摘要
本文应用了一种新的方法来评估和估计两种不同的热管理系统在一天中基于驾驶行为的实际能耗。最近尝试为电动和插电式混合动力汽车寻找节能热管理系统,使用二次回路系统作为满足动态加热和冷却需求并减少制冷剂充电的替代方法。然而,额外的热阻层影响系统的瞬态行为以及乘客舱在冷却或加热期间的舒适性,这使得很难估计每年的能耗。在本文中,使用描述实际客户在一天中的驾驶行为的新方法来比较常规和二次回路系统的总体能耗。因此,使用来自美国旅行和运输模式的实际数据集,代表性的24小时驾驶和停止周期集合。此外,还考虑了各自的天气数据。与长期的现场研究相比,这种方法有助于显著减少模拟和测试工作,并且可以比较传统和二次回路汽车制冷系统的年能耗。尽管汽车工业为了达到最大性能和最小污染物排放等可衡量的目标而付出了大量的时间和成本,但估计汽车实际能耗的一个非常重要的因素往往被忽视:实际客户的驾驶行为。一天中的真实驾驶行为包括在不断变化的环境条件下的驾驶和停车时间,这会影响整体能耗和热质量中存储的能量。特别是对于先进的推进技术,这些质量在重新启动时可能是有益的。由于车辆热管理是整体能耗中最重要的因素之一,因此在不断变化的环境条件下的储热效应不容忽视。然而,在大多数合法的驾驶周期中,温度和太阳辐射等环境条件被设置为一个恒定值,停车时间不被考虑,空调系统被关闭。这包括像NEDC,美国FTP这样的合法排放测试或像Artemisset这样的真实世界驾驶周期。然而,任何热管理系统以及任何辅助子系统(如HVAC(加热、通风、空调)系统或动力总成部件(如电池、电机、电力电子设备、内燃机(ICE)))的整体能耗的准确评估和比较取决于适当的测试条件。最近的出版物研究了内置存储引起的能耗降低。这包括二次回路系统中的自然储存效应,基于石蜡的相变材料或基于发动机的潜伏能量储存的实施。通过了解日常驾驶模式,可以改进这些热库的设计和尺寸。除了日常驾驶模式外,气候条件对储能和辅助部件的行为也有不可忽视的影响。在描述车辆环境条件方面的重要工作已经由杜西和斯特鲁普完成。一个多世纪以来,车辆一直由发动机驱动。公众对资源短缺和气候变化的日益认识推动了效率的提高和新的推进概念的发展。客户对更高效的车辆和更舒适的乘客出行环境的需求给车辆内的热量和能量分配带来了新的挑战。此外,通过混合动力电动汽车(HEV)、插电式混合动力电动汽车(PHEV)和电池电动汽车(BEV)实现汽车电气化的转变,导致了对储能、电机和电力电子等新部件的新热管理要求。这些组件经历显著的瞬态热负荷。因此,已经投入了大量资金,以确保在不同的边界条件下进行适当的操作。随着需要主动热管理的组件数量的增加,重量、尺寸、成本和系统也在增加热管理系统的复杂性。在降低电驱动系统成本的同时满足这些热管理需求的现有系统的替代方案是通过集成的热管理系统。在这个系统中,各种组件(电力电子,电动机,能量存储等。)通过二次冷却剂回路连接到紧凑的制冷循环以及车辆前端和乘客舱内的冷却剂到空气的热交换器。
这项工作介绍了两个汽车热管理系统之间的比较,使用一种新的方法,它考虑了一天中的实际驾驶行为和气候条件:第一,传统的BEV热管理系统与制冷剂回路和电加热器,第二,二次回路冷却剂系统。(见图5)图1示出了24小时内4次单次行程的序列的例子。这样的序列在下文中被称为链式行程。此外,还会显示一天中的环境温度,并可与每次行程相关联。这样的日常驾驶模式(条件1,车辆移动;条件0,车辆停车)可以用作模拟和实验的输入数据,以检查热质量或预处理策略中的存储效应。在这项工作中应用的方法是基于以前的出版物,并包含了两个给定数据集的减少过程:第一个数据集描述了移动性行为(开始时间,持续时间,每次行程的距离),第二个数据集描述了环境条件(温度、湿度、太阳辐射)。由于在美国已经收集了高度详细的数据,因此使用这种当前可用的数据应用该方法。然而,该方法可应用于数据可用的任何区域。图1 一天中移动性行为和环境条件的示例性说明:包含四个单次行程和适当环境温度的链式行程。行驶状态1,车辆移动;行驶状态0,车辆停车。
图2 分析(左侧的相对频率和右侧的累积频率)的距离s,持续时间△t和平均速度v观察到的单次旅行,每天单次旅行次数和车辆处于驾驶状态的相对频率
输入数据
