Адаптивний програмний компонент для прогнозування енергоспоживання електромобіля на запланованому маршруті
DOI:
https://doi.org/10.32347/st.2024.2.1205Ключові слова:
Електромобілі, передбачення енергоспоживання, модельний дизайн, система управління енергією, оптимізація маршруту, поведінка водіння, адаптивне програмне забезпечення, ISO 26262, A-SPICE 3.1, градієнтний пошук, Simulink, вектор стану автомобіля, модульна архітектура, прогнозні моделі, машинне навчання, інтеграція даних у реальному часі, підключені технології транспортних засобів, керування акумулятором, оптимізація комфортуАнотація
У даній роботі представлено розробку адаптивного програмного компонента для прогнозування енергоспоживання електромобілів на запланованих маршрутах. Він включає концептуальну основу, архітектурний дизайн і модульну композицію програмного забезпечення, вводячи математичні моделі для управління споживанням енергії з модельним підходом до проектування для точних прогнозів і оптимізації. Важливість джерел даних, таких як інформація про маршрут, стан транспортного засобу та поведінка водія, підкреслюється для створення комплексного вектора стану для оптимізації енергії.
Дотримуючись стандартів ISO 26262 і A-SPICE 3.1, реалізація використовує модельний підхід із Simulink і узгоджується з V-моделлю для суворої перевірки. Методологія детально розподіляє маршрути на сегменти та оптимізує споживання енергії для кожного сегменту, враховуючи стиль водіння та умови навколишнього середовища. Метод градієнтного пошуку регулює споживання енергії, щоб мінімізувати споживання, максимізуючи комфорт і гарантуючи завершення маршруту.
Це дослідження закладає основу для майбутніх досягнень у системах прогнозного керування енергією для електромобілів із потенційним застосуванням у реальному світі. Майбутня робота буде зосереджена на вдосконаленні прогнозних моделей, вивченні машинного навчання для підвищення точності та інтеграції даних у реальному часі з технологій підключених транспортних засобів для динамічної оптимізації.
Посилання
"Advantages of Electric Vehicles: Top Benefits Explained," EnergySage, accessed June 6, 2024, (2024). EnergySage.
"Experts Discuss Hurdles, Benefits of Electric Vehicles," Duke Today, accessed June 6, 2024, Duke Today.
"Electric Vehicles: Benefits, Challenges, and Potential Solutions for Widespread Adaptation," MDPI, accessed June 6, 2024, MDPI.
"Comprehensive Review of Electric Vehicle Technology and Its Impacts: Detailed Investigation of Charging Infrastructure, Power Management, and Control Techniques," MDPI, accessed June 6, 2024, MDPI.
MathWorks Automotive Conference 2024. Available at: https://www.mathworks.com/company/events/conferences/automotive-conference-stuttgart/2024.html
Webinar by MathWorks “Energy Consumption Prediction for Electric Vehicles.” Available at: https://www.mathworks.com/company/events/webinars/upcoming/energy-consumption-prediction-for-electric-vehicles-4331190.html
Predictive Energy Management for EV. N-iX Publications. Available at: https://www.n-ix.com/predictive-energy-management-for-ev/
Rombaut, E., Vanhaverbeke, L., & Coosemans, T. (2023). Energy-Optimal Speed Control for Autonomous Electric Vehicles Up- and Downstream of a Signalized Intersection. World Electric Vehicle Journal, 14(2), 55. https://doi.org/10.3390/wevj14020055
Martinez C. M., Hu X., Cao D., Velenis E., Gao B., Wellers M. (2016). Energy management in plug-in hybrid electric vehicles: Recent progress and a connected vehicles perspective. IEEE Transactions on Vehicular Technology, Vol. 66, No. 6, 4534-4549.
Hannan M. A., Azidin F. and Mohamed A. "Hybrid electric vehicles and their challenges: A review". Renewable and Sustainable Energy Reviews, vol. 29, 135-150, 2
Amjad S., Neelakrishnan S. and Rudramoorthy R. (2010). "Review of design considerations and technological challenges for successful development and deployment of plug-in hybrid electric vehicles". Renewable and Sustainable Energy Reviews, Vol. 14, no. 3, 1104-1110.
Sutton R. S., McAllester D., Singh S. and Mansour Y. (1999). "Policy gradient methods for reinforcement learning with function approximation". Advances in neural information processing systems, Vol. 12.
MISRA. (2007). "Guidelines for the application of MISRA-C:2004 in the context of automatic code generation," MISRA AC GMG.
MathWorks. (2019). "Modeling Guidelines for Production Code Generation," MathWorks Automotive Advisory Board (MAAB).
International Organization for Standardization, "ISO 26262: Road Vehicles – Functional Safety," ISO 26262:2018.
International Organization for Standardization, "ISO 22050: Safety of Machinery – Physiological Effects of Whole-Body Vibration," ISO 22050:2007.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Dmytro Humennyi
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автор(и) та Редакція згодні на те, що Редакція також матиме право:
- здійснювати необхідне оформлення Твору/Статті за результатами його редакційної обробки;
- визначати самостійно кількість видань, друк додаткових копій і тираж Твору/Статті, кількість копій окремих видань і додаткових тиражів;
- опублікування Твору/Статті в інших виданнях, пов’язаних з діяльністю Редакції
В журналі діє ліцензія CC BY 4.0
