 226 <?page no="242"?> E.3. Sensitivitätsanalyse positives Vorzeichen zeigt, dass der Parameter einen Anstieg des Bewertungskriteriums bewirkt, und ein negatives Vorzeichen verweist auf ein Sinken. Die Rangfolge wird anhand des Korrelationswertes bestimmt. Abb. E.2 und E.3 zeigen die Tornadoplots für den Haupt-, Kopf- und Fußraum bei der Abkühlung bzw. Aufheizung. Auf eine Abbildung der Ergebnisse des am wenigsten relevanten Heckraums wird verzichtet. Zur Priorisierung der Korrekturfaktoren hinsichtlich des Einflusses auf den gesamten Fahrgastraum wird ein Punktesystem herangezogen. Dieses berücksichtigt die Wichtigkeit eines Parameters im jeweiligen Volumen w Volumen,i von 1 bis 10 und die Gewichtung des Volumens g Volumen,i . Die Gesamtpunktzahl eines Korrekturfaktors wird somit wie folgt gebildet: 5 ∑ i = 1 = g Volumen,i · w Volumen,i (E.3) Diese Anpassung der Punktzahl verhindert einerseits, dass ein Korrekturfaktor, der in einem wenig relevantem Volumen einen großen Einfluss hat, für die Optimierung zu stark berücksichtigt wird, obwohl er in den anderen Volumen nahezu ohne Relevanz ist. Andererseits wird verhindert, dass ein Korrekturfaktor aufgrund einer zu niedrigen Punktzahl aus der Gesamtwertung fällt, obwohl er für ein relevantes Volumen von Bedeutung ist. Das Ergebnis der Bewertung der berücksichtigten Korrekturfaktoren für die Abkühlung und Aufheizung des Innenraums zeigen Tabelle E.2 bzw. Tabelle E.3. Betrachtet man die zehn wichtigsten Einflussfaktoren der Aufheizung und der Abkühlung, zeigt sich, dass acht Faktoren in beiden Ranglisten übereinstimmen. Somit ergeben sich insgesamt zwölf Parameter mit hohem Einfluss auf die Klimatisierung des Fahrgastraums. 227 <?page no="243"?> E. Anpassung und Validierung des Klimatisierungsmodells (a) Hauptraum (b) Kopfraum (c) Fußraum (d) Frontraum Abbildung E.2.: Rangfolge der Korrekturfaktoren nach der Stärke der Korrelation in Bezug auf Haupt-, Kopf-, Fuß- und Frontraum bei Abkühlung des Fahrgastraums. 228 <?page no="244"?> E.3. Sensitivitätsanalyse (a) Hauptraum (b) Kopfraum (c) Fußraum (d) Frontraum Abbildung E.3.: Rangfolge der Korrekturfaktoren nach der Stärke der Korrelation in Bezug auf Haupt-, Kopf-, Fuß- und Frontraum bei Aufheizung des Fahrgastraums. 229 <?page no="245"?> E. Anpassung und Validierung des Klimatisierungsmodells Tabelle E.2.: Volumenübergreifende Rangfolge der zehn wichtigsten Korrekturfaktoren aus der Sensitivitätsanalyse für die Abkühlung des Fahrgastraums. Korrekturfaktor V1 V2 V3 V4 V5 ∑ α innen 4, 0 2, 0 1, 0 1, 0 2, 0 10 k Dachhimmel 3, 6 1, 8 0, 9 0, 7 1, 6 8, 6 k Unterbodenblech 3, 2 1, 2 0, 8 0, 9 1, 8 7, 9 C Unterbodenblech 2, 8 1, 6 0, 6 0, 6 1, 2 6, 8 C Seitenwandverkleidung 2, 4 1, 0 0, 7 0, 8 1, 4 6, 3 C Dachhimmel 2, 0 0, 8 0, 5 0, 5 1, 0 4, 8 c p,Heckablage 1, 6 0, 0 0, 3 0, 0 0, 6 2, 5 α außen 0, 8 0, 0 0, 4 0, 3 0, 8 2, 3 α Luftschichten 0, 0 1, 4 0, 0 0, 0 0, 0 1, 4 A Heckablage 0, 4 0, 0 0, 1 0, 4 0, 4 1, 3 Tabelle E.3.: Volumenübergreifende Rangfolge der zehn wichtigsten Korrekturfaktoren aus der Sensitivitätsanalyse für die Aufheizung des Fahrgastraums. Korrekturfaktor V1 V2 V3 V4 V5 ∑ α innen 4, 0 2, 0 1, 0 1, 0 2, 0 10 k Unterbodenblech 3, 6 1, 2 0, 9 0, 9 1, 8 8, 4 C Seitenwandverkleidung 3, 2 1, 4 0, 8 0, 8 1, 6 7, 8 k Dachhimmel 2, 8 1, 8 0, 7 0, 7 1, 4 7, 4 C Unterbodenblech 2, 4 1, 6 0, 6 0, 6 1, 2 6, 4 C Dachhimmel 2, 0 1, 0 0, 5 0, 5 1, 0 5, 0 A Heckablage 1, 6 0, 0 0, 4 0, 4 0, 8 3, 2 c p,Interieur 1, 2 0, 0 0, 3 0, 3 0, 6 2, 4 C Seitenwandblech 0, 4 0, 6 0, 0 0, 0 0, 0 1, 0 α Luftschichten 0, 0 0, 8 0, 0 0, 0 0, 0 0, 8 230 <?page no="246"?> E.4. Anpassungsprozess der Modellparameter E.4. Anpassungsprozess der Modellparameter Die Ermittlung der Korrekturfaktoren basiert auf einer mathematischen Optimierung. Hierfür werden Parameter eines Systems variiert, um eine festgelegte Kostenfunktion zu maximieren oder zu minimieren. Die Optimierung wird unter Nutzung der Parameter Estimation Toolbox von MATLAB vorgenommen. Insgesamt werden die aus der Sensitivitätsanalyse ermittelten zwölf Korrekturfaktoren zur Anpassung Modells verwendet und den Ein- und Ausgangsgrößen des Modells werden die entsprechenden Größen aus den Messungen zugeordnet. Die Ausgangsgrößen sind die Innenraumtemperaturen und als Eingangsgröße wird die Umgebungstemperatur herangezogen. Den Größen des Modells werden die Ergebnisse der Aufheiz- und Abkühlmessung zugeordnet, sodass die Parameter alle Anforderungen erfüllen müssen. Den Parametern wird eine Toleranz von maximal ± 5 % gewährt, weil die Größen des Modells mit für den Automobilbereich üblichen Parametern versehen sind und somit nicht beliebig variabel sind. Ein Korrekturfaktor von 2 für die Oberfläche eines Bauteils würde z. B. bedeuten, dass die Bauteiloberfläche doppelt so groß sein müsste. Die Schrittweite bei der Optimierung beträgt 0, 01. Die für die Anpassung gewählte Kostenfunktion ist die Methode der Summe der kleinsten Fehlerquadrate. Gemäß [SvH10] wird die Summe der Quadrate aus den Abweichungen der Modellkurve f ( x i ) und den Werten der Messung y i minimiert: min n ∑ i = 1 ( f ( x i ) − y i ) 2 (E.4) Bei dieser Optimierung wird das bestmögliche Ergebnis der Summe der Fehlerquadrate ermittelt, das mit dem definierten Wertebereich für die Korrekturfaktoren umsetzbar ist. Die anschließende Bewertung der Modellgenauigkeit erfolgt durch den Vergleich der Simulation mit den Messergebnissen anhand des Bestimmtheitsmaßes R 2 , vgl. Abschnitt 7.3.1. 231 <?page no="247"?> E. Anpassung und Validierung des Klimatisierungsmodells Tabelle E.4.: Korrekturfaktoren nach der Parameteroptimierung für die Aufheiz- und Abkühlmessung zur Anpassung des Modells an die Realität. Korrekturfaktor Wert A Heckablage 1, 050 α außen 0, 951 α innen 0, 973 α Luftschichten 0, 950 c p,Heckablage 1, 049 c p,Interieur 0, 967 k Dachhimmel 1, 047 k Unterbodenblech 1, 050 C Dachhimmel 1, 048 C Seitenwandblech 1, 049 C Seitenwandverkleidung 1, 049 C Unterbodenblech 1, 050 Acht Parameter des Modells werden durch einen Korrekturfaktor erhöht und vier abgesenkt, um das Bewertungskriterium R 2 ≥ 0, 95 zu erfüllen, vgl. Tabelle E.4. 232 <?page no="248"?> E.5. Reglereinstellung E.5. Reglereinstellung Aufgrund der vielfältigen Einsatzbedingungen über einen weiten Temperaturbereich mit veränderlichen Störgrößen, wie z. B. dem Wärmeeintrag durch Passagiere oder der Änderung des Wärmeübergangs aufgrund der Fahrgeschwindigkeit, ist die Durchführung einer Reglerdimensionierung nicht realisierbar. Die Einstellung der Regelparameter erfolgt somit empirisch. Zunächst wird ein großer proportionaler (P) Anteil gewählt, bei dem sich eine stabile Aufheizkurve des Innenraums einstellt und keine Schwingungen auftreten. Anschließend wird der integrierende (I) Anteil auf einen hohen Wert eingestellt, bei dem ein geringes Überschwingen < 1 ◦ C über die Zieltemperatur stattfindet. Analog hierzu wird für die Abkühlung vorgegangen, bis Parameter gefunden sind, die für Aufheiz- und Abkühlvorgänge geeignet sind. Die ermittelten Regelparameter werden abschließend auf ihre Stabilität geprüft, indem verschiedene Testszenarien simuliert werden, vgl. Tabelle E.5. Diese umfassen unterschiedliche Temperaturbereiche mit verschiedener Vorkonditionierung des Fahrzeugs, jeweils mit einem und vier Passagieren. Bei Umgebungstemperaturen unter 10 ◦ C wird die Sitzheizung als Parameter hinzugefügt. Tabelle E.5.: Beispieltestfälle zur Überprüfung der Regelparameter. T Vorkond. T ∞ T Soll Passagiere Sitzheizung Wertung 0 ◦ C 0 ◦ C 24 ◦ C 1/ 4 aktiv, mittel i.O. 10 ◦ C 0 ◦ C 24 ◦ C 1/ 4 aktiv, mittel i.O. − 7 ◦ C − 7 ◦ C 21 ◦ C 1/ 4 aktiv, mittel i.O. − 20 ◦ C − 20 ◦ C 28 ◦ C 1/ 4 aktiv, max. i.O. 10 ◦ C 10->30 ◦ C 22,5 ◦ C 1/ 4 i.O. 10 ◦ C 10 ◦ C 23 ◦ C 1/ 4 i.O. 60 ◦ C 30 ◦ C 22,5 ◦ C 1/ 4 i.O. 30 ◦ C 30 ◦ C 22,5 ◦ C 1/ 4 i.O. 40 ◦ C 30->10 ◦ C 22,5 ◦ C 1/ 4 i.O. 233 <?page no="249"?> E. Anpassung und Validierung des Klimatisierungsmodells E.6. Betriebsmodi des Kühl- und Kältemittelkreislaufs Die nachfolgend beschriebenen Betriebsmodi beziehen sich auf Abb. 7.11. Die Bezeichnung der Komponenten ist Abb. 7.10 zu entnehmen. E.6.1. Kühlbetrieb In stationären Betriebspunkten entspricht die über den Verflüssiger übertragene Wärmeenergie an die Umgebung der Summe aus eingetragener Verdichterenergie, der aufgenommenen Wärme am Verdampfer zur Kühlung des Innenraums sowie der aufgenommenen Wärme aus der Batterie. Um diese großen Leistungen zu übertragen, ist der Verflüssiger dementsprechend dimensioniert. Der unterkühlte Kältemittelmassenstrom teilt sich anschließend in zwei Pfade auf. In den meisten Betriebszuständen hat die Fahrgastraumkühlung gegenüber der Batteriekühlung Vorrang. Daher wird primär Kältemittel über den Strang des Verdampfers und sekundär über den Batteriekühlungsabschnitt geleitet. Dies geschieht mithilfe der vorgeschalteten elektrischen Expansionsorgane EXV2 und EXV3, die den Vorteil des Absperrens gegenüber eines klassischen thermostatischen Expansionsorgans besitzen. Mithilfe eines Schrittmotors wird der effektive Öffungsquerschnitt der Expansionsorgane gesteuert. Der Schrittmotor bekommt Informationen über die Sollwerte über einen LIN-Bus. In den Expansionsorganen EXV2 und EXV3 wird das Kältemittel in das sogenannte Zwei-Phasen-Gebiet entspannt und tritt mit einem niedrigen Druck in den Verdampfer bzw. den Kühlschleifen der Batterie ein. Der Verdampfer befindet sich im Klimagerät. Über ihn wird der gesamte Luftmassenstrom, der von außen über ein Gebläse einströmt, geleitet. Das Kältemittel wird auf Mikrokanäle verteilt, um die Oberfläche zu vergrößern sowie die Strömungsgeschwindigkeit zu erhöhen. Der warme Luftmassenstrom wird beim Durchströmen des Verdampfers abgekühlt. Die in das Kältemittel eingetragene Wärmeenergie lässt es beim Durchströmen der Kanäle verdampfen. Analog zum Verdampfer 234 <?page no="250"?> E.6. Betriebsmodi des Kühl- und Kältemittelkreislaufs wird das Kältemittel im zweiten Pfad, d. h. nach dem EXV 1, in parallel verlaufenden Kühlschleifen um die HVB geführt, nimmt ihre Wärme auf und verdampft. Im BMW i3 wird ein direktverdampfendes System verwendet, sodass ein zusätzlicher Batteriekühlkreislauf mit Kühlmittel hinfällig ist. Diese Topologie kann bei hohen Umgebungs- und Batterietemperaturen einen Zielkonflikt zwischen Batteriekühlung und Innenraumklimatisierung darstellen. Üblicherweise hat die Fahrgastraumklimatisierung durch Vorgabe einer Soll-Austrittstemperatur der Verdampferluft Vorrang. Der überschüssige Kältemittelmassenstrom wird bei Bedarf zur Batteriekühlung verwendet. Unter den oben genannten Bedingungen kann es zu Überschreiten der für die Batterie benötigten Grenztemperaturen von 35 ◦ C kommen, die zu einer Begrenzung der Leistungsentnahme oder der Fahrzeugreichweite führt. Das Kältemittel wird aus den zwei Pfaden zusammengeführt und strömt in den Niederdrucksammler mit integriertem Filtertrockner. Hier findet eine Phasentrennung des Kältemittels statt. Flüssiges Kältemittel und das Kältemaschinenöl setzt sich am Boden ab und gasförmiges Kältemittel steigt auf. Der Verdichter saugt das gefilterte, gasförmige Kältemittel am Deckel des Sammlers an und verdichtet es erneut. E.6.2. Heiz- und Wärmepumpenbetrieb Das Absperrventil ASV1 vor dem Verflüssiger wird geschlossen und das ASV4 hin zum Icond geöffnet. Durch diesen Mechanismus strömt das Kältemittel nach dem Verdichter mit hohem Druck und hoher Temperatur in den Icond. Dieser arbeitet analog dem Wärmeübertragungsprinzip des Verflüssigers, weil das warme Kältemittel auf der Innenseite kondensiert und Wärme an das Kühlmittel des Heizkreislaufs abgibt. Das Kältemittel auf der Innenseite ist zweiphasig und das Kühlmittel auf der Außenseite ist flüssig. Folglich wird bei der Bauform des Wärmeübertragers auf die sogenannte Stapelscheibenbauweise zurückgegriffen. Ein zusätzliches elektrisches Expansionsorgan (EXV3) staut das Kältemittel im Icond an und sorgt somit für den benötigten Hochdruck zum Heizen des Kühlmittels im Heizkreislauf. 