Routenbasierte Energieeffiziente
 Steuerung von Hybridfahrzeugen
 
 

Stadt, Land, Berg

Wie fährt man am energieeffizientesten mit einem Hybridfahrzeug durch eine bergige Landschaft? Wann schaltet sich der Elektroantrieb zu, wann lädt sich die Batterie und welche Route wählt man? An der Brandenburgischen Technischen Universität Cottbus- Senftenberg entwickeln wir RESY: ein innovatives Konzept zur intelligenten Verknüpfung des Dreigespanns Antriebssteuerung – Navigation – Fahrer, um zukünftig ressourcenschonenderes und damit nachhaltigeres Reisen zu ermöglichen.

   Bereits heute kann der Fahrer eines Hybridfahrzeugs auf einem einzigen Display sowohl die Routenvorschläge seines Navigationssystems erhalten als auch Informationen zum Wechselspiel der unterschiedlichen Antriebsaggregate seines Automobils ablesen. Abgesehen davon arbeiten Navigation und Antriebsstrangsteuerung jedoch bisher völlig unabhängig voneinander. Dabei konnen beide Systeme eine perfekte Symbiose eingehen.
   Ohne zusätzliche Informationen kann die Antriebsstrangsteuerung nur sehr konservativ zwischen den Antriebsarten wechseln. So kann es passieren, dass die Batterie oben auf dem Berg fast vollständig geladen ist. Die bei Bergabfahrt eigentlich rückgewinnbare Energie verfällt ungenutzt. Bereits wenn einige wenige Routeninformationen über Streckenprofile zur Verfügung stehen, kann die Steuerung deutlich progressiver und effizienter arbeiten. So ist beispielsweise die Batterie rechtzeitig vor Stadtfahrten mit hohem Stop-and-Go-Anteil voll geladen und Treibstoff wird gespart.
   Heutige Navigationssysteme bieten zwar sogenannte ökonomische Routen an, diese basieren aber auf einem pauschalen Verbrauchsmodell eines konventionellen Fahrzeugs. Wenn das Navigationssystem hingegen wichtige Parameter des Hybridantriebs kennt und wenn es sich noch dazu um eine wie eben beschriebene intelligente Antriebsstrangsteuerung handelt, kann der Verbrauch deutlich exakter geschätzt werden. Bereits bei der Routensuche kann berücksichtigt werden, dass sich Zuschaltphasen des Elektroantriebs und Rekuperationszeiten optimal abwechseln. So findet das Navigationssystem nicht mehr nur die schnellste oder kürzeste Strecke, sondern es schlägt die tatsächlich energieeffizienteste Route zum Ziel vor.
   Solch ein Zusammenspiel zwischen Antriebssteuerung und Navigation kann selbstverständlich nur perfekt funktionieren, wenn auch die Fahrerin oder der Fahrer entsprechend berücksichtigt wird. Schließlich steuern sie das Fahrzeug und durch ihre bevorzugte Reisegeschwindigkeit oder das Anfahrverhalten im Stadtverkehr beeinflussen sie den Kraftstoffverbrauch direkt und wesentlich. Hier gilt es, aus gesammelten Daten die Fahrstile auf verschiedenen Streckentypen wie z.B. in der Innenstadt oder auf der Autobahn statistisch zu modellieren und zu klassifizieren. Durch die Einordnung des individuellen Fahrers in dieses Modell wird es möglich, einen besseren und personalisierten Vorschlag der energieeffizientesten Route sowie der Steuerungsparameter anzubieten. Für die Praxis bedeutet dies, dass unterschiedliche Fahrer trotz gleichem Fahrzeug und gleichem Ziel unterschiedliche Routen vorgeschlagen bekommen konnen. Jeder erhält die Route, die zu ihm passt.

