View
215
Download
3
Category
Preview:
Citation preview
Configuração Óptima de um Autocarro Híbrido a
Hidrogénio para Frotas Urbanas: caso de estudo Lisboa e
Funchal
Paulo Dinis Batista Silva Melo
Dissertação para obtenção do grau de Mestre em
Engenharia Mecânica
Orientadora: Doutora Carla Alexandra Monteiro da Silva
Júri
Presidente: Professor Mário Manuel Gonçalves da Costa
Orientador: Doutora Carla Alexandra Monteiro da Silva
Vogal: Doutor Gonçalo Nuno Antunes Gonçalves
Outubro 2014
i
Agradecimentos
As minhas primeiras palavras de agradecimento vão para os meus pais que sempre acreditaram em
mim e que me deram apoio incondicional.
Gostaria de agradecer também á Dr.ª Carla Silva pela oportunidade de realizar esta dissertação e em
especial ao João Ribau pela ajuda e total disponibilidade e aconselhamento.
ii
iii
Resumo
Esta dissertação teve como objectivo optimizar a estratégia de gestão de energia de um autocarro
híbrido a pilha de hidrogénio (FC-HEV) para um ciclo de condução oficial e quatro ciclos de condução
reais localizados nas cidades de Lisboa, Porto e Funchal, com e sem passageiros.
Para tal, utilizou-se um algoritmo genético (AG) a funcionar em conjunto com um software de simulação
de veículos, ADVISOR, para optimizar parâmetros de estratégia de gestão de energia, como o nível de
carga das baterias (SOC), a potência pedida á pilha de hidrogénio e a taxa de resposta da pilha de
hidrogénio no que diz respeito á potência requerida. O objectivo de optimização foi o de minimizar o
consumo de hidrogénio.
Utilizou-se, também para efectuar a optimização, uma ferramenta do ADVISOR para efeitos de
comparação entre ferramentas de optimização.
Simulou-se um autocarro convencional com motor de combustão interna Diesel (ICE) semelhante ao
autocarro (FC-HEV) excepto no grupo motopropulsor para efeitos de comparação.
Verificou-se que houve, em geral, uma redução do consumo de energia do autocarro híbrido a
hidrogénio em relação ao autocarro Diesel.
Para além das vantagens inerentes ao veículo híbrido relativamente ao convencional, foi possível
optimizar os parâmetros da estratégia de gestão de energia em alguns ciclos de condução, reduzindo
ainda mais o consumo de combustível.
Palavras-chave: Autocarro Híbrido, Pilha de Hidrogénio, Estratégia de Gestão de Energia,
Algoritmo Genético, Consumo de combustível.
iv
v
Abstract
The aim of this study was to optimize the parameters of the energy management strategy of a hydrogen
powered fuel cell hybrid bus with an official driving cycle and four real driving cycles in the cities of
Lisbon, Porto and Funchal with and without passengers.
To this end, a genetic algorithm was used operating in conjunction with a vehicle simulation software,
ADVISOR, to optimize the parameters of the energy management strategy like the charge level of the
batteries, the power required from the fuel cell and the rate of power delivered of the fuel cell. The
optimization objective regarded to minimize the hydrogen consumption.
An optimization tool from Advisor was also addressed for comparison purposes.
A conventional internal combustion Diesel engine, similar to the hybrid bus except on the powertrain,
was simulated for comparison purposes. It was found that there was in general a reduction of the energy
consumption of the hybrid bus relatively the conventional Diesel bus.
Moreover, after the optimization of the energy management parameters of the hybrid bus further
improvments could be achieved regarding the fuel consumption in some driving cycles.
Keywords: Hybrid bus, Fuel cell, Energy Management Strategy, Genetic Algorithm, Fuel
consumption.
vi
vii
Índice
Agradecimentos .................................................................................................................................i
Resumo............................................................................................................................................ iii
Abstract .............................................................................................................................................v
Índice de Figuras ..............................................................................................................................x
Índice de Tabelas ........................................................................................................................... xv
Índice de Equações ...................................................................................................................... xvii
Simbologia e Abreviaturas ............................................................................................................. xix
1 Introdução ..................................................................................................................................... 1
1.1 Enquadramento ..................................................................................................................... 2
1.2 Objectivos .............................................................................................................................. 5
1.3 Organização da dissertação .................................................................................................. 5
2 Estado da arte .............................................................................................................................. 6
2.1 Veículos híbridos ................................................................................................................... 6
2.1.1 Gestão de energia dos HEV’s e PHEV’s ...................................................................... 10
2.1.2 Componentes utilizados em veículos híbridos ............................................................. 11
2.1.3 Veículos híbridos com pilha de hidrogénio ................................................................... 14
2.1.4 Estudos existentes de autocarros com propulsão a pilha de hidrogénio ..................... 17
2.2 Software de simulação de veículos ..................................................................................... 18
2.3 Optimização da EGE de HEV’s ........................................................................................... 20
3 Metodologia ................................................................................................................................ 21
3.1 Ciclos de condução ............................................................................................................. 22
3.1.1 Ciclo sintético ................................................................................................................ 23
3.1.2 Ciclos reais ................................................................................................................... 23
3.2 Veículo de referência – Autocarro Diesel ICEV .................................................................. 34
3.3 Veículo de referência-Autocarro FC-HEV ........................................................................... 35
3.3.1 Mercedes CitaroFuelCELL - Hybrid .............................................................................. 35
3.3.2 Estratégia de gestão de energia a optimizar ................................................................ 37
3.4 Sofware de simulação de veículos rodoviários - ADVISOR ................................................ 39
3.5 Algoritmo de Optimização - Algoritmo Genético ................................................................. 43
3.6 Consumo de Hidrogénio corrigido ....................................................................................... 46
viii
4. Resultados ................................................................................................................................. 48
4.1 Simulação dos autocarros de referência ............................................................................. 49
4.1.1 Simulação sem passageiros ......................................................................................... 49
4.1.2 Simulação com passageiros ......................................................................................... 53
4.2 Optimização ......................................................................................................................... 57
4.2.1 Ferramenta de optimização do ADVISOR. .................................................................. 57
4.2.2 Optimização com o algoritmo genético. ....................................................................... 58
5 Discussão ................................................................................................................................... 59
5.1 Influência dos ciclos de condução e passageiros nas simulações dos veículos de referência.
........................................................................................................................................................... 60
5.2 Optimização da EGE do FC-HEV de referência ................................................................. 62
6 Conclusões e direcções futuras ................................................................................................. 66
6.1 Conclusões .............................................................................................................................. 67
6.2 Direcções futuras ..................................................................................................................... 68
7 Referencias Bibliográficas .......................................................................................................... 69
Anexo A - Características de diferentes pilhas de H2.................................................................... 72
ix
x
Índice de Figuras
Figura 1:Consumo final de energia por sector em Portugal. ........................................................... 2
Figura 2:Consumo de energia final em 2011 por tipo de transporte em Portugal. ......................... 3
Figura 3:Configuração em série de um HEV ................................................................................... 8
Figura 4:Configuração em paralelo de um HEV .............................................................................. 8
Figura 5: Configuração em Série/Paralelo de um HEV. .................................................................. 9
Figura 6:Estado de Carga de uma Bateria (PHEV e HEV) ........................................................... 10
Figura 7:Evolução de algumas características de uma bateria de Lítio. Esquerda: corrente e
eficiência de carga/descarga. Direita: SOC, Resistência e temperatura .............................................. 13
Figura 8:Diagrama de Ragone para diferentes tecnologias alvo de armazenamento de energia em
veículos. Densidade de energia e densidade de potência máxima, e o tempo de transferência de
energia em carga ou descarga .............................................................................................................. 13
Figura 9: Alguns valores de diferentes tecnologias de armazenamento de energia. Os valores
apresentados podem sofrer alterações com o decorrer do tempo, e também podem depender das
aplicações e construção ........................................................................................................................ 14
Figura 10: Configuração de um FC-HEV. ...................................................................................... 15
Figura 11:Esquema de uma célula de H2 ...................................................................................... 16
Figura 12:Reacções de várias pilhas de H2 .................................................................................. 17
Figura 13:Ilustração da inclinação da estrada entre pontos medidos por GPS ............................ 22
Figura 15:Mapa do percurso STCP_303 ....................................................................................... 24
Figura 16: Velocidade em função do tempo STCP_303. .............................................................. 24
Figura 17: Velocidade em função do peso total dos passageiros STCP_303.. ............................ 24
Figura 18: Declive em função do tempo STCP_303.. ................................................................... 25
Figura 19: Carga em função do tempo STCP_303. ...................................................................... 25
Figura 20: Mapa do percurso Carris 728. ...................................................................................... 26
Figura 21: Velocidade em função do tempo Carris 728. ............................................................... 26
Figura 22: Velocidade em função da carga Carris 728.. ............................................................... 26
Figura 23: Declive em função da distância percorrida Carris 728. ............................................... 27
Figura 24: Carga em função do tempo Carris 728 ........................................................................ 27
Figura 25: Mapa do percurso Linha HF-24 ................................................................................... 28
Figura 26: Velocidade em função do tempo Linha HF-24. ............................................................ 28
Figura 27: Declive em função da distância Linha HF-24.. ............................................................. 28
Figura 28: Velocidade em função da carga Linha HF-24.. ............................................................ 29
Figura 29: Carga em função do tempo HF-24.. ............................................................................. 29
Figura 30: Mapa do percurso Linha HF-21.................................................................................... 30
Figura 31: Velocidade em função do tempo Linha HF-21. ............................................................ 30
Figura 32: Velocidade em função da carga Linha HF-21. ............................................................. 30
Figura 33: Declive em função da distância Linha HF-21. .............................................................. 31
Figura 34: Carga em função do tempo Linha HF-21. .................................................................... 31
xi
Figura 35: Número de paragens (esquerda) e tempo ao ralenti (direita) por quilómetro. ............. 32
Figura 36: Velocidade média (esquerda) e acelerações máximas e médias (direita) de cada ciclo.
