Driving Cycle Uncertainty and Energy Consumption of City Buses: Analysis and Optimization
Loading...
URL
Journal Title
Journal ISSN
Volume Title
School of Engineering |
Doctoral thesis (article-based)
| Defence date: 2019-08-23
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2019
Major/Subject
Mcode
Degree programme
Language
en
Pages
83 + app. 61
Series
Aalto University publication series DOCTORAL DISSERTATIONS, 133/2019
Abstract
The research presented here studied the effect of driving cycle variation and passenger load uncertainty on the energy consumption of city buses. Furthermore, different methods for reducing the energy consumption were analyzed and compared. The research was conducted with simulation studies. In order to generate a large quantity of varying realistic cycles for a single bus route, a novel driving cycle synthetization algorithm was developed. The algorithm is capable of synthesizing a large number of cycles based on only a handful of measurements by exploring different combinations of events. Cycles generated with the algorithm were employed to compare the energy consumption of different city bus powertrain topologies under uncertainty in the driving cycle and passenger load. Simulated bus powertrain topologies included: compressed natural gas, diesel, parallel hybrid, series hybrid, hydrogen fuel cell hybrid, and battery electric bus. Synthetic driving cycles generated with the novel cycle synthesis algorithm were shown to maintain the statistical properties of the original measured cycles with good accuracy. The presented algorithm could be utilized to further optimize city buses for the routes they will be operated on. Energy consumption results acquired from the simulation studies indicated that battery electric buses are the most robust option against driving cycle uncertainty. Diesel buses appeared to be the most sensitive to the driving aggressiveness. However, the results displayed a strong correlation between energy consumption and driving aggressiveness with all types of powertrains. This suggests that steps should be taken to limit high-speed accelerations of city buses regardless of powertrain type. Battery electric buses were further studied by comparing component-choice-related methods for reducing the energy consumption. The methods included using an aluminum chassis instead of a steel chassis, employing a low-height body for reduced aerodynamic drag, using low-rolling-resistance class C tires, and utilizing an electric heat pump instead of a more conventional electric heater. A novel problem formulation for driving optimization was devised for a nonlinear model predictive controller. The driving optimization algorithm was used to compare the energy savings achievable with predictive driving to those achieved with the component-choice-related methods. Out of all the considered consumption reduction methods, the heat pump produced the highest energy savings in cold conditions. However, the relative effectiveness of the heat pump was significantly influenced by the ambient temperature and driving cycle. The aluminum chassis provided higher consumption reductions than the low-rolling-resistance tires, but the influence of the lighter chassis was highly dependent on the aggressiveness of the driving. On average, the predictive driving achieved higher energy savings than the aluminum chassis. Applying all of the methods simultaneously resulted in an average consumption reduction of more than 30 %.Tutkimuksessa selvitettiin perusteellisesti ajosyklin vaihteluiden ja matkustajakuorman epävarmuuden vaikutusta kaupunkibussien energiankulutukseen. Lisäksi tutkittiin metodeja energiankulutuksen vähentämiseksi. Tutkimus toteutettiin simulaatioiden avulla. Uusi ajosyklien syntetisointialgoritmi kehitettiin, jotta pystyttäisiin generoimaan suuri määrä vaihtelevia realistisia syklejä tietylle bussireitille. Algoritmi kykenee