基于太阳能负荷估算的电动汽车热舒适性预测管理

摘    要

与内燃机汽车相比，电动汽车(EV)面临着独特的挑战。其中客舱供暖和空调尤为突出，尤其是在寒冷天气下的客舱供暖，因为它对车辆的行驶里程有巨大的影响。客舱热系统的有效管理有可能在不影响乘客舒适度的情况下提高车辆的行驶里程。本文提出了一种通过有效利用车辆上的太阳能负荷来改善客舱热系统调节的方法。该方法利用连通性和地图数据来预测未来一段时间内的太阳能负荷。通常，太阳能负载被视为一个不可测量的外部干扰，用控制来补偿。然而，它可以被视为具有实现预测控制潜力的估计量。太阳能负荷预测与乘客热舒适模型相结合，可以对路线进行先发制人的热系统控制。采用基于太阳能负荷预览信息的预测控制体系结构生成客舱热系统执行器的HVAC控制输入。该框架有效地利用了可连接的预测，并建立了将太阳能负载纳入客舱热控制的新方法。仿真研究表明了该方法在提高温度调节性能方面的有效性。

01  前    言

客舱热系统控制调节客舱温度，直接影响乘员舒适度。保持客舱温度对乘客的舒适度至关重要。通常，当温度明显偏离设定值时，乘客会选择改变设定值，这反过来又会导致更多的能源使用。在电动汽车的背景下，客舱热系统的供暖和空调需求由电池来满足。因此，客舱热能的使用有可能显著降低电动汽车的行驶里程。[1]因此，重要的是使用所有可用的工具，以尽量减少客舱热系统的能源消耗，同时保持乘客的舒适度。在这项工作中，我们提出了一种这样的方法，通过连接来改善客舱温度调节。

目前车辆暖通空调控制的做法是使用反馈控制，如PID，包括预先校准的操作图，被动地调节座舱温度。这种控制模式使用安装在挡风玻璃上的太阳能强度传感器来估计当前的太阳能负荷。然后用这个估计来估计对客舱温度的影响。值得注意的是，这种方法无法深入了解车辆上的太阳能负载随时间的演变，因此，它只能在测量后纠正座舱温度偏差。使本文所提出的工作成为可能的关键观点是，车辆热系统上的太阳能负荷直接取决于太阳相对于车辆的位置。解决太阳能位置相对于车辆，并与模型转换太阳能位置的车辆上的太阳能负荷，这是可能的，以估计对客舱温度的影响。此外，利用车辆的路线规划，可以估计未来一段时间内车辆上的太阳能负荷，作为HVAC控制器的预览。

模型预测控制在之前的研究用于降低客舱热系统的能耗。相关研究中制定了座舱热系统控制以考虑电池的健康状况。车辆预览信息已经被研究用于车辆能量优化。也使用强化学习方法研究了HVAC操作与车辆路线的协调。本文的工作建立在预览信息的基础上，进一步表征太阳能负荷对能源使用的影响，主要强调通过更好的暖通空调控制干扰补偿来改善瞬态暖通空调响应。车辆暖通空调控制中的太阳负荷不确定性问题可以通过利用连接性和数据计算太阳相对于车辆的位置来预测太阳负荷来解决。这些包括地图，GNSS，路线，一天中的时间，天气状况，车辆的太阳能负荷模型，车辆的机舱热模型。连接使太阳能负荷的预测成为可能，反过来，使客舱热系统的预测和抢先控制成为可能。图1举例说明了车辆穿越计划路线时太阳位置的变化。本文的其余部分组织如下:方法部分提供了用于实现基于太阳能负荷预览的控制的预测和预测控制框架的详细信息。结果部分给出了基于预览的控制将座舱温度调节误差降低50%以上的示例。最后，结束语部分概述了这项工作，局限性和我们未来工作的范围。