235 <?page no="251"?> E. Anpassung und Validierung des Klimatisierungsmodells Das Kältemittel wird auf einen mittleren Druck entspannt und durchströmt den Verdampfer in entgegengesetzter Richtung. Dabei wird das im Kühlmodus zum Kühlen verwendete Expansionsorgan EXV2 genutzt, um den Kältemitteldruck und somit die Kältemittelsättigungstemperatur im Verdampfer auf einem höheren Temperaturniveau als das der Umgebung zu halten. Dadurch entsteht der Effekt, dass der Verdampfer nicht mehr Wärme aus der Umgebung aufnimmt, sondern bei tiefen Umgebungstemperaturen Wärme an die Luft abgibt und analog dem Icond zum Verflüssiger wird. Das Temperaturniveau wird durch die Ansteuerung der elektrischen Expansionsorgane bedarfsgerecht eingestellt. Im Aufheizfall wird eine maximale Ausströmtemperatur von 60 ◦ C im Fahrgastraum erreicht. Das Kältemittel wird anschließend auf eine Sättigungstemperatur, die unterhalb des Temperaturniveaus der Umgebung liegt, entspannt und in umgekehrter Fließrichtung durch den ursprünglichen Verflüssiger geleitet. Hier nimmt das flüssige Kältemittel Wärme aus der Umgebung auf und verdampft. Die Oberflächentemperatur des Verflüssigers ist hierbei kleiner als 0 ◦ C. Das führt nach entsprechender Zeit zum Ausscheiden und Frieren des Kondensats aus der Luft. Während des Abtauvorgangs kann der Kältemittelkreislauf nicht betrieben werden, weil der Luftmassenstrom zu gering wird. Maßgeblich für die Betriebsgrenzen ist die Umgebungstemperatur. Unter − 10 ◦ C besteht die Gefahr, dass der Kältemittelsaugdruck unterhalb des Umgebungsdruck von 1 bar fällt, sodass Luft und Feuchtigkeit in das System gesogen werden. Zusätzlich fällt die Kältemitteldichte ab, sodass der geförderte Kältemittelmassenstrom pro Verdichterhub merklich abnimmt. E.6.3. Reheatbetrieb Die Verschaltung der Komponenten entspricht weitestgehend der des Kühlbetriebs mit Batteriekühlung. Verdichter, Verflüssiger, Batteriekühlschleifen und Verdampfer bilden den beschriebenen, linksläufigen Kreislauf einer Kompressionskälteanlage. Der Unterschied zum Kühlbetrieb mit Batteriekühlung ist, dass ein Teil des warmen Kältemittelmassenstroms nach dem Verdichter über das geöffnete Absperrventil ASV4 zum 236 <?page no="252"?> E.6. Betriebsmodi des Kühl- und Kältemittelkreislaufs Icond geleitet wird und zur Erwärmung des Heizkreislaufs verwendet wird. Die über den Icond übertragene Wärme ist deutlich geringer als im Wärmepumpenbetrieb, weil das Kältemittel nach dem Icond nicht mehr über einen Verdampfer geleitet wird, sondern mit den Kältemittelmassenströmen aus Verdampfer und Batteriekühlschleifen gemischt wird. Das System nutzt die kalte Verdampferoberfläche zum Abkühlen und Entfeuchten der einströmenden Luft. Anschließend wird sie durch den Heizungswärmeübertrager bedarfsgerecht erwärmt. Der Bedarf der im Innenraum benötigten Energie wird durch eine festgelegte Einströmtemperatur eingestellt, die abhängig vom Temperaturunterschied zwischen Soll- und Ist-Temperatur des Innenraums ist. Funktional wird dies über die Regelung des Temperaturniveaus im Heizkreislauf realisiert. Dies erfolgt durch Zurücknahme der Ansteuerung des Zuheizers, durch Absenkung des Kältemittelhochdrucks im Icond, indem ein elektrisches Expansionsorgan geöffnet wird oder durch die im Klimagerät verbaute Mischluftklappe. Da der Stromverbrauch des Hochvolt-Zuheizers und des Verdichters für das Wärmepumpenprinzip den größten Anteil der Reichweitenreduzierung darstellen, ist eine bedarfsgerechte Absenkung der Kühlmitteltemperatur zu bevorzugen. 237 <?page no="253"?> E. Anpassung und Validierung des Klimatisierungsmodells E.7. Aufheiz- und Abkühlung im WLTP 238 <?page no="254"?> E.7. Aufheiz- und Abkühlung im WLTP 𝑇 ∞ = 𝑇 ∞ −10°𝐶 𝑇 ∞ = 𝑇 ∞ = 𝑇 ∞ = − 5°𝐶 5°𝐶 15°𝐶 Abbildung E.4.: Aufheizvorgänge, jeweiliger Leistungsbedarf und die resultierende Reichweitenreduktion im WLTP-Zyklus bei variierenden Umgebungsbedingungen. 239 <?page no="255"?> E. Anpassung und Validierung des Klimatisierungsmodells 𝑇 ∞ = 40°𝐶 𝜙 = 40% 𝑇 ∞ = 40°𝐶 𝜙 = 0% 𝑇 ∞ = 35°𝐶 𝜙 = 40% 𝑇 ∞ = 35°𝐶 𝜙 = 0% 𝑇 ∞ 𝜙 𝑇 ∞ = 30°𝐶 𝜙 = 40% 𝑇 ∞ = 30°𝐶 𝜙 = 0% Abbildung E.5.: Abkühlvorgänge, jeweiliger Leistungsbedarf und die resultierende Reichweitenreduktion im WLTP-Zyklus bei variierenden Umgebungsbedingungen. 240 <?page no="256"?> F. Temperaturabhängige Energieeinsparpotenziale 241 <?page no="257"?> F. Temperaturabhängige Energieeinsparpotenziale Tabelle F.1.: Prozentualer Reichweitenzuwachs im RDE-Zyklus und im Bundesstraßenszenario gegenüber der behaglichen Innenraum-Solltemperatur T Soll (grau hinterlegt) durch Variation der Innenraumtemperaturen T innen im Heizbetrieb. T ∞ − 15 ◦ C − 10 ◦ C − 5 ◦ C 0 ◦ C 5 ◦ C 10 ◦ C 15 ◦ C T Soll 27 ◦ C 26 ◦ C 25 ◦ C 24 ◦ C 23 ◦ C 23 ◦ C 22 ◦ C T innen Bundesstraßenszenario 18 ◦ C 44, 20 20, 08 11, 05 4, 00 2, 13 0, 75 0, 12 19 ◦ C 40, 63 18, 51 10, 34 3, 49 1, 86 0, 69 0, 04 20 ◦ C 36, 52 16, 60 9, 31 2, 92 1, 47 0, 63 0, 03 21 ◦ C 31, 80 14, 56 8, 39 2, 11 0, 99 0, 52 0, 02 22 ◦ C 27, 11 11, 99 6, 49 1, 46 0, 48 0, 33 0, 00 23 ◦ C 23, 61 9, 68 4, 38 0, 74 0, 00 0, 00 − 0, 11 24 ◦ C 18, 18 6, 88 2, 49 0, 00 − 0, 72 − 0, 41 − 0, 20 25 ◦ C 11, 94 3, 50 0, 00 − 0, 87 − 1, 43 − 0, 89 − 0, 34 26 ◦ C 6, 23 0, 00 − 2, 96 − 2, 48 − 2, 15 − 1, 49 − 0, 53 27 ◦ C 0, 00 − 3, 81 − 6, 19 − 4, 33 − 2, 59 − 2, 09 − 0, 72 28 ◦ C − 8, 10 − 8, 29 − 9, 57 − 7, 11 − 3, 05 − 2, 71 − 0, 90 T innen RDE-Zyklus 18 ◦ C 9, 64 5, 32 2, 85 0, 95 0, 46 0, 15 0, 03 19 ◦ C 8, 49 4, 96 2, 71 0, 85 0, 41 0, 14 0, 01 20 ◦ C 7, 36 4, 55 2, 46 0, 72 0, 32 0, 12 0, 01 21 ◦ C 6, 24 4, 01 2, 24 0, 55 0, 22 0, 10 0, 00 22 ◦ C 5, 09 3, 37 1, 82 0, 39 0, 11 0, 07 0, 00 23 ◦ C 3, 97 2, 61 1, 33 0, 17 0, 00 0, 00 − 0, 01 24 ◦ C 2, 89 1, 86 0, 73 0, 00 − 0, 18 − 0, 09 − 0, 05 25 ◦ C 1, 86 0, 94 0, 00 − 0, 27 − 0, 35 − 0, 20 − 0, 07 26 ◦ C 0, 90 0, 00 − 0, 73 − 0, 73 − 0, 57 − 0, 32 − 0, 12 27 ◦ C 0, 00 − 1, 06 − 1, 60 − 1, 34 − 0, 76 − 0, 45 − 0, 14 28 ◦ C − 0, 83 − 2, 29 − 2, 50 − 2, 04 − 1, 00 − 0, 61 − 0, 21 242 <?page no="258"?> Tabelle F.2.: Prozentualer Reichweitenzuwachs im RDE-Zyklus und im Bundesstraßenszenario gegenüber der behaglichen Innenraum-Solltemperatur T Soll (grau hinterlegt) durch Variation der Innenraumtemperaturen T innen im Kühlbetrieb. T ∞ 25 ◦ C 30 ◦ C 35 ◦ C 40 ◦ C T Soll 22 ◦ C 22 ◦ C 23 ◦ C 23 ◦ C T innen Bundesstraßenszenario 18 ◦ C − 0, 68 − 7, 80 − 8, 83 − 9, 66 19 ◦ C − 0, 40 − 4, 10 − 7, 84 − 8, 30 20 ◦ C − 0, 21 − 2, 10 − 4, 94 − 5, 28 21 ◦ C − 0, 08 − 0, 84 − 4, 28 − 4, 66 22 ◦ C 0, 00 0, 00 − 3, 15 − 3, 81 23 ◦ C 0, 05 0, 46 0, 00 0, 00 24 ◦ C 0, 05 0, 75 2, 66 3, 05 25 ◦ C 0, 05 0, 96 4, 01 4, 46 26 ◦ C - 1, 10 4, 77 5, 16 27 ◦ C - 1, 20 5, 31 5, 88 28 ◦ C - 1, 26 5, 72 7, 56 T innen RDE-Zyklus 18 ◦ C − 0, 15 − 1, 80 − 8, 37 − 9, 33 19 ◦ C − 0, 09 − 0, 93 − 7, 70 − 8, 41 20 ◦ C − 0, 05 − 0, 47 − 6, 94 − 7, 98 21 ◦ C − 0, 02 − 0, 18 − 2, 92 − 3, 49 22 ◦ C 0, 00 0, 00 − 1, 07 − 2, 94 23 ◦ C 0, 01 0, 10 0, 00 0, 00 24 ◦ C 0, 01 0, 16 0, 61 2, 07 25 ◦ C 0, 01 0, 21 0, 92 2, 85 26 ◦ C - 0, 24 1, 08 4, 20 27 ◦ C - 0, 26 1, 20 4, 89 28 ◦ C - 0, 27 1, 29 5, 26 243 <?page no="260"?> Verzeichnisse 245 <?page no="262"?> Abbildungsverzeichnis 1.1. Jährliche Neuzulassungen batterieelektrischer Fahrzeuge in Deutschland von 2003 bis 2018 [Kra18]. . . . . . . . . . . 2 1.2. Struktur der Arbeit (Grdl. = Grundlagen, S.d.T. = Stand der Wissenschaft und Technik). . . . . . . . . . . . . . . . . 11 2.1. Generische Darstellung der Komponenten eines BEF: Energieformen und -flüsse treten zwischen Energiespeicher, Stromwandler, Verbraucher und mechanischen Komponenten auf. Die obere Reihe und die rechte Spalte stellen den Antriebsstrang dar. Die roten Pfeile zeigen die Energieflussrichtung während der Rekuperation. . . . . . . 16 2.2. Während der Fahrt wirkende Fahrwiderstände. . . . . . . 23 2.3. Qualitative Darstellung des Energieflusses in einem Elektrofahrzeug. Quantitativ repräsentiert diese ein Szenario bei gemäßigten Umweltbedingungen. . . . . . . . . . . . . 31 2.4. Geschwindigkeitsverlauf des WLTP Klasse 3b , der aus vier Geschwindigkeitssequenzen besteht. . . . . . . . . . . 36 3.1. Reichweiteneinflüsse gruppiert nach Fahrzeug, Fahrer, Umwelt und Strecke [Kru+16]. . . . . . . . . . . . . . . . . 40 3.2. Dauerhafte und vorübergehende Streckeneigenschaften, die Einfluss auf das Bewegungsprofil und den Energieverbrauch eines Fahrzeugs haben. Verkehrsschilder aus [All18] 44 3.3. Bestimmte Antriebsparameter und Nebenverbraucherklassen bieten potenzielle Energieeinsparungen (blau) und sind mit Unsicherheiten behaftet (rosa). . . . . . . . . 54 3.4. Ergebnisse einer Sensitivitätsanalyse energiebedarfsrelevanter Parametern gemäß [Asa+16]. . . . . . . . . . . . 58 247 <?page no="263"?> Abbildungsverzeichnis 4.1. Umgebungstemperaturabhängiger Reichweitenverlust durch Nebenverbraucher bei stationärer Betrachtung im NEFZ gemäß [Bas15]. . . . . . . . . . . . . . . . . . . . . . . 90 5.1. Systemstruktur des Fahrerassistenzsystems zur Zielerreichung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 5.2. Programmablaufplan zur Verdeutlichung der Funktionsweise des FAS-Z innerhalb der Fahrzeugumgebung. . . . . 103 5.3. Zusammenwirken der Teilsysteme des FAS-Z unter Einbezug der Funktionen gemäß Abb. 5.2. . . . . . . . . . . 104 5.4. Schematische Darstellung der Energiebedarfsprädiktion (EBP) unter Einbezug der Strecken-, Umwelt-, Fahrer- und Fahrzeugparameter. . . . . . . . . . . . . . . . . . . . . . . . 105 5.5. Schema zur EBP unter Einbezug der Parameter aus den Reichweiteneinflussgruppen Fahrer, Fahrzeug, Strecke und Umwelt. . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 5.6. Berechnung des Bewegungs- und Nutzungsprofils. . . . . 107 5.7. Die Fahrzeuggeschwindigkeit resultiert aus dem Versuch, die Ziel-Geschwindigkeit zu erreichen. . . . . . . . . . . . . 107 5.8. Vorgehensweise zur Ermittlung des Nutzungsprofils der umweltabhängigen Nebenverbraucher. . . . . . . . . . . . 108 5.9. Innere und äußere Einflüsse auf das HLK-System. . . . . . 109 5.10. Im Konzept herangezogene Parameter, die den Fahrgastraum und das HLK-System beeinflussen. . . . . . . . . . . 109 5.11. Schnittstellen des Moduls Parameterkorrektur innerhalb des FAS-Z und der Fahrzeugumgebung. . . . . . . . . . . . 113 5.12. Ein- und Ausgangsgrößen des Energiemanagements. . . . 114 5.13. Reihenfolge der Energieeinsparmaßnahmen. . . . . . . . . 116 5.14. Strukturdiagramm des Teilsystems Energiemanagement und seinen Modulen. . . . . . . . . . . . . . . . . . . . . . . 