............................................................................................................................................................... 33
Figura 37: Inclinações máximas e médias de cada ciclo.. ............................................................ 33
Figura 38: Mercedes Citaro ICEV.. ................................................................................................ 34
Figura 39: Mercedes Citaro FuelCELL –Hybrid.. .......................................................................... 35
Figura 40: Intervalo de eficiência óptima das baterias.. ................................................................ 37
Figura 41:Intervalo de eficiência óptima de uma pilha de H2 ........................................................ 38
Figura 42: Imagem do layout do ADVISOR. Primeira janela: Escolha dos componentes do veículo,
e inserção dos dados e valores nominais para cada componente. ...................................................... 39
Figura 43:Segunda janela do layout do ADVISOR: Escolha do ciclo de condução a utilizar na
simulação, condições iniciais do veículo e optimização dos parâmetros dos componentes e estratégia
de gestão de energia ............................................................................................................................. 40
Figura 44:Resultados de uma simulação ...................................................................................... 41
Figura 45:Diagrama de blocos do Simulink/MATLAB que rege a simulação do ADVISOR. ........ 42
Figura 46:Exemplo do layout do campo de optimização paramétrica do ADVISOR. ................... 42
Figura 47: Condições de temperatura ambientais dos componentes dos veículos simulados. ... 43
Figura 48: Exemplo da criação de soluções descendentes (crossover) no AG............................ 45
Figura 49:Exemplo da mutação (de um gene apenas, “mutated bit”) de soluções descendentes no
AG. ......................................................................................................................................................... 45
Figura 50: Esquema do AG. .......................................................................................................... 46
Figura 51:Nível de SOC nas simulações e perfil de velocidade e de declive da estrada do ciclo
ETC sem passageiros. .......................................................................................................................... 50
Figura 52: Nível de SOC nas simulações e perfil de velocidade e de declive da estrada do ciclo
STCP_303 sem passageiros. ................................................................................................................ 50
Figura 53: Nível de SOC nas simulações e perfil de velocidade e de declive da estrada do ciclo
Carris_728 sem passageiros. ................................................................................................................ 51
Figura 54: Nível de SOC nas simulações e perfil de velocidade e de declive da estrada do ciclo
HF_21 sem passageiros. ....................................................................................................................... 51
Figura 55: Nível de SOC nas simulações e perfil de velocidade e de declive da estrada do ciclo
HF_24 sem passageiros. ....................................................................................................................... 52
Figura 56: Nível de SOC nas simulações e perfil de velocidade, declive da estrada e de peso
adicional dos passageiros do ciclo ETC com passageiros. .................................................................. 54
Figura 57: Nível de SOC nas simulações e perfil de velocidade, declive da estrada e de peso
adicional dos passageiros do do ciclo STCP_303 com passageiros. ................................................... 54
Figura 58: Nível de SOC nas simulações e perfil de velocidade, declive da estrada e de peso
adicional dos passageiros do ciclo Carris_728 com passageiros. ........................................................ 55
Figura 59: Nível de SOC nas simulações e perfil de velocidade, declive da estrada e de peso
adicional dos passageiros do ciclo HF_21 com passageiros. ............................................................... 56
xii
Figura 60: Nível de SOC nas simulações e perfil de velocidade, declive da estrada e de peso
adicional dos passageiros do ciclo HF_24 com passageiros. ............................................................... 56
Figura 61: Consumo de energia dos autocarros de referência (ICEV e FC-HEV) nos ciclos de
condução sem passageiros.. ................................................................................................................. 60
Figura 62: Consumo de energia dos autocarros de referência (ICEV e FC-HEV) nos ciclos de
condução com passageiros. .................................................................................................................. 60
Figura 63: Consumo de energia dos autocarros de referência (ICEV e FC-HEV) e dos autocarros
optimizados (FC-HEV ADVISOR e FC-HEV AG), nos ciclos de condução sem passageiros.. ........... 62
Figura 64: Consumo de energia dos autocarros de referência (ICEV e FC-HEV) e dos autocarros
optimizados (FC-HEV ADVISOR e FC-HEV AG), nos ciclos de condução com passageiros. ............ 62
xiii
xiv
Índice de Tabelas
Tabela 1:Estudos sobre autocarros movidos a H2. ....................................................................... 17
Tabela 2: Características dos diferentes ciclos de condução utilizados neste estudo. ................ 32
Tabela 3:Características principais do Mercedes Citaro ICEV . ................................................... 34
Tabela 4: Características principais do Mercedes CitaroFuelCELL-Hybrid. ................................. 36
Tabela 5: Limites das variáveis de decisão que definem os genes do AG.. ................................. 44
Tabela 6: Resultado das simulações obtidas no ADVISOR sem passageiros para o autocarro
convencional.. ........................................................................................................................................ 49
Tabela 7: Resultado das simulações obtidas no ADVISOR sem passageiros, limites do SOC obtido
das simulações e consumo corrigido, para o autocarro hibrido de referencia FC-HEV. ...................... 52
Tabela 8: Resultado das simulações obtidas no ADVISOR com passageiros. ............................ 52
Tabela 9: Resultado das simulações obtidas no ADVISOR com passageiros, limites do SOC obtido
das simulações e consumo corrigido. ................................................................................................... 56
Tabela 10: Resultado das optimizações paramétricas obtidas no ADVISOR sem passageiros. . 57
Tabela 11:Resultado das optimizações paramétricas obtidas no ADVISOR com passageiros. .. 58
Tabela 12:Parâmetros do EGE finais (melhores soluções/indivíduos alcançados) resultantes da
optimização com um AG que resultam em menor consumo de H2, sem passageiros. ....................... 58
Tabela 13:Parâmetros do EGE finais (melhores soluções/indivíduos alcançados) resultantes da
optimização com um AG que resultam em menor consumo de H2, com passageiros. ....................... 58
Tabela 14: Comparação do consumo de energia (MJ/km) para os ciclos de condução com e sem
passageiros. .......................................................................................................................................... 61
Tabela 15: Cromossoma final dos veículos óptimos, sem passageiros ....................................... 63
Tabela 16: Cromossoma final dos veículos óptimos, com passageiros. ...................................... 63
Tabela 17: Características das diferentes pilhas de H2. ............................................................... 72
xv
xvi
Índice de Equações
Equação 1: Cálculo da diferença entre o SOC inicial e o SOC final. ............................................ 47
Equação 2:Cálculo da correcção do consumo de H2. ................................................................... 47
Equação 3:Cálculo do consumo de H2 corrigido. .......................................................................... 47
xvii
xviii
Simbologia e Abreviaturas
AC- Na literatura inglesa Alternate Current, corrente alternada, associado ao tipo de motor
eléctrico: motor eléctrico de indução de corrente alternada.
AG- Algoritmo Genético.
Cap- Capacidade das baterias.
CD- Charge-Depleting.
CS- Charge Sustaining.
CSfall pwr rate - Taxa máxima da redução da mudança da potência requerida do sistema de pilha de
hidrogénio.
CSrise pwr rate - Taxa máxima do aumento da mudança da potência requerida do sistema de pilha
de hidrogénio.
CSmin pwr - Potência mínima óptima requerida da pilha de hidrogénio pelas baterias.
CSmax pwr - Potência máxima óptima solicitada da pilha de hidrogénio pelas baterias.
ESS- Energy Storage System, sistema de armazenamento de energia eléctrica (e.g. baterias).
EGE- Estratégia de Gestão de Energia.
EV- ElectricVehicle, veículo eléctrico, cuja motorização de tracção é um motor eléctrico.
FC- FuelCell,célula de combustível.
FC-HEV- Fuel CellHibridVehicle, veículo híbrido com pilha de hidrogénio.
FC-HEV GA- Veiculo híbrido com pilha de hidrogénio optimizado com um algoritmo genético.
FC-HEV ADVISOR- Veiculo híbrido com pilha de hidrogénio optimizado com o ADVISOR.
FCV- Fuel CellVehicle, veículo equipado com célula de combustível como fornecedor de energia.
GPS- Global PositioningSystem, sistema de posicionamento global, navegação por satélite.
H2- Hidrogénio.
HEV- HybridElectricVehicle, veículo eléctrico híbrido, tracção de motor eléctrico e com dois
sistemas de fornecimento de energia distintos.
ICEV- InternalCombustionEngineVehicle, veículo de motor de combustão interna.
Li- Lítio.
NEDC – New EuropeanDrivingCycle, ciclo de condução europeu (ciclo combinado) em
dinamómetro para veículos ligeiros.
Ni-Cd- Níquel-Cádmio, associado ao tipo de materiais activos da bateria.
Ni-Mh- Níquel-Hidreto metálico, associado ao tipo de materiais activos da bateria.
Pb- Chumbo.
PEM- Proton Exchange Membrane ou Polymer Electrolyte Membrane, tipo de célula de
combustível, célula de membrana eletrolíticapolimérica.
PEV- Plug-In Electric Vehicle, veículo eléctrico com opção de Plug-In, ou seja, carregamento
directo das baterias a partir da rede eléctrica.
PHEV- Plug-In Hybrid Electric Vehicle, veículo eléctrico híbrido com opção de Plug-In,
carregamento directo das baterias a partir da rede eléctrica.
xix
PHEV-FC- Veículo eléctrico híbrido com opção de Plug-In, em que o sistema de fornecimento de
energia é uma pilha de combustível, para além das baterias.
SOC- State of Charge, estado de carga da bateria.
SOChi - Nível superior do estado de carga desejado para o sistema de baterias.
SOClo - Nível inferior do estado de carga desejado para o sistema de baterias.
xx
1
1 Introdução
Este capítulo pretende dar a conhecer ao leitor o enquadramento, motivação, objectivos e a estrutura
desta dissertação.
Este primeiro capítulo procura servir de porta de entrada para o trabalho efectuado, dando uma visão
geral sobre os temas e objectivos subjacentes.
2
1.1 Enquadramento
Actualmente, os combustíveis fósseis são os principais responsáveis pelas alterações climáticas
gerando também outros impactos negativos no ambiente.
Vários estudos indicam que a procura mundial por energia primária aumentará 36% entre 2008 e 2035,
ou 1,2% ao ano em média, em que os combustíveis fósseis continuam a fonte de energia dominante
na matriz energética [1]. Na UE-27 o consumo total de energia chegou a 1113 MToe em 2009, onde o
sector dos transportes contribui com aproximadamente 33%. O transporte rodoviário representa cerca
de 80% da procura de energia do sector dos transportes [2].
O sector dos transportes foi dos sectores que mais cresceu nas últimas décadas e é actualmente o que
apresenta um maior consumo de energia final em Portugal, cerca de 40% (conforme apresentado na
Figura 1), sendo os pequenos decréscimos observados devidos à influência da situação financeira do
país e da implementação de várias políticas energéticas [1].
Figura 1:Consumo final de energia por sector em Portugal [1].
Se o consumo de energia do sector for desagregado por tipo de transporte (ver Figura 2) observa-se
que a quota da componente “rodoviária” no total do consumo de energia no conjunto do sector do
transporte é esmagadora em Portugal, com um valor superior a 80% [1].
3
Figura 2:Consumo de energia final em 2011 por tipo de transporte em Portugal [1].
A fim de reduzir a dependência de combustíveis fósseis no transporte rodoviário e, consequentemente
reduzir as emissões poluentes, o estudo de tecnologias para veículos alternativos, tornando-os mais
eficientes, é extremamente importante. Algumas das tecnologias alternativas emergentes de veículos
rodoviários são os veículos híbridos eléctricos (HEV), veículos híbridos eléctricos plug-in (PHEV),
veículos exclusivamente eléctricos (EV) e veículos a pilha de hidrogénio (FCV, nomeadamente híbridos
FC-HEV, e híbridos plug-in FC-PHEV).
Estas tecnologias alternativas exploram a electrificação do veículo. Esta estratégia pode permitir a
melhoria da qualidade do ar urbano (sem emissões locais ou reduzidas), a diversificação das fontes de
energia primária (a electricidade pode ser gerada a partir de uma ampla gama de fontes, não
necessariamente de origem fóssil), e permite o uso de tecnologias que podem melhorar a eficiência
energética.
Um problema inerente aos EV’s é a reduzida autonomia das baterias. Para resolver esta situação,
surgem os HEV’s que aumentam a sua autonomia pela utilização de energia fornecida por um motor
de combustão, ou através de células de hidrogénio.
Alguns tipos de HEV podem ter a possibilidade de receber energia eléctrica a partir de fontes externas,
caracterizando-se como tendo a componente de plug-in (PHEV).
Alguns estudos foram desenvolvidos para testar os consumos e as emissões deste tipo de veículos
alternativos, demonstrando as suas vantagens em termos de eficiência e impacto ambiental [3,4,5,6,7].
Nestes estudos, para além da análise da tecnologia implementada no veículo, também foi avaliado o
impacto a nível de ciclo de vida do veículo e energia utilizada, tendo como objectivo identificar as mais-
valias da utilização de tecnologias alternativas no sector dos transportes rodoviários.
A implementação de novas tecnologias para veículos rodoviários como HEV’s e PHEV’s não dependem
apenas na aceitação do público, mas também da logística envolvida na distribuição de energia. As
infra-estruturas para a distribuição de gasolina e Diesel estão já bem definidas, mas a logística
envolvida na distribuição de electricidade, necessária para os PHEV’s e EV’s (que necessitam tomadas
4
de electricidade para carregar as baterias) ou combustíveis alternativos como o hidrogénio (H2) ainda
se encontram em desenvolvimento [5,6].
Uma maneira de impulsionar a entrada destes veículos alternativos no sector dos transportes é
desenvolver projectos de implementação, como uma frota de táxis ou de veículos de distribuição de
correio, com rotas de circulação bem definidas e com infra-estruturas de manutenção e abastecimento
mais bem definidas do que a de um veículo pessoal [5].
Autocarros EV, FC-HEV e FC-PHEV têm a vantagem de tirar proveito de operarem em ciclos bem
definidos e constantes assim como desfrutarem de uma infra-estrutura própria e fixa para
abastecimento de combustível e de manutenção, o que facilita o horário de trabalho e abastecimento
do autocarro. Os autocarros também permitem mais espaço para o sistema de propulsão e de
armazenamento de combustível [7]. Além disso, os autocarros são altamente visíveis pela comunidade
e podem gerar feedback e criar interesse para os métodos "mais verdes" de transporte.
Existem duas abordagens principais para a melhoria da eficiência de um veículo: uma abordagem
hardware, que inclui a implementação de novos componentes e do seu dimensionamento adequado, o
desenvolvimento de materiais novos e mais leves, e a modificação da configuração do veículo, incluindo
a hibridação do grupo motopropulsor; e uma abordagem de software, que inclui a implementação de
uma estratégia de gestão de energia melhorada (EGE) e outros métodos de controlo [5,8,9].
Numa configuração híbrida, o dimensionamento dos componentes e estratégia de gestão de energia
afecta significativamente o desempenho do veículo, custo e economia de combustível. A capacidade
de integrar a optimização do sistema de controlo de gestão de energia com o dimensionamento dos
principais componentes do grupo motopropulsor híbrido apresenta uma área significativa de
investigação, uma vez que a optimização no projecto do veículo pode melhorar significativamente a
eficiência dos veículos e custo [9]. Quando os fabricantes de veículos híbridos constroem os seus
veículos, são feitos pequenos esforços para optimizar o dimensionamento dos componentes e eles são
geralmente sobredimensionados para o propósito real do usuário e requisitos.
5
1.2 Objectivos
O objectivo desta dissertação consiste em demonstrar as vantagens da utilização de autocarros
híbridos a H2 (FC-HEV) em relação aos autocarros convencionais de combustão interna (ICEV) e
optimizar os parâmetros da EGE de um autocarro FC-HEV de referência com o objectivo de minimizar
o consumo energético do veículo. Os parâmetros da EGE a optimizar controlam o fluxo de energia
entre o sistema de baterias e a pilha de H2, de acordo com o ciclo de condução efectuado pelo veículo
de modo a obter uma operação mais eficiente.
1.3 Organização da dissertação
Esta dissertação encontra-se dividida essencialmente em 7 capítulos e anexos.