图1 计划路线上的太阳定位预测

02  方法

本文的新颖思想是预测车辆在一条路线上的太阳能负荷，并利用该信息作为太阳能负荷干扰预览输入到HVAC控制器，以改善瞬态客舱热行为。整个过程有多个相互关联的步骤:首先，使用地图、全球导航卫星系统、程序路线和一天中的时间计算太阳相对于车辆的位置。接下来，这些信息被用于使用车辆的太阳能负荷模型来估计车辆上的太阳能负荷。最后，将预估太阳能负荷用于预测HVAC控制，以改善客舱舒适度的瞬态响应。本节介绍每个步骤，从机舱热模型及其校准开始，然后是太阳能定位计算和路线上的太阳能负荷预测，最后是使用太阳能负荷预览的控制算法。本文中提出的方法的流程如图2所示。

图2 基于预览的座舱温度控制流程图

03  客舱热系统控制

本文中使用的暖通空调模型捕获了客舱热行为和暖通空调功率。它包括一个舱室模型，可以跟踪舱室热流、舱室温度和相应的电池功率，以及一个闭环控制系统，以保持所需的舱室温度。

座舱温度动力学建模为公式1-3所述的集总两态系统，如图3所示。舱室温度(Tcabin)和面板温度(Tpanel)描述了舱室周围和外部的表面，相互交换热量和周围的空气。座舱与面板之间的换热系数为kcab，面板与周围空气之间的换热系数为kamb，其中参数kamb随车速的增加而减小。客舱和面板对应的热容量分别用Cc和Cp表示。

机舱接收来自太阳辐射的能量，以及建模为热量输入Qsolar。客舱暖通空调控制器依靠进入客舱的气流速率和进入客舱的空气温度来调节客舱空气温度。在本工作中，将暖通空调控制器简化为座舱热输入QHVAC。

图3 暖通空调舱室模型图

客舱热输入在闭环中进行调制，以保持客舱温度在其期望的设定点(Ts)附近。客舱热流结合了两个控制杠杆，即进入客舱的供气的流速和温度。然后通过执行器液位控制来控制相应的所需流量和流量温度。闭环HVAC控制系统实际上消除了由于外部条件和太阳能负载造成的客舱热损失，并保持所需的客舱温度设定点。舱室热流决定了从电池获得的瞬时功率(PHVAC)。向客舱传递热量的效率由ηHVAC来表示，它取决于客舱热流和车速。采用实验车辆数据对两态客舱热模型进行标定，对比如图4所示。

太阳定位估计

太阳在一天中穿过天空，它的轨迹可以用当地时间来确定。太阳位置是使用日期、纬度和经度定义的位置以及本节详细介绍的时区来计算的。小数年份γ由式4确定，其中DD∈(1,365)是一年中的一天，hh∈(0,24)是一天中的小时。

用分数年计算时间方程teq如式5所示，太阳赤纬角θdec如式6所示：

以分钟为单位的真太阳时tst由式7计算，其中mm为分钟。Ss是秒，tzone是时区，单位是小时，lon是位置的经度分量。

太阳时角用于计算地理地平线上的太阳仰角φ，如式8所示，其中lat为位置的纬度分量。

总之，太阳相对于地平线和北方的位置由元组(θ， φ)决定。太阳相对于车辆的位置(θv， ϕv)是通过投射车辆相对于北方的位置，θveh和车辆俯仰的位置来获得的，如公式10所示。

公式4到10可以根据车辆的位置和当地时间计算出太阳相对于车辆的位置。这里使用的太阳定位模型也校正了大气折射。

04  预测地平线上车辆的太阳能负荷

车辆太阳能负荷的预测对基于预演的座舱热系统控制至关重要。太阳能负荷预测需要在一段时间内或一段时间内相对于车辆的太阳能位置。这种预测依赖于两种时变现象:1)太阳相对于某一地点的位置随时间变化;2)车辆在行驶路线上的位置和方向随时间变化。

