더욱 연료 효율적이고, 고성능이며, 지속 가능한 모빌리티 솔루션을 추구하기 위해, 호퍼 파워트레인은 전용 하이브리드 변속기(DHT)가 장착된 듀얼 병렬 하이브리드 전기차(HEV)의 성능을 최적화하고 검증하는 전담 방법론을 개발했습니다. 이 블로그 게시물에서는 지멘스의 Simcenter Amesim 과 Simcenter HEEDS를 활용하여 효율적인 고성능 하이브리드 파워트레인을 설계하는 호퍼의 시뮬레이션 기반 접근 방식을 설명합니다.
소개
전용 하이브리드 변속기(DHT) 시스템은 파워트레인 기술의 중요한 발전을 보여줍니다. 하이브리드 애플리케이션용으로 특별히 설계된 이 시스템은 최적화된 동력 전달 메커니즘을 제공하는 동시에 향상된 회생 제동 기능을 구현합니다. 이 시스템은 부드러운 기어 변속과 빠른 가속 반응을 보장합니다.
하이브리드 전기 파워트레인 부품 크기와 이를 제어하는 에너지 관리 시스템을 최적화하기 위해 Hofer Powertrain은 Simcenter Amesim과 Simcenter HEEDS 기능을 활용했습니다. 시뮬레이션 결과 연비, 가속 성능, 그리고 충전 상태 밸런스(SOCB)가 크게 향상되어 최적화 프로세스의 효과를 확인했습니다. 이 통합 워크플로는 에너지 효율적인 고성능 하이브리드 파워트레인을 설계하기 위한 자동화되고 확장 가능한 프레임워크를 제공하여 지속 가능하고 환경 친화적인 자동차 솔루션 개발에 기여합니다.
HEV를 위한 에너지 관리 전략(EMS) 접근 방식
효율적인 HEV 파워트레인을 설계하는 핵심은 에너지 관리 제어 전략에 있습니다. 자유도가 매우 높아 최고의 하드웨어만으로는 연비가 가장 좋은 파워트레인을 설계하기에 충분하지 않습니다. 따라서 내연 에너지와 전기 에너지의 분배를 처리하는 에너지 관리 전략이 매우 중요합니다. 아래 그림은 Panday 외 연구진이 제시한 에너지 관리 전략 분류를 보여줍니다.
Technology (2014).
이 경우, 호퍼 파워트레인은 오프라인 최적화를 위한 Pontryagin 최소 원칙과 온라인 실시간 최적화를 위한 Equivalent Consumption Minimization Strategy를 모두 사용하기로 했습니다. 이는 Simcenter Amesim의 Hybrid Optimization Tool(HOT) 에서 쉽게 사용할 수 있기 때문입니다 .
파워트레인 최적화 방법론
에너지 관리 전략과 구성 요소 크기를 최적화하는 방법은 다음 그림과 같습니다.
각 파워트레인 크기/설계에 대해 HOT를 사용하여 최적 제어를 계산합니다 . Simcenter HEEDS는 설계를 변경하고 새로운 설계 매개변수를 사용하여 HOT를 호출하여 해당 최적 제어를 다시 계산합니다. 최적화가 완료되면 Simcenter Amesim에서 해당 ECMS 제어기를 사용하여 파워트레인 설계와 제어기의 최적 조합을 생성합니다.
이 모델은 열 관리, 실제 주행 조건, 노화, 고장 모드 및 영향 분석과 같은 다른 연구에도 추가로 사용될 수 있습니다 .
하이브리드 최적화 도구에서 기준 설계 구현
본 연구에서는 HOT를 1.2L 내연기관을 장착한 듀얼 병렬 하이브리드 전기자동차에 적용하였다.
HOT는 하이브리드 파워트레인을 모델링, 시뮬레이션 및 최적화하기 위해 체계적이고 다단계 프로세스를 따릅니다. 이 방법론은 아키텍처 정의, 매개변수화, 전략 정의, 테스트 케이스 정의, 계산(제어 최적화), 그리고 후처리의 6가지 핵심 단계로 구성됩니다.
아래 그림은 WLTC 주행 사이클에 대한 기준 결과를 보여줍니다.
이 기준 모델은 연구의 다음 단계를 위한 기초 역할을 하며, HEEDS를 사용한 전용 하이브리드 전송 합성 및 구성 요소 크기 최적화를 통해 추가적인 개선을 모색할 것입니다.
Simcenter HEEDS에서의 파워트레인 최적화
이 연구에서는 HEEDS를 사용하여 하이브리드 파워트레인 시스템을 최적화하고, Python 스크립트로 작성된 HOT 모델을 구성 요소 합성 및 시스템 개선의 기반으로 활용했습니다.
최적화 설명은 아래 표에 나와 있습니다.
| 목적 | 교정된 연료 소비를 최소화하세요 |
| 제약이 있음 | 배터리 전원 없이 주행 가능한 최대 차량 속도 ≥ 50km/h 배터리 전원 없이 주행 가능한 최대 차량 속도 ≤ 70km/h 0~100km/h 지속 시간 ≥ 5.5초 0~100km/h 지속 시간 ≤ 9.8초 |
| 수정하여 | 0.62 ≤ 모터 전력 스케일링 계수 ≤ 1.1 0.32 ≤ 발전기 전력 스케일링 계수 ≤ 1.1 3.6 ≤ Rn 기어비 1 ≤ 6 2.5 ≤ Rn 기어비 2 ≤ 3.6 1 ≤ 병렬 배터리 셀 수 ≤ 2 5 ≤ 최대 충전 전류 ≤ 50 15 ≤ 최대 방전 전류 ≤ 100 10 ≤ 순수 전기 모드에서의 최대 차량 속도 ≤ 40 20 ≤ 초기 충전 상태 ≤ 90 |
최적화 과정에서 총 250개의 설계를 탐색하여 정의된 제약 조건 내에서 수정된 연료 소비량을 최소화하는 최적의 구성을 도출했습니다. 이 중 235개의 설계는 모든 제약 조건을 성공적으로 충족하여 실현 가능했지만, 14개의 설계는 하나 이상의 제약 조건을 위반하여 실현 불가능으로 분류되었습니다.