117 5.15. Fiktiver Energiebedarf eines Referenzfalls sowie von Fällen, die das Energieeinsparpotenzial des Antriebs, der Nebenverbraucher oder eine Kombination aus beiden nutzt.119 6.1. Vier Schritte zum Abrufen energierelevanter Routeninformationen. Die gestrichelten Pfeile verweisen auf Eingangs- und Ausgangsdaten der Einzelschritte. . . . . . 123 248 <?page no="264"?> Abbildungsverzeichnis 6.2. Von HERE abgerufene Routen im Landstraßenszenario gemäß Schritt A1. Kartenhintergrund von [Ver18b]. . . . . 124 6.3. Abgerufene Höhendaten der Hauptroute des Landstraßenszenarios gemäß Schritt A1. . . . . . . . . . . . . . . . . 124 6.4. Von Overpass API abgerufene Streckenobjekte entlang der Hauptroute des Landstraßenszenarios gemäß Schritt A2. Kartenhintergrund von [Ver18b]. . . . . . . . . . . . . . 125 6.5. Von TomTom abgerufenes Verkehrsaufkommen im Bundesstraßenszenario gemäß Schritt A3. Kartenhintergrund von [Ver18b]. . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 6.6. Abgerufener Verlauf der zulässigen Höchstgeschwindigkeiten und die reduzierte, effektive Geschwindigkeit in Streckenabschnitten mit Verkehrsstörung im Bundesstraßenszenario. . . . . . . . . . . . . . . . . . . . . . . . . . 127 6.7. Beispielhafter Kurvenverlauf vor und nach einer kubischen, dreidimensionalen Interpolation in äquidistante Wegpunkte [Gie14]. . . . . . . . . . . . . . . . . . . . . . . . 130 6.8. Berechneter Verlauf der Streckenkrümmung für einen Ausschnitt der Hauptroute des Landstraßenszenarios gemäß Schritt B5. . . . . . . . . . . . . . . . . . . . . . . . . 132 6.9. Die Ziel-Geschwindigkeit wird durch die maximale Kurven-, Fahrer- und Fahrzeuggeschwindigkeit, die zulässige Höchstgeschwindigkeit und durch die Limittreue begrenzt. . . . . . . . . . . . . . . . . . . . . . . . . . . 134 6.10. Zufallsbasierte Standzeiten an den Ampeln im Landstraßenszenario. Zwei der neun Ampeln zeigen Grünlicht und sind somit nicht in der Abbildung zu erkennen. . . . . 135 6.11. Prognostizierter Geschwindigkeitsverlauf des Fahrermodells und die angestrebte Zielgeschwindigkeit für einen Ausschnitt der Hauptroute des Landstraßenszenarios. Die sägezahnförmigen Abschnitte der Zielgeschwindigkeit resultieren aus einer begrenzten Kurvengeschwindigkeit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136 6.12. Qualitative Darstellung der Bremsverzögerung vor Erreichen eines Abschnitts mit einer niedrigeren zulässigen Höchstgeschwindigkeit. . . . . . . . . . . . . . . . . . . . . 137 6.13. Prognostizierte Antriebsleistung zum Zurücklegen der Hauptroute des Landstraßenszenarios. . . . . . . . . . . . . 143 249 <?page no="265"?> Abbildungsverzeichnis 6.14. Abgerufene und gemessene Höhendaten der Hauptroute des Landstraßenszenarios. . . . . . . . . . . . . . . . . . . . 144 6.15. Vergleich zwischen gefahrener und der gemäß Abschnitt 6.2 prognostizierten Geschwindigkeit. . . . . . . 146 7.1. Wärmestrombilanz des Fahrgastraums gemäß [Wag09]. . . 150 7.2. Sonnenintensität über den Tagesverlauf am 10. Juli in der Nähe von Ingolstadt gemäß [Gro13]. . . . . . . . . . . . . . 154 7.3. Teilsysteme des Modells zur Berechnung des Energieverbrauchs des HLK-Systems. . . . . . . . . . . . . . . . . . . . 155 7.4. Aufteilung des Fahrgastraums in fünf Volumen und die darauf wirkenden Umgebungseinflüsse. . . . . . . . . . . . 156 7.5. Konzept des Fünf-Volumen-Modells zur Abbildung des thermischen Zustands im Fahrgastraum unter Einbezug relevanter Fahrzeugbauteile, deren Kopplung untereinander und der jeweils wirkenden Wärmeübertragungsmechanismen. [Kru+17b] . . . . . . . . . . . . . . . . . . . . 157 7.6. Berechnung des Wärmestroms durch eine geschichtete Komponente am Beispiel des Dachs. . . . . . . . . . . . . . 160 7.7. Zirkulationsströmungen innerhalb des Fahrgastraums, die durch Auftriebsströmungen oberhalb der Heckablage und der Armatur verursacht werden. . . . . . . . . . . . . 162 7.8. Luftführung innerhalb des Fahrgastraums bei aktiviertem und deaktiviertem Umluftmodus. Die farbigen Pfeile zeigen den Weg der eingeführten Luftmassenströme durch den Fahrgastraum gemäß ihres im Modell realisierten Anteils. . . . . . . . . . . . . . . . . . . . . . . . . . . 164 7.9. Behaglicher Luftmassenstrom und behagliche Innenraumtemperatur innerhalb des Fahrgastraums in Abhängigkeit der Umgebungstemperatur [DR14]. . . . . . . . . . 167 7.10. Übersicht der Komponenten des Kältemittel- und Kühlmittelkreislaufs. Die Wärmeübertrager sind grau hinterlegt.170 7.11. Kälte- und Kühlmittelkreislauf für unterschiedliche Betriebsmodi. Blau steht für eine niedrige Kältebzw. Kühlmitteltemperatur, rot für eine hohe. . . . . . . . . . . . 171 7.12. Anpassungsprozess zur Verbesserung der Modellgüte. Nach jeder Anpassung der Korrekturfaktoren wird diese anhand des Bestimmtheitsmaßes R 2 evaluiert. . . . . . . . 176 250 <?page no="266"?> Abbildungsverzeichnis 7.13. Temperaturverläufe der fünf Volumen beim Aufheiz- und Abkühlvorgang in der Simulation und Messung sowie das jeweilig erreichte Bestimmtheitsmaß R 2 . . . . . . . . . 177 7.14. Normierter Verlauf der gemessenen und modellierten Einströmtemperatur. . . . . . . . . . . . . . . . . . . . . . . 178 7.15. Simulierte und in [Fle15] gemessene Ist-Temperatur bei der Aufheizung von − 7 ◦ C Umgebungstemperatur auf 21 ◦ C Soll-Temperatur. . . . . . . . . . . . . . . . . . . . . . 180 7.16. Simulierte Reichweitenreduzierung im WLTP-Zyklus unter variierenden Umgebungstemperaturen. . . . . . . . 181 8.1. Verfügbare Energie in Abhängigkeit der zurückgelegten Strecke bei Anwendung unterschiedlicher Energieeinsparmaßnahmen im Landstraßenszenario bei einer Umgebungstemperatur von − 10 ◦ C. Die Streckenlänge beträgt 24,05 km. . . . . . . . . . . . . . . . . . . . . . . . . 192 8.2. Verfügbare Energie in Abhängigkeit der zurückgelegten Strecke bei Anwendung unterschiedlicher Energieeinsparmaßnahmen im Bundesstraßenszenario bei einer Umgebungstemperatur von 35 ◦ C. Die Streckenlänge beträgt 32,11 km. . . . . . . . . . . . . . . . . . . . . . . . . 194 B.1. Streckenverlauf inklusive der zulässigen Höchstgeschwindigkeiten (oben) und Höhenprofil (unten) der 77,9 km langen Deutschland-Runde gemäß [Wah15]. . . . . 213 B.2. Streckenverlauf inklusive der zulässigen Höchstgeschwindigkeiten (oben) und Höhenprofil (unten) des 86,6 km langen RDE-Zyklus gemäß [IPG19]. . . . . . . . . . 214 C.1. Wirkungsgrad-Kennlinienfeld des E-Motors im BMW i3 gemäß [Jur+13]. . . . . . . . . . . . . . . . . . . . . . . . . . 215 E.1. Positionierung der Temperaturmessstellen im Fahrgastraum des Referenzfahrzeugs. . . . . . . . . . . . . . . . . . 222 E.2. Rangfolge der Korrekturfaktoren nach der Stärke der Korrelation in Bezug auf Haupt-, Kopf-, Fuß- und Frontraum bei Abkühlung des Fahrgastraums. . . . . . . . . . . 228 251 <?page no="267"?> Abbildungsverzeichnis E.3. Rangfolge der Korrekturfaktoren nach der Stärke der Korrelation in Bezug auf Haupt-, Kopf-, Fuß- und Frontraum bei Aufheizung des Fahrgastraums. . . . . . . . . . . 229 E.4. Aufheizvorgänge, jeweiliger Leistungsbedarf und die resultierende Reichweitenreduktion im WLTP-Zyklus bei variierenden Umgebungsbedingungen. . . . . . . . . . . . 238 E.5. Abkühlvorgänge, jeweiliger Leistungsbedarf und die resultierende Reichweitenreduktion im WLTP-Zyklus bei variierenden Umgebungsbedingungen. . . . . . . . . . . . 239 252 <?page no="268"?> Tabellenverzeichnis 2.1. Unterschiedliche Klassifizierung ausgewählter Nebenverbraucher: Die Verwendungsdauer unterscheidet zwischen Kurzzeit-, Langzeit- und Dauerverbrauchern. Der Einsatzzweck klassifiziert Nebenverbraucher nach Sicherheit (S), Umwelt (U) und Komfort (K). Zusätzlich wird zwischen Hoch- (HV) und Niedervolt (NV) unterschieden. . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.2. Kenngrößen der legislativen und nicht-legislativen Zyklen. 35 3.1. Korrelation zwischen den direkten • und indirekten ◦ Reichweiteneinflüssen und den unterschiedlichen Nebenverbraucherklassen gemäß Abschnitt 2.1.2 inkl. Wirkungsgradverlust und Auswirkung auf die Fahrzeit. . 42 3.2. Wertebereiche der Fahrerparameter gemäß [vTv02; Vai+14]. Die Werte der Limittreue beruhen auf Annahmen. 50 3.3. Angesetzte Leistungsaufnahme der Nebenverbraucher (NV) eines Elektrofahrzeugs in Watt für die Umgebungsbedingungen Minimalfahrt (Min), sparsamer Wintermorgen (Spar), normaler Wintermorgen (Winter) und Hochsommernachmittag (Sommer). (*) = Heruntergerechnete Dauerleistung für Verbraucher mit verkürzter Betriebszeit. HV = Hochvolt. LV = Niedervolt. . . . . . . . 53 3.4. Prozentuale Verteilung der Straßenklassen in Deutschland im Jahr 2018 [Sta19b] und der Deutschland- Runde [Wah15]. . . . . . . . . . . . . . . . . . . . . . . . . . 62 3.5. Für einen RDE-Zyklus geltende Randbedingungen [Eur16]. 63 3.6. Initialwerte der Fahrerparameter und Nebenverbraucherleistung sowie deren Variation innerhalb der Sensitivitätsanalyse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 253 <?page no="269"?> Tabellenverzeichnis 3.7. Ergebnisse der Maßnahmen zur Reichweitensteigerung bei Anwendung eines durchschnittlichen Fahrers im RDE-Zyklus und in der Deutschland-Runde. Zur Berechnung des Referenzverbrauchs werden die Werte aus Tabelle 3.6 herangezogen. . . . . . . . . . . . . . . . . . . . 67 4.1. Vollständig ( • ) oder teilweise ( ◦ ) verwendete Datenerfassungsknoten in verwandten Arbeiten. . . . . . . . . . . . . 74 4.2. Von verschiedenen Anbietern zur Verfügung gestellte Dienste, die zum Abruf von streckenabhängigen Reichweiteneinflüssen über Anwendungsprogrammierschnittstellen dienen. . . . . . . . . . . . . . . . . . . . . . . . . . . 81 4.3. Subjektive und objektive Auswirkungen sowie Konfliktpotenzial durch die Reduzierung des Leistungsbedarfs von Nebenverbrauchern und Antrieb. . . . . . . . . . . . . 93 5.1. Nicht-funktionale Anforderungen an das FAS-Z. . . . . . . 100 5.2. Funktionale Anforderungen an das FAS-Z. . . . . . . . . . 101 6.1. Eckdaten der Realszenarien für Fahrten am Freitag, 28.06.2019 im Raum Karlsruhe. . . . . . . . . . . . . . . . . 122 6.2. Abgerufene Umgebungsbedingungen der beiden Realszenarien im Raum Karlsruhe am Freitag, 28.06.2019. . . . . 129 6.3. Prognostizierte Kennwerte des Bewegungsprofils jeweils auf der Hauptroute des Land- und Bundesstraßenszenarios.138 6.4. In der EBP berücksichtigte Nebenverbraucher gemäß der Gruppierung aus Abschnitt 2.1.2 und ihre Abhängigkeiten. 140 6.5. Prognostizierter Energiebedarf des Antriebs und der Nebenverbraucher zum Zurücklegen der Hauptroute des Land- und Bundesstraßenszenarios. . . . . . . . . . . . . . 143 6.6. Vergleich zwischen gemessener, in der EBP berechneter und der von HERE zur Verfügung gestellter Streckenlänge (Distanz) und Fahrzeit für die Hauptrouten des Land- und Bundesstraßenszenarios. Die relative Abweichung bezieht sich jeweils auf die Messung. . . . . . . . . . . . . . 145 6.7. Vergleich zwischen gemessener und durch die EBP berechnete Antriebsenergie. Die Abweichung ist relativ zur Messung angegeben. . . . . . . . . . . . . . . . . . . . . 147 254 <?page no="270"?> Tabellenverzeichnis 7.1. Verteilung der Massenströme in Abhängigkeit des Gebläsemodus. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166 7.2. Frischluftanteile in Abhängigkeit der Temperaturdifferenz zwischen momentaner Innenraumtemperatur T Ist und der Umgebungstemperatur T ∞ für unterschiedliche Soll-Temperaturen T Soll . . . . . . . . . . . . . . . . . . . . . 168 7.3. Randbedingungen für die Messungen zur Validierung des Aufheiz- und Abkühlverhaltens. . . . . . . . . . . . . . . . 175 8.1. Für die Analyse herangezogene Umgebungsbedingungen. Die Luftfeuchtigkeit φ sinkt mit steigender Umgebungstemperatur T ∞ , während die Sonnenintensität GH I steigt. . . . . . . . . . . . . . . . . . . . . . . . . . 184 8.2. Prozentualer Reichweitenzuwachs in der DE-Runde und im Landstraßenszenario gegenüber der behaglichen Innenraum-Solltemperatur T Soll (grau hinterlegt) durch Variation der Innenraumtemperaturen T Innen im Heizbetrieb. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186 8.3. Prozentualer Reichweitenzuwachs in der DE-Runde und im Landstraßenszenario gegenüber der behaglichen Innenraum-Solltemperatur T Soll (grau hinterlegt) durch Variation der Innenraumtemperaturen T Innen im Kühlbetrieb. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187 8.4. Energieeinsparpotenziale für den Heizfall im Landstraßenszenario im Vergleich zur Referenzkonfiguration (rechts unten). Für die Berechnung der Zielerreichung wird eine verfügbare Energie von 5,53 kWh angenommen. 191 8.5. Energieeinsparpotenziale für den Kühlfall im Bundesstraßenszenario im Vergleich zur Referenzkonfiguration (rechts unten). Für die Berechnung der Zielerreichung wird eine verfügbare Energie von 6,21 kWh angenommen. 193 255 <?page no="271"?> Tabellenverzeichnis A.1. Übersicht der in Elektrofahrzeugen verbauten Nebenverbraucher gemäß der in Abschnitt 2.1 beschriebenen Gruppierung. Teilweise widersprechen sich die Angaben zur maximalen (P max ) und durchschnittlichen (P ∅ ) Leistungsaufnahme in der selben Quelle, weshalb mehrere Werte abgetrennt durch / gelistet sind. Wenn nicht anders vermerkt, beziehen sich die Angaben auf ein einzelnes Bauteil, z. B. Sitzheizung je Sitz. Alle Leistungsangaben in Watt. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207 A.2. Mit einer Stromzange ermittelte Leistungsaufnahme der Nebenverbraucher des BMW i3 im Stillstand. Die Werte sind auf 5 Watt auf- oder abgerundet. . . . . . . . . . . . . 211 C.1. Relevante Parameter der Nebenverbrauchermodelle. . . . 215 C.2. Technische Daten der Simulationsfahrzeuge gemäß [Boe13; ElD+13; Blo14]. . . . . . . . . . . . . . . . . . . . . . 216 E.1. Übersicht der im Fünf-Zonen-Modell betrachteten Korrekturfaktoren für die Sensitivitätsanalyse. . . . . . . . 225 E.2. Volumenübergreifende Rangfolge der zehn wichtigsten Korrekturfaktoren aus der Sensitivitätsanalyse für die Abkühlung des Fahrgastraums. . . . . . . . . . . . . . . . . 230 E.3. Volumenübergreifende Rangfolge der zehn wichtigsten Korrekturfaktoren aus der Sensitivitätsanalyse für die Aufheizung des Fahrgastraums. . . . . . . . . . . . . . . . . 230 E.4. Korrekturfaktoren nach der Parameteroptimierung für die Aufheiz- und Abkühlmessung zur Anpassung des Modells an die Realität. . . . . . . . . . . . . . . . . . . . . . 232 E.5. Beispieltestfälle zur Überprüfung der Regelparameter. . . 233 F.1. Prozentualer Reichweitenzuwachs im RDE-Zyklus und im Bundesstraßenszenario gegenüber der behaglichen Innenraum-Solltemperatur T Soll (grau hinterlegt) durch Variation der Innenraumtemperaturen T innen im Heizbetrieb. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242 256 <?page no="272"?> Tabellenverzeichnis F.2. Prozentualer Reichweitenzuwachs im RDE-Zyklus und im Bundesstraßenszenario gegenüber der behaglichen Innenraum-Solltemperatur T Soll (grau hinterlegt) durch Variation der Innenraumtemperaturen T innen im Kühlbetrieb. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243 257 <?page no="274"?> Abkürzungsverzeichnis Akku Akkumulator ADAS Advanced Driver Assistance Systems API Anwendungsprogrammierschnittstelle ASV Absperrventile BEF batterieelektrische Fahrzeuge CADC Common Artemis Driving Cycle CFD Computational Fluid Dynamics E-Horizont Elektronischer Horizont EBP Energiebedarfsprädiktion EEP Energieeinsparpotenziale EnM Energiemanagement EnMS Energiemanagementsystem ESP Elektronisches Stabilitätsprogramm EU Europäische Union EXV Elektronische Expansionsorgane FAS-Z Fahrerassistenzsystem zur Zielerreichung FCD Floating Car Data FPD Floating Phone Data FTP-75 Federal Test Procedure HLK-System Heizungs-, Lüftungs- und Klimatisierungssystem HTTP Hypertext-Übertragungsprotokoll HV Hochvolt 259 <?page no="275"?> Abkürzungsverzeichnis HVB Hochvoltbatterie JSON JavaScript Objekt Notation LE Leistungselektronik MMS Mensch-Maschine-Schnittstelle NEFZ Neuer Europäischer Fahrzyklus NV Niedervolt NV-Netz Niedervolt-Netz NVB Niedervoltbatterie OEM Original Equipment Manufacturer OSM OpenStreetMap PSM permanentmagneterregte Synchronmotor RDE Real Driving Emissions RDS Radio-Daten-System SoC State of Charge SRTM Shuttle Radar Topography Mission TISA Traveller Information Services Association TMC Traffic Message Channel TPEG Transport Protocol Experts Group TSECC TÜV SÜD Electric Car Cycle UDDS Urban Dynamometer Driving Schedule WLTP Worldwide Harmonized Light Vehicles Test Procedure 260 <?page no="276"?> Literatur- und Quellennachweise [AAZ13] S. Al-Sultan, A. H. Al-Bayatti und H. Zedan. „Contextaware driver behavior detection system in intelligent transportation systems“. In: IEEE Transactions on Vehicular Technology 62.9 (2013), S. 4264-4275. ISSN : 0018-9545. [ADA14] ADAC, Hrsg. ADAC Autokostenvergleich: Von Rentabilität noch weit entfernt was Elektroautos den Verbraucher kosten. 2014. URL : https : / / presse . adac . de / meldungen / technik / autokostenvergleich-elektroautos.html (besucht am 21. 12. 2016). [ADA19a] ADAC. Routenplaner | ADAC Maps. 2019. URL : https: / / maps. adac.de/ (besucht am 24. 01. 2019). [ADA19b] ADAC. So viele Tankstellen gibt es in Deutschland. 2019. URL : https: / / www.adac.de/ infotestrat/ tankenkraftstoffeundantrieb/ probleme tankstelle/ anzahltankstellenmarkenverteilung/ default. aspx (besucht am 03. 06. 2019). [All18] Allgemeiner Deutscher Automobil-Club e.V., Hrsg. Verkehrszeichen in Deutschland. 2018. URL : http: / / www.adac. de/ verkehrszeichen (besucht am 28. 11. 2018). [AmB19] AmBrSoft, Hrsg. Circle defined by 3 points. 2019. URL : http : / / ambrsoft . com / TrigoCalc / Circle3D . htm (besucht am 17. 10. 2019). [And04] M. André. „The ARTEMIS European driving cycles for measuring car pollutant emissions“. In: The Science of the total environment 334-335 (2004), S. 73-84. ISSN : 0048-9697. 261 <?page no="277"?> Literatur- und Quellennachweise [Ara+12] R. Araújo et al., Hrsg. Driving coach: A smartphone application to evaluate driving efficient patterns. IEEE, 2012. ISBN : 1467321184. [Ara15] Aral Aktiengesellschaft, Hrsg. Aral-Studie Trends beim Autokauf 2015. Bochum, 2015. [Asa+16] J. Asamer et al. „Sensitivity analysis for energy demand estimation of electric vehicles“. In: Transportation Research Part D: Transport and Environment 46.Supplement C (2016), S. 182-199. ISSN : 1361-9209. [ASS14] F. Ahmad, S. u. R. Shah und M. S. Siddiqui. „Optimization of an internal combustion engine’s efficiency for fuel conservation & green environment“. In: 2014 International Conference on Energy Systems and Policies (ICESP). IEEE, 2014, S. 1-9. ISBN : 978-1-4799-6554-0. [Aue15] M. Auer. „Ein Beitrag zur Erhöhung der Reichweite eines batterieelektrischen Fahrzeugs durch prädiktives Thermomanagement“. Dissertation. Universität Stuttgart, 2015. [Aut19] Autoscout24, Hrsg. Die wichtigsten Informationen zur Ladedauer. 2019. URL : https : / / www . autoscout24 . de / informieren / ratgeber/ e-mobilitaet/ ladedauer/ (besucht am 13. 10. 2019). [Bac+17] J. Bach et al. Reactive-replay approach for verification and validation of closed-loop control systems in early development. 2017. [Bad+13] F. Badin et al., Hrsg. Evaluation of EVs energy consumption influencing factors, driving conditions, auxiliaries use, driver’s aggressiveness. IEEE, 2013. ISBN : 1479938327. [Bär+11] T. Bär et al., Hrsg. Probabilistic driving style determination by means of a situation based analysis of the vehicle data. IEEE, 2011. ISBN : 145772197X. 262 <?page no="278"?> Literatur- und Quellennachweise [Bas15] A. Basler. „Eine modulare Funktionsarchitektur zur Umsetzung einer gesamtheitlichen Betriebsstrategie für Elektrofahrzeuge“. Dissertation. Karlsruher Institut für Technologie (KIT), 2015. [Bau17] B. Baumgärtner. Reichweitenanzeige: Wie berechnet ein Elektroauto seine Reichweite? Hrsg. von eMobilität. 2017. URL : https : / / emobilitaetblog . de / reichweitenanzeige berechnung elektroauto-reichweite/ (besucht am 17. 10. 2018). [BDP16] L. Berzi, M. Delogu und M. Pierini. „Development of driving cycles for electric vehicles in the context of the city of Florence“. In: Transportation Research Part D: Transport and Environment 47 (2016), S. 299-322. ISSN : 1361-9209. [Bec16] G. Becker. „Ein Fahrerassistenzsystem zur Vergrößerung der Reichweite von Elektrofahrzeugen“. Dissertation. Universität Stuttgart, 2016. [Bed+14] L. Bedogni et al., Hrsg. Driving without anxiety: A route planner service with range prediction for the electric vehicles. IEEE, 2014. ISBN : 1479967297. [Bed+16] L. Bedogni et al. „A route planner service with recharging reservation: Electric itinerary with a click“. In: IEEE Intelligent Transportation Systems Magazine 8.3 (2016), S. 75-84. ISSN : 1939-1390. [Blo14] A. Bloch. „E-Autos im Härtetest“. In: auto motor und sport 2014.16 (2014), S. 94-100. URL : http: / / www.automotorundsport . de / vergleichstest / elektroautos - 6 modelle im haertetest - 8498096.html? block=1 . [BMJ14] S. A. Birrell, A. McGordon und P. A. Jennings, Hrsg. Defining the accuracy of real-world range estimations of an electric vehicle. IEEE, 2014. ISBN : 1479960780. 263 <?page no="279"?> Literatur- und Quellennachweise [BMW12] BMW Group, Hrsg. BMW Group Innovationstag 2012: Efficient Dynamics. 2012. URL : https: / / www.press.bmwgroup.com/ deutschland/ article/ attachment/ T0131855DE/ 225391 . [BMW13a] BMW Service. „Technisches Training - I01 Heiz- Klimaanlage“. München, 2013. [BMW13b] BMW Service. „Technisches Training - I01 Hochvolt- Komponenten“. München, 2013. [Boe13] H. Boeriu. BMW i3 - Official Specs. Hrsg. von BMWBlog. 2013. URL : http : / / www . bmwblog . com / 2013 / 07 / 10 / bmw i3 official-specs/ (besucht am 29. 07. 2019). [Bol+14] A. Bolovinou et al. „Online prediction of an electric vehicle remaining range based on regression analysis“. In: 2014 IEEE International Electric Vehicle Conference (IEVC). Piscataway, NJ: IEEE, 2014, S. 1-8. ISBN : 978-1-4799-6075-0. [Bra12] S. Bratzel. E-Mobilität: Absatztrends in wichtigen globalen Automobilmärkten. 1. Halbjahr 2018. Bergisch Gladbach, 2018-07-12. (Besucht am 04. 10. 2018). [Brü14] C. Brünglinghaus. Elektronik und Software beherrschen Innovationen im Auto. Hrsg. von Springer. 2014. URL : https : / / www . springerprofessional . de / automobilelektronik --software / antriebsstrang/ elektronikundsoftwarebeherrscheninnovationenim-auto/ 6561802? redirect=1 (besucht am 18. 10. 