תפקידה של Software Algorithms ב- Electric Vehicle Efficiency

כלי רכב חשמליים (EVs) עברו מסקרנות נישה לתחבורה הזרם המרכזי, המונעת בעיקר על ידי התקדמות בכימיה של סוללות והנדסה של כוח כוח.אבל אחד התורמים המיותרים ביותר לביצוע EV הוא התוכנה שמשלטת כיצד אנרגיה זורם דרך הרכב. EV מודרניים אינם רק מנועים חשמליים עטוף בגוף; הם מכונות מוגדרות תוכנה שבו אלגוריתמים מכתיבים יעילות, וארוכותרות זמן רב כיצד בעלי אנרגיה חיוניים אלה מאמצים אנרגיה בהווה.

צריכת האנרגיה ב EV היא המוצר של גורמים מתחרים רבים: יעילות מוטורית, גרור אווירודינמיקה, התנגדות מתגלגל, עומסים עזר (HVAC, Infotainmenttainment), וסגנון הנהיגה. אלגוריתמים תוכנה קושרים את הגורמים האלה יחד, ומקבלים החלטות בזמן אמת שיכולות לבזבז או לשמר קילווואט שעות (HVAC), ההבדל בין אלגוריתם מאויש היטב ובינוני אנרגיה יכול להיות הרבה כמו 20 - 30% בתנאים מסוימים:

Core Algorith Domains in a EV

כדי להעריך את רוחב ההשפעה של התוכנה, זה עוזר לשבור את המערכות העיקריות לצרוך או לנהל אנרגיה. כל דומיין מעסיק את סט האלגוריתמים שלו, אבל הם מתקשרים יותר ויותר לתאם אחד עם השני באמצעות מערכות ניהול אנרגיה בכל רכב.

מערכות ניהול סוללות

מערכת ניהול סוללות (BMS) היא ככל הנראה רכיב התוכנה הקריטי ביותר.אלגוריתמים שלה מבצעים שלושה פונקציות חיוניות: ניטור מדינות תאים (מתח, טמפרטורה, זרם), איזון מטען תא, והגנה מפני תנאים לא בטוחים. אלגוריתמי BMS מודרניים משתמשים במודלים של אלקטרוכימיה סוללות כדי להעריך מצב של מטען (SoC) ומצב בריאות מואץ (SoC) עם דיוק גבוה. 1% ב SoCestimation יכול להוביל להורדת יכולת הפחתת או ירידה בלתי אפשרית של .

מעבר להערכה, אלגוריתמי BMS שולטים בטעינה ובפרופילים של פרופילים.לדוגמה, במהלך גינון מחדש, האלגוריתם חייב להחליט כמה נוכחי לקבל על בסיס טמפרטורת תאים וגיל.קבל גבוה מדי זרם לתוך סוללה קרה יכול לגרום ליתיום בשפע, צמצום קבוע של קיבולת של אלגוריתמים אלה לקרות במכלות, ומשפיע ישירות על יעילות בעולם האמיתי וסולפני החיים שפורסם ב-FIRRE: 40% מ-JR.

Regenerative Braking Optimization

חידושים מחדש מחלימים אנרגיה קינטית במהלך הדסלרציה וממירים אותה בחזרה לחשמל.אבל הפעולה הפשוטה של הפעלת מערכת הגנגן אינה מספיקה – האלגוריתם חייב להחליט כמה כוח מבהיל ליישם, כיצד לשלב אותה עם בלמים חיכוך, ומתי להתפורר כדי להימנע מכישלון נהיגה או אובדן יעילות.

אלגוריתמים מתקדמים משלבים כעת נתונים של GPS ומצלמות.לדוגמה, אם המכונית יודעת שהיא מתקרבת לדרגה במורד ההר, היא יכולה להגדיל את ההתחדשות לפני-מספקית כדי ללכוד אנרגיה שאחרת תיאבד.מצב "הישן" של טסלה, המאפשר נהיגה חד-לשונית אחת, משתמשת באלגוריתם מנבאי, אשר מתואם את הגניגן מחדש על בסיס תנועה ותנועה, בדומה ל-FLT%: 1.