对于驾驶行为的描述,使用了2009年全国家庭旅行调查(NHTS)。这个公开可用的数据集提供了美国驾驶行为的广泛数据,并基于问卷调查。在所有单次旅行中,超过80%的行程距离不到20公里。超过85%的所有评估的日常驾驶模式包括2到6次单次旅行。有关数据集的初步分析,请参阅图2。为了充分详细地表征一年中的气候条件和白天环境条件的变化,每月平均数据是不够的。因此,在这项工作中使用数据集Meteonorm6.0。除其他外,此数据集包含美国所有州首府每个月的温度,湿度和太阳辐射的小时值。在这项工作中,这些平均值被假定为代表整个状态。减少输入数据的步骤
由于移动行为和气候条件的数据集非常广泛,模拟将持续太长时间。因此,在本工作中简要描述了减少这些数据集的方法。然而,与原始数据集相比,减少的数据集已被证明是足够准确的。参见Menken的例子。使用k-means集群算法将NHTS移动性数据集的所有链式行程减少到可管理的链式行程数量。首先,所有链式旅行都必须根据单次旅行的数量进行分组。再者,k-means聚类算法需要预先知道必要聚类的个数k。虽然此参数的视觉确定仅适用于最多三个维度,但对于变量数量较多的问题,这已不再可能。因此,在这项工作中,必须事先根据Pham确定必要的簇的数量。由于变量具有不同的物理量,产生不同的量级,并且可能不是正态分布,因此在执行聚类之前对数据集应用Box-Cox变换。根据相对频率计算每个减少的链式行程的加权因子。该加权因子反映了特定的减少链式行程的相关性。它是根据整个数据库中每个链式行程的整体单次行程数的相对频率和映射到这个集群中心的数据点的百分比来计算的。由于这个结果仍然存在太多的行程,因此需要进一步减少到指定数量的链式行程。因此,对于链式行程的所有可能组合,包括较短行程的最终移位,计算成对欧几里德距离,并迭代地组合导致最小距离的两个链式行程。图3显示了美国境内移动性行为的减少输入数据。为了估计整体能耗,必须针对每条环境参数曲线模拟所有减少的链式行程。对于美国来说,这意味着在50个州·12个月=600个条件下模拟热管理系统,这太耗时了。因此,通过迭代地合并两条最相似的曲线,直到获得最少数量的温度曲线,将温度曲线减少为四条曲线。湿度和太阳的相应曲线辐射类似地组合。每条天气曲线都包括一个加权因子,根据每个州的人口计算。图4显示了输入天气数据减少到包含温度,相对湿度和太阳辐射的四个数据集的数量。由于天气曲线基于实际天气数据,因此可以获得一天中实际的特征。图3 结合类似链式旅行(日常驾驶模式)后美国境内的移动性行为的代表性描述。加权因子ω来自链式行程与不同数量的单次行程的自动组合
图4 天气数据减少到四个数据集的结果,这些数据集描述了一天中的环境温度,相对湿度和太阳辐射
方法的应用
在这项工作中,将使用制冷回路和电加热器的BEV的常规热管理系统与具有紧凑制冷循环的二次回路系统进行比较(图5)。虽然传统系统配备了电动正温度系数(PTC)加热器,但二次回路系统在给定输入数据(Tamb,min>−5°C)下不需要电加热器,因为它可以在冬季条件下以节能热泵图5显示了包含直接或间接冷凝器的这两种不同的系统配置(COND)、蒸发器(EVAP)和适当的机舱热交换器(CHX)。图5 所研究的系统设置的示意图结构,用于比较传统的直接制冷循环和二次循环系统。配置1、直接蒸发器和直接冷凝器;配置2、间接蒸发器和间接冷凝器。空气处理单元内的热交换器分别设置为加热、再加热和冷却模式
配置1表示在空气处理单元中具有制冷剂对空气蒸发器并且在前端具有制冷剂对空气冷凝器的常规系统。由于没有额外的传热层,机舱冷却过程中的瞬态行为被用作基准。然而,在加热和再加热操作期间,整个所需的热负荷必须由电热水器提供。配置2由在高压侧和低压侧具有二次回路的制冷循环(完全冷却的二次回路系统)构成。由于所有控制和能量流分布都发生在冷却液侧,因此出现了一系列新的选择,如热泵模式和将电动传动系统组件引入热管理系统。此外,在这种热泵模式下,环境空气可用作热源。在这项工作中提出的所有系统设置都是用TIL库建模的。制冷剂回路由34cm3电动涡旋压缩机、冷凝器、电动膨胀阀、蒸发器和低压侧的制冷剂储存器(蓄能器)组成。R-134a用于两个制冷回路。在冷凝和蒸发侧包含二次回路的系统在空气处理单元或车辆前端配备了冷却剂到空气的热交换器。更多关于系统建模的细节,这个主要周期的测试台和适当的模型验证在以前的公开。车辆的模拟模型还考虑了电动传动系的速度相关的热损失,以及将停止时间的太阳能浸泡考虑在内的热舱模型。结果