O primeiro e presente capítulo refere-se á introdução, onde se contextualiza o tema, apresentam-se a
introdução, objectivos, e a organização da dissertação.
No capítulo 2, o estado da arte, está descrita a revisão bibliográfica realizada sobre os conceitos
subjacentes ao tema da dissertação.
O capítulo 3 aborda toda a metodologia aplicada para alcançar os respectivos objectivos definidos para
esta dissertação. São descritos os ciclos de condução, veículos e software de simulação e de
optimização utilizados, justificando as opções tomadas.
Em função da metodologia aplicada no capítulo anterior, a apresentação dos resultados obtidos neste
estudo é efectuada no capítulo 4.
No capítulo 5 está presente a discussão dos resultados apresentados no capítulo 4.
No capítulo 6 encontram apresentadas as conclusões do presente estudo assim como algumas
sugestões para que este trabalho seja aperfeiçoado no futuro.
O capítulo 7 apresenta as referências bibliográficas utilizadas para este estudo.
6
2 Estado da arte
Neste capítulo é realizada uma revisão teórica, onde são descritos os aspectos mais relevantes dos
veículos híbridos. Estão também presentes alguns estudos realizados em autocarros, optimização em
veículos alternativos, ciclos e medições feitas para esta dissertação.
Este capítulo tem o objectivo de fornecer ao leitor um conhecimento prévio que envolve o tema desta
dissertação, permitindo um melhor entendimento da mesma.
2.1 Veículos híbridos
Um veículo híbrido eléctrico (HEV) utiliza mais do que uma fonte de energia para fornecer energia ao
sistema de tracção. O mais comum é a utilização de um conversor de combustível (motor de combustão
ou pilha de H2) e um sistema de armazenamento de energia eléctrica como baterias.
O aparecimento dos HEV’s surgiu com a necessidade de fornecer a potência, alcance e segurança
equivalente a um ICEV, com um consumo energético mais reduzido e redução de emissões poluentes
nocivas [10].
As vantagens dos HEV’s estão assentes em:
Eficiência superior do motor eléctrico em comparação com um motor de combustão interna para
tracção. Adicionalmente, os motores eléctricos são mais simples, e possuem menos partes móveis o
que implica menores custos de manutenção;
Melhores características de binário. Os motores eléctricos conseguem fornecer binários elevados a
baixa velocidade, no entanto apresentam menor binário em velocidades altas;
Possibilidade de ajustar o funcionamento do ICE para zonas óptimas ou de melhor eficiência, usando
a bateria para controlar melhor o fluxo de energia entre componentes. Possibilidade de reduzir o
tamanho do ICE, uma vez que a potência pode ser partilhada com o sistema eléctrico, tornando possível
reduzir o peso do veículo;
É possível desligar o ICE, reduzindo assim o consumo de combustível e emissões.
As desvantagens estão assentes em:
Aumento da massa do veículo devido a adição de componentes;
Aumento do custo devido a componentes e á complexidade da estratégia de gestão de energia;
Fiabilidade geral do sistema pode ser menor devido ao aumento da complexidade;
Se não optimizado para o ciclo de condução adequado, os benefícios podem não ser plenamente
explorados;
Aumento do grupo motopropulsor e complexidade electrónica.
7
A propulsão dos HEV’s pode ser composta por um ou dois tipos de sistemas. Normalmente são
utilizados motores eléctricos ou conversores de combustível, como motores de combustão interna
(alimentados por gasolina, Diesel e bio-combustíveis), ou pilhas de H2.
A energia eléctrica pode ser proveniente de sistemas de armazenamento de energia eléctrica como
baterias electroquímicas ou ultra-condensadores.
A energia eléctrica pode ser gerada por um gerador/alternador accionado por um motor de combustão
interna (ICE) ou por um volante de inércia. No caso de se tratar de um veículo plug-in a energia eléctrica
pode ser fornecida da rede eléctrica, exterior ao veículo. As pilhas de H2 também geram energia
eléctrica para carregar as baterias ou ultra-condensadores. A energia eléctrica pode ser também gerada
através do sistema de travagem regenerativa que permite converter a energia cinética gerada durante
a desaceleração do veículo em energia eléctrica, aumentando a eficiência do veículo e reduzindo o
desgaste dos discos dos travões, através do campo electromagnético gerado [10].
Os HEV’s podem ser veículos ligeiros ou pesados como por exemplo autocarros destinados a
transporte público. Um exemplo de um veículo híbrido ligeiro é o Toyota Prius [11] que usa para tracção
um motor de combustão interna e um motor eléctrico. Um exemplo de um autocarro híbrido é o
Mercedes Citaro FuelCell-hybrid [12] que usa motores eléctricos para mover as rodas motrizes,
alimentados por baterias, que por sua vez são carregadas por pilhas de H2.
Existem diferentes arquitecturas de sistemas híbridos para atender diferentes aplicações, elas são
classificadas como em série, em paralelo e em série/paralelo.
Configuração em Série
Esta configuração é relativamente simples havendo apenas uma relação eléctrica entre os
componentes. As rodas motrizes do veículo são acionadas por um ou vários motores eléctricos.
A energia electrica necessária para alimentar o motor pode ser originada pela combinação de duas ou
mais fontes de energia independentes. O ICE (ou outro conversor de combustível), não tem nenhuma
conexão mecânica com as rodas, a sua finalidade é apenas para gerar energia eléctrica (com o uso de
um grupo gerador) para ser utilizada directamente pelo motor eléctrico ou para ser armazenada nas
baterias. Em alguns casos, quando são necessárias grandes quantidades de energia, o motor eléctrico
é alimentado com energia eléctrica partir das baterias e do conversor de combustivel.
Alguns exemplos de veículos híbridos de configuração em série são o Chevrolet Volt e o Opel Ampera
[13,14].
Veículos híbridos com configuração em série têm geralmente conversores de combustíveis menores e
as baterias maiores, que os tornam mais caros. Esta configuração faz com que os veículos híbridos de
configuração em série sejam mais eficientes em condução urbana, usando maioritariamente energia
fornecida pelas baterias, ficando o conversor de combustivel encarregue de carregar as baterias por
forma a manter aproximadamente constante o seu nível de carga (SOC) [15].
A Figura 3 demonstra a configuração em série.
8
Figura 3:Configuração em série de um HEV [10].
Configuração em Paralelo
Nesta configuração, tanto o motor eléctrico como o motor de combustão interna têm ligação às rodas
motrizes através de um sistema de transmissão.
O arranque de alguns HEV’s de configuração em paralelo pode ser feito em combinação entre os dois
motores de modo a obter uma eficiência melhorada e ao mesmo tempo reduzir de forma significativa a
emissão de poluentes.Este tipo de configuração permite uma maior eficiência em circuitos que exigem
velocidades elevadas e constantes, uma vez que esta operação coincide com a gama de
funcionamento mais eficiente do ICE (dependendo do seu dimensionamento). No entanto, a EGE e os
elementos de transmissão são mais complexos do que numa configuração em serie ou de um veículo
convencional, contribuindo negativamente para o peso e custo do veículo [10].
Nessa categoria de veículos estão os veículos HondaCivicHybrid e Insight [16].
A Figura 4 demonstra a configuração em paralelo.
Figura 4:Configuração em paralelo de um HEV. [10]
9
Configuração Série/Paralelo
Esta configuração une as vantagens das duas configurações em série e paralelo. Permite uma boa
eficiência em toda a gama de velocidades, enquanto os híbridos de configuração em série são mais
eficientes a baixas velocidades e em configuração em paralelo são mais eficientes a velocidades altas
[10]. Nesta configuração, o veículo pode operar como um HEV de configuração em paralelo, sempre
que uma operação deste tipo de veículo exija, como por exemplo, uma manobra de ultrapassagem que
necessite da adição de energia proveniente do ICE e do motor eléctrico. Pode também operar como
um HEV de configuração em série como, por exemplo, quando o veículo opera por períodos muito
longos a velocidades muito baixas, pode também, por períodos curtos, funcionar como um veículo
eléctrico puro [10].
A sua composição é semelhante a um HEV em série, porém a conexão mecânica das rodas está ligada
aos dois grupos propulsores. Nesta configuração existe ligação eléctrica e mecânica entre os
componentes para promover a tracção do veículo, fazendo com que a complexidade dos sistemas de
transmissão e de EGE seja superior ao das outras configurações.
Os carros híbridos produzidos pela Toyota (como o Toyota Prius) e pela Lexus são de configuração
Série/Paralelo [11,17].
A Figura 5 demonstra a configuração em Série/Paralelo.
Figura 5:Configuração em Série/Paralelo de um HEV. [10]
10
Veículos Híbridos Plug-In
Os PHEV’s são uma variante dos veículos híbridos que permitem carregar as baterias directamente
através da rede eléctrica pública através de uma tomada [10].
Os benefícios dos PHEV’s estão assentes no facto de estes veiculos terem a possibilidade de funcionar
como um EV. No entanto a operação do veículo em modo totalmente eléctrico tem uma autonomia
limitada, que após expirada leva a que o veículo funcione como um HEV.
2.1.1 Gestão de energia dos HEV’s e PHEV’s
O fluxo de energia electrica nos HEV’s é controlada usando o que se chama de uma estratégia de
gestão de energia (EGE), este sistema de controlo define o modo como o ICE (ou pilha de H2) deve
fornecer energia para carregar os sistemas de armazenamento de energia eléctrica, como baterias e
ultra-condensadores, de modo a para manter o seu SOC o mais constante quanto possível de acordo
com os requesitos dos percursos usados.
A Figura 6 mostra o princípio de gestão de energia das baterias dos HEV’s e PHEV’s.
Figura 6:Estado de Carga de uma Bateria (PHEV e HEV) [4].
A zona de Charge Depleting é característica dos PHEV’s porque permite operar o veículo
exclusivamente com energia eléctrica armazenada em baterias (semelhante a um EV), descarregando
as baterias à medida que é requerida a energia até um nível de carga óptimo, cuja resistência de
carregamento e descarregamento é mínima. Nessa fase o conversor de combustível do veículo será
accionado de modo a evitar o descarregamento da bateria (Figura 6).
11
A zona de Charge Sustaining é característica dos HEV’s, combina o funcionamento do conversor de
combustível (ICE ou pilha de H2), de maneira a que o veículo opere da forma mais eficiente possível.
Isto implica tentar manter um nível de SOC definido durante a operação do veículo. O nível de SOC irá
variar mas a média destas variações será mantida constante [4].
Podem também existir estratégias mistas, ou seja, no modo eléctrico, Charge Depleting, existe a
possibilidade do ICE ou pilha de hidrogénio fornecer energia em eventos extremos e que requerem
muita energia [5]. Durante o modo de Charge Sustaining as possibilidades de controlar os fluxos de
energia entre componentes são infinitas [8]. Neste estudo a estratégia adotada é a “thermostat”, a
estratégia padrão do ADVISOR para veículos híbridos com pilha de H2, onde o conversor de
combustível é ligado quando o estado de carga da bateria atinge um ponto limite inferior, e desliga-se
quando o estado de carga da bateria atinge o ponto limite superior [18]. A taxa de potência fornecida
da pilha de H2 também é dependente do estado de carga da bateria. Os veículos equipados com ICE
podem também ter esta estratégia.
Se o percurso da viagem é conhecido antecipadamente, uma estratégia de gestão de energia
correcta pode ser ajustada de tal forma que o consumo de combustível e custos de viagem podem ser
minimizados.
2.1.2 Componentes utilizados em veículos híbridos
Motor de Combustão Interna
Os HEV’s mais comuns possuem motores de combustão interna semelhantes aos que têm os
automóveis tradicionais. Porém, o motor de combustão interna de um HEV é dimensionado de acordo
com o sistema híbrido (pode ser maior ou menor que num veículo convencional de potência
semelhante) e utiliza novas tecnologias para aumentar sua eficiência. Em consequência, esses
veículos também a possibilidade de reduzir a emissão de poluentes.
Os tipos de motores a combustão interna utilizados em HEV’s podem ser do tipo ciclo Otto (utilizando
gasolina ou etanol), ciclos do tipo Atkinson (uma variante do ciclo Otto) e ciclos Diesel (utilizando Diesel
ou biodiesel) [19].
Os motores com ciclo Otto são os convencionais motores a quatro tempos (admissão, compressão,
expansão e escape) com ignição de uma mistura ar/combustível através de um arco eléctrico.
O Toyota Prius HSD e Honda Civic IMA utilizam ICE com ciclo Otto [11,16].
O ciclo Atkinson é uma variante do ciclo Otto, em que a diferença principal está no tempo de
compressão. No ciclo Atkinson, o fecho da válvula de admissão é atrasado de modo a que parte da
mistura ar/combustível volte a entrar no colector de admissão, o que reduz as perdas de energia de
bombagem. Este atraso da válvula de admissão significa que o volume de mistura ar/combustível será
menor. No tempo de expansão, a pressão dos produtos de combustão é menor do que seria a de um
motor com ciclo Otto convencional o que se reflete em um melhor aproveitamento de energia e logo
numa maior eficiência.