PDF-Präsentation

   So gut diese drei Komponenten auch ineinander greifen, die Aufgabe ist damit noch nicht gelöst. Hinter allen drei beschriebenen Ansätzen stecken differenzierte und mathematisch äußerst anspruchsvolle Fragestellungen, die nur durch die Verknüpfung völlig verschiedener mathematischer Konzepte und Methoden gelost werden konnen. Daher erforschen und entwickeln wir im vom Bundesministerium für Bildung und Forschung geforderten Projekt RESY: Routenbasierte Energieeffiziente Steuerung von Hybridfahrzeugen an der Brandenburgischen Technischen Universität Cottbus-Senftenberg neue Modelle und Algorithmen fur diese spannende Herausforderung an die angewandte Mathematik.
   Die Steuerung des Anstriebsstrangs selbst erfordert eine Weiterentwicklung verschiedener Lösungsverfahren aus dem Gebiet der Optimalen Steuerung. Die großte Herausforderung besteht hierbei, für das durch Differentialgleichungen beschriebene dynamische System eine Steuerungslösung beispielsweise mit Hilfe eines model-predictive-control-Ansatzes in Echtzeit zu berechnen, um in der Praxis der vom Navigationssystem grob vorgegebenen Verbrauchstrajektorie auch folgen zu können.
    Die Bestimmung der eigentlichen Route fällt in das Gebiet der Diskreten Mathematik. Es müssen neue und deutlich aufwändigere Algorithmen entwickelt werden, da im Gegensatz zum klassischen Routing nun zwei Ressourcen, nämlich Kraftstoff und Batterie, berücksichtigt werden müssen. Gleichzeitig darf die Fahrzeit als dritte Komponente nicht vernachlässigt werden. Niemand wird minutenlange Umwege für ein bisschen Kraftstoffeinsparung akzeptieren. Auch hier liegt die Aufgabe nicht nur in der Entwicklung korrekter Approximationsalgorithmen fur dieses constraint-shortest-path-Problem, sondern auch in einer möglichst kurzen Rechenzeit. Schließlich soll der Fahrer bei unvorhergesehenem Abweichen von der geplanten Route nicht auf eine Neuberechnung der Strecke warten müssen.
   Für die Fahrerklassifikation entwickeln wir verschiedene Methoden des Maschinellen Lernens weiter. Zunächst generieren wir dafür aus gesammelten Daten typische Fahrerklassen. Diese legen wir jedoch nicht a priori fest, sondern unsere Algorithmen bestimmen die optimale Anzahl an Klassen und deren Einteilung selbst. Im späteren Einsatz ordnet das System den Fahrer automatisch durch Beobachtung seines Fahrverhaltens einer dieser Klassen zu. Durch diese Referenz kann auch für Strecken, die dieser konkrete Fahrer noch nie befahren hat, Fahrzeit und Kraftstoffverbrauch sehr gut prognostiziert werden.

   Durch die Berücksichtigung von Antriebssteuerung – Navigation – Fahrer und ihrer Wechselwirkungen ermöglichen wir also mit RESY in Zukunft ein energetisch optimiertes und dennoch individuelles Fahren. Nur durch die enge Einbindung unserer Partner IAV, Tom-Tom und Wankel SuperTec ist es möglich, die mathematischen Konzepte zu einem praxistauglichen Prototypen weiterzuentwickeln. Durch die Verknüpfung unserer Expertise in moderner anwendungsbezogener Mathematik mit dem praktischen Know-How unserer Partner erwarten wir Kraftstoffeinsparungen fur Hybridfahrzeuge von 10 bis 20 % des bisherigen Verbrauchs erzielen zu konnen. Gleichzeitig führt die Individualisierung der Fahrstrategie zu einer Diversifizierung des Verkehrs und somit zu gleichmäßigerer Verkehrsbelastung und weniger Staus.
   Wie fährt man also am energieeffizientesten durch eine bergige Landschaft? Dank RESY weiß dies in Zukunft Ihr Fahrzeug.