Riassunto analitico
Questo studio propone una strategia avanzata di gestione termica per veicoli elettrici, che sfrutta il recupero del calore proveniente dal gruppo di trazione e l'accumulo di energia termica per ottimizzare l'efficienza energetica e migliorare l’autonomia del veicolo. Il sistema si basa su un algoritmo di controllo predittivo termodinamico, configurato per analizzare e prevedere due scenari alternativi di gestione termica. In uno, il calore recuperato viene utilizzato per riscaldare l’abitacolo del veicolo; nell'altro, esso viene impiegato per portare la batteria alle condizioni termiche ottimali. Per ciascuno dei due scenari, il modello utilizza una versione distinta del plant (modellazione matematica dei fenomeni fisici) dei circuiti termoidraulici del coolant, finalizzata a simulare e predire la risposta del sistema reale. L’algoritmo predittivo, attraverso varie finestre temporali, confronta iterativamente i risultati di ciascun plant per selezionare l’opzione che garantisce il massimo risparmio energetico in tempo reale. I risultati ottenuti evidenziano come il sistema riesca a rispondere dinamicamente alle condizioni operative e ambientali, ottimizzando il recupero di calore in funzione delle esigenze e delle condizioni energetiche del veicolo.
|
Abstract
This study proposes an advanced thermal management strategy for electric vehicles, which leverages waste heat recovery from the traction components and thermal energy storage to optimize energy efficiency and improve vehicle range. The system is based on a thermodynamic predictive control algorithm configured to analyze and predict two alternative thermal management scenarios. In one scenario, the recovered heat is used to warm the vehicle cabin; in the other, it is employed to maintain the battery at optimal thermal conditions. For each of the two scenarios, the model utilizes a distinct plant version (mathematical modeling of physical phenomena) of the coolant thermohydraulic circuits, designed to simulate and predict the response of the real system. The predictive algorithm, through various time windows, iteratively compares the results of each plant to select the option that ensures maximum energy savings in real time. The obtained results show how the system dynamically responds to operating and environmental conditions, optimizing heat recovery according to the energy requirements and conditions of the vehicle.
|
