Drive systems optimization in electric, hybrid and fuel cell vehicles

(English) We are currently immersed in the fourth industrial revolution that involves, among others, technology to prevent climate change, transformation of the transport sector, digitization and artificial intelligence. An important question regarding vehicles design optimization and environmental care are energy management strategy and efficiency determination. There are different types of technology to alleviate this problem such as those used in pure electric, hybrid, plug-in hybrid or fuel cell vehicles. Automotive brands work with a wide range of technologies and electrified mobility is considered to be one of the solutions to the growing environmental question. My doctoral thesis contributes to technological development, to accelerate the design of ecological vehicles and to its introduction in smart cities. It is presented a novel approach to a model that forecasts specifications data of a future car to allow finding its optimal structure regarding its volume, weight and/or cost to reduce any social, environmental and/or economic impacts and, consequently, mitigates climate change and contributes to general conservation strategies. The objective of my doctoral thesis is to develop a flexible, expandable and simple mathematical methodology of vehicle design optimization, capable to maximize a vehicle range with finest computational effort, thanks to a genetic algorithm, and to give predictive information to minimize cost, volume and weight of the drive-train in vehicle structure and according to the designer’s desire. Initially, the desired range, specifications, and architecture of the vehicle must be known, as well as the drive cycle (time and speed). The reliability of the system has been verified making a component-to-component revision through commercially available 4-wheeled vehicles (e.g. Tesla X P90D, MIA electric, Twizy 45 and Twizy 80, BMW i3 Rex, Toyota Prius, Ford C-MAX Energi, Toyota Mirai, etc.) taking into account their technical specifications such as electric motor type (e.g. induction, permanent magnet and hybrid electric motor), technology of energy storage system (e.g. NiMH or lithium-ion battery and fuel cell), with different degrees of electrification (e.g. pure electric vehicle, series/parallel/series-parallel (plug-in) hybrid electric vehicle and fuel cell vehicle) and their category (light quadricycle [L6e], heavy quadricycle [L7e], passenger cars [M1], vans [N1] and low-speed vehicle) for different well-known/standard (i.e. EPA cycle, NEDC, JC08, WLTP, etc.) or customised drive cycles. All requisite data gathered is fed into the genetic algorithm to obtain the results. The methodology returns to the user the best choice, taking into account the desired requirements, in relation to the technology of the electric motor and the energy storage system, the price of each of them in ,€their volume in m3 and their weight in kg. Besides, an analysis of vehicle efficiency, energy consumption, battery and fuel cells costs and energy densities, electric motor costs and power densities is performed. Calculation of the carbon dioxide (CO2) formed from producing the electricity necessary to charge the batteries or produce H2 for the fuel cells. This information also helps designers when deciding the structure of a vehicle if they cannot decide on the primary energy source from which electricity is obtained. The results obtained demonstrates that the model is capable to give a result with great effectiveness and efficiency because the dispersion of the values of the discrepancy between real values and the calculated ones is less than 15 %. The future research work is going to be focused on expanding the casuistry in relation to vehicle configurations and the number of components that make up the drive train of an EV, (P)HEV and FCV. It is also planned to develop an application with the procedure and developed software. (Català) Actualment estem immersos a la quarta revolució industrial que implica, entre d'altres, tecnologia per tal de prevenir el canvi climàtic, la transformació del sector del transport, la digitalització i la intel·ligència artificial. Una qüestió important en relació a l'optimització del disseny de vehicles i la cura del medi ambient són l'estratègia de gestió d'energia i la determinació de l'eficiència. Hi ha diferents tipus de tecnologia per a pal·liar aquesta problemática, com aquelles que s'utilitzen en vehicles elèctrics purs, híbrids, híbrids endollables o amb cel·les de combustible. Les marques automobílistiques treballen amb una àmplia gamma de tecnologies i es considera que la mobilitat electrificada és una de les solucions a la creixent qüestió mediambiental. La meva tesi doctoral pretén contribuir al desenvolupament tecnològic, a accelerar el disseny de vehicles ecològics i a la seva introducció a les ciutats intel·ligents o smart cities. Es presenta un nou enfocament d'un model que prediu les especificacions d'un futur vehicle per a permetre trobar la seva estructura òptima en relació al seu volum, pes i/o cost per reduir els impactes socials, ambientals i/o econòmics i, en conseqüència, mitigar el canvi climàtic i contribueix a les estratègies generals de conservació. L'objectiu de la meva tesi doctoral és desenvolupar una metodologia matemàtica flexible, ampliable i senzilla d'optimització del disseny de vehicles, capaç de maximitzar l'abast de vehicles amb el màxim esforç computacional, gràcies a un algoritme genètic i de proporcionar informació predictiva per a minimitzar el cost, el volum i el pes del tren de tracció a l'estructura del vehicle tot seguint el desig del/de la dissenyador/a. A més, es realitza una anàlisi de l'eficiència del vehicle, el consum d'energia, els costos de la bateria i les cel·les de combustible, les densitats d'energia, els costos del motor elèctric i les densitats de potència. També es proporciona el càlcul del CO2 originat en el procés de producció d'electricitat. La fiabilitat del sistema s'ha comprovat tot fent una revisió component a component mitjançant vehicles de 4 rodes disponibles al mercat (per exemple, Tesla X P90D, MIA electric, Twizy 45 i Twizy 80, BMW i3 Rex, Toyota Prius, Ford C-MAX Energi , Toyota Mirai, etc.) tot tenint en compte les seves especificacions tècniques com ara el tipus de motor elèctric (per exemple, d'inducció, imant permanent i motor elèctric híbrid), la tecnologia del sistema d'emmagatzematge d'energia (per exemple, NiMH o bateria de ions de liti i pila de combustible), amb diferents graus d'electrificació (p. ex. vehicle elèctric pur, (endollable o plug-in) vehicle elèctric híbrid sèrie / paral·lel / sèrie-paral·lel i vehicle amb pila de combustible) i la seva categoria (quadricicle lleuger [L6e], quadricicle pesat [L7e], turismes [M1] , furgonetes [N1] i vehicles de baixa velocitat [LSV]) per a diferents cicles coneguts / estàndards (és a dir, cicle EPA, NEDC, JC08, WLTP, etc.) o cicles personalitzats. Els resultats obtinguts demostren que el model és capaç de donar un resultat amb gran eficàcia i eficiència perquè la discrepància entre els valors reals i els calculats és inferior al 15 %. El futur treball de recerca se centrarà en l'ampliació de la casuística en relació a les configuracions dels vehicles i el nombre de components que componen el tren motriu d'un EV, (P)HEV i FCV. També es preveu desenvolupar una aplicació amb el procediment i programari desenvolupat.