בקרת מנועים ומניעים

המנוע החשמלי והעוצב שלו נשלטים על ידי אלגוריתמים שקבעו את פקודות ה- torque ומהירות.התוכנית הנפוצה ביותר היא שליטה מוכוונת שדה (FOC), אשר הופכת את זרמי שלוש-phase לתוך שדה מגנטי רוטט עם מומנט מקסימלי ל- ampere. אלגוריתמים מתקדמים יותר, כגון בקרת חיזוי מודל (MPC), דרישות עומס עתידיות והתאמה של שינויים לצמצום ההפסדים בסיליקון של חומרים מ-Fgates (CBTs) או סיליקון (CBTs) או סיליקון) (CBTs)

רווחי יעילות ברמת המנוע עשויים להיראות שוליים – לעתים קרובות 1–3% – אבל אלה מוסיפים יותר ממיליוני מהפכות.יתר על כן, אלגוריתמים שמשתנים באופן דינמי את השטף של המנוע, כגון אלה המשמשים ב-FLT:0Tesla Model 3FLT:1, מאפשרים המנוע לפעול ליד יעילות השיא שלו בטווח רחב יותר של מהירות.

התנהגות נהיגה ואופטימיזציה של כביש

אלגוריתמים האינטראקציה עם הנהג - ולפעמים קלטות נהיגה יתר - הם אולי ההשפעה הגלויה ביותר על צריכת אנרגיה.קטגוריה זו כוללת מצבי נהיגה מתאימים, ניהול אנרגיה חיזוי, ותכנון נתיב עם נתוני גובה ותנועה.

מצבי נהיגה הסתגלות

רוב EVs מציעים מצב "Eco" או "Range" שמשכך תגובה של חצץ, מפחית את כוח HVAC, ומגדיל את ההתחדשות. מאחורי הקלעים, אלגוריתמים הסתגלות מנתחים לאחרונה נתונים נהיגה כדי ליצור פרופיל יעילות מותאם אישית.לדוגמה, אם נהג מאיץ באופן קבוע מאורות עצירה, האלגוריתם עשוי לפני תנאי הסוללה כדי לקבל זרמי מחדש גבוהים יותר או להגביל את הכוח כדי לעודד עדינה.

כמה כלי רכב, כמו ההרחבה:0 (Ford Mustang Mach-EveFLT) 1:1, השתמש בתכונה "אינטליגנטית טווח" אשר לומדת מסגנון הנהיגה ותנאים חיצוניים כדי לעדכן את הטווח הערכה בזמן אמת.זה לא רק מד תיקון מדד - האלגוריתם למעשה מאמת את מגבלות הכוח ותזמון HVAC כדי להבטיח שהנהג יגיע ליעד בעוד שהוא עלול להתגבר על מגבלות האנרגיה, אלא מעודדות ברירת מחדל ללא מגבלות ברירת מחדל.

ניהול אנרגיה

הגביע הקדוש של תוכנת EV הוא ניהול אנרגיה צפוי המשתמש למידת מכונה כדי לצפות את העתיד.על ידי שילוב GPS, נתוני נהיגה היסטוריים, הזנות תנועה, ותחזיות מזג אוויר, הרכב יכול להחליט את העודף האופטימלי בין פלט המנוע ושימוש בסוללה.לדוגמה, אלגוריתם צפוי עשוי להגדיל את טמפרטורת התא בעוד המכונית עדיין מחוברת (המכונה תנאי מקדים) כדי למנוע את הכוח מאוחר יותר בטיול.

פורשה (FLT:0)TaycanFLT:1eur מציע "מנהל טווח רכזי אינסטיגנטי" המשתמש בגבהים ומגבלות מהירות כדי לתכנן מתי להשתמש בכוח המלא של המנוע וכאשר לחוף, במבחן עולם אמיתי על ידי FLT:2Car ו-DriveFLT 3:, התכונה הוסיפה בערך 10% על מסלול הררי בהשוואה להובלתו ללא זהה, באופן קבוע, ניתן להתאים את הדימום ולהפחית את הפחתת ה"תחילוץ"מחדש" (BMW).

ניהול אלגוריתמים

סוללות ומנועים מבצעים את הטוב ביותר בתוך חלון טמפרטורה צר - מורכב 20-40 ° C (68-104 °F) אלגוריתמי ניהול תרמית להחליט מתי להפעיל את המשאבה הקרירה, לפתוח שסתום לרדיונר, או לעסוק תנור חשמלי או צמרמור.החלטות אלה יש השפעה ישירה על צריכת אנרגיה כי פעילות תרמית יכולה למשוך 1-5 קילוואט של כוח.

