Entwicklung einer SOC Prädiktion für Nutzfahrzeuge auf Basis realer Fahrdaten

Institut
Lehrstuhl für Fahrzeugtechnik
Typ
Semesterarbeit / Masterarbeit /
Inhalt
theoretisch /  
Beschreibung

Der Güterverkehr ist das Rückgrat unserer Wirtschaft und nimmt eine immer bedeutendere Rolle ein. Nach Grenzwerten bezüglich Emissionen für Pkw wird auch im Nutzfahrzeugsegment eine CO2 Emissionsreduktion von 15 % bzw. 30 % bis 2030 im Vergleich zu 2019 durch die Europäische Union gefordert. Nachdem die Hybridisierung der Lkw diese Ziele nicht erreichen kann, wurde das Projekt NEFTON – Nutzfahrzeugelektrifizierung für Transportsektor – optimierte Netzanbindung mit namenhaften Partnern aus der Industrie gegründet. Ziel ist es, das gesamte System, bestehend aus Fahrzeug, Ladesäule und deren Netzanbindung, zu untersuchen und für verschiedene Use Cases im Fernverkehr auszulegen. Der zentrale Enabler hierfür ist das MegaWatt Charging System (MCS) mit bis zu 1,5 MW Ladeleistung.

Der Umstieg auf batterieelektrische Nutzfahrzeuge ist auch für den Lkw-Fahrer mit neuen Herausforderungen verbunden. Eine zentrale Herausforderung ist die Planung von Ladestopps, die zukünftig durch ein fahrzeugeigenes System übernommen werden soll. Hierzu ist die genaue Kenntnis des Batteriezustandes bei Erreichen der aufkommenden Ladepunkten entlang einer Route und damit eine SOC Prädiktion erforderlich.

In dieser Studienarbeit soll eine SOC Prädiktion auf Basis realer Fahrdaten entwickelt werden. Dazu soll im ersten Schritt eine umfangreiche Literaturrecherche zur SOC Prädiktion und der Verarbeitung realer Fahrdaten erstellt werden. Hierauf aufbauend sollen weiter Fahrzyklen aus den realen Fahrdaten abgeleitet werden, die in Kombination mit einer Längsdynamiksimulation für die Plausibilisierung der SOC Prädiktion genutzt werden können. Anschließend kann die Entwicklung einer SOC Prädiktion erfolgen. Hierbei ist auf schnelle Rechenzeit und zeitgleich hohe Genauigkeit zu achten. Abschließend soll die SOC Prädiktion in ein bestehendes Framework in Python implementiert werden. Eine kritische Diskussion des Vorgehens und der Ergebnisse runden die Arbeit ab.

Folgende Arbeitspakete umfasst die zu vergebende Studienarbeit:

  • Literaturrecherche zur SOC Prädiktion von batterieelektrischen Fahrzeugen
  • Literaturrecherche zur Analyse von realen Fahrdaten
  • Ableitung von repräsentativen Fahrzyklen batterieelektrischer Nutzfahrzeuge
  • Entwicklung einer Methodik zur vorausschauenden SoC Prädiktion mithilfe von realen Fahrdaten
  • Implementierung einer SoC Prädiktion in Python
  • Diskussion des Vorgehens und der Ergebnisse
  • Ausführliche Dokumentation des Vorgehens und der Ergebnisse
Voraussetzungen
  • Selbstständige Arbeitsweise
  • Eigeninitiative
  • Idealerweise Erfahrung mit Python
  • Interesse an batterieelektrischen Fahrzeugen und deren Herausforderungen

 

Falls Du Interesse an der ausgeschriebenen Arbeit hast, melde dich gerne mit Lebenslauf und Notenauszug bei mir: maximilian zaehringer@tum.de

 

Tags
FTM Studienarbeit, FTM EV, FTM EV Operations, FTM Zähringer
Möglicher Beginn
sofort
Kontakt
Maximilian Zähringer, M.Sc.
Raum: MW 3510
Tel.: 089 289 15907
maximilian.zaehringertum.de