2018). [Büc08] S. Büchner. „Energiemanagement-Strategien für elektrische Energiebordnetze in Kraftfahrzeugen“. Dissertation. Technische Universität Dresden, 2008. [Bun14] Bundesregierung, Hrsg. Mobilität der Zukunft. 2014. URL : https : / / www . bundesregierung . de / Webs / Breg / DE / Themen / Energiewende / Mobilitaet / mobilitaet _ zukunft / _node . html (besucht am 22. 12. 2016). 264 <?page no="280"?> Literatur- und Quellennachweise [CB98] W. E. Cliff und J. J. Bowler. „The Measured Rolling Resistance of Vehicles for Accident Reconstruction“. In: International Congress & Exposition. Hrsg. von SAE International. SAE Technical Paper Series. 1998. [CFE13] G. Castignani, R. Frank und T. Engel. „Driver behavior profiling using smartphones“. In: 16th International IEEE Conference on Intelligent Transportation Systems (ITSC 2013) (2013), S. 552-557. [Cha19] ChargeMap.com, Hrsg. Statistiken über Ladestationen in Deutschland. 2019. URL : https : / / de . chargemap . com / about / stats/ deutschland (besucht am 03. 06. 2019). [Cie06] J. Cierullies. Auslegungs- und Bewertungsmetrik für die elektrische Energieversorgung von Kraftfahrzeugen: Zugl.: München, Techn. Univ., Diss., 2006. Bd. 26. Informationstechnik im Maschinenwesen. München: Utz, 2006. ISBN : 3831606382. [CvC15] C. de Cauwer, J. van Mierlo und T. Coosemans. „Energy consumption prediction for electric vehicles based on realworld data“. In: Energies 8.8 (2015), S. 8573-8593. ISSN : 1996-1073. [DBL11] E. Demir, T. Bekta¸ s und G. Laporte. „A comparative analysis of several vehicle emission models for road freight transportation“. In: Transportation Research Part D: Transport and Environment 16.5 (2011), S. 347-357. ISSN : 1361-9209. [De +15] D. De Cauwer et al. „Electric Vehicle Use and Energy Consumption Based on Realworld Electric Vehicle Fleet Trip and Charge Data and Its Impact on Existing EV Research Models“. In: World Electric Vehicle Journal 7.3 (2015), S. 436-446. 265 <?page no="281"?> Literatur- und Quellennachweise [Deu01a] Deutsches Institut für Normung e.V. Ergonomie der thermischen Umgebung - Analytische Bestimmung und Interpretation der thermischen Behaglichkeit durch Berechnung des PMV- und des PPD-Indexes und Kriterien der lokalen thermischen Behaglichkeit (ISO 7730: 2005); Berlin, 2006-05-01. [Deu01b] Deutsches Institut für Normung e.V. Raumlufttechnik - Teil 3: Klimatisierung von Personenkraftwagen und Lastkraftwagen: 2006-07, Raumlufttechnik_- Teil_3: Klimatisierung von Personenkraftwagen und Lastkraftwagen. Berlin, 2006-07-01. [Die18] DieselNet.com, Hrsg. Emission Test Cycles: Japanese JC08 Cycle. 2018. URL : https: / / www.dieselnet.com/ standards/ cycles/ jp_jc08.php (besucht am 28. 04. 2019). [Dir18] H.-C. Dirscherl. Diese Verkehrslage-Dienste gibt es für Autofahrer. 2018. URL : https : / / www . pcwelt . de / ratgeber / Stau - Warnung - Google - Maps - Tomtom - Verkehrslage - Echtzeitverkehrsinformationen - 373385 . html (besucht am 24. 01. 2019). [Don+15] C. Donn et al. „Optimized Utilization of E-Vehicle Range Using Route-Based Online Weather Forecast Data“. In: Proceedings of the 24th Aachen Colloquium Automobile and Engine Technology 2015. 2015, S. 1-28. [Dor04] C. Dorrer. Effizienzbestimmung von fahrweisen und fahrerassistenz zur reduzierung des kraftstoffverbrauchs unter nutzung telematischer informationen. Bd. 24. expert verlag, 2004. ISBN : 3816923844. [DR14] K.-H. Dietsche und K. Reif, Hrsg. Kraftfahrtechnisches Taschenbuch: [Kfz-Fachwissen kompakt]. 28., überarb. und erw. Aufl. Studium und Praxis. Wiesbaden: Springer Vieweg, 2014. ISBN : 3658038004. 266 <?page no="282"?> Literatur- und Quellennachweise [ECO14] ECOpoint Inc., Hrsg. Emission Test Cycles: FTP-75. 2014. URL : https : / / www . dieselnet . com / standards / cycles / ftp75 . php (besucht am 20. 06. 2019). [Eco17] Ecomento, Hrsg. Tesla Supercharger: Nutzung durch andere Elektroauto-Marken weiter im Gespräch ecomento.de. 2017. URL : https : / / ecomento . de / 2017 / 06 / 22 / tesla supercharger nutzung durch andere elektroauto marken weiterim gespraech/ (besucht am 16. 10. 2018). [EG15] A. Enthaler und F. Gauterin, Hrsg. Method for reducing uncertainties of predictive range estimation algorithms in electric vehicles. IEEE, 2015. ISBN : 1479980919. [EGB15] A. B. Ellison, S. P. Greaves und M. C. Bliemer. „Driver behaviour profiles for road safety analysis“. In: Accident Analysis & Prevention 76.Supplement C (2015), S. 118-132. ISSN : 0001-4575. [Ehs+18] M. Ehsani et al. Modern electric, hybrid electric, and fuel cell vehicles. 3rd ed. Boca Raton: CRC Press/ Taylor & Francis Group, 2018. ISBN : 1138330493. [ElB+16] C. Z. El-Bayeh et al., Hrsg. A detailed review on the parameters to be considered for an accurate estimation on the Plug-in Electric Vehicle’s final State of Charge. IEEE, 2016. ISBN : 1509018646. [ElD+13] F. El-Dwaik et al. „Serienreife Elektromobilität: Erfahrungen und Herausforderungen bei der Einführung der BMW i Modelle“. In: 16. Internationaler Kongress Elektronik im Fahrzeug. VDI-Berichte. Düsseldorf: VDI-Verl., 2013, S. 387-397. ISBN : 3180921889. [ele19] elektro-kraftfahrzeuge.com, Hrsg. Zulassungsstatistik - Elektro Kraftfahrzeuge. 2019. URL : https : / / elektro kraftfahrzeuge . com / elektrofahrzeuge / zulassungsstatistik/ (besucht am 22. 05. 2019). 267 <?page no="283"?> Literatur- und Quellennachweise [Eng+12] A. Engstle et al. „Entwicklung eines heckgetriebenen 800-V- Elektrofahrzeugs“. In: ATZ - Automobiltechnische Zeitschrift 07-08/ 2012 (2012), S. 606-611. ISSN : 2192-8800. [Ern11] Ernst & Young. Umfrage: Hürden für die Akzeptanz von Elektrofahrzeugen. 2011. [ESP12] A. Ennemoser, H. Schreier und H. Petutschnig. „Optimierte Betriebsstrategie für Nebenaggregate im LKW“. In: MTZ- Motortechnische Zeitschrift 73.3 (2012), S. 220-225. ISSN : 0024-8525. [Eur02] Europäische Kommission, Hrsg. VERORDNUNG (EG) NR. 1400/ 200. 2002. URL : https : / / ec . europa . eu / competition / sectors/ motor_vehicles/ legislation/ explanatory_brochure_de.pdf (besucht am 15. 12. 2019). [Eur16] Europäische Union, Hrsg. VERORDNUNG (EU) 2016/ 427 DER KOMMISSION: zur Änderung der Verordnung (EG) Nr. 692/ 2008 hinsichtlich der Emissionen von leichten Personenkraftwagen und Nutzfahrzeugen (Euro 6). 2016. URL : https : / / eurlex.europa.eu/ legalcontent/ DE/ TXT/ HTML/ ? uri=CELEX: 32016R0427&from=EN (besucht am 07. 06. 2019). [Eur18] European Alternative Fuels Observatory, Hrsg. Market Share, new registrations of BEV in Europe. 2018. URL : http : / / www.eafo.eu/ europe (besucht am 21. 10. 2018). [Eur19] European Space Agency, Hrsg. Full Proposal - Earth Online - ESA. 2019. URL : https: / / earth.esa.int/ web/ guest/ pi-community/ apply-for-data/ full-proposal (besucht am 14. 08. 2019). [Eur92] Europäische Union, Hrsg. Richtlinie 92/ 21/ EWG des Rates vom 31. März 1992 über Massen und Abmessungen von Kraftfahrzeugen der Klasse M1. 1992. URL : https: / / eur-lex.europa.eu/ legalcontent/ DE/ TXT/ ? uri=CELEX: 31992L0021 (besucht am 11. 06. 2019). 268 <?page no="284"?> Literatur- und Quellennachweise [Fab06] R. Fabis. „Beitrag zum Energiemanagement in Kfz- Bordnetzen“. Dissertation. Technische Universität Berlin, 2006. [Fac15] Fachverband Tageslicht und Rauchschutz e.V., Hrsg. Lichtkuppeln und Lichtbänder. 2015. URL : http : / / www . fvlr . de / downloads/ FVLR-Hefte/ FVLR_Heft_10.pdf . [FB13] M. A. Fayazbakhsh und M. Bahrami. Comprehensive modeling of vehicle air conditioning loads using heat balance method. 2013. [Fet+17] G. M. Fetene et al. „Harnessing big data for estimating the energy consumption and driving range of electric vehicles“. In: Transportation Research Part D: Transport and Environment 54 (2017), S. 1-11. ISSN : 1361-9209. [Fle15] T. Fleck. Wer heizt am besten? Hrsg. von auto motor und sport. 2015. URL : https: / / www.automotorundsport.de/ test/ 8 heizsysteme im vergleich wer heizt am besten/ #bildergalerie (besucht am 07. 08. 2019). [FMA] J. C. Ferreira, V. Monteiro und J. L. Afonso. „Dynamic range prediction for an electric vehicle“. In: EVS27 International Battery, Hybrid and Fuel Cell Electric Vehicle Symposium. [Frö17] S. Fröhndrich. Schwedischer Autobauer - Volvo setzt auf Elektromobilität. Hrsg. von Deutschlandfunk. 2017. URL : https: / / www.deutschlandfunk.de/ schwedischerautobauer-volvosetztaufelektromobilitaet.697.de.html? dram: article_id=390295 (besucht am 27. 09. 2018). [FS16] A. Farmann und D. U. Sauer. „A comprehensive review of on-board State-of-Available-Power prediction techniques for lithium-ion batteries in electric vehicles“. In: Journal of Power Sources 329 (2016), S. 123-137. ISSN : 0378-7753. 269 <?page no="285"?> Literatur- und Quellennachweise [FTS14] H. Fechtner, T. Teschner und B. Schmuelling. „Range prediction for electric vehicles: Real-time payload detection by tire pressure monitoring“. In: 2014 11th International Conference on Information Technology: New Generations. 2014, S. 767-772. URL : http : / / ieeexplore . ieee . org/ stamp/ stamp . jsp ? arnumber=7225777 . [Fün+17] S. Fünfgeld et al. „Stochastic Forecasting of Vehicle Dynamics Using Sequential Monte Carlo Simulation“. In: IEEE Transactions on Intelligent Vehicles 2.2 (2017), S. 111-122. ISSN : 2379-8858. [FZC17] G. Fontaras, N.-G. Zacharof und B. Ciuffo. „Fuel consumption and CO 2 emissions from passenger cars in Europe - Laboratory versus real-world emissions“. In: Progress in Energy and Combustion Science 60 (2017), S. 97-131. ISSN : 03601285. [GAD14] A. Graser, J. Asamer und M. Dragaschnig, Hrsg. How to reduce range anxiety? The impact of digital elevation model quality on energy estimates for electric vehicles. 2014. [Gau13] S. F. Gausemeier. „Ein Fahrerassistenzsystem zur prädiktiven Planung energie-und zeitoptimaler Geschwindigkeitsprofile mittels Mehrzieloptimierung“. Dissertation. Universität Paderborn, 2013. [GD13] K. S. Grewal und P. M. Darnell. „Model-based EV range prediction for Electric Hybrid Vehicles“. In: Hybrid and Electric Vehicles Conference 2013 (HEVC 2013), 6-7 Nov. 2013. Piscataway, NJ: IEEE, 2013. ISBN : 978-1-84919-776-2. [GHL14] S. Grubwinkler, M. Hirschvogel und M. Lienkamp, Hrsg. Driver-and situation-specific impact factors for the energy prediction of EVs based on crowd-sourced speed profiles. IEEE, 2014. ISBN : 1479936383. 270 <?page no="286"?> Literatur- und Quellennachweise [Gie14] T. Giereth. „Generieren von Streckendaten für CarMaker mittels Matlab“. Bachelorarbeit. Karlsruhe: Hochschule Karlsruhe - Technik und Wirtschaft, 2014. [Goo18] Google Inc., Hrsg. Get Started | Directions API | Google Developers. 2018. URL : https : / / developers . google . com / maps / documentation/ directions/ start (besucht am 14. 07. 2018). [Gro13] H. Großmann. Pkw-Klimatisierung: Physikalische Grundlagen und technische Umsetzung. 2. Aufl. 2013. VDI-Buch. Berlin, Heidelberg und s.l.: Springer Berlin Heidelberg, 2013. ISBN : 9783642398407. URL : http : / / dx . doi . org/ 10 . 1007/ 978 - 3 - 642 - 39841-4 . [GRV10] S. Gerson, K. v. Rueden und B. Voss. „Optimized energy management and components for electric vehicles under different environmental conditions“. In: EVS25, Hybrid and Fuel Cell Electric Vehicle Symposium & Exhibition. 