12
Alguns veículos híbridos como o Ford Escape e o Toyota Prius, utilizam motores de combustão interna
com o ciclo Atkinson em vez do convencional ciclo Otto [20].
Os motores com ciclo Diesel são motores a quatro tempos que utilizam a temperatura do ar comprimido
durante o tempo de compressão para provocar a explosão do combustivel. A PSA Peugeot Citroën
desenvolveu a tecnologia híbrida Diesel – HYbrid4 [21].
Motor/Gerador Eléctrico
O motor eléctrico pode ser usado como propulsor principal, ou então como um gerador de energia
eléctrica para sistemas de armazenamento como as baterias ou ultra-condensadores (funcionando
assim como gerador).
Os motores eléctricos de indução de corrente alternada (AC) têm uma elevada eficiência e custos de
manutenção reduzidos.
Os motores eléctricos de corrente contínua (DC) conseguem ser menos eficientes e com maiores
custos de manutenção do que os motores eléctricos de indução AC, no entanto, têm um custo inicial
mais baixo e são mais adequados para HEV’s compactos que atinjam velocidades baixas porque
tornam o sistema de propulsão mais simples, dado que a utilização deste tipo de motor elimina a
necessidade de utilizar um inversor de corrente [10].
Os HEV’s podem usar o motor eléctrico como gerador aproveitando a energia cinética gerada na
desaceleração do veículo para a converter em energia eléctrica (travagem regenerativa).
Baterias
Uma bateria é um equipamento que converte directamente energia química em energia eléctrica de
corrente contínua.
A maioria dos sistemas de armazenamento de energia para configurações híbridas utiliza baterias
electroquímicas devido á sua elevada capacidade de armazenamento.
Os tipos de baterias recarregáveis mais utilizadas são baseadas em eléctrodos de de Lítio (Li) e hidreto
metálico de níquel (Ni-MH).
Estas tecnologias são preferidas à tecnologia tradicional de baterias chumbo - ácido (PbA) e Níquel -
Cádmio (Ni-Cd), porque têm elevadas densidades de energia, elevadas densidades de potência, maior
potência de saída em baixo estado de carga e capacidade de executar vários ciclos de carga e descarga
sem afectar o seu desempenho.
As suas dimensões e peso são factores importantes a ter em consideração, visto que as baterias
costumam representar uma percentagem importante do peso e volume totais do veículo.
Em estudos realizados recentemente, demonstrou-se que para veículos médios ou pequenos, os
sistemas de lítio são mais adequados para veículos de hibridação moderada, enquanto os sistemas Ni-
MH apresentam desempenho geral melhor em veículos de hibridação média-alta [22].
O desempenho das baterias está dependente das condições a que estas estão sujeitas. Ao aumentar
a voltagem da operação, o tempo de descarga da bateria tende a diminuir. Ao aumentar a corrente de
13
descarga das baterias a longevidade das baterias é afectada de forma negativa devido ao efeito de
“memória” aumentando também das perdas energéticas e reduzindo a sua capacidade [10].
A variação da actividade química devido á variação de temperatura tem influência na longevidade e
características de tensão das baterias.
Com baixas temperaturas a resistência interna é maior o que implica menor capacidade de
armazenamento. Com temperaturas mais altas verifica-se o efeito contrário. Existe no entanto uma
zona de temperatura óptima para cada bateria. A Figura 7 demonstra o efeito da corrente e da
temperatura numa bateria de lítio.
Figura 7:Evolução de algumas características de uma bateria de Lítio. Esquerda: corrente e eficiência de carga/descarga. Direita: SOC, Resistência e temperatura [4].
As baterias dos EV’s requerem uma maior densidade de energia (capacidade de armazenamento de
energia), maior densidade de potência (capacidade de providenciar energia em menor tempo), aceitar
e fornecer intensidades de correntes elevadas provenientes da travagem regenerativa ou necessária
para aceleração, elevada longevidade, baixa manutenção, segurança e custo reduzido.
As Figuras 8 e 9 apresentam alguns valores comparativos entre algumas tecnologias de
armazenamento de energia eléctrica.
Figura 8:Diagrama de Ragone para diferentes tecnologias alvo de armazenamento de energia em veículos. Densidade de energia e densidade de potência máxima, e o tempo de transferência de energia em carga ou
descarga [4].
14
Figura 9: Alguns valores de diferentes tecnologias de armazenamento de energia. Os valores apresentados podem sofrer alterações com o decorrer do tempo, e também podem depender das aplicações e construção [4].
Ultra-Condensadores
Embora desempenhando papéis semelhantes, as baterias e ultra-condensadores diferem bastante
entre si.Uma vez que não há reacções químicas nos condensadores, eles podem ser carregados em
muito pouco tempo (o fluxo de energia é muito maior). Quando descarregados, os condensadores
podem fornecer correntes eléctricas elevadas e consequentemente elevadas potências também. O
número deciclos de carga e descarga é quase infinito quando comparado com as baterias.
No entanto, o ultra-condensador é um equipamento com elevada densidade de potência mas pouca
densidade de energia.
Este dispositivo não tem capacidade de armazenar energia que lhe permita ser a fonte primária de
energia de um veículo, no entanto, a sua capacidade de fornecer e receber energia em tempos
inferiores a um segundo (o que diminui drasticamente as perdas de energia) é uma tecnologia óptima
para funcionar nos regimes mais dinâmicos de um veículo eléctrico.
Na regeneração de energia este factor ainda é mais importante, como na regeneração de energia existe
um espaço de tempo muito curto para o recarregamento da bateria, uma tecnologia que consiga
“absorver” essa energia num curto espaço de tempo traz grandes vantagens, uma vez que menor
energia será perdida [22,23].
2.1.3 Veículos híbridos com pilha de hidrogénio
Os veículos híbridos com pilha de hidrogénio (FC-HEV) são veículos que utilizam configuração em série
e que utilizam tecnologia de pilhas de hidrogénio para carregar o sistema de armazenamento de energia
(como as baterias ou ultra-condensadores). Também podem utilizar as pilhas de hidrogénio para
alimentar directamente o motor eléctrico para tracção.
15
Figura 10: Configuração de um FC-HEV [10].
Hidrogénio
O Hidrogénio é o elemento mais simples e abundante no Universo, é um elemento diatómico, formado
naturalmente em pares de átomos e é por isto que este é muitas vezes referido como“H2” [24].
O Hidrogénio é o elemento mais leve da tabela periódica mas tem mais energia por unidade de massa
de todos os combustíveis, o seu poder calorífico é de 0,120 MJ/g (25ºC e 1 atm) sendo três vezes maior
do que o da gasolina.
Pilha de Hidrogénio
Uma pilha de hidrogénio, é composta por um conjunto de dispositivos electroquímicos chamados de
células que combinam hidrogénio e oxigénio para produzir electricidade, com água e calor como
produto das reacções. Na sua forma mais simples, uma única célula é constituída por dois eléctrodos,
um ânodo e um cátodo, com um electrólito entre eles.
No ânodo, o hidrogénio reage com um catalisador, criando um protão e um electrão. O protão em
seguida, passa através do electrólito, enquanto o electrão desloca através de um circuito externo,
dando-se a criação de uma corrente. No cátodo, o oxigénio reage com o protão e com o electrão. Uma
única célula pode gerar cerca de 0,7 V, apenas o suficiente para alimentar uma única lâmpada. Quando
as células são ligadas em série o output é maior, o que resulta em pilhas de hidrogénio que podem
gerar vários megawatts [24].
16
Figura 11:Esquema de uma célula de H2 [24].
Há muitos tipos diferentes de pilhas de hidrogénio, cada uma com suas próprias características
operacionais específicas. Os tipos de pilha de hidrogénio mais comuns são: célula de combustível
alcalina (AFC), membrana de troca de protões (PEM), células de combustível directa de metanol
(DMFC), célula de combustível de carbonato fundido (MCFC), célula de combustível de ácido fosfórico
(PAFC) e de células de combustível de óxido sólido (SOFC) [24]. Cada tipo tem a sua química única,
tais como diferentes temperaturas de operação, catalisadores e electrólitos.
As características de funcionamento de cada uma ajuda a definir a sua aplicação. A Tabela 17 do Anexo
1 descreve mais em detalhe as diferenças entre as diferentes pilhas de H2.
Como as pilhas de H2 dependem de um processo electroquímico e não de combustão, as emissões
são significativamente menores, podendo ser consideradas nulas no que toca a emissões poluentes.
Este tipo de equipamento tem uma operação silenciosa, é durável e altamente eficiente quando
comparado com motores de combustão interna.
A Figura 12 exemplifica as reacções das diferentes pilhas.
17
Figura 12:Reacções de várias pilhas de H2 [24].
2.1.4 Estudos existentes de autocarros com propulsão a pilha de hidrogénio
O presente estudo analisa a aplicação de pilhas de hidrogénio em autocarros, a Tabela 1 apresenta
alguns estudos já efectuados sobre a aplicação e fiabilidade de autocarros a hidrogénio:
Tabela 1:Estudos sobre autocarros movidos a H2.
Tipo Modelo Ciclo de condução Objectivo do estudo Referência
FC-PHEV
Proterra FCBE-35
Cidade de Burbank, California
Avaliação do desempenho tecnológico para verificar a fiabilidade de compra.
[25]
FC- PHEV
ElDoradoNational RE-29E
Honolulu’s Hickam Air Force Base
Avaliação da implementação de dois FC-PHEV.
[26]
FC- EV Mercedes-Benz Citaro FC
City Hall (Stadshuset) in central Stockholm “Vattenlinjen”
Implementação e avaliação de uma infra-estrutura de abastecimento de H2 e de FC- EV.
[27]
FC- EV Xcellsis Zebus
Chicago Vancouver
• Compreensão de desempenho do veículo, falhas e custos operacionais; • Entender melhor a infra-estrutura necessária para o esta tecnologia; • Preparar o mercado para a entrada de veículos de células de H2; • Educar o público sobre segurança e fiabilidade do FC-EV.
[28]
18
2.2 Software de simulação de veículos
Vários produtos de software de simulação de veículos rodoviários estão disponíveis de forma gratuita
ou paga na indústria e universidades.
Alguns dos mais importantes e modernos são:
ECOGEST
O ECOGEST é um modelo de simulação de veículos rodoviários ICEV que prevê consumo de
combustível e emissões de poluentes [29,30,31].
Este modelo escrito em linguagem Visual Basic foi desenvolvido em uma tese de doutoramento no IST
(Instituto Superior Técnico), este software oferece a possibilidade de analisar os ciclos de condução
reais, levando em consideração a topografia e as características dos veículos, como peso e
transmissão.
ADVISOR
O ADVISOR é um modelo originalmente desenvolvido pela NREL (National Renewable Energy
Laboratory). Esta ferramenta pode utilizada para avaliar e quantificar o impacto de veículos de
tecnologias avançadas como ICEV, EV, FCEV e HEV, nomeadamente, consumo de combustível,
desempenho e emissões.
Está escrito no ambiente MATLAB / Simulink e até recentemente era distribuído gratuitamente através
da Internet, na sua versão de 2002 (agora comercializado pela AVL em sua versão 2004) [18].
AVL CRUISE
Este software comercial desenvolvido pela empresa AVL, é usado para análise de
sistemas avançados de veículos, a sua evolução começou em 1998 e que já está em sua 14ª versão
em 2010. Esta ferramenta é considerada como um dos softwares mais poderosos, robustos e adaptável
existentes na indústria para análise de sistemas propulsores, com características de simulação e
optimização avançados.
Ele é escrito em linguagem C, com conexão com Matlab / Simulink [32].
RAPTOR
O Rapid Automotive Performance Simulator (RAPTOR) é um software desenvolvido em parceria por
Southwest Research Institute (SwRI) e Daimler Chrysler para uso de empresas fabricantes de
automóveis, carrinhas e autocarros.
19
Este software está codificado em Matlab / Simulink e pode simular o desempenho do veículo e
economia de combustível, incluindo veículos ligeiros ( 2WD e 4WD ), veículos médios e veículos
pesados [33] .
DYMOLA / MODELICA
O DYMOLA / MODELICA é um software usado na indústria automóvel desde o ano 2000, baseado em
equações equações diferenciais, algébricas e discretas para modelar convenientemente os sistemas
mecânicos, electrónicos, hidráulicos, térmicos, de controlo e de energia eléctrica [34].
PSAT
PSAT (Powertrain Systems Analysis Toolkit) foi desenvolvido através da Parceria para uma Nova
Geração de Veículos e mantido pelo Argonne National Laboratory.
Este software está escrito em Matlab / Simulink e é uma poderosa ferramenta de modelação que
permite aos utilizadores avaliar realisticamente não só o consumo de combustível, mas também o
desempenho de veiculos.
Neste software, os requisitos de energia para os componentes são calculados através de requesitos
introduzidos pelo condutor. O PSAT é usado pela Hyundai, Chrysler, Ford, GM e Toyota [35].
