Академический Документы
Профессиональный Документы
Культура Документы
2
2016, Querétaro, México, Septiembre 28-30, 2016
1. INTRODUCCIÓN
En nuestros dı́as las grandes urbes sufren un conjunto
de problemas derivados del transporte como congestión
vial y deterioro de la calidad del aire. Los gobiernos
intentan darles solución de acuerdo a sus posibilidades
y prioridades, pero es usual que en muchas ciudades estos
problemas persistan.
Si bien los vehı́culos eléctricos (VE) son muy atractivos
desde el punto de vista de las emisiones 1 , no han logrado
penetrar totalmente en el mercado, pues la densidad de
energı́a del combustible es todavı́a mucho más alta, lo Figura 1. Configuración Paralela de VEH
que provee a los vehı́culos convencionales de una mayor
autonomı́a. Una alternativa interesante la constituye el La mezcla de potencia en los vehı́culos eléctricos hı́bridos
vehı́culo eléctrico hı́brido (VEH), que tiene la ventaja de se ha resuelto a través de algoritmos basados en reglas
ahorrar combustible respecto al vehı́culo convencional sin (Luk y Rosario, 2006), heurı́stica, lógica difusa, redes
limitar su autonomı́a. neuronales, etc. (Xiong et al., 2009), (Yao y Wang, 2015).
Un VEH posee dos o más fuentes de potencia; en este Otra enfoque utiliza la teorı́a de control óptimo, donde
trabajo se utilizan un motor de combustión interna (MCI) destaca el enfoque de programación dinámica (PD), que
y una máquina eléctrica (ME), acoplados en configuración generalmente se emplea para comparar el desempeño de
paralela (ver Fig. 1). Un problema crucial es la mezcla las estrategias fuera de lı́nea (Koot et al., 2005), (Johan-
de potencia en ambos dispositivos. Para ello se propone nesson y Egardt, 2008). Estas estrategias minimizan una
como caso de estudio un VEH para transporte público y se función de costo que puede incluir, además del consumo
comparan bajo las mismas condiciones dos estrategias de de combustible, el consumo neto de energı́a eléctrica.
control de flujo de potencia desarrolladas por los autores. En Paganelli et al. (2002) se describe la Estrategia de
Para la comparación, a diferencia de otros trabajos, se Minimización del Consumo Equivalente (ECMS por sus
utilizan modelos dinámicos detallados en contraste con siglas en inglés). Musardo et al. (2005) proponen la ver-
los modelos empleados para el diseño de las estrategias sión adaptable del algoritmo (A-ECMS), que resulta de
que deben recurrir a modelos simplificados. agregar a la estrategia ECMS un factor de equivalencia
variable de acuerdo a las condiciones de manejo. Un
1 El problema de emisiones sólo se resuelve mediante el VE de problema detectado con estas estrategias es que consi-
forma local, ya que la energı́a se debe producir en algún lugar y, deran constante la relación entre el energı́a eléctrica y el
por ejemplo, para el caso de México hasta el 2014 solo el 18.3[ %] combustible, pues no se toma en cuenta la diferencia de
de la energı́a producida era limpia (Romo, 2014) eficiencias en los distintos puntos de operación del MCI.
