《Energy Reports》:Simulation of mobile air-conditioning energy in electrified and conventional vehicles
编辑推荐:
摘要:车辆的供暖、通风与空调系统(即移动空调系统,MAC)是耗能最大的辅助设备,影响所有动力总成类型中车辆的功率消耗。MAC功率消耗会缩短电动车辆的续航里程,并增加内燃机车辆的CO2排放。MAC能耗评估对于交通部门的脱碳至关重要。利用仿真模型预测MAC能耗可优
摘要:车辆的供暖、通风与空调系统(即移动空调系统,MAC)是耗能最大的辅助设备,影响所有动力总成类型中车辆的功率消耗。MAC功率消耗会缩短电动车辆的续航里程,并增加内燃机车辆的CO2排放。MAC能耗评估对于交通部门的脱碳至关重要。利用仿真模型预测MAC能耗可优化该评估过程,减少测试负担,并允许进一步分析不同外部条件和部件效率的影响。本文提出了一种车辆MAC系统的热模型,用于估算WLTC循环期间的座舱温度和MAC能耗。空调压缩机功率需求通过制冷剂半理想蒸气压缩循环进行仿真。模型采用比例-积分-微分(PID)控制器来调节制冷剂质量流量。通过文献数据、风洞试验以及气候舱内的底盘测功机WLTP测试进行了分步验证。获得了理论传热系数。该模型准确预测了MAC能耗。在外部温度为35°C时,为达到WLTC循环期间的舒适温度,纯电动汽车(BEV)的MAC能耗约为950 Wh,内燃机汽车(ICEV)约为790 Wh,所测试的插电式混合动力汽车(PHEV)在电量消耗(CD)和电量维持(CS)模式下分别约为760 Wh和260 Wh。相应的制冷CO2当量排放分别约为9.7、36、7.8和13.9 gCO2eq/km。除外部温度外,初始座舱温度、座椅质量以及PID控制器增益也是影响MAC能耗的参数。座舱尺寸对MAC能耗的影响可忽略不计。
**论文解读:电动化与传统车辆移动空调系统能耗仿真研究**
**一、研究背景与问题**
2022年,道路交通约占全球交通部门总排放的73%,减少全球二氧化碳(CO2)排放亟需车队电动化和燃油经济性的改善。混合动力电动汽车(HEV)、插电式混合动力汽车(PHEV)和纯电动汽车(BEV)近年来市场份额显著增长。然而,动力总成电气化带来了一系列前所未有的挑战,如BEV和PHEV的续航里程焦虑、暖热气候下电池温度驱动的退化,以及降低寄生或辅助能耗的需求。在影响能耗的主要辅助系统中,供暖、通风与空调(HVAC)系统(即移动空调系统,MAC)最为关键。BEV和PHEV中的MAC系统采用电动空调压缩机,而非内燃机汽车(ICEV)中通过皮带与发动机机械连接的压缩机。在寒冷条件下,仅因MAC使用就可使BEV的续航里程减少高达50%。因此,节能型MAC系统对于提升电动车辆的续航里程至关重要。全球多项法规将MAC系统创新纳入CO2减排技术范畴,包括美国、中国、巴西、墨西哥以及欧盟(根据法规2019/631/EU纳入生态创新计划)。
文献综述发现了若干研究空白:缺乏对标准乘用车在行驶状态、特别是执行型式认证循环时的研究;缺乏可适用于多种动力总成和车型级别、需在部署前进行分级别校准的MAC能耗估算方法;缺乏在气候舱内使用底盘测功机对多辆车辆进行广泛实验以校准和验证仿真模型的案例;以及缺乏将车辆座舱和MAC系统整合的简化热建模方法(如集总电容法,LCM)。这些研究空白共同指向本研究的必要性:开发一种基于可靠、稳健且非耗时流程的验证估算方法,用于获取全球轻型车测试循环(WLTC)期间MAC系统的电能消耗,并适用于多种动力总成和车身形式。