אלגוריתמים מצופים עומסים תרמיים נכנסים לדוגמה, אם המכונית עומדת לטפס על גבעה ארוכה, ייתכן שהיא תדח את הסוללה מעט כדי לעכב את תחילתה של טמפרטורות גבוהות. לחלופין, במזג אוויר קר, האלגוריתם עשוי לאפשר לסוללה להתחמם לאט באמצעות ההתנגדות הפנימית שלה ולא חום ייעודי, תוך כדי ירידה קצרה של יעילות לטווח ארוך עבור יכולת שמירה אווירית: 0, כלומר, מ- 30 אחוז של תאים חמים עד לחום, מ-Fallow עד כדי לחץ על ידי חום, שימוש ב-Fal יותר מאשר חום ו-Fallowed, כלומר, שימוש ב-tot:

השפעות על Over-the-Air Updates

אחד ההיבטים המהפכניים של תוכנת EV המודרנית הוא היכולת לשפר אלגוריתמים לאחר שהרכב עוזב את המפעל.Over-the-air (טא) עדכונים מאפשרים ליצרנים לייעל את הפרמטרים של ניהול האנרגיה, להחזיר את יכולת הסוללה, או אפילו לשנות את הדרך שבה מתעמדת מחדש של החברה.טסלה השתמשה בעדכונים של OTA כדי להגדיל את טווח ה-5% במודלים מסוימים פשוט על ידי מיפוי האלגוריתמים של הבקרה.

יצרני רכב אחרים, כולל:0 (RivianFLT:1 ופורד, עקבו אחר כך העדכונים של ריביאן OTA הציגו הגדרות רגן אגרסיביות יותר ומצב "Conserve" המקטין את מספר המנועים הפעילים על R1T המאולתר שלה, הפסדים טפילטיים כאלה הם רק אפשריים כי ארכיטקטורת האלגוריתם הבסיסית תוכנן עם גמישות בראש - שיעור של אלקטרוניקה לצרכנים.

ריג'ואטרים: כלי רכב לכל דבר (V2X)

ככל ש- EVs הופכים נפוצים יותר, אלגוריתמי התוכנה שלהם מתרחבים מעבר לרכב עצמו כדי לתקשר עם רשת החשמל.רכב-to-grid (V2G) ומערכות הרכב-לבית (V2H) משתמשים במטענים דו-כי-כיוכיים הנשלטים על ידי אלגוריתמים שהחליטו מתי לגבות ומתי לפטור על בסיס מחירי האנרגיה, עומס הרשת, ולוח הזמנים של הבעלים.

מחקר מ-FLT:0 , Lawrence ברקלי National LaboratoryFalLT:1 (ה-V2G) מצביע על כך שאלגוריתמים של V2G מותאמים להורדת עלויות האנרגיה השנתיות של בעל EV על ידי 300 $-600 דולר, תוך מתן שירותי ייצוב רשת.האלגוריתם חייב למקם את העלות של הסוללה עבור כל מחזור והשוואה אותו לרווחים הצפויים, מה שהופך את המסחר לבלתי נראה לנהג מסוג זה של אלגוריתם היחלשות כמו גם עבור אלגוריתם גמיש של אלגוריתם של אלגוריתם כמו גם עבור אחסון.

אינטליגנציה מלאכותית ולמידה של מכונות

הגבול הבא ב- EV אנרגיה אופטימיזציה הוא שילוב עמוק עם AI ולמידה מכונה.במקום אלגוריתמים מבוססים על כלל קבוע, מערכות עתידיות ילמדו מ- terabytes של נתונים נהיגה בעולם האמיתי כדי לגלות אסטרטגיות אופטימליות שהמהנדסים האנושיים עלולים להחמיץ.לדוגמה, רשתות עצביות יכולות לעבד מצלמה, Lidar ונתוני מכ"מ כדי לחזות תזמון אור תנועה, ולאחר מכן להתאים את המהירות כדי למנוע הפסקת - טכניקה המכונה "אופטימיזציה ירוקה" מחקר שנערך על ידי 2023FEE, לעומת זאת, יכול היה להפחית את דרכי בקרה עירונית.

למידת מכונה גם מאפשרת מודלים סוללתיים מותאמים אישית.כפי ש- BMS מאגד אלפי מחזורי טעינה בתשלום, היא יכולה לבנות תא דיגיטלי של תא הסוללה המנבא התנגדות פנימית ויכולת דוענת עם דיוק גבוה.התאום הדיגיטלי מאפשר לאלגוריתם להתאים את מגבלות הכוח באופן דינמי, להפיק אנרגיה רבה יותר מסוללה בת גיל ללא סיכון של חברות כמו BLT:0Ionoxalphralr 1FLT2, ו-Apivation for a: 30% מ-DNUMFeration for a Commercialeration for alen.