AUTONOMIE
O Center for Transportation Research staff [36] em Argonne National Laboratory desenvolveu uma
ferramenta de modelação, o AUTONOMIE, que permite a simulação de motorizações de veículos,
subsistemas e sistemas de modo a poderem ser projectados a partir do zero. O método tradicional de
projecto de automóveis passa por construir e testar hardware, o que é um processo mais caro e, muitas
vezes, demorado.
Os fabricantes de veículos estão a apostar cada vez mais no projecto virtual, utilizando métodos de
modelação e simulação para reduzir custos e tempo de chegada dos veiculos ao mercado.
Esta ferramenta é reconhecida como provavelmente uma das ferramentas mais sofisticadas e
actualizadas nesta área.
20
2.3 Optimização da EGE de HEV’s
Técnicas de optimização da EGE de HEV’s podem ser classificadas de acordo com a dependência do
conhecimento de informação obtida instantaneamente ou previamente, mais concretamente métodos
de optimização em tempo real e global.
O método de optimização global da EGE requer informação prévia acerca de todo o ciclo de condução
onde irá circular o veículo, este método tem a desvantagem de não poder ser implementado em
situações reais e de requer algum esforço computacional.
Os métodos de optimização em tempo real têm a vantagem em relação ao método anterior de poder
ser implementado em situações reais mas tem a desvantagem de não obter resultados tão bons. Este
método requer informação instantanea acerca de binário, SOC, mapas de eficiência, para gerir mais
eficientemente a EGE.
Métodos baseados em regras ou heurísticos são eficazes em tempo real, a sua vantagem principal
consiste na sua facilidade de implementação. Sistemas de GPS podem ser utilizados de modo a
fornecer informação acerca de distância, tráfego, para complementar estes métodos.
Há metodologias que utilizam um algoritmo de optimização global DIRECT (DIvided RECTangles) para
optimizar os parâmetros da EGE de modo a minimizar o consumo de combustivel [37].
Métodos de optimização de EGE preditivos, podem ser utilizados, como um algoritmo com a abordagem
de fuzzylogic para optimizar a EGE de um FC-HEV [38].
Existem investigações que referem algoritmos de optimização que controlam o fluxo de energia através
do grupo motopropulsor utilizando informações como o estado do veículo, histórico de condução,
coordenadas GPS e poderia, eventualmente, utilizar os serviços de Internet de disponíveis, tais como
os dados de tráfego, avisos de construção e boletins meteorológicos, para alterar a EGE em tempo real
permitindo que o veículo tenha uma melhoria global do consumo de energia [39].
Existem estudos que utilizam um método de optimização em tempo real em que o objectivo foi o de
optimizar a estratégia de gestão de energia de um FC-HEV, através da geração e armazenamento de
energia eléctrica nos momentos mais apropriados dado um ciclo de condução [40].
21
3 Metodologia
Neste capítulo descreve-se a metodologia utilizada para a elaboração e obtenção de resultados neste
estudo.
Este capítulo descreve ao leitor os diferentes veículos visados neste estudo, os ciclos de condução
utilizados nas simulações, o software de simulação de veículos rodoviários utilizado, e os algoritmos
de optimização.
22
3.1 Ciclos de condução
Para a realização deste estudo foi utilizado um ciclo sintético ETC (European Transient Cycle) e quatro
ciclos de condução reais, o STCP_303 que é uma rota de autocarro localizada na zona metropolitana
da cidade do Porto, o Carris_728 que é uma rota de autocarro em Lisboa que faz a ligação Cais do
Sodré-Moscavide, e as Carreiras 24 e 21 do Horários do Funchal na Ilha da Madeira, os ciclos reais
são com ida e volta.
Para cada ciclo real, foi medida, a cada segundo, a quantidade de passageiros presentes em autocarros
que circulam nestes circuitos urbanos. Para transformar a quantidade em peso, multiplicou-se o número
de passageiros por um peso médio de 70 kg por pessoa e adicionou-se a presença do condutor.
Os dados que caracterizam os ciclos reais foram obtidos através de um sensor de velocidade e um
sistema GPS equipado com um altímetro barométrico que permitiu registar os valores da velocidade,
distância, e altitude. O declive da estrada foi obtido considerando a distância percorrida pelo veículo e
a altura atingida (ver Figura 13).
O software de simulação de veículos ADVISOR, disponibiliza uma base de dados com ciclos sintéticos
utilizados em testes oficiais de veículos por entidades reguladoras, como é o caso dos ciclos
americanos HWFET (ciclo de auto-estrada - Highway Fuel Economy Driving Schedule ) e UDDS (ciclo
urbano – Urban Dynamometer Driving Schedule), do japonês JAP1015 (ciclo combinado Japonês), e
do ciclo europeu NEDC (ciclo Europeu – New European Driving Cycle) [41].
Os ciclos de condução reais também podem ser inseridos nesta base de dados para efeitos de
simulação.
Os dados que caracterizam os ciclos reais que foram utilizados neste estudo são definidos por matrizes
de tempo-velocidade, distância-declive e distância-carga.
Figura 13:Ilustração da inclinação da estrada entre pontos medidos por GPS [4].
23
3.1.1 Ciclo sintético
ETC (European Transient Cycle)
O ciclo ETC é um ciclo de condução sintético baseado em medições reais de percursos de estrada
utilizadas por veículos pesados. Este ciclo é constituído por uma parte urbana, rural e de auto-estrada.
Cada parte tem a duração de 600s e a duração total do ciclo é 1800s. A primeira parte representa a
condução urbana com uma velocidade máxima de 50 km/h, com algumas paragens. A segunda parte
representa condução rural que começa com um segmento de aceleração íngreme, com uma velocidade
média de cerca de 72 km/h. A terceira parte representa auto-estrada, sendo a velocidade média de
cerca de 88 km/h [41]. Sendo este um ciclo oficial, não há dados referentes á influência da presença de
passageiros, para acrescentar o efeito dos passageiros neste ciclo, foi feita uma média do número de
passageiros registados em uma medição real e multiplicou-se 70 kg por passageiro.
Figura 14:Ciclo ETC [41].
3.1.2 Ciclos reais
STCP_303
Este ciclo de condução é baseado numa rota de autocarro real “STCP 303 - Circular Praça Da
Liberdade-Constituição” pela Sociedade de Transportes Colectivos do Porto, SA. [42]. Esta medição foi
feita no âmbito do projecto “Clean Urban Transport for Europe” em 2001.
A Figura 15 mostra o percurso do ciclo de condução, as Figuras 16 a 19 mostram as características
deste ciclo em termos de velocidade, declive e carga.
24
Figura 15:Mapa do percurso STCP_303 [42].
Figura 16: Velocidade em função do tempo STCP_303.
Figura 17 :Velocidade em função do peso total dos passageiros STCP_303.
0
10
20
30
40
50
60
0
100
200
300
400
500
600
700
800
900
100
0
110
0
120
0
130
0
140
0
150
0
160
0
170
0
180
0
190
0
200
0
210
0
Ve
locid
ad
e (
km
/h)
Tempo (s)
STCP 303
0
10
20
30
40
50
60
0
100
200
300
400
500
600
700
800
900
100
0
110
0
120
0
130
0
140
0
150
0
160
0
170
0
180
0
190
0
200
0
210
0
Ve
locid
ad
e (
km
/h)
Carga (kg)
STCP 303
25
Figura 18: Declive em função do tempo STCP_303.
Figura 19: Carga em função do tempo STCP_303.
Carris 728
Este ciclo de condução foi medido através de uma rota real para autocarros em Lisboa, nomeadamente,
da carreira 728-Cais do Sodré-Moscavide da Carris. Este ciclo é o mais longo (22,9 km), tem o maior
número de paragens e tem zonas onde o declive da estrada é acentuado.
A Figura 20 mostra o percurso do ciclo de condução, as Figuras 21 a 24 mostram as características
deste ciclo em termos de velocidade, declive e carga.
-0,2
-0,15
-0,1
-0,05
0
0,05
0,1
0,15
0
100
200
300
400
500
600
700
800
900
100
0
110
0
120
0
130
0
140
0
150
0
160
0
170
0
180
0
190
0
200
0
210
0
De
cliv
e (
de
cim
al)
Tempo (s)
STCP 303
0
500
1000
1500
2000
2500
3000
3500
0
200
400
600
800
100
0
120
0
140
0
160
0
180
0
200
0
220
0
240
0
Carg
a (
kg
)
Tempo (s)
STCP 303
26
Figura 20:Mapa do percurso Carris 728 [43].
Figura 21: Velocidade em função do tempo Carris 728.
Figura 22: Velocidade em função da carga Carris 728.
0
10
20
30
40
50
60
70
01
70
340
510
680
850
102
01
19
01
36
01
53
01
70
01
87
02
04
02
21
02
38
02
55
02
72
02
89
03
06
03
23
03
40
03
57
03
74
03
91
04
08
04
25
04
42
04
59
04
76
04
93
05
10
0
Ve
locid
ad
e (
km
/h)
Tempo (s)
Carris 728
0
10
20
30
40
50
60
70
133
01
33
02
87
02
87
03
78
04
06
04
83
03
78
03
43
03
43
03
01
03
22
03
57
02
38
02
31
02
03
02
94
01
82
01
19
05
60
140
01
68
01
68
01
89
02
17
02
52
02
52
02
87
02
80
02
59
02
66
0
Ve
locid
ad
e (
km
/h)
Carga (kg)
Carris 728
27
Figura 23: Declive em função da distância percorrida Carris 728.
Figura 24: Carga em função do tempo Carris 728.
Linha HF-24
Este ciclo de condução foi obtido através de uma rota real de autocarros da empresa Horários do
Funchal, nomeadamente, da carreira 24. Cada viagem de ida tem a duração 25 minutos, e o percurso
de ida é igual ao da volta.
A Figura 25 mostra o percurso do ciclo de condução, as Figuras 26 a 29 mostram as características
deste ciclo em termos de velocidade, declive e carga.
-0,15
-0,1
-0,05
0
0,05
0,1
0,15
0
170
5
254
4
380
6
434
8
536
8
587
8
706
2
761
2
820
7
903
4
101
08
106
56
115
83
124
05
135
18
140
77
149
39
161
03
169
81
175
09
181
52
191
64
De
cliv
e (
de
cim
al)
Distância (m)
Carris 728
0
1000
2000
3000
4000
5000
6000
0
243
486
731
974
121
6
146
1
170
5
194
7
219
2
243
5
267
7
292
2
316
6
340
8
365
3
389
6
413
8
438
3
462
7
486
9
511
4
Carg
a (
kg
)
Tempo (s)
Carris 728
28
Figura 25:Mapa do percurso Linha HF-24 [44].
Figura 26: Velocidade em função do tempo Linha HF-24.
Figura 27: Declive em função da distância Linha HF-24.
0
10
20
30
40
50
60
70
09
51
90
285
380
475
570
665
760
855
950
104
51
14
01
23
51
33
01
42
51
52
01
61
51
71
01
80
51
90
01
99
52
09
02
18
52
28
02
37
52
47
02
56
52
66
02
75
52
85
0
Ve
locid
ad
e (
km
/h)
Tempo (s)
Linha HF-24
-0,08
-0,06
-0,04
-0,02
0
0,02
0,04
0,06
0,08
0
108
4
236
2
292
5
380
8
455
9
516
7
562
9
643
4
701
7
782
4
909
4
100
24
120
78
128
21
144
13
157
50
177
99
187
23
195
89
199
61
204
18
207
77
220
00
Decliv
e (
de
cim
al)
Distância (m)
Linha HF-24
29
Figura 28: Velocidade em função da carga Linha HF-24.
Figura 29: Carga em função do tempo HF-24.
Linha HF-21
Este ciclo de condução foi obtido através da medição de uma rota real de autocarros da empresa
Horários do Funchal, nomeadamente, da carreira 21. Cada viagem de ida tem a duração 18 minutos, e
o percurso de ida é igual ao da volta. Este ciclo tem a particularidade de ter a inclinação média a subir
mais elevada, aceleração média elevada e número de paragens elevado.
A Figura 30 mostra o percurso do ciclo de condução, as Figuras 31 a 34 mostram as características
deste ciclo em termos de velocidade, declive e carga.
0
10
20
30
40
50
60
70
427
04
27
04
41
04
62
04
69
03
64
03
08
02
94
02
59
02
24
01
61
01
47
01
33
01
26
01
12
07
07
02
10
560
630
700
840
840
770
105
01
12
01
12
01
12
01
12
07
70
560
Ve
locid
ad
e (
km
/h)
Carga (kg)
Linha HF-24
0
1000
2000
3000
4000
5000
0
151
304
455
608
761
912
106
5
121
6
136
9
152
1
167
4
182
7
197
8
213
1
228
2
243
5
258
8
273
8
289
1
Carg
a (
kg
)
Tempo (s)
Linha HF-24
30
Figura 30:Mapa do percurso Linha HF-21 [44].
Figura 31: Velocidade em função do tempo Linha HF-21.
Figura 32: Velocidade em função da carga Linha HF-21.
