Sales of electric vehicles (EVs) increases 70% energy year thanks to emission free, quiet and higher energy effi- ciency compared with internal combustion engine (ICE) vehicles. However, EVs generally have only around 22% driving ranges compared with Internal combustion engine vehicle (ICEVs) with a similar price range. Running out of the EV battery State of charge (SoC) while driving gives the same inconvenience as vehicle breakdown. Energy consumption of EVs directly impacts on the required battery capacity. A larger battery pack increases the curve weight and thus causes lower fuel economy, a lower performance and a higher cost.
This thesis introduces a novel system-level framework that implements an accurate EV power consumption model and derives minimum-energy EV driving speed profile to extend EV driving range without additional cost. This framework is inspired from the system-level low power design for the computing system. We first imple- ments a hybrid power modeling methodology combining a vehicle physics with motor-loss model with empirical data. Then, we validate the accuracy of the hybrid model with a target EV. To insure model fidelity, we fabri- cate a lightweight custom EV, perform extensive measurement, and derive model coefficients using multivariable regression analysis.
This thesis introduce derivation of the minimum-energy driving speed profile over time for a given driv- ing mission defined by the route, time constraint and payload. We first formulates an optimization problem that minimizes the total energy consumption to complete the given driving mission. Then, we use the dynamic pro- gramming algorithm to derive a minimum-energy speed profile considering dynamically varied road slopes. The proposed idea gives additional energy saving up to 15.6% compared with constant vehicle speed driving without any vehicle modification. Also, we show a possibility of the online EV driving optimization by introducing var- ious solution tracking methods. Runtime of the proposed scaling algorithm is 34% and 50% of runtime of the binary search algorithm and greedy algorithm with a initial value derivation, respectively. We verify the optimal driving results with real test drives on various road slopes and analyze the impact of vehicle propulsion system and power consumption model accuracy on the optimization results.
내연기관 자동차에 비해 배출가스가 없으며, 조용하고, 에너지 효율이 높은 장점으로 인해 전기자동차의 판매 량은 해바다 70%씩 성장하고 있다. 하지만, 전기자동차는 내연기관 자동차 대비 오직 22%의 주행거리만을 갖는 한계를 갖는다. 또한, 전기자동차에 있어서 주행 중 전기자동차 배터리 방전은 자동차 사고와도 같은 불편함을 주는데, 그 이유는 기존 주유소 대비 배터리 충전소는 그 수가 현저히 적으며, 충전 시 소요시간도 최소 30분 이상으로 길기 때문이다. 전기자동차 배터리팩의 크기를 늘리는 것은 하나의 방법이 될수는 있으나, 이로 인한 연비 감소, 낮은 성능, 높은 차량 비용을 초래한다.
이 논문은 전기자동차의 주행거리를 별도의 비용 없이도 늘리기 위한 시스템 수준의 프레임워크를 제안한 다. 전기자동차의 전력소모를 정확하게 예측하여 이를 바탕으로 최소한의 에너지를 소비하는 주행 프로파일을 도출하고자 한다. 이 프레임워크는 기존의 컴퓨팅 시스템의 저전력 설계를 위한 설계 방법론으로부터 시작하 여 제작, 모델링, 최적화의 과정을 거친다. 가장 먼저 차량의 모터 손실을 고려한 다이나믹 모델과 실험 결과를 기반으로한혼합전력소모모델을구현한다. 그이후,혼합전력소모모델의정확도를전기자동차주행을 통해 검증한다. 모델 검증의 신뢰성을 위해 커스텀 전기자동차를 직접 제작하였으며, 수차례의 전기자동차 주행을 통해 데이터를 추출하고 다변수 회기분석(multivariable regression analysis) 방법을 활용하여 전력 소모 모델을 구축하였다.
이 논문은 얻어진 혼합 전력 소모 모델을 바탕으로 도로정보, 주행 제한 시간, 화물 등 다양한 주행 조건을 바탕으로 최소에너지를 소비하는 주행속도 프로파일을 도출하는 방법을 소개한다. 먼저 주어진 주행 조건을 모두 만족하는 최적화 문제를 수식화한다. 수식화된 문제는 동적계획법(dynamic programming)을 활용하여 급격하게 변화하는 도로 기울기를 고려하여 최소에너지를 소비하는 주행속도 프로파일을 도출한다. 제안한 기법은 별도의 차량 개조 없이도 최소에너지를 소비하는 등속 주행 기법에 비해 최대 15.6% 에너지 소비 절 감 효과를 가져왔다. 또한, 온라인 주행 최적화 적용 가능성을 확인하기 위해 다양한 해법 도출 알고리즘을 제안하였다. 제안한 스케일링 알고리즘의 연산시간은 기존의 이진검색 기법과 초기값 도출을 사용한 탐욕 알 고리즘 대비 각각 34%, 50%를 갖는다. 제안한 최적주행 기법은 다양한 도로 기울기에서 실차 테스트를 통해 검증하였으며, 차량 구동 시스템과 전력소모모델의 정확도가 최적화 결과에 미치는 영향을 분석하였다.