**二、研究内容与结论**
本研究旨在估算MAC能量及CO2排放,主要目标包括获取多种动力总成和车辆尺寸下MAC系统可信的电能消耗值及相关的井到轮(Well-to-Wheel)CO2排放。次要目标是开发一个仿真工具,以补充缺乏MAC系统影响的车辆仿真器,如欧盟委员会的CO2MPAS、VDP工具或COPERT排放计算器。
研究人员开发了一个基于时间的1D热模型,用于仿真WLTC循环期间的车辆座舱温度和MAC系统参数(如功率消耗、累计能量和冷却时间)。该模型采用集总电容法、热平衡以及开源库CoolProp获取MAC制冷剂循环的热力学性质。仿真结构分为两个控制体积:车辆座舱(CV1)和移动空调系统(CV2)。CV1考虑座舱特性和尺寸、驾驶员设定的舒适温度、随时间变化的外部温度、湿度及与周围环境的短波和长波辐射交换,同时考虑驾驶员代谢热、空气泄漏、发动机舱和排气热量等热流。CV2采用R-1234yf制冷剂的半理想蒸气压缩制冷循环,并集成了比例-积分-微分(PID)控制器以调节制冷剂质量流量。
研究通过风洞试验、文献数据以及气候舱内底盘测功机WLTP测试进行了分步验证。实验在联合研究中心(JRC)的车辆排放实验室(VELA)进行,测试温度分别为35°C、28°C和22°C。模型使用六辆车的实验室测试数据进行校准和验证,共涉及14个测试案例。校准结果表明,在MAC关闭条件下,座舱温度仿真的均方误差(MSE)和均方根误差(RMSE)在35°C外部温度下均保持在0.6°C以下。MAC开启条件下,四个校准案例(案例7-10)的累计能量平均百分比误差(MSPE)在2.8%-5.2%之间。验证案例(案例11-14)中,MAC能耗预测误差MSPE在3%-12%之间,冷却时间预测在某些案例中显示出较大偏差,但总体能量估算稳健。
在35°C外部温度下,BEV的MAC能耗约为950 Wh,ICEV约为790 Wh,PHEV在CD和CS模式下分别约为760 Wh和260 Wh。对应的制冷CO2当量排放分别约为9.7、36、7.8和13.9 gCO2eq/km。研究表明,除外部温度外,初始座舱温度、座椅质量以及PID控制器增益是影响MAC能耗的参数,而座舱尺寸对MAC能耗的影响可忽略不计。MAC系统在BEV中增加了25%、ICEV中47%、PHEV CD模式21%、PHEV CS模式19%的WLTC CO2eq排放。该论文发表在《Energy Reports》。
**三、主要关键技术方法**
研究人员采用了以下主要技术方法:(1)集总电容法(LCM)对车辆座舱进行热建模,将座舱划分为外部空气、前座舱空气和后座舱空气三个节点;(2)半理想蒸气压缩制冷循环(sIVCRC)模拟MAC系统,使用R-1234yf制冷剂;(3)比例-积分-微分(PID)控制器与前馈控制结合,调节制冷剂质量流量;(4)风洞试验校准传热系数;(5)在VELA实验室的底盘测功机和气候舱内进行WLTC实验测试,使用K型热电偶测量座舱温度,通过OBD和电流钳获取车辆数据;(6)MATLAB中的fminsearch数值优化函数用于参数校准。