0
10
20
30
40
50
0 250 500 750 1000 1250 1500 1750 2000 2250 2500 2750 3000
Ve
locid
ad
e (
km
/h)
Tempo (s)
Linha HF-21
05
101520253035404550
336
03
36
03
78
03
85
03
71
03
29
03
36
03
08
03
08
02
87
02
66
02
45
01
19
07
07
02
80
420
700
119
01
61
01
68
01
68
01
54
01
47
01
54
01
47
01
40
01
40
01
19
04
20
70
Ve
locid
ad
e (
km
/h)
Carga (kg)
Linha HF-21
31
Figura 33: Declive em função da distância Linha HF-21.
Figura 34: Carga em função do tempo Linha HF-21.
A Tabela 2 resume as características e compara os diferentes ciclos de condução considerados para
este estudo.
-0,2
-0,15
-0,1
-0,05
0
0,05
0,1
0,15
0
488
716
112
4
159
8
241
9
285
1
358
2
397
8
452
7
594
4
649
4
700
6
742
1
796
2
859
6
891
3
962
4
101
15
104
40
117
20
123
10
129
75
133
20
De
cliv
e (
de
cim
al)
Distância (m)
Linha HF-21
0500
1000150020002500300035004000
0
151
304
455
608
761
912
106
5
121
6
136
9
152
1
167
4
182
7
197
8
213
1
228
2
243
5
258
8
273
8
289
1
304
3
Carg
a (
kg
)
Tempo (s)
Linha HF-21
32
Tabela 2:Características dos diferentes ciclos de condução utilizados neste estudo.
ETC STCP 303 Carris 728 Linha HF-21 Linha HF-24
Tempo (s) 1799 2138 5240 3054 2924
Distancia (km) 29,5 7,67 22,9 13,4 20,1
Velocidade máxima (km/h) 91,1 54 65,5 47 60,5
Velocidade média (km/h) 58,9 12,91 15,82 16,15 24,81
Aceleração máxima (m/s2) 3,83 2,5 1,14 2,47 2,94
Desaceleração máxima (m/s2) -4,02 -2,78 -1,69 -3,03 -4,08
Aceleração média (m/s2) 0,2 0,52 0,37 0,63 0,67
Desaceleração média (m/s2) -0,22 -0,59 -0,45 -0,71 -0,75
Tempo em ralenti (s) 75 621 42 52 47
Nº de paragens 4 29 72 62 45
Inclinação máxima ascendente (%) 0 10,4 13,3 12 5,5
Inclinação média ascendente (%) 0 3,2 2,3 8,8 1,7
Inclinação máxima descendente (%) 0 14,8 11,3 14,8 5,9
Inclinação média descendente (%) 0 3,8 2,1 8,2 1,9
Figura 35: Número de paragens (esquerda) e tempo ao ralenti (direita) por quilómetro.
A Figura 35 realça que o ciclo da Carris 21 é o que possui mais paragens por quilómetro, o que indica
que poderá ter um impacto urbano mais acentuado, em oposição ao ciclo ETC. Embora o ciclo STCP
303 não tenha o maior número de paragens, é o ciclo com maior tempo de ralenti, podendo significar
que as paragens são mais longas do que nos outros ciclos.
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
5,0
ETC STCP303
Carris728
21 HF 24 HF
(pa
rag
em
/km
)
Paragens
0
10
20
30
40
50
60
70
80
90
ETC STCP303
Carris728
21 HF 24 HF
(s/k
m)
Tempo ralenti
33
Figura 36: Velocidade média (esquerda) e acelerações máximas e médias (direita) de cada ciclo.
A Figura 36 mostra que o ciclo ETC tem a maior velocidade média, que conjugado com a menor
aceleração média e o número de paragens e tempo de relanti, indica que este ciclo claramente tem
pouca ou nenhuma componente urbana em comparação com os restantes ciclos. Os ciclos com
maiores acelerações médias têm grande relação com os que têm maior número de paragens e tempo
de ralenti, ou seja, os ciclos mais urbanos, com maior número de variações.
Figura 37: Inclinações máximas e médias de cada ciclo.
Observa-se na Figura 37 que o ciclo Linha 21-HF tem o maior declive médio de subida seguido do ciclo
STCP 303, logo estes dois ciclos têm o potencial para ser os mais exigentes em termos de consumo
de energia.
0
10
20
30
40
50
60
70
ETC STCP303
Carris728
21 HF 24 HF
(km
/h)
Velocidade média
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
ETC STCP303
Carris728
21 HF 24 HF
(m/s
2)
Aceleração
Aceleração média(m/s^2)
Aceleração máxima(m/s^2)
0
2
4
6
8
10
12
14
16
ETC STCP 303 Carris 728 21 HF 24 HF
Inclinação
Inclinação a subir máxima (%) Inclinação a subir média(%)
Inclinação a descer máxima(%) Inclinação a descer média(%)
34
3.2 Veículo de referência – Autocarro Diesel ICEV
Um autocarro convencional com motor de combustão interna a Diesel foi escolhido como veículo de
referência para ser comparado, em termos de consumo energético, com o FC-HEV de referência e com
os FC-HEV’s optimizados.
Este autocarro de referência é baseado num autocarro ICEV real, o Mercedes Citaro.
Figura 38:Mercedes Citaro ICEV [12].
A Tabela 3 descreve os componentes que compõem o Mercedes Citaro ICEV.
Tabela 3:Características principais do Mercedes Citaro ICEV [12].
Veículo de Referência - Mercedes Citaro ICEV
Marca Mercedes Benz
Modelo Citaro
Comprimento 12,1 m
Largura 2,55 m
Altura 3,12 m
Distância entre eixos, eixo dianteiro-eixo motriz 5,9 m
Tamanho pneus 275/70 R 22,5
Max. Peso 19 ton
Tara 10,77 ton
Capacidade 106 passageiros
Motor Mercedes-Benz OM 906 hLA
Cilindrada 6370 cm3, 6 cilindros em linha
Potência 210 kW ás 2200 rpm
Norma EURO Euro v
Binário 1120 N.m às 1200 rpm
35
3.3 Veículo de referência-Autocarro FC-HEV
3.3.1 Mercedes CitaroFuelCELL - Hybrid
O Mercedes Citaro FuelCELL-Hybrid foi escolhido como o segundo veículo de referência. Este veículo
será simulado num software de simulação de veículos rodoviários com os ciclos descritos no ponto 3.1.
A simulação dará consumos energéticos que serão comparados aos consumos energéticos do ICEV
de referência. Este FC-HEV de referência também será alvo de optimização.
Este FC-HEV utiliza um conjunto de células de H2 para gerar electricidade com a única função de
carregar as baterias que são a única fonte directa de electricidade para alimentar os motores eléctricos
de tracção.
Figura 39:Mercedes Citaro FuelCELL –Hybrid. [12]
O primeiro Mercedes-Benz Citaro FuelCELL-Hybrid apareceu pela primeira vez em Hamburg, na
Alemanha, fazendo parte do projecto CHIC Project (Clean Hydrogen in European Cities) [45,46,47].
Este projecto financiado pela União Europeia permitiu a introdução de 26 FC-HEV’s em 5 cidades
Europeias, no seguimento de dois projectos com sucesso originados pela União Europeia: CUTE (2003)
e HyFLEET:CUTE (2009) [45,46,47].
Este autocarro tem uma configuração híbrida em série, e consegue atingir uma velocidade máxima de
80 km/h [45,46,47].
A Tabela 4 descreve, mais detalhadamente os componentes desde FC-HEV.
36
Tabela 4:Características principais do Mercedes CitaroFuelCELL-Hybrid [12].
Mercedes Citaro FuelCELL-Hybrid
Marca Mercedes-Benz
Modelo Citaro FuelCELL-Hybrid
Dimensões
Comprimento 12 m
Altura 3,40 m
Largura 2,55 m
Distância entre eixos 5,845 m
Raio de viragem 21 m
Tamanho dos pneus 275/70 R 22,5
Peso
Peso máximo 18 ton
Peso líquido 13,2 ton
Capacidade de Passageiros
Número de lugares sentados 26
Capacidade para passageiros em pé 50
Capacidade total de passageiros 76
Armazenamento de Hidrogénio
Número de cilindros de armazenamento de H2 7 Cilindros
Capacidade total (peso) 35 kg de H2 a 350 bar
Capacidade total (volume) 1435 Litros
Sistema de pilhas de H2
Tipo de pilha de H2 PEM
Potência do sistema de pilha de H2 120 kW (cont.)/140 kW (pico)
Voltagem gerada pelo sistema 250-450 V DC
Autonomia 250 km
Eficiencia do sistema 58-51%
Consumo de H2 10-14 kg/100 km
Sistema de baterias
Tipo de Baterias Iões de lítio
Potência Nominal 120 kW
Potencia total máxima das baterias 180 kW
Capacidade total das baterias 26,9 kWh
Sistema de arrefecimento Água
Peso total 330 kg
Sistema de tracção
Tipo de motor Eléctrico AC x2
Potência nominal 80kW cada, 160 kW no total
37
3.3.2 Estratégia de gestão de energia a optimizar
De modo a reduzir o consumo energético do FC-HEV de referência sem alterar os seus componentes,
uma abordagem de optimização da EGE será adoptada para este estudo.
Os parâmetros da EGE a optimizar são os limites de funcionamento da bateria (SOClo e SOChi ) e
limites de funcionamento da pilha de H2 (CSmin pwr, CSmax pwr, CSfall pwr rate e CSrise pwr rate).
Após optimizados, cada um destes parâmetros terá um valor mais adequado para se obter uma
operação mais eficiente em cada um dos ciclos de condução descritos em 3.1.
Sistema de Baterias
As baterias possuem um intervalo óptimo de SOC no qual a resistência de descarregamento e de
carregamento é mínima, tornando o seu funcionamento mais eficiente, o que diminui o consumo de H2
(Figura 40).
Os parâmetros a optimizar para o sistema de baterias do FC-HEV de referência são:
SOChi - Nível superior do estado de carga desejado para o sistema de baterias, este parâmetro é
quantificado em percentagem.
SOClo - Nível inferior do estado de carga desejado para o sistema de baterias, este parâmetro é
quantificado em percentagem.
Após a definição destes valores, o controlador do sistema de distribuição de energia irá manter um
nível SOC igual á média dos níveis SOChi e SOClo ao longo de todo o percurso feito pelo veiculo.
Figura 40 :Intervalo de eficiência óptima das baterias [48].
38
Sistema de Pilha de Hidrogénio
As pilhas de hidrogénio têm um intervalo em que a percentagem de potência máxima requerida
proporciona uma operação do sistema mais eficiente (Figura 41). Para além disso, o funcionamento da
pilha de H2 na zona de máxima eficiência leva a que existam menos perdas, podendo assim, reduzir a
dimensão e o consequente custo dos permutadores de calor.
Os parâmetros a optimizar para o sistema de pilha de H2 do FC-HEV de referência são:
CSmin pwr - Define a potência mínima óptima requerida da pilha de hidrogénio pelas baterias de modo a
manter o charge sustaning entre os níveis óptimos. Um valor mais elevado deste parâmetro, significa
que a pilha de hidrogénio, quando ligada, poderá operar na região de alta eficiência. No entanto,
também podem fornecer mais energia do que a necessária.
CSmax pwr - Define a potência máxima óptima solicitada da pilha de hidrogénio pelas baterias de modo
a manter o charge sustaning entre os níveis óptimos. Normalmente definida para a maior potência
disponível na pilha. No entanto, pode ser benéfico para definir um valor inferior para evitar baixa
eficiência em níveis de potência de saída extremamente elevados.
Figura 41:Intervalo de eficiência óptima de uma pilha de H2 [48].
As pilhas de hidrogénio possuem uma zona em que as taxas de aumento ou redução da percentagem
de potência pedida ao sistema de pilha de hidrogénio permitem uma operação do sistema mais
eficiente.
CSfall pwr rate - Define a taxa máxima da redução da mudança da potência requerida do sistema de pilha
de hidrogénio pelas baterias de modo a manter o charge sustaning.
39
CSrise pwr rate -Define a taxa máxima do aumento da mudança da potência requerida do sistema de pilha
de hidrogénio pelas baterias de modo a manter o charge sustaning.
Em geral, quanto maior for o valor da taxa de variação de potência da pilha, as baterias poderão
responder melhor aos requisitos do ciclo.
3.4 Sofware de simulação de veículos rodoviários - ADVISOR
O ADVISOR (ADvanced VehIcle SimulatOR) [4] é um software desenvolvido pelo NREL (National
Renewable Energy Laboratory) [4]. Éste é utilizado para avaliar e quantificar o consumo de combustível,
desempenho e emissões de veículos convencionais e alternativos.
As características de cada componente do veículo a simular (dimensões do veículo, características de
modelação do motor, sistema de armazenamento de energia,etc) estão definidas em ficheiros do tipo
Matlab / Simulink.
Figura 42:Imagem do layout do ADVISOR. Primeira janela: Escolha dos componentes do veículo, e inserção dos dados e valores nominais para cada componente [4].
A Figura 42 demonstra a janela de inserção de dados no que diz respeito às características dos
componentes do veículo escolhido para a simulação.
40
Figura 43:Segunda janela do layout do ADVISOR: Escolha do ciclo de condução a utilizar na simulação,
condições iniciais do veículo e optimização dos parâmetros dos componentes e estratégia de gestão de energia [4].