2010. [GT16] E. A. Grunditz und T. Thiringer. „Performance Analysis of Current BEVs Based on a Comprehensive Review of Specifications“. In: IEEE Transactions on Transportation Electrification 2.3 (2016), S. 270-289. [Gut+15] C. Gutenkunst et al. „Route Generating Algorithm Based on OpenSource Data to Predict the Energy Consumption of Different Vehicles“. In: Vehicle Power and Propulsion Conference (VPPC), 2015 IEEE. 2015, S. 5. [Guy19] Guy Weemaes. Elektroauto Routenplaner. 2019. URL : https: / / www . goingelectric . de / stromtankstellen / routenplaner/ (besucht am 24. 01. 2019). [GW00] F. G. Grein und J. Wiedemann. „Vorausschauende Fahrstrategien für verbrauchssenkende Fahrerassistenzsysteme“. In: VDI-Berichte (2000), S. 739-756. ISSN : 31809156. 271 <?page no="287"?> Literatur- und Quellennachweise [Hay+11] J. G. Hayes et al., Hrsg. Simplified electric vehicle power train models and range estimation. IEEE, 2011. ISBN : 161284247X. [Hei07] D. Heinemann. „Strukturen von Batterie-und Energiemanagementsystemen mit Bleibatterien und Ultracaps“. Dissertation. Technische Universität Berlin, 2007. [HER18] HERE, Hrsg. Requesting a Simple Route - Routing API - HERE Developer. 2018. URL : https : / / developer . here . com / documentation / routing / topics / request a simple route . html (besucht am 10. 08. 2018). [HER19] HERE. SpeedLimitType - Geocoder API - HERE Developer. 2019. URL : https: / / developer.here.com/ documentation/ geocoder/ topics/ resource-type-speed-limit.html (besucht am 24. 01. 2019). [Hil11] M. Hillenbrand. „Funktionale Sicherheit nach ISO 26262 in der Konzeptphase der Entwicklung von Elektrik/ Elektronik Architekturen von Fahrzeugen“. Dissertation. Karlsruher Institut für Technologie (KIT), 2011. [Hir+13] C. Hirt et al. „New ultrahigh-resolution picture of Earth’s gravity field“. In: Geophysical research letters 40.16 (2013), S. 4279-4283. ISSN : 0094-8276. [Hoc13] P. Hochrein. „Leistungsoptimale Regelung von Hochstromverbrauchern im Fahrwerk“. Dissertation. Universität Kassel, 2013. [Hoc18] Hochschule Karlsruhe - Technik und Wirtschaft, Hrsg. Institut für Energieeffiziente Mobilität (IEEM). 2018. URL : https: / / www.hs-karlsruhe.de/ ieem/ (besucht am 18. 06. 2019). [Hor16] Horváth & Partners. Durchschnittliche Reichweite von Elektrofahrzeugen nähert sich der 250-Kilometer-Marke. 2016. URL : https : / / www . horvath partners . com / de / presse / aktuell / detail / date / 2016 / 03 / 29 / durchschnittliche reichweite von - 272 <?page no="288"?> Literatur- und Quellennachweise elektrofahrzeugen naehert sich der - 250 kilometer marke/ (besucht am 01. 10. 2018). [HPC16] J. Hong, S. Park und N. Chang, Hrsg. Accurate remaining range estimation for electric vehicles. IEEE, 2016. ISBN : 1467395692. [Huc14] M. Hucko. CO2-Ausstoß von Neuwagen: EU-Parlament verabschiedet strengere Abgaswerte - SPIEGEL ONLINE. Hrsg. von Spiegel Online GmbH & Co. KG. 2014. URL : http : / / www . spiegel.de/ auto/ aktuell/ neueco2grenzwertevomeuparlamentverabschiedet-a-955591.html (besucht am 18. 10. 2018). [INR19] INRIX. INRIX Traffic. 2019. URL : http : / / inrix . com/ products/ traffic/ (besucht am 24. 01. 2019). [IPG19] IPG Automotive GmbH. ipg-automotive.com. 2019. URL : https: / / ipg-automotive.com/ de/ (besucht am 20. 06. 2019). [ITI19] ITIV, Hrsg. Institut für Technik der Informationsverarbeitung (ITIV). 2019. URL : http : / / www . itiv . kit . edu/ (besucht am 18. 06. 2019). [Jen16] Jens Fleischhacker. Spritverbrauch 42 Prozenzt zu hoch - Diskrepanz zu den Herstellerverbrauchsangaben besonders ausgeprägt bei Premium-Modellen. 2016. URL : https : / / www . motormobiles.de/ spritverbrauch- 42prozenztzuhochdiskrepanzzu den herstellerverbrauchsangaben besonders ausgepraegt bei premium-modellen/ ? cn-reloaded=1 (besucht am 13. 12. 2019). [Jur+13] S. Juraschek et al., Hrsg. Born Electric-Concept and Innovative Electric Drivetrain of the New BMW i3. 2013. [Kah+12] W. Kahlenborn et al. „Energiemanagementsysteme in der Praxis: ISO 50001: Leitfaden für Unternehmen und Organisationen“. In: Auflage, Broschüren/ Faltblätter (2012). 273 <?page no="289"?> Literatur- und Quellennachweise [Kar18] A. Karle. Elektromobilität. München: Carl Hanser Verlag GmbH & Co. KG, 2018. ISBN : 978-3-446-45657-0. [KF12] K. Kraschl-Hirschmann und M. Fellendorf, Hrsg. Estimating energy consumption for routing algorithms. IEEE, 2012. ISBN : 1467321184. [KK07] F. Küçükay und T. Kassel. „Anforderungsoptimierung für Getriebe und Komponenten“. In: ATZ - Automobiltechnische Zeitschrift 109.9 (2007), S. 812-819. ISSN : 2192-8800. [Koe+12] S. Koehler et al., Hrsg. Optimized recuperation strategy for (hybrid) electric vehicles based on intelligent sensors. IEEE, 2012. ISBN : 8993215049. [Koh14] T. P. Kohler. „Prädiktives Leistungsmanagement in Fahrzeugbordnetzen“. Dissertation. Technische Universität München, 2014. [Köl17] C. Köllner. 5G Mobility Lab in Aldenhoven eröffnet. 2017. URL : https: / / www.springerprofessional.de/ automobilelektronik--software / uebertragungstechnik / 5g mobility lab in aldenhoven eroeffnet/ 14954902 (besucht am 21. 01. 2019). [Kos04] T. Kosch, Hrsg. Den Horizont der Fahrerassistenz erweitern: Vorausschauende Systeme durch Ad-hoc Vernetzung. 2004. [Kra18] Kraftfahrt-Bundesamt. Umwelt - Bestand an Elektroautos. Hrsg. von Statista. 2018. URL : https: / / de.statista.com/ statistik/ daten/ studie/ 244000/ umfrage/ neuzulassungenvonelektroautosin-deutschland/ (besucht am 01. 10. 2018). [Kum19] J. Kummer. Rechner für die Luftdichte. 2019. URL : https : / / rechneronline . de / barometer / luftdichte . php (besucht am 04. 07. 2019). 274 <?page no="290"?> Literatur- und Quellennachweise [KVS13] A. Kampker, D. Vallée und A. Schnettler. Elektromobilität. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013. ISBN : 978-3-642-31985-3. [Laj+17] A. Lajunen et al. „Thermal energy storage for increasing heating performance and efficiency in electric vehicles“. In: 2017 IEEE Transportation Electrification Conference and Expo (ITEC) (2017). [Laj17] A. Lajunen. Energy Efficiency and Performance of Cabin Thermal Management in Electric Vehicles. Hrsg. von SAE International. 2017. [Lan13] N. de Lange. Geoinformatik. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013. ISBN : 978-3-642-34806-8. [Lat+04] F. Lattemann et al. „The predictive cruise control-a system to reduce fuel consumption of heavy duty trucks“. In: SAE transactions (2004), S. 139-146. [LE18] J. Luffmann und N. Engerer, Hrsg. Solcast API. 2018. URL : https: / / solcast.com.au/ api/ (besucht am 16. 07. 2018). [Lee+15] H. Lee et al. „Transient thermal model of passenger car ’s cabin and implementation to saturation cycle with alternative working fluids“. In: Energy 90 (2015), S. 1859-1868. ISSN : 0360-5442. [LGH13] J. Laurikko, R. Granstrom und A. Haakana. „Realistic estimates of EV range based on extensive laboratory and field tests in Nordic climate conditions“. In: World Electric Vehicle Symposium and Exposition (EVS 27), 2013. Piscataway, NJ: IEEE, 2013, S. 1-12. ISBN : 978-1-4799-3832-2. [Lid13] A. Lidl. BMW i3 2013: Produktion der Carbon-Karosserie - Leise Revolution. Hrsg. von autozeitung.de. 2013. URL : https : / / www . autozeitung . de/ bmw i3 - 2013 carbon karosserie fertigung - 275 <?page no="291"?> Literatur- und Quellennachweise cfkkarbontechnikelektrogn- 401371- 62184.html (besucht am 30. 07. 2019). [Lin+16] C. Lin et al. „A novel multi-model probability battery state of charge estimation approach for electric vehicles using Hinfinity algorithm“. In: Applied energy 166 (2016), S. 76-83. ISSN : 0306-2619. [Liu+16] K. Liu et al. „Modelling the multilevel structure and mixed effects of the factors influencing the energy consumption of electric vehicles“. In: Applied energy 183 (2016), S. 1351- 1360. ISSN : 0306-2619. [LSV05] S. Lange, M. Schimanski und J. U. Varchmin. „Fahrstreckenerkennung zur Prognose des Energiebedarfs in Fahrzeugen mit alternativen Antrieben“. In: Hybridfahrzeuge, expert, Renningen (2005). [LVL14] S. Lefèvre, D. Vasquez und C. Laugier. „A survey on motion prediction and risk assessment for intelligent vehicles“. In: ROBOMECH Journal 1.1 (2014), S. 658. ISSN : 2197-4225. [LW05] R. Langari und J.-S. Won. „Intelligent energy management agent for a parallel hybrid vehicle-part I: System architecture and design of the driving situation identification process“. In: IEEE Transactions on Vehicular Technology 54.3 (2005), S. 925-934. ISSN : 0018-9545. [LW15] C.-H. Lee und C.-H. Wu. „A Novel Big Data Modeling Method for Improving Driving Range Estimation of EVs“. In: IEEE Access 3 (2015), S. 1980-1993. ISSN : 2169-3536. [Mai+11] R. Maia et al., Hrsg. Electric vehicle simulator for energy consumption studies in electric mobility systems. IEEE, 2011. ISBN : 1457709929. 276 <?page no="292"?> Literatur- und Quellennachweise [Mär10] M. März. Leistungselektronik für e-Fahrzeuge: Konzepte und Herausforderungen: DRIVE-E Akademie. Erlangen, 2010. URL : https : / / www . drive e . org / wp content / uploads / vortraege _ 2010 / 15 _ Fr _ Maerz _ Leistungselektronik . pdf (besucht am 25. 10. 2018). [Mar16] Mark Burfeind. INRIX übernimmt OpenCar und fordert so Apple und Google im Auto heraus. Hrsg. von INRIX. 2016. URL : http: / / inrix.com/ pressreleases/ opencargerman/ (besucht am 24. 01. 2019). [Mat17] Mathworks, Hrsg. Analyze Relation Between Parameters and Design Requirements - MATLAB & Simulink - MathWorks Deutschland. 2017. URL : https: / / de.mathworks.com/ help/ sldo/ ug / interpreting analysis results . html # bu60 _ gq (besucht am 06. 09. 2017). [Men+17] L. S. Mendonca et al. „Development of an engine control unit: Implementation of the architecture of tasks“. In: 2017 IEEE International Conference on Industrial Technology (ICIT). Piscataway, NJ: IEEE, 2017, S. 1142-1146. ISBN : 978-1-5090- 5320-9. [Mes+14] M. Messagie et al. „A Range-Based Vehicle Life Cycle Assessment Incorporating Variability in the Environmental Assessment of Different Vehicle Technologies and Fuels“. In: Energies 7.3 (2014), S. 1467-1482. ISSN : 1996-1073. [Mor+10] K. Moran et al. „Digital Maps, Connectivity and Electric Vehicles-Enhancing the EV/ PHEV Ownership Experience“. In: SAE International Journal of Passenger Cars- Electronic and Electrical Systems 3.2010-01-2316 (2010), S. 76- 83. 277 <?page no="293"?> Literatur- und Quellennachweise [MW14] M. Mitschke und H. Wallentowitz. Dynamik der Kraftfahrzeuge. 5., überarb. u. erg. Aufl. VDI-Buch. Wiesbaden: Springer Vieweg, 2014. ISBN : 9783658050672. URL : http : / / dx.doi.org/ 10.1007/ 978-3-658-05068-9 . [NAS54] NASA, Hrsg. Manual of the ICAO Standard Atmosphere Calculations by the NACA. 1954. URL : https : / / digital . library. unt.edu/ ark: / 67531/ metadc57156/ (besucht am 24. 05. 2019). [NCV15] A. K. Nandi, D. Chakraborty und W. Vaz. „Design of a comfortable optimal driving strategy for electric vehicles using multi-objective optimization“. In: Journal of Power Sources 283 (2015), S. 1-18. ISSN : 0378-7753. [NS19] P. Neis und P. Singler. Routing/ online routers - Open- StreetMap Wiki. 2019. URL : https : / / wiki . openstreetmap . org / wiki/ Routing/ online_routers (besucht am 15. 01. 2019). [Obe15] R. Oberfell. „Stochastische Simulation von Energieflüssen im Nutzfahrzeug: Ein einsatzorientiertes Bewertungs- und Optimierungsverfahren“. Dissertation. Karlsruher Institut für Technologie (KIT), 2015. [Olb17] R. Olbricht. Overpass API. 2017. URL : http : / / www . overpass api.de/ (besucht am 15. 