假定车辆的路线计划是已知的，其中包括以经纬度集合的形式表示的路线，以及开始旅行的时间。公式11定义了路线，其中每段路线的位置由lat、lon定义，索引为s。

请注意，纬度和经度集是地理位置，本身没有时间组件。位置通过每段的行进速度和长度d(s = 1 ~ N)与时间相关。车辆未来在路线段上的行驶速度无法确定，但可以使用历史驾驶数据和当前平均交通流速度进行一定程度的估计。这些数据可以通过查询在线地图数据库获得。利用每段路线的行驶速度信息V(s = 1 ~ N)，确定车辆到达某一位置的时间，如式12所示。

利用公式12可以将公式11中需要按时间索引的路由重新表述为公式13所示。

公式13中的路线定义是车辆沿着路线行驶时的lat、lon和t的序列。这些信息也足以计算太阳能相对于车辆在路线上的位置，作为{θv (t)， ϕv (t)}的序列，使用公式x1到x7。图5显示了八月早上7点从美国MI Pontiac出发的路线示例。从HERE地图数据库中查询路段的行驶速度。整个行程预计用时2134秒。

图6显示了相对于车辆的太阳方位角(θv)和仰角(ϕv)。方位角图形以颜色编码表示车辆的不同侧面，并在右侧标注。所有的方向都是驾驶员看到的，例如，前面对应的是驾驶员看到的前方方向，左边对应的是驾驶员一侧的窗户。方位角随着时间的推移而变化，因为车辆在行驶时改变了它的方位。在旅行期间，随着太阳在天空中升起，海拔也会增加。在本例中，假设道路坡度为零，忽略车辆俯仰的影响。请注意，对于固定的车辆，只有仰角会改变，而方位角对于太阳能定位是恒定的。

路线的太阳能位置，以相对于车辆的直角坐标显示，如图7所示。为了图解简单起见，省略了时间分量。

图5  路线示意图

图6  太阳相对于车辆的位置

图7  太阳在笛卡尔坐标中的位置

路线上的太阳位置提供了太阳辐射的方向，然而，重要的是还包括公式14[8]中描述的太阳日照模型，该模型提供了车辆所经历的太阳辐射的大小。日照模式考虑到达地表的太阳辐射的大气损失，并以太阳仰角φ作为参数。

太阳能位置和日照量被用作车辆太阳能负荷模型的输入，类似于[9]中描述的模型。太阳能负荷模型将太阳辐射对车辆各部分的影响集中为座舱热模型Qsolar的净能量输入，如式1所示。在图5所描述的路线上，车辆所承受的太阳能负荷如图8所示。该图还显示了太阳能负载对舱内温度的影响，这是由一个无功PI控制器调节的。

图8  太阳能负荷和舱内温度变化

建议的控制体系结构如图9所示。客舱热输入在闭环中进行调制，以保持客舱温度在其期望的设定点(Ts)附近。相应的所需流量和流量温度则由低水平的执行器控制装置进行控制，本文对此不作讨论。

图9  提出了具有太阳能负荷预览的控制体系结构

基线控制器结构为PI控制器，该控制器利用温度误差在反馈中修正期望的舱室热流输入。注意Qsolar是舱室热输入的加性扰动，影响闭环温度调制期间的温度动态响应。在没有太阳负荷估计的情况下，该扰动项通过温度误差进行了反应性补偿。在基于预估信息的预测控制中，路径上估计的太阳能负荷被预估项直接抵消，从而改善了暂态响应。太阳能负荷预测是由地点、时间、天气和车辆的路线计划通知的。

基于太阳能负荷预估的客舱热系统控制由式15实现，其中Ep = Tc−Ts, EI =∑(Tc−Ts)分别为比例误差和积分误差，w为控制增益，Epre为基于预估的误差项。Epre的计算方法如式16所示，在一个水平线上作为不含式15中预览项的残差。式中，hp表示预测范围，n表示当前时间步长。