**四、研究结果**
**4.1 热模型验证**
模型通过四个新案例(案例11-14)进行验证,涉及两辆新车V5和V6,以及V4在CS模式下运行。验证测试在35°C和28°C外部温度下进行,后者未在标定中使用。案例11(BEV,MAC关闭)的温度误差极低(MSE=0.34°C,RMSE=0.42°C),表明无主动冷却负荷时热建模性能良好。案例12(BEV,MAC开启)的MAC能耗预测误差为MSPE=12%,但冷却时间被低估了742秒(MSPE=65%)。案例13(PHEV CS)的座舱温度预测准确(MSE=0.53°C),MAC能耗误差MSPE=12%。案例14(PHEV CS)在座舱温度预测方面误差最大(MSE=4.35°C),但累计MAC能耗误差极小(MSPE=3%)。总体而言,模型在大多数案例中表现出对MAC能耗和冷却时间的良好预测性能,特别是在中等环境条件和小型压缩机情况下。
**4.2 热模型局限性**
制冷循环采用半理想方法建模,假设等熵压缩并忽略压力损失和瞬态制冷剂动态。蒸发器上的湿气凝结被忽略。模型假设执行器瞬时响应,忽略了压缩机或膨胀阀动态的短期延迟。由于内部制冷循环量(COP、蒸发器和冷凝器传热率、制冷剂质量流量)无法在实验中直接测量,存在可识别性风险。研究人员采用两阶段校准程序(先MAC关闭后MAC开启)来降低该风险。
**4.3 MAC系统CO2影响**
研究从井到轮(WtW)层面评估MAC CO2eq排放。ICEV中,机械空调压缩机通过皮带连接给发动机增加额外负荷。BEV和PHEV CD模式中,电动压缩机由高压电池供电,零尾气排放(TtW),其CO2eq影响仅限于电力生产、供应和分配的排放(WtT)。PHEV CS模式中,内燃机驱动发电机为高压电池充电,进而为电动压缩机供电。研究采用了欧盟特定燃料混合的碳强度排放因子:柴油95.1 gCO2eq/MJ,汽油93.3 gCO2eq/MJ,欧盟27国2023年电力排放因子为207.1 gCO2eq/kWh。
结果表明,C级ICEV的MAC CO2eq排放最高(36.01 g/km),C级PHEV CS模式为13.96 g/km,电动SUV(BEV和PHEV CD)在7.8-9.7 g/km之间。与WLTP型式认证CO2排放相比,MAC系统额外增加了BEV 25%、ICEV 47%、PHEV CD模式21%、PHEV CS模式19%的CO2eq排放。
**五、结论翻译**
本研究成功实现了目标:获得了多种车辆动力总成和级别的MAC电能及相关CO2排放。所提出的基于时间的1D热模型能在暖外部条件下真实预测车辆MAC系统在WLTC期间的累计能耗。14个案例的研究证明了该模型预测座舱空气温度和MAC系统性能的能力。MAC关闭条件下低温误差证实了车辆座舱热模型的物理准确性,而MAC开启时紧致的能量误差裕度表明控制逻辑和系统响应得到了充分捕获。
从仿真模型分析结果得出以下结论:模型与13/14个测试案例的仿真和实测座舱空气温度良好吻合;所有案例的MAC累计能耗均得到正确预测;MAC冷却时间的预测精度不高,主要由于潜在的温度控制策略差异;风洞验证为获取实验传热系数提供了首次尝试,但最终采用理论值,且相比其他参数(如座舱内部热容量)影响不显著;35°C下座舱制冷的CO2当量排放因案例不同在3.8至36.01 gCO2eq/km之间变化;PHEV CS模式中的空调压缩机消耗不到PHEV CD模式的一半,但考虑动力总成能效时其MAC能耗与电动车辆相似;电动车辆(BEV和PHEV CD)的MAC制冷模式不一定是低排放运行,特别是电力结构碳密集时;预测WLTC期间MAC系统的影响使得研究降低MAC能耗的方法成为可能,如实施不同控制策略、使用更好绝缘的座舱材料或提高循环和/或部件效率。与先前研究相比,本工作证明了简化但物理一致的模型能够以足够精度再现稳态和瞬态座舱热行为以估算MAC能耗,展现了该模型作为大规模车辆能量分析的宏观能量估算工具的潜力。