08. 2018). [Onm19] Onmeda-Ärzteteam, Hrsg. Frieren (Kälteempfindlichkeit) - Beobachter. 2019. URL : https: / / www.beobachter.ch/ gesundheit/ symptom/ frieren-kalteempfindlichkeit (besucht am 14. 08. 2019). [Ope18a] OpenStreetMap, Hrsg. OpenStreetMap. 2018. URL : https : / / www.openstreetmap.org (besucht am 14. 07. 2018). [Ope18b] OpenWeather, Hrsg. OpenWeatherMap - Weather API. 2018. URL : https : / / openweathermap . org / api (besucht am 16. 07. 2018). 278 <?page no="294"?> Literatur- und Quellennachweise [OWB13] J. A. Oliva, C. Weihrauch und T. Bertram. „Model-based remaining driving range prediction in electric vehicles by using particle filtering and Markov chains“. In: World Electric Vehicle Symposium and Exposition (EVS 27), 2013. Piscataway, NJ: IEEE, 2013, S. 1-10. ISBN : 978-1-4799-3832-2. [Pan+12] S. C. Pang et al. „A review on air flow and coolant flow circuit in vehicles’ cooling system“. In: International Journal of Heat and Mass Transfer 55.23 (2012), S. 6295-6306. ISSN : 0017-9310. [Par+17] K. Park et al. „Optimal Control of Plug-in Hybrid Electric Vehicle based on Pontryagin’s Minimum Principle Considering Driver ’s Characteristic“. In: Proceedings of the 3rd International Conference on Vehicle Technology and Intelligent Transport Systems - Volume 1: VEHITS (2017), S. 151-156. [PH11] P. Pfeffer und M. Harrer. Lenkungshandbuch: Lenksysteme Lenkgefühl Fahrdynamik von Kraftfahrzeugen. SpringerLink : Bücher. Wiesbaden: Vieweg+Teubner, 2011. ISBN : 978-3- 8348-8167-0. [Pol09] W. Polifke. Wärmeübertragung: Grundlagen, analytische und numerische Methoden. Pearson Deutschland GmbH, 2009. ISBN : 3827373492. [PTV18] PTV Group, Hrsg. Route Planning API by PTV xServer. 2018. URL : https : / / www . ptvgroup . com / de / loesungen / produkte / ptv xserver / developer zone / route planning api/ (besucht am 24. 01. 2019). [PWG17] W. Pluta, M. Wolf und F. Greis. E-Golf auf Tour: Reichweitenangst oder: Wie wir lernten, Lidl zu lieben - Golem.de. 2017. URL : https : / / www . golem . de / news / e golf auf tour reichweitenangstoder-wie-wir-lernten-lidlzu-lieben- 1712- 131395. html (besucht am 01. 10. 2018). 279 <?page no="295"?> Literatur- und Quellennachweise [Rad13] T. Radke. „Energieoptimale Längsführung von Kraftfahrzeugen durch Einsatz vorausschauender Fahrstrategien“. Dissertation. Karlsruher Institut für Technologie (KIT), 2013. [RC14] H. Rahimi-Eichi und M.-Y. Chow, Hrsg. Big-data framework for electric vehicle range estimation. IEEE, 2014. ISBN : 1479940321. [Rei10] K. Reif. Batterien, Bordnetze und Vernetzung. Wiesbaden: Vieweg+Teubner, 2010. ISBN : 978-3-8348-1310-7. [RJB15] Z. Rezvani, J. Jansson und J. Bodin. „Advances in consumer electric vehicle adoption research: A review and research agenda“. In: Transportation Research Part D: Transport and Environment 34 (2015), S. 122-136. ISSN : 1361-9209. [Rob14] Robert Bosch GmbH, Hrsg. Bosch Automotive Electrics and Automotive Electronics. Wiesbaden: Springer Fachmedien Wiesbaden, 2014. ISBN : 978-3-658-01783-5. [Sar+17] K. Sarrafan et al. „An intelligent driver alerting system for real-time range indicator embedded in electric vehicles“. In: IEEE Transactions on Industry Applications 53.3 (2017), S. 1751-1760. ISSN : 0093-9994. [SB17] D. Schröder und M. Buss. Intelligente Verfahren. Berlin, Heidelberg: Springer Berlin Heidelberg, 2017. ISBN : 978-3- 662-55326-8. [Sch+14] C. Schröder et al. „Nichtlineare modellbasierte prädiktive Regelung der Betriebsstrategie in Hybridfahrzeugen“. In: Wärmemanagement des Kraftfahrzeugs IX. Hrsg. von P. Steinberg. Fachbuch / Haus der Technik. Renningen: expert- Verl., 2014. ISBN : 9783816932758. 280 <?page no="296"?> Literatur- und Quellennachweise [Sch13] T. Schütz. Hucho - Aerodynamik des Automobils. Wiesbaden: Springer Fachmedien Wiesbaden, 2013. ISBN : 978-3-8348- 1919-2. [Sch15] K. Schreiner. Basiswissen Verbrennungsmotor. Wiesbaden: Springer Fachmedien Wiesbaden, 2015. ISBN : 978-3-658- 06186-9. [SMB11] P. Schuricht, O. Michler und B. Bäker, Hrsg. Efficiencyincreasing driver assistance at signalized intersections using predictive traffic state estimation. IEEE, 2011. ISBN : 145772197X. [Son90] D. Sonntag. „Important new values of the physical constants of 1986, vapour pressure formulations based on the ITS-90, and psychrometer formulae“. In: Zeitschrift für Meteorologie 40.5 (1990), S. 340-344. ISSN : 0084-5361. [Spi17] Spiegel. Prognose der Anteile verschiedener Automobil- Antriebsarten an den Kfz-Neuzulassungen* in der Europäischen Union in den Jahren 2016 bis 2030. Hrsg. von Quelle: PwC. 2017. URL : https : / / de . statista . com / statistik / daten / studie / 666782 / umfrage / automobil antriebsarten in der eu prognose/ (besucht am 27. 09. 2018). [SSW17] M. Smuts, B. Scholtz und J. Wesson, Hrsg. A critical review of factors influencing the remaining driving range of electric vehicles. IEEE, 2017. ISBN : 1538638312. [Sta17] C. Stan. Thermodynamik des Kraftfahrzeugs: Grundlagen und Anwendungen mit Prozesssimulationen. 3. Aufl. 2017. Berlin, Heidelberg und s.l.: Springer Berlin Heidelberg, 2017. ISBN : 9783662537213. URL : http : / / dx . doi . org/ 10 . 1007/ 978 - 3 - 662 - 53722-0 . 281 <?page no="297"?> Literatur- und Quellennachweise [Sta19a] Stadt Karlsruhe, Hrsg. Karlsruhe: Wetter in diesem Jahr. 2019. URL : https : / / www . karlsruhe . de / b3 / wetter/ klima / extremwerte (besucht am 11. 06. 2019). [Sta19b] Statistisches Bundesamt. Statistisches Bundesamt Deutschland - GENESIS-Online. 2019. URL : https : / / www genesis . destatis.de/ genesis/ / online? operation=table&code=46271- 0001& levelindex=0&levelid=1588233922825 (besucht am 30. 08. 2019). [Ste+15] A. Stewart et al. „Quantifying the impact of real-world driving on total CO2 emissions from UK cars and vans“. In: element energy (2015). [SvH10] K. Siebertz, D. T. van Bebber und T. Hochkirchen. Statistische Versuchsplanung: Design of Experiments (DOE). 1. Aufl. VDI-Buch. Heidelberg und Dordrecht [u.a.]: Springer, 2010. ISBN : 3642054935. [TIS19] TISA, Hrsg. Tisa Mission - Traveller Information Services Association. 2019. URL : http : / / tisa . org / about tisa / tisa mission/ (besucht am 28. 01. 2019). [TMS16] V. R. Tannahill, K. M. Muttaqi und D. Sutanto. „Driver alerting system using range estimation of electric vehicles in real time under dynamically varying environmental conditions“. In: IET Electrical Systems in Transportation 6.2 (2016), S. 107-116. ISSN : 2042-9738. [Tom18] TomTom International BV, Hrsg. Routing. 2018. URL : https: / / developer . tomtom . com / online routing / online routing documentation/ routing (besucht am 14. 07. 2018). [TOn17] T-Online, Hrsg. Für eine saubere Zukunft: Wie EU-Staaten den Kauf von E-Autos ankurbeln. 2017. URL : https : / / www . t online.de/ auto/ elektromobilitaet/ id_82745454/ elektroautoswieeu staaten den kauf von e autos foerdern . html (besucht am 04. 10. 2018). 282 <?page no="298"?> Literatur- und Quellennachweise [Tsc15] H. Tschöke, Hrsg. Die Elektrifizierung des Antriebsstrangs: Basiswissen. ATZ / MTZ-Fachbuch. Wiesbaden: Springer Vieweg, 2015. ISBN : 9783658046439. URL : http: / / dx.doi.org/ 10.1007/ 978-3-658-04644-6 . [Tut+15] M. Tutuianu et al. „Development of the World-wide harmonized Light duty Test Cycle (WLTC) and a possible pathway for its introduction in the European legislation“. In: Transportation Research Part D: Transport and Environment 40 (2015), S. 61-75. ISSN : 1361-9209. [TÜV10] TÜV SÜD Automotive GmbH, Hrsg. Reichweitenermittlung von Elektrofahrzeugen. Heimsheim, 2010. URL : http : / / www . tuev sued . de / uploads / images / 1296656610031102360044 / ts am _ reichweitenermittlung _ 4 seiter _ a4 _ d . pdf (besucht am 08. 06. 2018). [TZE15] P. Themann, A. Zlocki und L. Eckstein. „Energieeffiziente Fahrzeuglängsführung durch V2X-Kommunikation“. In: Fahrerassistenzsysteme und Effiziente Antriebe. Hrsg. von W. Siebenpfeiffer. Wiesbaden: Springer Fachmedien Wiesbaden, 2015, S. 27-33. ISBN : 978-3-658-08161-4. [Vai+14] R. Vaiana et al. „Driving behavior and traffic safety: An acceleration-based safety evaluation procedure for smartphones“. In: Modern Applied Science 8.1 (2014), S. 88. ISSN : 1913-1844. [Val+14] R. Valentina et al. „HVAC system modeling for range prediction of electric vehicles“. In: 2014 IEEE Intelligent Vehicles Symposium Proceedings. 2014, S. 1145-1150. URL : http: / / ieeexplore.ieee.org/ stamp/ stamp.jsp? arnumber=6856500 . [Val+16] R. Valentina et al. „Adaptive Control of the Heating System for Optimized Energy Consumption in Electric Vehicles“. In: 2016 Euromicro Conference on Digital System Design 283 <?page no="299"?> Literatur- und Quellennachweise (DSD). 2016, S. 607-612. URL : http: / / ieeexplore.ieee.org/ stamp/ stamp.jsp? arnumber=7723606 . [van+11] J. van Roy et al. „An availability analysis and energy consumption model for a flemish fleet of electric vehicles“. In: (2011). [Vaz+15] W. Vaz et al. „Electric vehicle range prediction for constant speed trip using multi-objective optimization“. In: Journal of Power Sources 275 (2015), S. 435-446. ISSN : 0378-7753. [Vec19] Vector Stiftung, Hrsg. Vector Stiftung. 2019. URL : https : / / www.vector-stiftung.de/ (besucht am 18. 06. 2019). [Ver15] Verein Deutscher Ingenieure e.V. Berechnung der thermischen Lasten und Raumtemperaturen (Auslegung Kühllast und Jahressimulation). Berlin, 2015. [Ver18a] Verband der Automobilindustrie, Hrsg. WLTP weltweit am Start für realitätsnähere Ergebnisse beim Kraftstoffverbrauch. 2018. URL : https: / / www.vda.de/ de/ themen/ umweltundklima/ WLTP realitaetsnaehere - Ergebnisse beim - Kraftstoffverbrauch / WLTP - In welchen - Schritten wird der - WLTP eingefuehrt . html (besucht am 07. 01. 2019). [Ver18b] Verizon, Hrsg. Static Map v4 API. 2018. URL : https : / / developer . mapquest . com / documentation / static map api / v4/ (besucht am 10. 08. 2018). [Vet18] P. Vetter. Akku-Erfinder: „Ladezeit für E-Autos kann auf fünf Minuten sinken“. Hrsg. von Axel Springer SE. 2018. URL : https: / / www.welt.de/ wirtschaft/ article181717534/ Akku- Erfinder- Ladezeit fuer - E - Autos kann auf fuenf - Minuten sinken . html (besucht am 15. 10. 2018). [Vie16] A. Viehl. „Wetterdaten in der Reichweitenprognose für E- Fahrzeuge“. In: ATZ - Automobiltechnische Zeitschrift 2016.05 (2016), S. 28-34. ISSN : 2192-8800. 284 <?page no="300"?> Literatur- und Quellennachweise [VKK00] I. de Vlieger, D. de Keukeleere und J. G. Kretzschmar. „Environmental effects of driving behaviour and congestion related to passenger cars“. In: Atmospheric Environment 34.27 (2000), S. 4649-4655. ISSN : 1352-2310. [vTv02] C. van Driel, F. Tillema und M. C. van der Voort. „Directives for new generation fuel economy devices“. In: Civil Engineering & Management research report 2002R-004 (2002). [Wag09] S. Wagner. „Idealisierte energetisch-analytische Abbildungsmethode der Temperaturschichtung bei der passiven Aufheizung in der Fahrzeugkabine“. In: PKW- Klimatisierung VI, Haus der Technik Fachbuch 107 (2009), S. 94-110. [Wah15] H.