syntetisoimaan suuren määrän syklejä pienen mittadatajoukon perusteella käyttämällä erilaisia tapahtumien kombinaatioita. Synteesialgoritmin avulla vertailtiin, kuinka ajosykli- ja matkustajakuormaepävarmuus vaikuttavat energiankulutukseen erilaisilla käyttövoimajärjestelmän topologioilla. Seuraavia kaupunkibussien käyttövoimajärjestelmiä vertailtiin simulaatioissa: paineistettu maakaasu, diesel, rinnakkais- ja sarjahybridi, vetypolttokennohybridi sekä täyssähkö. Tulokset osoittivat, että syklisynteesialgoritmi kykenee tuottamissaan sykleissä säilyttämään al-kuperäisten mitattujen syklien tilastolliset ominaisuudet tarkasti. Tällaista syklisynteesiä olisi mah-dollista käyttää esimerkiksi optimoimaan kaupunkibusseja paremmin niille reiteille, joilla niitä tiedetään tultavan käyttämään. Energiankulutustutkimusten tulokset osoittivat, että sähköbussit ovat robusteimpia ajosykliepävarmuutta vastaan. Dieselbussit puolestaan osoittautuivat kaikista herkimmiksi ajotyylin aggressiivisuudelle. Tuloksista kuitenkin myös havaittiin energiankulutuksen korreloivan voimakkaasti ajotyylin aggressiivisuuden kanssa kaikenlaisilla käyttövoimajärjestelmän konfiguraatioilla. Tämä tulos kertoo, että olisi erityisen tärkeää rajoittaa kaupunkibussien kiihtyvyyksiä korkeissa nopeuksissa riippumatta bussin käyttövoimajärjestelmästä. Bussien komponentteihin liittyviä energiankulutuksen vähentämisen metodeja vertailtiin sähköbussin tapauksessa. Metodeihin kuului kevyen alumiinirungon käyttäminen teräksisen rungon sijaan, matalan koriprofiilin käyttö ilmanvastuksen pienentämiseksi, pienemmän vierimisvastuksen omaavien C-luokan renkaiden käyttäminen ja sähköisen lämpöpumpun käyttö perinteisen sähkölämmittimen sijaan. Epälineaariselle mallipohjaiselle ennakoivalle kontrollerille luotiin uudenlainen ajo-optimoinnin ongelman muotoilu. Ajo-optimointialgoritmia käytettiin vertailemaan ennakoivalla ajolla saavutettavia energiasäästöjä aiemmin mainittujen metodien tuottamiin säästöihin. Lämpöpumppu tuotti suurimmat energiasäästöt vertailluista metodeista kylmissä ulkoilmaolosuhteissa. Lämpöpumpun kyky vähentää energiankulutusta suhteessa muihin metodeihin riippui kuitenkin voimakkaasti ulkoilman lämpötilasta sekä ajosyklin tyypistä. Alumiinirunko vähensi kulutusta enemmän kuin C-luokan renkaiden käyttäminen, mutta kevyemmän rungon vaikutus riippui merkittävästi ajotyylin aggressiivisuudesta. Ennakoiva ajo tuotti keskimäärin suuremmat energiasäästöt kuin alumiininen runko. Kun kaikkia metodeja käytettiin yhtä aikaa, väheni bussin energiankulutus keskimäärin yli 30 %.Description
Supervising professor
Tammi, Kari, Assoc. Prof., Aalto University, Department of Mechanical Engineering, FinlandKeywords
city bus, driving cycle, energy consumption, passenger load, powertrain, predictive control, uncertainty, ajosykli, energiankulutus, ennakoiva ohjaus, epävarmuus, kaupunkibussi, käyttövoimajärjestelmä, matkustajakuorma
Other note
Parts
-
[Publication 1]: Kivekäs, Klaus; Vepsäläinen, Jari; Tammi, Kari. Stochastic Driving Cycle Synthesis for Analyzing the Energy Consumption of a Battery Electric Bus. IEEE. IEEE Access, 2018, 6, pp. 55586-55598. 2169-3536.
Full text in Acris/Aaltodoc: http://urn.fi/URN:NBN:fi:aalto-201812106081DOI: 10.1109/ACCESS.2018.2871574 View at publisher
-
[Publication 2]: Kivekäs, Klaus; Lajunen, Antti; Vepsäläinen, Jari; Tammi, Kari. City Bus Powertrain Comparison: Driving Cycle Variation and Passenger Load Sensitivity Analysis. MDPI. MDPI Energies, 2018, 11, 7. 1996-1073.
Full text in Acris/Aaltodoc: http://urn.fi/URN:NBN:fi:aalto-201808214592DOI: 10.3390/en11071755 View at publisher
- [Publication 3]: Kivekäs, Klaus; Lajunen, Antti; Baldi, Francesco; Vepsäläinen, Jari; Tammi, Kari. Reducing the Energy Consumption of Electric Buses with Design Choices and Predictive Driving. IEEE. Accepted for publication in the journal IEEE Transactions on Vehicular Technology in April 2019.