A segunda janela do layout do ADVISOR tem como objectivo principal escolher o ciclo de condução a
utilizar nas simulações.
A cada ciclo de condução tem um ficheiro Matlab em que estão definidos o declive da estrada em
função da distância percorrida, carga variável em função do tempo e a velocidade em função do tempo.
Pode-se observar graficamente o percurso escolhido assim como os valores de algumas das suas
propriedades (velocidade máxima e média, tempo de duração, distância, declive, etc.).
Nesta janela, há a possibilidade de alterar as propriedades atmosféricas, e a oportunidade de efectuar
testes de declive e de aceleração. Estes testes são frequentemente utilizados para obter resultados
referentes ao desempenho e capacidades máximas dos veículos. Existe uma ferramenta nesta janela
que permite ao utilizador também optimizar os parâmetros dos componentes de um veículo ou
parâmetros da estratégia de gestão de energia de modo a obedecer a certas condições impostas.
Na terceira janela do layout do ADVISOR são apresentados os resultados das simulações efectuadas.
41
Figura 44:Resultados de uma simulação [4].
Os resultados englobam valores de consumo de energia, emissões de escape, e os valores dos
resultados dos testes de aceleração e declive. É também possível observar os resultados do
comportamento dos componentes dos veículos em gráfico.
Como ferramenta de análise iterativa, o ADVISOR utiliza os requisitos de velocidade e debinário do
percurso como variáveis de entrada para definir binários, velocidades e potências dos vários
componentes do veículo.
Nenhum componente requererá mais potência do que conseguirá utilizar. Adicionalmente, numa
simulação é incluído um modelo de comportamento humano que procura modelar os comandos de
aceleração e travagem durante o percurso. E os dados originados por este modo na simulação,
circulam no sentido contrário, iniciando-se no controlo e circulando em direcção à roda e percurso.
A simulação em si é resumida num diagrama de blocos (Simulink) que reúne os ficheiros, as equações,
os modelos de cada componente (Figura 45).
42
Figura 45:Diagrama de blocos do Simulink/MATLAB que rege a simulação do ADVISOR [4].
O ADVISOR possui uma ferramenta que possibilita optimizar alguns parâmetros na estratégia de
gestão de energia, Esta ferramenta permite inserir até um máximo de 3 variáveis a optimizar por
simulação (Figura 46), permitindo também aumentar a precisão dos resultados obtidos através do
número de pontos considerados, Neste estudo foram utilizados 6 pontos para cada simulação.
Figura 46:Exemplo do layout do campo de optimização paramétrica do ADVISOR.
A ferramenta de optimização do ADVISOR apresenta algumas limitações:
Numero limitado de variáveis de optimização;
Não permite optimização com constrangimentos (a nível de estado de carga da bateria);
Pouca flexibilidade na formulação do problema de optimização.
As condições iniciais de simulação usadas no ADVISOR são equivalentes a “arranque a quente”, e
como tal foi considerado que, o grupo motopropulsor dos veículos já se encontra previamente aquecido
(situação de funcionamento). Para o FC-HEV, o nível de bateria inicial (SOC inicial) encontra-se em
40% (ess_init_soc) (Figura 47). As condições iniciais incluem: temperatura do ar ambiente em ºC
(amb_tmp), Cp do ar em J/kg/K (air_cp), temperatura interna do catalisador/conversor em ºC
(ex_cat_mon_init_tmp, ex_cat_int_init_tmp), temperatura do canal de comunicação com o
catalisador/conversor em ºC (ex_cat_pipe_init_tmp, ex_manif_init_tmp), temperatura externa do
catalisador/conversor em ºC (ex_manif_init_tmp), temperatura em ºC do interior e exterior do motor de
43
combustão ou da pilha de combustível (se aplicável) (fc_i_init_tmp, fc_x_init_tmp), do interior do cilindro
do motor de combustão (fc_c_init_tmp), do capô do veículo (fc_h_init_tmp), temperatura em ºC da
bateria e do motor eléctrico (ess_mod_init_tmp, mc_init_tmp) (Figura 47).
Figura 47: Condições de temperatura ambientais dos componentes dos veículos simulados.
3.5 Algoritmo de Optimização - Algoritmo Genético
O Algoritmo Genético (AG) foi utilizado como método para optimizar os parâmetros referidos no
Capítulo 3.3.2.
Este método imita a evolução biológica natural, em que o princípio aplicado é o da teoria de Darwin da
sobrevivência do mais apto, neste caso é de assegurar a sobrevivência das melhores soluções
preliminares de modo a produzir, sucessivamente, melhores aproximações para a solução final. [49]
Um AG funciona através da criação de uma população de cromossomas (ou indivíduos) que podem
representar soluções possíveis para o objectivo de optimização. [49] A estrutura de cada indivíduo
contém genes que apresentam a informação acerca dos parâmetros a optimizar (Tabela 5).
Cada gene está codificado em dígitos reais, que serão atribuídos como valor ao respectivo parâmetro
da estratégia de gestão de energia. Os parâmetros SOClo, SOChi, CSmin pwr, CSmax pwr, CSfall pwr rate e CSrise
pwr rate definem os 6 genes que compõem cada indivíduo.
44
Tabela 5: Limites das variáveis de decisão que definem os genes do AG..
Genes Limites dos Genes
SOChi [0,55-1]
SOClo [0,2-0,5]
CSmax pwr [60-120] kW
CSmin pwr [0-60] kW
CSfall pwr rate [(-0,001)-(-30)] kW/s
CSrise pwr rate [0,001-30] kW/s
Um perfil de aptidão (fitness) é atribuído a cada indivíduo da população. Os indivíduos mais aptos a
serem solução para o problema de optimização conseguem obter menores consumos de energia,
respeitando sempre os requesitos de velocidade, aceleração impostos pelo ciclo de condução
percorrido. O software de simulação de veículos ADVISOR (Capitulo 3.4) é utilizado para avaliar as
soluções /indivíduos.
Uma função especial, adv_no_gui, está disponível num ficheiro específico do ADVISOR (MatLab M-
File: adv_no_gui.m). Quando esta função é chamada através da janela de comando do Matlab (ou
automaticamente pelo AG), dá a possibilidade de utilizar o ADVISOR sem utilizar a interface gráfica
destinada a facilitar a utilização por parte dos utilizadores (graphical user interface, GUI).
O AG tem início a partir de uma população de indivíduos gerados aleatoriamente. A cada geração, a
população de indivíduos é renovada parcialmente por descendentes que tenham melhor aptidão que
os indivíduos da população da geração anterior. O generation gap define o número de descendentes
relativos á população anterior, ou á taxa de indivíduos a serem seleccionados para reproduzirem
(crossover).
A taxa de cruzamento (crossover) define a probabilidade de dois indivíduos combinarem os seus genes
[54].
O tipo de crossover utilizado neste AG é por ponto único, onde parte do cromossoma do primeiro
progenitor é copiada e o restante é copiado do segundo progenitor [49].
A cada geração, após ocorrer o crossover entre individuos, originando soluções descendentes,
ocorre o processo de mutação. O objectivo da mutação é o de preservar e introduzir diversidade de
soluções.A mutação deve impedir que a população de indivíduos de se tornem semelhantes de geração
para geração, diminuindo ou impedindo a evolução.
As Figuras 48 e 49 representam um exemplo do crossover e mutação de indivíduos no AG.
Nestes exemplos, o cromossoma representado é composto por 11 genes (que variam entre 0 e 1).
45
Figura 48:Exemplo da criação de soluções descendentes (crossover) no AG [50].
Figura 49:Exemplo da mutação (de um gene apenas, “mutated bit”) de soluções descendentes no AG [50].
Em cada geração, após a criação das soluções descendentes, segue-se a sua respectiva avaliação,
onde cada indivíduo descendente é simulado no ADVISOR que atribui a cada indivíduo um conjunto
de resultados, como o consumo de combustível e de energia, velocidade máxima, aceleração máxima.
Se o ciclo de condução não for respeitado, um factor de penalidade é adicionado ao indivíduo, baixando
o seu perfil de aptidão.
Nesta altura a população descendente está completa, depois de avaliados os indivíduos descendentes,
estes são reinseridos na população original mantendo os indivíduos mais aptos, substituindo os menos
aptos. Ao longo das gerações haverá a tendência para que a população seja preenchida com soluções
cada vez com melhor aptidão, ou seja com menor consumo de H2, até se obter uma solução satisfatória.
Normalmente, o algoritmo termina quando o número máximo de gerações definido for atingido, ou um
nível de aptidão satisfatório foi alcançado para a população.
46
Figura 50:Esquema do AG [50].
A optimização utilizando um algoritmo genético permite:
Optimizar todas as variáveis desejadas (criadas pelo ADVISOR, ou em pós-simulação);
Um ajuste de parâmetros do algoritmo de desempenho mais refinado;
Resultados mais precisos;
Grande flexibilidade na formulação do problema de optimização.
No entanto o tempo computacional requerido pelo algoritmo genético é significativamente maior, no
caso de uma população de 30 indivíduos e 100 gerações, o tempo computacional pode ser superior a
48 horas por optimização.
Para este estudo, foi definida uma população de 30 indivíduos e um número máximo de 100 gerações,
de modo a se encontrar um compromisso entre o tempo despendido por optimização e a convergência
dos resultados.
3.6 Consumo de Hidrogénio corrigido
O ADVISOR tem a particularidade de, durante as simulações com FC-HEV’s, utilizar a maior energia
possível disponível nas baterias de forma a reduzir o consumo de H2 da pilha de hidrogénio, o que não
permite manter o nível SOC das baterias ou charge sustaining característico de um FC-HEV, obtendo-
se um valor de consumo de H2 inferior ao que seria de esperar.
47
Para a simulação e optimização do FC-HEV de referência, considerou-se um consumo de hidrogénio
corrigido. Esta correcção foi considerada sempre que o Dsoc (Equação 1) seja diferente de zero.
A correcção do consumo de H2 (𝐶𝐻2̃) é calculada através da Equação 2 e representa a energia que
seria necessária para que a bateria acabasse com o mesmo nível de SOC, ou Dsoc=0 .No cáclulo de
𝐶𝐻2̃ teve-se em consideração a capacidade das baterias (𝐶𝑎𝑝) e a perda de eficiência de 5% (100% -
efH2-Bat) para o fluxo de energia entre a pilha de H2 e a bateria assim como a própria eficiência da pilha
de H2 (efFC).
𝐷𝑠𝑜𝑐 = 𝑆𝑂𝐶 𝑖𝑛𝑖𝑐𝑖𝑎𝑙 − 𝑆𝑂𝐶 𝑓𝑖𝑛𝑎𝑙
Equação 1: Cálculo da diferença entre o SOC inicial e o SOC final.
𝐶𝐻2̃(𝑔) = (𝐷𝑠𝑜𝑐 × 𝐶𝑎𝑝(𝑘𝑊ℎ) × 3,6) ×1
𝑃𝐶𝐼𝐻2(𝑀𝐽/𝑔) ×
1
𝑒𝑓𝐻2−𝐵𝑎𝑡 . 𝑒𝑓𝐹𝐶
Equação 2:Cálculo da correcção do consumo de H2.
𝐶𝑜𝑛𝑠𝑢𝑚𝑜 𝐻2̃ (𝑔) = 𝐶𝑜𝑟𝑟𝑒𝑐çã𝑜 𝑑𝑒 𝐻2 (𝑔) + 𝐶𝐻2(𝑔)
Equação 3:Cálculo do consumo de H2 corrigido.
48
4. Resultados
Neste Capítulo são apresentados os resultados obtidos para este estudo que incluem a simulação dos
autocarros de referência e do autocarro optimizado nos diferentes ciclos de condução, com e sem a
influência dos passageiros.
49
4.1 Simulação dos autocarros de referência
Os veículos ICEV e FC-HEV de referência (descritos nos Capítulos 3.2 e 3.3) foram simulados no
ADVISOR para os ciclos de condução considerados no Capítulo 3.1. Estas simulações têm como
objectivo obter o consumo de combustível de ambos os veículos, com e sem passageiros, a fim de se
poder analisar as diferentes tecnologias dos veículos, a influência das condições de condução e
comparar com os FC-HEV’s com a EGE optimizada.
4.1.1 Simulação sem passageiros
A Tabela 6 apresenta os resultados da simulação do autocarro de referência ICEV, para cada ciclo de
condução sem a presença de passageiros, e incluem o consumo de Diesel (g/km) e o consumo de
energia (MJ/km).
Tabela 6 :Resultado das simulações obtidas no ADVISOR sem passageiros para o autocarro convencional.