השלכות מעשיות עבור בעלי EV

עבור צרכנים, ההשפעה של אלגוריתמי תוכנה על צריכת אנרגיה מתורגמת להטבות מוחשיות: טווח ארוך יותר, עלויות ריצה נמוכות יותר, ופחות חרדה על תשתיות טעינה.עם זאת, לא כל EVs ליישם אלגוריתמים אלה באותה מידה. קונה צריך לחפש כלי רכב עם יכולת עדכון אנט, מערכת ניהול תרמי חזק, ובקרות רגנרטיביות שקוף להסתגל לתנאי נהיגה.

נהגים יכולים גם להשפיע על האופן שבו האלגוריתמים עובדים על ידי אימוץ הרגלים שנותנים את התוכנה יותר נתונים.שימוש בניווט עם תנועה בזמן אמת וקלטי גובה, שמירה על סגנון נהיגה עקבי, ותנאי מראש לתא בעודם מחוברים הם כל הפעולות המסייעות לאלגוריתמים לקבל החלטות טובות יותר.כמהנדס אחד ממכונת רכב מרכזית לשים אותו, "המכונית לומדת ממך אפילו כאשר אתה חושב שאתה רק נוהג."

אתגרים ומגבלות

למרות ההתקדמות, אופטימיזציה אלגוריתמית היא לא כדור כסף.מורכבות של שילוב של תת-מערכות מרובות יכול להציג באגים או אינטראקציות בלתי צפויות.לדוגמה, אלגוריתם regen אגרסיבי מדי עלול לגרום למכונית להרגיש jerky בהפסקת-and-go התנועה, נהגים מובילים כדי להסיט אותו באופן דומה, כמה אלגוריתמים מנבאים מסתמכים על קישוריות בענן; אם טיפות החיבור, יעילות עשויה לחזור לכדי בסיס אופטימלי, עלולים פחות, לא למזער את יכולת בריאותית, לא רק בטווח הפיזי.

חששות רגולטוריות ואבטחת סייבר גם מטילים מגבלות. OTA עדכונים יש לבחון בקפידה וחתומה כדי למנוע קוד זדוני לשבש את בקרת הרכב.האלגוריתמים חייבים לציית לסטנדרטים בטיחותיים כגון ISO 26262, הדורשים התנהגות לא בטוחה גם כאשר קלטות חיישן מושחתות.דרישות אלה מגבירות את זמן הפיתוח ועלות, אך הם גם להבטיח כי התוכנה חזקה מספיק עבור פריסה המונית.

הדרך Ahead

ככל שעלויות הסוללה ממשיכות ליפול ואימוץ EV מאיצים, המדריקטור התחרותי יעבור יותר ויותר מדגימות חומרה למודיעין תוכנה.אלגוריסתים שיכולים ללסחוט טווח של 10% נוסף מאותה חבילת סוללות יהיה שווה מיליארדים בהימנעות מעלויות חומריות גולמיות ומורכבות ייצור יתר על כן, ההתכנסות של נהיגה אוטונומית ואופטימיזציה אנרגיה ייצור ייצור כלי רכב שלא רק יסיעו את עצמם אלא גם יתכנן כל האצה ודה למקסימום יעילות מקצועית - כמו היפר-הרבה יותר.

כבר, חברות כמו FLT:0 eslaFLT:1 â ¢ משלבות תכנון נתיב עם סוללה תרמית ריאה כך המכונית מגיעה על מטען סופר עם הסוללה בטמפרטורה האידיאלית עבור טעינה מהירה, צמצום זמן הנסיעה הכולל. אלגוריתמי הדור הבא יגרור בעוצמת פחמן, טעינה תנודתיות מחירים, ואפילו את ללבוש ודמיע על צמיגות ו הבלמים החשמליים של העתיד לא רק נראה אופטימיזציה של שיטות מדעיות כמו היום.

עבור עכשיו, כל בעל EV יכול להפיק תועלת מהבנה כי טווח המכונית שלהם אינו קבוע אלא מעוצב על ידי שורות קוד. על ידי תשומת לב כיצד תוכנה משפיעה על צריכת אנרגיה, נהגים יכולים לעשות בחירות מושכלות על בחירת רכב, שימוש בתכונות, הרגלי היומיום - לעתים קרובות מקבל את המרב של ההשקעה החשמלית שלהם תוך תרומה למערכת אקולוגית תחבורה בת קיימא יותר.

המספרים מדברים בעד עצמם: אלגוריתמים מתקדמים מספקים באופן עקבי 10-30% שיפורים ביעילות בעולם האמיתי בהשוואה לפקדים הבסיס.כפי שהטכנולוגיה הזו בוגרת ומתפשטת בכל מגזרי המחירים, הפער בין היעילות הטובה והגרועה ביותר של EV יצמצם – לא משום שחומרה תופסת, אלא משום שתוכנה הופכת לשווה ערך אוניברסלי.