整体能源消耗比较
图6显示了用于估计总体年度能耗的两个系统的仿真过程和结果。给定48个边界条件(12个链式行程和4个天气数据集的组合)并考虑适当的加权因子ω,计算两个热管理系统的平均能耗。以简化的方式,计算可以表示如下:此外,考虑到单次行程重量,总能耗就会稍微准确一些.而传统的系统消耗Eel=1.11kWh每天,二次回路系统的能耗要低得多(Eel=0.45kWh)。在假设一辆汽车在7天中的5天内移动,那么这两个系统的总体年能耗很容易计算出来。结果是常规系统的Eel=289.39kWh,二次回路系统的Eel=117.32kWh。
图6 使用新方法评估常规交流系统和二次回路系统的年能耗的说明
图7和8示出了将常规AC系统与次级回路系统(行驶状态、环境温度tamb、乘客舱温度Tcab、电功率消耗Pel、以及电功率消耗Eel)进行比较的选定实例的细所需机舱载荷的参考轨迹取自Weustenfeld。作为日常驾驶模式的示例,从图3中选择链式行程#3。关于气候条件,计算是用图4中的边界条件#3(主要是加热模式)、#1(主要是再热除湿模式)和#4(主要是冷却模式)进行的。边界条件#2主要包含冷却模式但在图7和8中未示出。结论
仔细观察加热模式(#3)期间的电功率消耗数据表明,在低环境温度下(例如,在清晨或下午晚些时候)提供的加热能力最高。此外,与以热泵模式操作的次级回路系统相比,具有电加热器的常规系统增加的能量消耗。在此选定的链式行程中,直接参考系统消耗Eel=2.118kWh,而次级回路系统的能耗为Eel=0.68kWh。在再热模式下操作,结果显示相同的趋势。图7 常规AC系统和次级回路系统在一天的过程中选择的仿真结果的示例性说明:行驶状态、环境温度(Tamb)、乘客舱温度(Tcab)、电功率消耗(Pel)、以及电能消耗(E来自图4[22]的具有边界条件#3(主要是加热模式)和#1(主要是再加热模式)的链式跳闸#3(见图3)被选择。
图8 常规AC系统和次级回路系统在一天的过程中选择的仿真结果的示例性说明:行驶状态、环境温度(Tamb)、乘客舱温度(Tcab)、电功率消耗(Pel)、以及电能消耗(E来自图4[22]的具有边界条件#4(主要是冷却模式)的链式跳闸#3(见图3)被选择。
相比之下,间接二次回路系统在冷却模式期间显示出总体能耗的缺点(图8)。特别是在高环境温度下(中午和下午),电动压缩机必须处理高电功率消耗,从而导致一天中的高能耗。这项工作应用了一种新的方法来估计热管理系统的整体年度能耗,大大减少了模拟工作。给定一组12日常驾驶模式(链式行程)和4代表性天气数据集,2热管理系统相互比较:常规交流系统和可在热泵模式下操作的二次回路系统。全年能源消耗的计算结果分别为289千瓦小时和117千瓦小时。使用这组边界条件可显著减少仿真工作量。虽然这种方法只应用对于两种不同的热管理系统,它可用于任何模拟模型,该模型使用日常驾驶模式和/或天气数据作为输入参数或基于热流率的系统优化。这项工作使用NHTS数据集与美国天气数据相结合作为基础。进一步的工作应审查该方法的适用性并纳入更多数据。使用不同大陆的代表性驾驶模式和气候数据将使优化车辆的任何子系统成为可能。文献来源:Menken, J., Weustenfeld, T., and Köhler, J., “Application of a New Method for Comparing the Overall Energy Consumption of Different Automotive Thermal Management Systems,” SAE Int. J. Passeng. Cars – Mech. Syst. 11(4):297-303, 2018, doi:10.4271/06-11-04-0024.
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。