Entwurf einer modellprädiktiven Regelung zur Klimatisierung batterieelektrischer Fahrzeuge durch Verfahren des maschinellen Lernens

Im Vergleich zu verbrennungsmotorisch betriebenen Fahrzeugen weisen batterieelektrisch betriebene Elektrofahrzeuge (BEV) eine signifikant geringere Reichweite auf. Die Innenraumklimatisierung stellt neben dem Antrieb den zweitgrößten Verbraucher in Elektrofahrzeugen dar. Eine Optimierung im Sinne von Maßnahmen zur Reduzierung des Energiebedarfs der Innenraumklimatisierung kann daher wesentlich zur Reichweitensteigerung und somit auch der Marktdurchdringung dieser Technologie beitragen. Der Einsatz einer intelligenten Betriebsstrategie stellt eine kostengünstige Möglichkeit dar, die Effizienz des Gesamtsystems zu steigern und so zur Steigerung der Reichweite batterieelektrisch betriebener Elektrofahrzeuge beizutragen. Ein Ansatz zur Ausschöpfung des vorhandenen Optimierungspotentials im Bereich der Fahrzeugklimatisierung ist die Verwendung Modelprädiktiver Regelungen. Im Rahmen dieser Arbeit wurde für eine temperaturgeführte Regelung einer Einzonen-Klimaanlage ein Lösungskonzept zur Umsetzung eines modellprädiktiven Ansatzes basierend auf Verfahren des maschinellen Lernens entwickelt. Der Fokus lag hierbei auf einer Reduzierung des Energiebedarfs bei gleichzeitiger Erfüllung der übernommenen Anforderungen an die konventionelle Regelung. Das Vor-gehen in dieser Arbeit basiert auf dem Ist-Zustand-orientierten Vorgehen im Mikrozyklus gemäß VDI-Richtlinie 2206.