Titelaufnahme

Titel
Reichweitenschätzung von Elektrofahrzeugen mit Hilfe von Graphenalgorithmen / von Felix Gstrein
Weitere Titel
Driving Range Estimation of Electric Vehicles using Graph Algorithms
VerfasserGstrein, Felix
Begutachter / BegutachterinNöllenburg, Martin
ErschienenWien, 2017
Umfang93 Seiten
HochschulschriftTechnische Universität Wien, Diplomarbeit, 2017
Anmerkung
Arbeit an der Bibliothek noch nicht eingelangt - Daten nicht geprueft
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
SpracheEnglisch
DokumenttypDiplomarbeit
Schlagwörter (EN)battery electric vehicle / driving range estimation / energy-efficient routing
URNurn:nbn:at:at-ubtuw:1-97384 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Reichweitenschätzung von Elektrofahrzeugen mit Hilfe von Graphenalgorithmen [4.4 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Das Ziel dieser Arbeit war es, den Energieverbrauch von batteriebetriebenen Elektrofahrzeugen zu evaluieren und damit ein Werkzeug zur Abschätzung der verbleibenden Reichweite zu schaffen. Im ersten Teil wurde ein allgemeines Modell für ein batteriebetriebenes Elektrofahrzeug als C++ Code implementiert. Zur Validierung wurden die Parameter eines Mitsubishi i-MiEV ausgewertet. Es wurden Funktionen zur Beschreibung des Antriebssystems, der Batterie, der Fahrassistenz- und -komforteinrichtungen und des Fahrers erstellt, welche sich als die wichtigsten Faktoren zur Reichweitenbestimmung herauskristallisiert hatten. Die jeweiligen Einflüsse zweier verschiedener Batteriemodelle auf den Energieverbrauch wurden untersucht, um die Verwendung des einfacheren Modells im weiteren Verlauf der Arbeit zu rechtfertigen. Im zweiten Teil der Arbeit wurde ein zur Routenberechnung für batteriebetriebene Elektrofahrzeuge geeignetes Graphenmodell aufgestellt, dem mittels der zuvor implementierten Funktionen Kostenfunktionen für die Wegabschnitte zugeteilt wurden. Um eine energieoptimierte Reiseroute zu finden, wurde im dritten Teil ein Graphenalgorithmus implementiert, der dem entwickelten Energieverbrauchsmodell so angepasst wurde, dass er all dessen Ergebnisse berücksichtigen kann. Letztendlich gibt das entworfene Programm die energieeffizientesten Routen von gegebenen Startpunkten zu jedem gewünschten Ziel, das innerhalb des betrachteten Graphen liegt, aus. Damit hat es einen Vorteil gegenüber herkömmlichen Navigationssystemen, die meist lediglich die Routen mit kürzester Distanz berechnen. Zusätzlich kann anhand der Ergebnisse der Arbeit darauf geschlossen werden, wie sich die verschiedenen Einflüsse von Fahrzeugkomponenten und Fahrer auf die Reichweite auswirken. Damit kann der Anwender den durch seinen Fahrstil und eingeschaltete elektronische Einrichtungen verursachten Energieverbrauch bewerten.

Zusammenfassung (Englisch)

The goal of this study was to evaluate the energy consumption of battery electric vehicles in order to create a tool for estimating the maximum driving range. In the first part, a general model of a battery electric vehicle was implemented as C++ code using the parameters of the Mitsubishi i-MiEV for validation. Functions for the propulsion system, the battery, the facilities for driving assistance and comfort and the behaviour of the driver were established, describing the most important influences on the energy consumption, and hence the range of the vehicle. The impacts of two different battery models on the energy consumption were examined to justify the application of the simpler one in the remaining part of the work. The outcome of the consumption estimation was then used for calculating cost functions to find an energy-optimised route for the vehicle. In the second part, where a graph model was developed for routing battery electric vehicles, these cost functions were assigned to the graph. For the purpose of routing, a graph algorithm has been implemented in the third part, which was adjusted to exploit the qualities of the developed energy-consumption model. As final outcome, the developed program issues most energy-efficient paths from given start points to any destination in the graph. This is an advantage in relation to common navigation systems computing shortest distance paths. Moreover, the investigation of the results shows how different features of vehicle and driver affect the range. Thus, the user can assess the energy consumption of his driving style and the electronic devices of the vehicle when switched on.