-G. Wahl. „Optimale Regelung eines prädiktiven Energiemanagements von Hybridfahrzeugen“. Diss. 2015. [Wal06] H. Wallentowitz, Hrsg. Handbuch Kraftfahrzeugelektronik: Grundlagen, Komponenten, Systeme, Anwendungen ; mit zahlreichen Tabellen. 1. Aufl. Theorie und Praxis. Wiesbaden: Vieweg, 2006. ISBN : 3834891215. [Wer+16] M. Werle et al. „Offene Service-Plattformen für das intelligente Fahrzeug“. In: ATZ - Automobiltechnische Zeitschrift 118.5 (2016), S. 58-63. ISSN : 2192-8800. [Wie+12] M. Wietschel et al. Kaufpotenzial für Elektrofahrzeuge bei sogenannten "Early Adoptern": Endbericht. Karlsruhe, 2012. URL : http: / / edok01.tib.uni-hannover.de/ edoks/ e01fn16/ 784020965.pdf . [Wie17] M. Wietschel. Well-to-Wheel Betrachtung der Antriebstechnologien. 2017. URL : https : / / www . forschungsinformationssystem . de/ servlet/ is/ 332825/ (besucht am 19. 10. 2018). 285 <?page no="301"?> Literatur- und Quellennachweise [WLY17] J. Wang, K. Liu und T. Yamamoto. „Improving electricity consumption estimation for electric vehicles based on sparse gps observations“. In: Energies 10.1 (2017), S. 129. ISSN : 1996-1073. [WSH08] A. Wilde, J. Schneider und H.-G. Herzog. „Driving situation and driving style dependent charging strategy in hybrid electric vehicles“. In: ATZ worldwide 110.5 (2008), S. 18-24. ISSN : 2192-9076. [Wu+15] X. Wu et al. „Electric vehicles’ energy consumption measurement and estimation“. In: Transportation Research Part D: Transport and Environment 34 (2015), S. 52-67. ISSN : 1361- 9209. [Yan+13] S. Yang et al. „Electric vehicle’s energy consumption of carfollowing models“. In: Nonlinear Dynamics 71.1-2 (2013), S. 323-329. [Ye12] T. Ye. „A Multidisciplinary Numerical Modeling Tool Integrating CFD and Thermal System Simulation for Automotive HVAC System Design“. In: SAE International 2012 (2012). [Zha+12] Y. Zhang et al., Hrsg. Remaining driving range estimation of electric vehicle. IEEE, 2012. ISBN : 1467315613. [Zhe+16] B. Zheng et al., Hrsg. A hybrid machine learning model for range estimation of electric vehicles. IEEE, 2016. ISBN : 1509013288. [ZS14] W. Zimmermann und R. Schmidgall. Bussysteme in der Fahrzeugtechnik. Wiesbaden: Springer Fachmedien Wiesbaden, 2014. ISBN : 978-3-658-02418-5. 286 <?page no="302"?> Eigene Publikationen [BSK18] L. Braun, E. Sax und K. Kruppok. „Design space exploration for the model-based design of the power distribution system in vehicles“. In: 18. INTERNATIONALES STUTT- GARTER SYMPOSIUM. Hrsg. von M. Bargende, H.-C. Reuss und J. Wiedemann. 2018, S. 273-288. ISBN : 978-3-658- 21193-6. [JKN16] B. Jäger, K. Kruppok und P. Neugebauer. „Reduktion des Reifenschlupfs durch intelligente Verteilung des Antriebsmoments bei allradangetriebenen Elektrofahrzeugen“. In: Forschung aktuell / Hochschule Karlsruhe, Technik und Wirtschaft. Forschung Aktuell. 2016, S. 43-46. [KCK17] K. Kruppok, F. Claret und R. Kriesten. „Prädiktive Reichweitenberechnung: Modellierung des Energiebedarfs einer PKW-Klimatisierung“. In: Forschung aktuell 2017. Bd. 2017. Forschung Aktuell. 2017, S. 26-28. [KJK16] K. Kruppok, B. Jäger und R. Kriesten. „Auswirkung der Elektrifizierung von Nebenverbrauchern auf das Energiemanagement im Kraftfahrzeug“. In: Forschung aktuell / Hochschule Karlsruhe, Technik und Wirtschaft. Forschung Aktuell. 2016, S. 47-49. [KKS18] K. Kruppok, R. Kriesten und E. Sax. „Calculation of route-dependent energysaving potentials to optimize EV’s range“. In: 18. INTERNATIONALES STUTTGARTER 287 <?page no="303"?> Eigene Publikationen SYMPOSIUM. Hrsg. von M. Bargende, H.-C. Reuss und J. Wiedemann. 2018, S. 491-505. ISBN : 978-3-658-21193-6. [Kru+16] K. Kruppok et al. „Elektrisches Energiemanagement als Assistenzfunktion für zuverlässige Reichweitenaussagen: Simulation zur Abschätzung des Energieeinsparpotenzials“. In: Simulation und Erprobung in der Fahrzeugentwicklung 2016. VDI-Berichte. 2016, S. 79-88. ISBN : 978-3-18- 092279-9. [Kru+17a] K. Kruppok et al. „Prediction of energy consumption for an automatic ancillary unit regulation“. In: 17. Internationales Stuttgarter Symposium. Hrsg. von M. Bargende, H.-C. Reuss und J. Wiedemann. Proceedings. Wiesbaden: Springer Vieweg, 2017, S. 41-56. ISBN : 9783658169879. [Kru+17b] K. Kruppok et al. „Validation of a 5-Zone-Car-Cabin Model to Predict the Energy Saving Potentials of a Battery Electric Vehicle’s HVAC system“. In: International Conference on New Energy Vehicle and Vehicle Engineering (NEVVE 2017), Hongkong, HK, December 15-18, 2017. Nevve, 2017. [Kru+18] K. Kruppok et al. „Improving range prediction of battery electric vehicles by periodical calculation of driver parameters based on real driving data“. In: 4th International Conference on Vehicle Technology and Intelligent Transport Systems, Funchal, P, March 16-18, 2018. 2018, S. 349-356. 288 <?page no="304"?> Betreute studentische Arbeiten [ADS17] F. Akbulut, A. Diehm und F. Stangl. „Erstellung eines Fahrzeugmodells in Simscape zur Berechnung des Energiebedarfs bestimmter Routen“. Projektarbeit. Hochschule Karlsruhe - Technik und Wirtschaft, 2017. [Boc15] F. Bock. „Simulationsgestützte Auslegung von Antriebssträngen für batterieelektrische Fahrzeuge“. Masterthesis. Hochschule Karlsruhe - Technik und Wirtschaft, 2015. [Buh+16] S. Buhlinger et al. „Modellierung einer PKW- Heizung/ Klimaanlage zur Berechnung des Energiebedarfs“. Projektarbeit. Hochschule Karlsruhe - Technik und Wirtschaft, 2016. [Cla16] F. Claret. „Modellierung des Energiebedarfs des Heizung- / Klimasystems eines Kraftfahrzeugs“. Projektarbeit. Hochschule Karlsruhe - Technik und Wirtschaft, 2016. [Cla17] F. Claret. „Validierung und Erweiterung eines thermischen Modells einer Pkw-Fahrgastzelle“. Masterthesis. Hochschule Karlsruhe - Technik und Wirtschaft, 2017. [Hän17] J. Hänle. „Integration, Darstellung und Steuerung von Diagnosebotschaften in einer Matlab- Umgebung“. Bachelorthesis. Hochschule Karlsruhe - Technik und Wirtschaft, 2017. 289 <?page no="305"?> Betreute studentische Arbeiten [Hug19] T. Hug. „Optimierung eines PKW-Klimaanlagen-Modells zur Berechnung des Energieverbrauchs“. Masterthesis. Hochschule Karlsruhe - Technik und Wirtschaft, 2019. [Hüt18] M. Hütter. „Implementierung eines prädiktiven Energiemanagements in der CarMaker-Umgebung“. Bachelorthesis. Hochschule Karlsruhe - Technik und Wirtschaft, 2018. [Kar16] C. Kary. „Ermittlung der Rekuperationsenergie und der Leistungsaufnahme von Nebenverbrauchern in einem Elektroauto“. Bachelorthesis. Hochschule Karlsruhe - Technik und Wirtschaft, 2016. [Kes15] D. Kessler. „Entwicklung eines Modells zur Berechnung der Energierückgewinnung“. Bachelorthesis. Hochschule Karlsruhe - Technik und Wirtschaft, 2015. [Kha17] Y. Khachani. „Entwicklung eines Konzepts zur Reichweitenoptimierung von Elektrofahrzeugen“. Bachelorthesis. Hochschule Karlsruhe - Technik und Wirtschaft, 2017. [Kli17] F. Kling. „Entwicklung einer intelligenten Nebenverbraucherregelung im Fahrzeug“. Bachelorthesis. Hochschule Karlsruhe - Technik und Wirtschaft, 2017. [Lau17] A. Lauther. „Erweiterung einer Android Applikation zur Streckenenergie-Berechnung für Elektrofahrzeuge um die Generierung von Streckendaten“. Projektarbeit. Hochschule Karlsruhe - Technik und Wirtschaft, 2017. [Mad16] J. Madaven. „Analyse des Leistungs-und Energiebedarfs elektrischer Verbraucher im Kraftfahrzeug“. Bachelorthesis. Hochschule Karlsruhe - Technik und Wirtschaft, 2016. 290 <?page no="306"?> Betreute studentische Arbeiten [Nat17] A. Natalli. „Erstellung, Durchführung und Auswertung einer Umfrage zum Thema „Akzeptanz von Einschränkungen in Bezug auf Reichweite/ Zielerreichung bei Elektrofahrzeugen““. Projektarbeit. Hochschule Karlsruhe - Technik und Wirtschaft, 2017. [Rüd18] M. Rüdinger. „Einbau und Inbetriebnahme von Sensoren zur Erfassung der Sonnenintensität und der Temperatur im Versuchsfahrzeug BMW i3“. Projektarbeit. Hochschule Karlsruhe - Technik und Wirtschaft, 2018. [SW18] J. Streicher und J. Werner. „Erweiterung eines PKW- Klimaanlagenmodells um den Einfluss von Sonnenstrahlung und der Passagierzahl zur Berechnung des Energieverbrauchs“. Projektarbeit. Hochschule Karlsruhe - Technik und Wirtschaft, 2018. [TGB17] E. Troshkin, M. Gerhardt und F. Bergmann. „Bestimmung des Energieeinsparpotentials eines E-Fahrzeugs anhand von Umwelt-, Routen- und Fahrerdaten“. Projektarbeit. Hochschule Karlsruhe - Technik und Wirtschaft, 2017. [Vei17] D. Veit. „Optimierung von Simulink- Nebenverbrauchermodellen und Integration in die CarMaker Simulationsumgebung“. Bachelorthesis. Hochschule Karlsruhe - Technik und Wirtschaft, 2017. [Wal17] T. Walter. „Vergleich von prädiziertem und simuliertem Energieverbrauch eines Elektrofahrzeugs zur Parameteranpassung“. Bachelorthesis. Hochschule Karlsruhe - Technik und Wirtschaft, 2017. 291 <?page no="308"?> Lebenslauf Persönliche Daten Name Kurt Kruppok Geburtsdatum 22. Juni 1987 Geburtsort Tübingen Staatsangehörigkeit deutsch Ausbildung und beruflicher Werdegang Seit 2019 Entwicklungsingenieur Daimler Truck AG 2015 - 2019 Akademischer Mitarbeiter Institut für Energieeffiziente Mobilität (IEEM), Hochschule Karlsruhe - Technik und Wirtschaft (HsKA) 2007 - 2014 Studium des Maschinenbaus (Fahrzeugtechnik) Karlsruher Institut für Technologie (KIT) 2013 - 2014 Praktikum bei der BMW AG, München 2013 Diplomarbeit, Aufbau eines Tieftemperaturprüfstands für Elektrofahrzeuge 2011 - 2012 Studienarbeit, Modellierung eines hybriden Antriebsstranges in SysML und Synchronisation mit Simulink 1997 - 2006 Martin-Gerbert-Gymnasium, Horb a. N. Abschluss: Allgemeine Hochschulreife 293 <?page no="309"?> ISBN 978-3-8169-3516-2 Die vorliegende Arbeit setzt sich mit Energieeinsparmaßnahmen auseinander, die für eine bedarfsgerechte Reichweitenvergrößerung eines Elektrofahrzeugs sorgen, um das gewünschte Fahrtziel bei Energieknappheit mit geringstmöglicher Einschränkung des Komforts und der Fahrdynamik zu erreichen. Zu diesem Zweck wird ein Konzept eines Fahrerassistenzsystems zur Zielerreichung vorgestellt. Dieses hilft dem Fahrer, Vertrauen in die prognostizierte Reichweite seines Fahrzeugs zu gewinnen. Es kann somit zu einer Erhöhung der Kundenakzeptanz von Elektrofahrzeugen und deren schnellerer Marktdurchdringung beitragen. Der Inhalt Reichweiten- und Energiebedarfsberechnung - Reichweiteneinflüsse und Energieeinsparpotenziale - Prädiktives Reichweiten- und Energiemanagement - Konzept eines Fahrerassistenzsystems zur Zielerreichung - Implementierung der Energiebedarfsprädiktion - Energiebedarf zur Klimatisierung des Fahrgastraums - Analyse und Validierung der Energieeinsparpotenziale - Elektrische Verbraucherdaten - Referenzszenarien - Modellparameter - Mechanismen der Wärmeübertragung - Anpassung und Validierung des Klimatisierungsmodells - Temperaturabhängige Energieeinsparpotenziale Die Zielgruppe Wissenschaftler und Praktiker in der Industrie im Bereich Elektromobilität mit Fokus auf Reichweitenprädiktion, Energiemanagement, Assistenzsysteme und Betriebsstrategie, inbesondere im Hinblick darauf, wie Elektromobile attraktiver werden, indem man den Fahrern die Reichweitenangst nimmt. Der Autor Kurt Kruppok war akademischer Mitarbeiter am Institut für Energieeffiziente Mobilität der Hochschule Karlsruhe. Seit September 2019 ist er Entwicklungsingenieur für Betriebsstrategien bei Fahrzeugen mit alternativen Antrieben bei der Daimler Truck AG.