Memorias del Congreso Nacional de Control Automático 2016, Querétaro, México, Septiembre 28-30, 2016
60
0
0 100 200 300 400 500 600 700 800 900 1000
77
Memorias del Congreso Nacional de Control Automático 2016, Querétaro, México, Septiembre 28-30, 2016
78
Memorias del Congreso Nacional de Control Automático 2016, Querétaro, México, Septiembre 28-30, 2016
me me
m ci
m ci
0.9
0.7
α2 = 0.5 − 0.5(tanh(A2 (soc − socf in ))) P p < 0 (15) 0.6
0.5
0.1
α1 para Pp ≥ 0 0
0 0.2 0.4 0.6 0.8 1
1
P̂ p
0.5
−0.5
El valor de la potencia en el MCI se obtiene de
max
−1
0 10 20 30 40 50 60 70 80 90 100 P̂mci (P̂p , soc) = α(P̂p , soc)Pmci (16)
Estado de carga soc [%]
α2 para Pp < 0
donde P̂p es la potencia normalizada definida como P̂p =
Pp max
1 max , con Pmci
Pmci la potencia máxima que el MCI puede
0.8 entregar y α se obtiene para mantener operando el MCI en
0.6
su región más eficiente mientras sea posible. El polinomio
propuesto para aproximar α es:
α2
0.4 7
0.2
α(P̂p , soc) = 2P̂p − 1 + ξ + socP I (soc) + µ γ (17)
0
10 20 30 40 50 60 70 80 90 100 y los parámetros ξ, µ y γ se obtienen de:
Estado de carga soc [%] s
max
Pmci Pmci ef f
7
−1−1 1−
Figura 6. α para Pp ≥ 0 y para Pp < 0 Pmci ef f max
Pmci
ξ= s ; γ=
max
Pmci (1 + ξ)7
De la Fig. 6, α1 ∈ [−1, 1] dependiendo del soc; si α1 > 0 7
−1+1
la máquina eléctrica opera como motor,de lo contrario Pmci ef f
como generador. Cuando Pp < 0, α2 ∈ [0, 1], el frenado Pmci ef f
regenerativo es posible y la ME puede funcionar solo como µ= max ,
γPmci
generador.
79
Memorias del Congreso Nacional de Control Automático 2016, Querétaro, México, Septiembre 28-30, 2016
Pmci ef f es el valor de potencia del MCI con eficiencia relación de engranaje, k = 5. La ME tiene una capacidad
máxima (50 % en la Fig. 8. Además se emplea un control de 93kW , con eficiencia máxima de 92[ %] y es alimentada
PI para evitar la desviación del estado de carga de mediante un banco de baterı́as con capacidad de 25[Ah],
referencia. a 288[V ].
Z t
En la Fig. 10 se muestra el seguimiento de velocidad
socP I (soc) = kp socref − soc + ki socref − soc(τ ) dτ
0 para ambos ciclos de manejo, donde la gráfica superior
(18) muestra el del ciclo de manejo para autobuses en carriles
confinados en la Ciudad de México y la inferior, el de
max
El valor final de Pmci es saturado entre 0 y Pmci , autobuses en Manhattan.
Pmci = máx P̂ice , Pp − Pem (19) 70
Ciclo 3
60 VEH SEP
Velocidad [km/h]
VEH SerV
y el valor para la potencia de la ME se obtiene de la 50
30
10
limitando Pme de forma análoga al MCI. 0
0 100 200 300 400 500 600 700 800 900 1000
Velocidad [Km/h]
Ciclo 4
30 VEH SerV
realiza para ambas estrategias. Para ello se usa la curva VEH SEP
0.4
la Ciudad de México; abajo: ciclo de manejo para
0.1 0.2 0.3
250
autobuses en Manhattan.
El estado de carga de las baterı́as durante ambos ciclos
Velodidad (rad/s)
200
se muestra, para el mismos ciclos de manejo, Fig. 11, la
0.45
150
primera para el ciclo 3 y el segundo para el 4, donde para
la estrategia serie virtual se notan incrementos al cambiar
100 0.4
de ciclo de manejo, pero se buscó iniciar y terminar en el
0.05 0.35
mismo valor para el análisis del consumo de combustible.
50
0.15 0.25
SEP
0.5 1 1.5 2 2.5 3 3.5 4 4.5 Serie V
63.7
Potencia (w) x 10
5
63.6
soc
63.5
SEP
Una vez obtenida ωmci , el paso siguiente es determinar la 63.7
SerieV
63.65
de la restricción cinemática del SEP como
63.6
(k + 1) 1
ωme = (ωp − ωmci ) (21) 63.55
0 100 200 300 400 500 600 700 800 900 1000
k (k + 1) tiempo [s]
El par de cada máquina se determina de T = P/ω, dado Figura 11. Estado de carga de las baterı́as soc; arriba:
que la velocidad y potencia de cada una ya son conocidas. ciclo de manejo para autobuses en carriles confinados
en la Ciudad de México; abajo: ciclo de manejo para
autobuses en Manhattan.
