Energy Management Strategies for a Pneumatic-Hybrid Engine Based on Sliding Window Pattern Recognition
Stratégies de gestion de l’énergie pour un moteur hybride pneumatique basées sur la reconnaissance du cycle de conduite
Institut PRISME/EPM, Université d’Orléans, 8 rue Léonard de Vinci, 45072
Orléans Cedex 2 -
France
* Corresponding author
This paper presents energy management strategies for a new hybrid pneumatic engine concept which is specific by its configuration in that it is not the vehicle but only the engine itself which is hybridized. Different energy management strategies are proposed in this paper. The first is called Causal Strategy (CS) and implements a rule-based control technique. The second strategy, called Constant Penalty Coefficient (CPC), is based on the minimization of equivalent consumption, where the use of each energy source is formulated in a comparative unit. The balance between the consumption of different energy sources (chemical or pneumatic) is achieved by the introduction of an equivalence factor. The third strategy is called Variable Penalty Coefficient (VPC). In fact, it is beneficial to consider the equivalence coefficient as variable within the amount of pneumatic energy stored in the air-tank i.e. state of charge, because the choice of propulsion mode should be different if the tank is full or empty. In this case, the penalty coefficient appears as a non linear function of the air-tank state of charge. Another way to adapt the penalty coefficient is to recognize a reference pattern during the driving cycle. The coefficient value can then be changed according to an optimized value found for each of the reference cycles. This strategy is called Driving Pattern Recognition (DPR). It involves a technique of sliding window pattern recognition. The concept is to convert the whole driving cycle into smaller pieces to which the equivalence factor can be appropriately adapted. This strategy is based on the assumption that the current driving situation does not change rapidly and thus the pattern is likely to continue into the near future. The identification window size is a parameter which has to be adjusted to attain the maximum of identification success over the reference cycle. We propose to define reference patterns as statistical models. The pattern recognition method is based on a correlation function. To improve analysis, all the results obtained with different energy management strategies are compared with a Dynamic Programming approach (DP) considered as the optimal solution. Results show that about 40% of fuel saving can be achieved by DP. The VPC and DPR strategies give better results than the CPC strategy, not so far from the results obtained with DP.
Résumé
Cet article présente comparativement des stratégies de gestion de l’énergie pour un nouveau concept de moteur hybride : l’hybride pneumatique. Dans cette configuration spécifique, c’est le moteur lui-même qui est hybridé (et non le véhicule). Plusieurs stratégies de gestion d’énergie sont proposées dans cet article. La première est dite Causale (CS) car basée sur des principes heuristiques de décision. La deuxième est basée sur la minimisation d’un critère d’équivalence et est appelée stratégie à Coefficient de Pénalité Constant (CPC). Dans ce cas, les flux d’énergie (depuis chaque source chimique ou pneumatique) sont décrits dans des unités identiques. Ainsi, pour un même travail à produire, il est possible de faire une « balance » entre la consommation nécessaire selon chacune des deux sources d’énergie, et ceci avec un coefficient de pondération constant. La troisième stratégie utilise un coefficient de pondération variable selon la quantité d’air disponible dans le réservoir (i.e. état de charge) et est appelée stratégie à Coefficient de Pénalité Variable (VPC). Dans ce cas, le coefficient de pénalité est une fonction non-linéaire de la pression dans le réservoir. Un autre raisonnement consiste à considérer qu’il est nécessaire d’adapter également le coefficient à la situation de conduite (embouteillage, urbain, routier, autoroutier...), pour cela il est impératif de reconnaître la situation de conduite. Le coefficient peut alors être adapté, selon la situation reconnue à la valeur optimale prédéterminée pour des situations types. Cette stratégie, à reconnaissance de situation de conduite (DPR), se base sur une fenêtre glissante où la situation de conduite est considérée à changements lents (conservatisme). Une partie du travail a été d’optimiser la taille de la fenêtre d’identification.Les situations de conduite types sont décrites par des modèles statistiques (densité de présence). La reconnaissance du cycle est basée sur une fonction de corrélation. Afin de comparer les résultats obtenus sur différents cycles de conduite (homologués et Artemis) avec les différentes stratégies proposées, les consommations minimales atteignables obtenues par Programmation Dynamique (DP) sont également données. Les résultats montrent que 40% de gain de consommation peuvent être atteints sur certains cycles. Les résultats obtenus avec les stratégies « adaptatives » (VPC et DPR) sont meilleurs que ceux obtenus avec les stratégies « constantes » (CS et CPC). De plus, les résultats obtenus sont proches des résultats optimaux obtenus avec la programmation dynamique.
© 2009, Institut français du pétrole