아래 그림은 최적화 과정 전체에서 보정된 연료 소비량의 객관적인 이력을 보여줍니다.
아래 평행선 도표는 회색 선으로 표시된 기준 설계와 비교하여 보정 연비가 가장 낮은 상위 10개 설계를 보여줍니다. 이 중 가장 성능이 좋은 설계(짙은 파란색 선으로 표시)가 5.23L/100km의 최저 보정 연비를 달성하여 선정되었습니다.
마지막으로, 기준 설계와 비교한 최적 설계의 요약은 다음과 같습니다.
| 매개변수 | 기준선 설계 | 최적화된 디자인 | 개선 |
|---|---|---|---|
| 보정된 연료 소비량(L/100km) | 5.58 | 5.23 | -6.3% |
| 0~100km/h 지속시간(초) | 8 | 7 | -12.5% |
| 배터리 전원 없이 최대 차량 속도(km/h) | 180.9 | 181.8 | 0.5% |
| 순수 전기 모드에서의 최대 차량 속도(km/h) | 54 | 140.4 | 160% |
| 모터 전력 스케일링 계수 | 1 | 0.62 | -38% |
| 발전기 전력 스케일링 계수 | 1 | 0.32 | -68% |
| Rn1(1단 기어비) | 4.448 | 5.920 | 33.1% |
| Rn2(2단 기어비) | 2.918 | 3.040 | 4.2% |
| 병렬로 연결된 배터리 셀 수 | 2 | 2 | 0.0% |
| 최대 충전 전류(A) | 50 | 43 | -14% |
| 최대 방전 전류(A) | 80 | 88 | 10% |
최적화된 설계의 검증
Simcenter HEEDS 최적화가 완료되면 방법론의 다음 단계는 Simcenter Amesim 환경 내에서 최적화된 설계의 실제 성능을 분석하는 것입니다.
HOT에서 해당 Simcenter Amesim 모델이 자동으로 생성됩니다.
이는 HOT의 역방향 모델링 방식(준정적)에서 Simcenter Amesim의 순방향 모델링 방식(운전자 조절을 포함한 동적)으로의 전환을 의미합니다. WLTC 주행 사이클을 시뮬레이션하고 HOT와 Simcenter Amesim의 SOC 궤적을 비교합니다.
역방향 및 순방향 모델링 모두에서 SOC 거동이 잘 정렬되어 에너지 관리 시스템이 충전 유지 작동을 효과적으로 유지하고 있음을 확인합니다. 관찰된 작은 변동은 역방향 모델링에서는 나타나지 않는 순방향 모델링의 과도 효과로 인해 예상된 것입니다.
본 연구는 역방향 모델링과 순방향 모델링 방식을 비교하여 하이브리드 파워트레인 최적화 과정을 보여줍니다. 수정된 연료 소비량 값과 0-100km/h 가속 시간은 모델링 유형 전반에 걸쳐 일관되게 나타났습니다. 역방향 모델링은 연료 소비량을 크게 개선하여 5.58L/100km(기준)에서 5.23L/100km(최적화된 설계)로 감소시켰으며, 0-100km/h 가속 시간은 7.00초에 도달했습니다. 순방향 모델링은 기어 변속 및 운전자 반응 시간과 같은 과도 효과를 고려하여 5.24L/100km의 수정 연료 소비량과 7.75초의 0-100km/h 가속 시간을 달성하여 이러한 성능을 더욱 검증합니다. 결과는 아래 표에 요약되어 있습니다.
| 목적 | 기준 설계(역방향 모델) | 최적화된 설계(후방 모델) | 최적화된 설계(전방 모델) |
|---|---|---|---|
| 보정된 연료 소비량(L/100km) | 5.58 | 5.23 | 5.24 |
| 0~100km/h 지속시간(초) | 8 | 7 | 7.75 |
요약 및 전망
호퍼 파워트레인의 연구는 하이브리드 자동차 기술 최적화에 있어서 큰 도약을 나타내며, 다양한 효율성과 성능 지향적 전략의 개발을 가능하게 합니다.
고급 최적화 알고리즘과 실용적인 엔지니어링 솔루션을 결합한 에너지 관리에 대한 포괄적인 접근 방식은 유망한 결과를 도출했습니다. 이러한 결과는 현재 방법론의 타당성을 입증할 뿐만 아니라 하이브리드 자동차 파워트레인 설계의 향후 개선 및 연구를 위한 토대를 마련합니다.
앞으로 배터리 노화 모델링을 최적화 프로세스에 통합하면 시간 경과에 따른 배터리 성능의 동적 변화를 해결할 수 있습니다. 또한, 차세대 모듈형 파워트레인 아키텍처와 재생 에너지 통합 연구를 통해 연비와 지속가능성을 더욱 향상시킬 수 있습니다.
[출처] https://blogs.sw.siemens.com/simcenter/hofer-hybrid-energy-management/
댓글 없음
댓글 쓰기