Hibrit elektrikli araçlar için sürüş karakteristiği tabanlı yeni bir kontrol sistemi tasarımı

Abstract

İçten yanmalı motorlu araçlar ile tam elektrikli araçlar arasında ara bir aşama durumunda olan çift güçlü hibrit elektrikli araçlarda yakıt tüketimini ve zararlı emisyonları azaltmak için doğru ve etkili tasarlanmış bir enerji yönetim sisteminin çok önemli rolü vardır. Hibrit elektrikli araçlarda enerji yönetimini en uygun şekilde sağlayacak çeşitli kontrol sistemleri üzerine yapılan birçok çalışma vardır. Son zamanlarda kontrol sistemleri konusunda ana odaklardan biri de bu sistemlerin optimizasyonudur. En uygun enerji kullanımını sağlamak için ortaya konan yenilikçi fikirlerden biri de farklı yol, araç ve sürücü tiplerine göre kontrol sistemini optimize etmektir. Böyle bir yenilikçi fikir ışığında, bu tez kapsamında gerçekçi belirsizlikleri göz önünde bulundurarak stokastik bir enerji yönetim sistemi oluşturmak için veriye dayalı bir yöntem geliştirilmiştir. Yol tipine ve sürüş tarzına bağlı olarak bir hibrit elektrikli aracın uygun bir enerji yönetimi stratejisi ile daha verimli kullanılabileceği gösterilmiştir. Dokuz farklı sürücü ile 38 bin km gerçek sürüş verisi toplanmış ve analiz edilmiştir. Bu verilerden gerekli öznitelikler belirlenmiş ve değerleri hesaplanmış, bu değerler kapsamlı bir veri ön işleme aşamasından geçirilmiştir. Ardından veri madenciliği yöntemleri kullanılarak her bir sürüşe ait sürüş stili belirlenmiştir. Geliştirilen sınıflandırma algoritması ile üç farklı yol için sürüş stili ortalama %97 başarı oranıyla tahmin etmiştir. Sınıflandırma algoritmasının belirlediği sürüş stiline göre tasarlanan bulanık mantık tabanlı enerji yönetim sistemi ile çok daha iyi yakıt ve emisyon değerlerine ulaşılmıştır. Veri odaklı yaklaşımla geliştirilen bulanık denetleyici, simülasyon ortamında gömülü olan bulanık denetleyiciye göre gerçek sürüş verileri sonuçlarına dayalı olarak otoyolda %7'ye, şehir içi yolda %9'a ve yerleşim bölgesinde %16'ya varan yakıt iyileştirmeleri sağlamıştır. Yakıt ve kirletici emisyonlar arasında bir takas olmasına rağmen, önerilen bulanık mantık tabanlı kontrol sistemi zararlı emisyonlarda da önemli iyileştirmeler sağlamıştır. Bu çalışmada elde edilen sonuçlar, (hibrit) elektrikli araçlarda yakıt ve emisyonların iyileştirilmesi çalışmalarında bir ilham kaynağı ve rehber olarak kullanılabilir.

A correctly and effectively designed energy management system is crucial in reducing fuel consumption and harmful emissions in dual-power hybrid electric vehicles, which are an intermediate stage between internal combustion engine vehicles and fully electric vehicles. There are many studies on various control systems that will provide the most appropriate energy management in hybrid electric vehicles. One of the main focuses on control systems lately is the optimization of these systems. One of the innovative ideas put forward to ensure optimal energy use is to optimize the control system for different road, vehicle, and driver types. In light of such an innovative idea, a data-driven method has been developed in this thesis to create a stochastic energy management system by considering realistic uncertainties. It has been shown that, depending on the road type and driving style, a hybrid electric vehicle can be used more efficiently with an appropriate energy management strategy. 38 thousand km of real driving data was collected and analyzed with nine different drivers. The necessary features were determined from these data and their values were calculated, and these values were passed through a comprehensive data preprocessing stage. Then, using data mining methods, the driving style of each drive was determined. With the developed classification algorithm, the driving style for three different roads was estimated with an average success rate of 97%. Much better fuel and emission values have been achieved with the fuzzy logic-based energy management system designed according to the driving style determined by the classification algorithm. According to the fuzzy controller embedded in the fuzzy controller simulation environment, developed with a data-driven approach, fuel improvements of up to 7% on the highway, 9% on the urban road, and up to 16% in the residential area, based on real driving data results. Although there is a trade-off between fuel and pollutant emissions, the proposed fuzzy logic-based control system has also provided significant improvements in harmful emissions. The results obtained in this study can be used as an inspiration and guide in the studies of improving fuel and emissions in (hybrid) electric vehicles.