4. RESULTADOS DE SIMULACIÓN
Para evaluar el consumo de combustible durante los ciclos
Se presentan las simulaciones obtenidas del acoplamiento de manejo se fijó como restricción que el soc de las baterı́as
de los modelos de cada elemento para VEH, que para el fuese el mismo al inicio y final del ciclo de manejo. Esto,
caso de estudio es autobús urbano. Se pretende que dicho pues solamente de esta manera un ciclo de manejo se
autobús siga dos ciclos de manejo estándar como medio puede repetir de manera indefinida y, además, evita tener
para probar y comparar el desempeño de las estrategias, que hacer conversiones inciertas de energı́a eléctrica a
que corresponden a la Ciudad de México y a Manhattan. combustible que son necesarias para evaluar el consumo
El autobús tiene una masa total de 15, 000[kg], El MCI de combustible cuando esta condición del preservación
tiene capacidad de 205[kw], eficiencia máxima de 45[ %], del soc no se cumple. La Tabla 1 muestra el consumo de
se acopla a un sistema de engranes planetarios, con combustible en ambos ciclos de manejo, comparado con
80
Memorias del Congreso Nacional de Control Automático 2016, Querétaro, México, Septiembre 28-30, 2016
el consumo del mismo para el caso de un autobús con sólo Koot, M., Kessels, J., de Jager, B., Heemels, W., van den
el MCI. Bosch, P., y Steinbuch, M. (2005). Energy management
strategies for vehicular electric power systems. IEEE
Tabla 1. Combustible con soc0 = socf Transactions on Vehicular Technology, 54, 771–782.
Solo MCI SEP Serie V. Luk, P. y Rosario, L. (2006). Power and energy mana-
gement of a dual-energy source electric vehicle - po-
ciclo 3 [kg] 4.549 2.669 2.809
licy implementation issues. In Power Electronics and
ciclo 4 [kg] 2.117 1.231 1.587
Motion Control Conference, volume 1, 1–6. Shanghai,
China.
5. CONCLUSIONES Mi, C., Masrur, M., y Gao, D. (2011). Hybrid Electric
Vehicles. Wiley, United Kingdom.
En el presente trabajo se realizó una comparación entre Moura, R., Utkin, V., y Onori, S. (2015). Energy ma-
dos diferentes estrategias para el manejo de energı́a en nagement design in hybrid electric vehicles: A novel
vehı́culos eléctricos hı́bridos, que funcionan en tiempo optimality and stability framework. IEEE Transactions
real. Se analizó su desempeño al usar la solución propuesta on control systems technology, 23(4), 1307–1322.
por dichas estrategias como entrada a modelos detallados Moura, S., Chaturvedi, N., y Krstić, M. (2012). Pde es-
de los elementos. Los resultados indican que las estrate- timation techniques for advanced battery management
gias no tienen problemas para el seguimiento de ciclos de systems – part i: Soc estimation. In American Control
manejo y que redujeron el consumo de combustible, donde Conference (ACC), 559–565. Montreal, QC.
la estrategia SEP consiguió un mayor ahorro. Las dos Musardo, C., Rizzoni, G., y Sataccia, B. (2005). A-ECMS:
diferencias importantes al probar las estrategias son el uso an adaptive algoritm for hybrid electric vehicle energy
de modelos menos simplificados y que en la simulaciones management. In IEEE Conference on Decision and
se cuidó que el estado de carga iniciara y terminara en Control (CDC), 1816–1823. Seville, Spain.
el mismo valor, lo que implica que el consumo de com- Ngo, V., Hofman, T., Steinbuch, M., y Serrarens, A.
bustible corresponde únicamente al usado en el ciclo de (2011). Predictive gear shift control for a parallel hybrid
manejo, lo que evita incertidumbre en las conversiones electric vehicle. In Vehicle Power and Propulsion
entre combustible y energı́a eléctrica. Conference, 1–6. Chicago, Il. USA.