Epre项的计算分两个阶段进行:1)在每个时间步长，在系统当前状态初始化HVAC模型，并以预测的太阳能负荷为扰动，对预测区间内的HVAC模型进行及时正演模拟;2)在Epre中积累了地平线以上舱室温度的误差。该过程类似于模型预测控制框架，但利用了商用车辆控制中常见的现有PI控制框架。

06  结果和讨论

图5所示的示例路线用于说明基于太阳能负荷预览的客舱热系统控制的效用。这条路线大约30英里长，大约需要35分钟，假设旅程从早上7点开始。这条路线的太阳能负荷预测是从方法学部分描述的程序中获得的，并用于座舱热控制。图10比较了PI控制器和建议的基于预览的控制器控制的座舱温度。两个控制器都试图将机舱温度调节到22摄氏度的设定值。PI控制器对太阳能负载引起的舱内温度偏移作出反应。基于预览的控制先发制人地应用补偿控制输入，从而对座舱温度进行更严格的调节。

温度偏差在表1中用均方根度量(RMSE)量化。算例表明，基于预览的控制使座舱温度的RMSE降低了54%。

通过对车辆所承受的太阳能负荷施加200瓦加性白噪声的座舱模型进行仿真，探讨了基于预估控制的座舱温度调节对太阳能负荷预测精度的敏感性。图 11 显示了模拟结果，表明即使在太阳能负荷预测存在不确定性的情况下，控制器也能将机舱温度的均方根误差降低 50%。

到目前为止，舱内温度调节的改进只适用于早上7点开始的旅行的太阳能负载情况。在一天的过程中，由于车辆窗户的位置和形状以及太阳的位置，太阳能负载剖面会发生变化。表2给出了同一路线不同出发时间下的仿真结果。结果表明，在整个时间范围内，基于预览的控制器能够比基线PI控制器更好地调节座舱温度。然而，在中午(1200到1400)期间，基于预览的控制在改进基线PI控制器方面效果较差，但它仍然是对基线PI控制器的改进。这种现象归因于正午太阳能负荷的影响较小。虽然在此期间太阳强度较高，但太阳能位置直接在车辆顶部，并且车辆的车顶阻挡了大部分太阳辐射进入车辆。因此，太阳能负载对温度偏离设定值的影响减小，因此基于太阳能负载预览的控制器效果较差。这种现象将是不同的车辆配备了天窗或敞篷敞篷车。

图10 基于太阳能负荷估算的舱室温度控制

图11 基于预览的座舱温度控制-不确定的太阳能负荷

表1    基于太阳能负荷预览的控制

表2   客舱温度RMS误差

07  结    论

本文提出了一种利用连接预测车辆太阳能负荷并利用预测实现基于预览的控制的方法。太阳能负荷的确定无需使用车辆上的太阳能强度传感器，而是依赖于车辆的计划路线、一天中的时间和位置等输入。所提出的方法被证明是有效的，通过模拟，在各种太阳能负荷剖面和存在预测不确定性的情况下，减少客舱温度调节误差。文中给出的算例表明，该系统的座舱温度调节误差降低了56%。然而，这种调节误差的改善并不会导致更高的能源使用，因此，该方法是对机舱温度控制工具的有价值的补充。此外，本文所描述的方法可用于改进车辆的能耗估计和里程预测，并可用于为节能路线选择提供信息。

虽然该方法在改善座舱温度调节方面是有效的，但温度偏差问题可能并不适用于所有车辆应用。一个简单的解决方案可能是接受由太阳能负荷引起的温度偏差。然而，在控制其他客舱热舒适指标(如等效均匀温度(EHT)或预测平均投票(PMV)[10])时，这种方法变得很重要，这些指标将太阳能负荷直接与乘客舒适度联系起来。这项工作的计划扩展之一是调节EHT而不是舱室温度。这项工作的另一个限制是缺乏对当地气候的考虑，可能包括下雨，多云天气，雾等。在未来的工作中，我们将通过公开的天气预报报告来检测这些因素，并将对太阳能负荷的影响作为太阳日照模型的加权因子进行建模。