Nigel, N., Rivero-Borrell, E., McKain, D., Paramo, V., y
6. AGRADECIMIENTOS et al. (2006). Evaluation of emissions from new and
in-use buses in Mexico City, Mexico. Journal of the
Trabajo realizado bajo el patrocinio de proyectos UNAM- Transportation Research Board, 1987, 42–53.
PAPIIT IN109316 y IN109414. Outbib, R., Dovifaaz, X., Rachid, A., y Ouladsine, M.
(2006). A theoretical control strategy for a diesel
engine. Journal of Dynamic Systems, Measurement,
REFERENCIAS and Control, 128, 453–457.
Becerra, G. (2015). Control del flujo de potencia en Paganelli, G., Delprat, S., Guerra, T., Rimaux, J., y
trenes de propulsión hı́bridos. Ph.D. thesis, Universidad Santin, J. (2002). Equivalent consumption minimiza-
Nacional Autónoma de México. tion strategy for parallel hybrid powertrains. In IEEE
Becerra, G., Alvarez-Icaza, L., y Pantoja-Vazquez, A. Vehicular Technology.
(2016). Power flow control strategies in parallel hybrid Pantoja-Vazquez, A., Alvarez-Icaza, L., y Becerra, G.
electric vehicles. Journal of Automobile Engineering, (2015). Virtual serial strategy for parallel hybrid
1(1), 1–16. electric vehicles. Journal of Automobile Engineering,
Borhan, H., Vahidi, A., Phillips, A., Kuang, M., y Kolma- 229(3), 296–310.
novsky, I. (2009). Predictive energy management of a Romo, S. (2014). Sector eléctrico ante la reforma y
power-split hybrid electric vehicle. In American Control las energı́as renovables. In Proceedings 3er Congreso
Conference (ACC), 3970–3976. St. Louis, MO, USA. Nacional de la Red de Fuentes de Energı́a (RedFE),
Chapman, S. (2005). Electric Machinery Fundamentals. 35. CENACE, CFE, Morelos, México.
McGraw-Hill. Xiong, W., Zhang, Y., y Yin, C. (2009). Optimal energy
Fajri, P., Ahmadi, R., y Ferdowsi, M. (2012). Equivalent management for a series-parallel hybrid electric bus.
vehicle rotational inertia used for electric vehicle test Energy conversion and management, 50, 1730–1738.
bench dynamic studies. In IEEE Industrial Electronics Yan, F., Wang, J., y Huang, K. (2012). Hybrid electric
Society (IECON), 4115–4120. Montreal, QC. vehicle model predictive control torque-split strategy
Guzman, E., Becerra, G., Moreno, J.A., y Alvarez-Icaza, incorporating engine transient characteristics. IEEE
L. (2014). Controladores para motores diésel con incer- Transactions on Vehicular Technology, 61, 2458–2467.
tidumbres paramétricas. In Memorias del XVI Congre- Yao, H. y Wang, Q. (2015). The control strategy for
so Latinoamericano de Control Automático (CLCA). improving the stability of a powertrain for a compound
Johannesson, L. y Egardt, B. (2008). Approximate dy- hybrid power excavator. Journal of Automobile Engi-
namic programming applied to parallel hybrid power- neering.
trains. In The 17th IFAC, World Congress, 3374–3379. Yuan, Z., Teng, L., Fengchun, S., y Peng, H. (2013). Com-
Korea. parative study of dynamic programming and Pontrya-
Kim, N., Cha, S., y Peng, H. (2011). Optimal control of gin’s minimum principle on energy management for a
hybrid electric vehicles based on pontryagin’s principle. parallel hybrid electric vehicle. Energies, 6, 2305–2318.
IEEE Transactions on Control Systems Technology, 19,
1279–1287.
81