ICEV - sem passageiros
Resultados / Ciclos de Condução ETC STCP_303 Carris_728 HF_21 HF_24
Consumo de Diesel (g/km) 250,2 625,7 536,2 698,6 466,7
Consumo de energia (MJ/km) 10,71 26,77 22,95 29,89 19,98
As Figuras 51, 52, 53, 54 e 55 apresentam a evolução do nível de SOC durante a simulação do FC-
HEV de referência no ADVISOR, o perfil de velocidades e o declive dos ciclos de condução utilizados
nesta dissertação sem passageiros. Note-se que nos níveis de SOC, o ADVISOR não consegue manter
o charge sustaining típico de um HEV, devido ao facto de que o ADVISOR tende a consumir mais a
energia armazenada nas baterias para reduzir o consumo de H2 através da pilha de H2. Foi escolhido
um SOC inicial de 0,400 para as simulações como uma estimativa inicial de um SOC que apresenta
uma baixa resistência de descarga e de carregamento para o tipo de baterias utilizado neste FC-HEV
de referência (Ver Figura 7).
O consumo corrigido de H2 (ver Capitulo 3.6), para manter o charge sustaining, está presente na Tabela
7.
Para o ciclo ETC (Figura 51), verificou-se que o SOC final atingido foi de 0,348, foi atingido um SOC
máximo de 0,402 e mínimo de 0,333.
Este ciclo tem a particularidade de ter uma parte de auto-estrada, o que exige uma velocidade elevada
por parte do motor eléctrico e logo uma grande exigência de energia eléctrica, energia esta que vai ser
retirada às baterias e á pilha de H2, o que impede que a pilha de H2 mantenha o SOC desejado.
50
Figura 51:Nível de SOC nas simulações e perfil de velocidade e de declive da estrada do ciclo ETC sem passageiros.
Para o ciclo STCP_303 (Figura 52), verificou-se que o SOC final atingido foi de 0,404, atingindo um
SOC máximo de 0,412 e mínimo de 0,397. Este ciclo é um ciclo que não é exigente em termos de
velocidade ou declive, por isso a pilha de H2 conseguiu manter o SOC desejado.
Figura 52: Nível de SOC nas simulações e perfil de velocidade e de declive da estrada do ciclo STCP_303 sem passageiros.
Para o ciclo Carris_728 (Figura 53), verificou-se que o SOC final atingido foi de 0,409, atingindo um
SOC máximo de 0,433 e mínimo de 0,351. Este ciclo não é exigente em termos de velocidade mas
existe um pico de declive elevado que baixou o SOC para 0,351 temporariamente, voltando a manter
o SOC desejado.
51
Figura 53: Nível de SOC nas simulações e perfil de velocidade e de declive da estrada do ciclo Carris_728 sem passageiros.
Para o ciclo HF_21 (Figura 54), verificou-se que o SOC final atingido foi de 0,411, atingindo um SOC
máximo de 0,411 e mínimo de 0,038. Este ciclo tem a particularidade de ter uma topografia com declive
elevado, o que exige um maior fornecimento de energia elétrica para alimentar o motor eléctrico,
energia esta que vai ser retirada às baterias e á pilha de H2, o que impede que a pilha de H2 mantenha
o SOC desejado, neste caso, a exigência de energia para o motor é tão grande que o SOC das baterias
atingiu o nível 0,0384 no fim do percurso de ida. Como a volta é feita pelo mesmo percurso só que a
descer, a pilha voltou a carregar as baterias até ao SOC final =0,411.
Figura 54: Nível de SOC nas simulações e perfil de velocidade e de declive da estrada do ciclo HF_21 sem passageiros.
Para o ciclo HF_24 (Figura 55), verificou-se que o SOC final atingido foi de 0,402, atingindo um SOC
máximo de 0,402 e mínimo de 0,320. Este ciclo é um ciclo que não é exigente em termos de velocidade
52
mas existe uma zona com algum declive maior de subida que fez baixar o SOC para 0,320
momentaneamente.
Figura 55: Nível de SOC nas simulações e perfil de velocidade e de declive da estrada do ciclo HF_24 sem passageiros.
A Tabela 7 apresenta os resultados da simulação do FC-HEV de referência para cada ciclo de
condução sem a presença de passageiros, incluindo os níveis de SOC inicial, final, máximo e mínimo
atingido nas simulações, Dsoc, o consumo de H2 corrigido (g/km), consumo de energia corrigido
(MJ/km) (ver Secção 3.6).
Tabela 7: Resultado das simulações obtidas no ADVISOR sem passageiros, limites do SOC obtido das
simulações e consumo corrigido, para o autocarro hibrido de referencia FC-HEV.
FC-HEV – sem passageiros
Resultados / Ciclos de Condução ETC STCP_303 Carris_728 HF_21 HF_24
SOC inicial 0,400 0,400 0,400 0,400 0,400
SOC final 0,348 0,404 0,409 0,411 0,402
SOC máximo 0,402 0,412 0,433 0,411 0,402
SOC mínimo 0,333 0,397 0,351 0,038 0,320
Dsoc 0,052 -0,004 -0,009 -0,011 -0,002
Consumo de H2 corrigido (g/km) 72,6 146,4 138,5 171,2 127
Consumo de energia corrigido (MJ/km) 8,71 17,57 16,62 20,54 15,24
53
4.1.2 Simulação com passageiros
A Tabela 8 apresenta os resultados da simulação do autocarro de referência ICEV, para cada ciclo de
condução com a presença de passageiros, e incluem o consumo de Diesel (g/km) e o consumo de
energia (MJ/km).
Tabela 8: Resultado das simulações obtidas no ADVISOR com passageiros.
ICEV - com passageiros
Resultados / Ciclos de Condução ETC STCP_303 Carris_728 HF_21 HF_24
Consumo de Diesel (g/km) 285,5 737,2 586,9 822,2 504
Consumo de energia (MJ/km) 12,22 31,55 25,12 35,19 21,57
As Figuras 56, 57, 58, 59 e 60 apresentam a evolução do nível de SOC durante a simulação do FC-
HEV de referência no ADVISOR, o perfil de velocidades, declive e peso adicional devido á presença
de passageiros dos ciclos de condução utilizados nesta dissertação. Note-se que nos níveis de SOC,
o ADVISOR não consegue manter o charge sustaining típico de um HEV, devido ao facto de que o
ADVISOR tende a consumir mais a energia armazenada nas baterias para reduzir o consumo de H2
através da pilha de H2. Foi escolhido um SOC inicial de 0,400 para as simulações como uma estimativa
inicial de um SOC que apresenta uma baixa resistência de descarga e de carregamento para o tipo de
baterias utilizado neste FC-HEV de referência (Ver Figura 7).
O consumo corrigido de H2 (ver Capitulo 3.6), para manter o charge sustaining, está presente na Tabela
9.
Para o ciclo ETC (Figura 56), verificou-se que o SOC final atingido foi de 0,308, atingindo um SOC
máximo de 0,401 e mínimo de 0,293. Adicionando à exigência de velocidade deste ciclo, o efeito do
peso adicional constante dos passageiros levaram a que os níveis SOC baixem.
54
Figura 56: Nível de SOC nas simulações e perfil de velocidade, declive da estrada e de peso adicional dos passageiros do ciclo ETC com passageiros.
Para o ciclo STCP_303 (Figura 57), verificou-se que o SOC final atingido foi de 0,393, um SOC máximo
de 0,404 e mínimo de 0,386. Para além da influência dos requesitos do ciclo, a influência do peso
adicional dos passageiros fizeram baixar o SOC final.
Figura 57: Nível de SOC nas simulações e perfil de velocidade, declive da estrada e de peso adicional dos passageiros do do ciclo STCP_303 com passageiros.
Para o ciclo Carris_728 (Figura 58), verificou-se que o SOC final atingido foi de 0,407, um SOC máximo
de 0,432 e mínimo de 0,317. Para além dos requisitos e topografia do ciclo de condução, o peso
55
adicional dos passageiros teve uma grande influência nos níveis de SOC, mais concretamente, num
pico elevado de carga que ultrapassou as 4 toneladas, fazendo o SOC baixar para quase 0,350.
Figura 58: Nível de SOC nas simulações e perfil de velocidade, declive da estrada e de peso adicional dos passageiros do ciclo Carris_728 com passageiros.
Para o ciclo HF_21 (Figura 59), verificou-se que o SOC final atingido foi de 0,381, atingindo um SOC
máximo de 0,400 e mínimo de 0,100. Durante o percurso de subida do autocarro, existiu uma grande
afluência de passageiros o que fez baixar os níveis de SOC.
56
Figura 59: Nível de SOC nas simulações e perfil de velocidade, declive da estrada e de peso adicional dos passageiros do ciclo HF_21 com passageiros.
Para o ciclo HF_24 (Figura 60), verificou-se que o SOC final atingido foi de 0,388, atigindo um SOC
máximo de 0,400 e mínimo de 0,285. O peso adicional dos passageiros teve uma grande influência nos
níveis de SOC, mais concretamente, vários picos elevados de carga que ultrapassou as 4 toneladas.
Figura 60: Nível de SOC nas simulações e perfil de velocidade, declive da estrada e de peso adicional dos passageiros do ciclo HF_24 com passageiros.
A Tabela 9 apresenta os resultados da simulação do FC-HEV de referência para cada ciclo de
condução com a presença de passageiros, incluindo os níveis de SOC inicial, final, máximo e mínimo
atingido nas simulações, Dsoc, o consumo de H2 corrigido (g/km), consumo de energia corrigido
(MJ/km) (ver Secção 3.6).
Tabela 9: Resultado das simulações obtidas no ADVISOR com passageiros, limites do SOC obtido das
simulações e consumo corrigido.
FC-HEV – com passageiros
Resultados / Ciclos de Condução ETC STCP_303 Carris_728 HF_21 HF_24
SOC inicial 0,400 0,400 0,400 0,400 0,400
SOC final 0,308 0,393 0,407 0,381 0,388
SOC máximo 0,401 0,404 0,432 0,400 0,400
SOC mínimo 0,293 0,386 0,317 0,000 0,285
Dsoc 0,093 0,007 -0,007 0,019 0,012
Consumo de H2 corrigido (g/km) 77,1 159,5 156,6 202,2 140,4
Consumo de energia corrigido (MJ/km) 9,25 19,14 18,79 24,27 16,85
57
4.2 Optimização
Neste Capítulo estão presentes os resultados da optimização dos parâmetros da EGE relativamente
ao autocarro de referência Mercedes Citaro FuelCELL-Hybrid (Capítulo 3.3.1).
O objecto de optimização foram os parâmetros da EGE referentes aos limites de operação de SOC das
baterias (SOClo e SOChi), limites de operação da pilha de hidrogénio relativamente à potência fornecida
(CSmin pwr e CSmax pwr) e taxa de redução e aumento potência fornecida pela pilha de H2 (CSfall pwr rate e
CSrise pwr rate), (Capítulo 3.3.2).
O objectivo foi de minimizar o consumo de H2 do autocarro enquanto mantendo os requesitos dos ciclos
de condução em termos de velocidade e aceleração.
Foram utilizadas duas ferramentas para obter resultados, a ferramenta de optimização do ADVISOR e
um algoritmo genético desenvolvido para este trabalho.
4.2.1 Ferramenta de optimização do ADVISOR.
Os resultados estão presentes nas Tabelas 10 e 11 com e sem passageiros respetivamente, onde C̃𝐻2
é o consumo de energia corrigido (Capitulo 3.6). O ADVISOR fornece o melhor valor de consumo de
H2 para cada par de parâmetros.
Tabela 10:Resultado das optimizações paramétricas obtidas no ADVISOR sem passageiros.
FC-HEV optimizado sem passageiros
SOClo SOChi CSmin pwr (kW) CSmax pwr (kW) CSfall pwr rate (kW/s) CSrise pwr rate (kW/s)
ETC
Parâmetro 20% 55% 24 60 -6 10
C̃𝐻2
(MJ/km) 8,71 8,73 6,52
STCP_303
Parâmetro 20% 55% 60 120 -30 10
C̃𝐻2
(MJ/km) 17,76 17,94 17,68
HF_21
Parâmetro 20% 55% 12 60 -30 18
C̃𝐻2
(MJ/km) 20,28 20,43 21,16
HF_24
Parâmetro 20% 55% 12 60 -12 10
C̃𝐻2
(MJ/km) 15,71 15,85 -
Carris_728
Parâmetro 20% 55% 12 60 -6 10
C̃𝐻2
(MJ/km) 17,05 17,16 -
58
Tabela 11:Resultado das optimizações paramétricas obtidas no ADVISOR com passageiros.
FC-HEV optimizado com passageiros
SOClo SOChi CSmin pwr (kW) CSmax pwr (kW) CSfall pwr rate (kW/s) CSrise pwr rate (kW/s)
ETC
Parâmetro 20% 55% 24 60 -6 10
C̃𝐻2
(MJ/km) 9,26 9,27 6,93
STCP_303
Parâmetro 20% 55% 60 120 -30 10
C̃𝐻2
(MJ/km) 19,21 19,49 18,46
HF_21
Parâmetro 55% 20% 60 12 -30 18
C̃𝐻2
(MJ/km) 25,62 25,11 24,69
HF_24
Parâmetro 55% 20% 60 12 -12 10
C̃𝐻2
(MJ/km) 17,29 17,41 -
Carris_728
Parâmetro 55% 20% 60 12 -6 10
C̃𝐻2
(MJ/km) 19,16 19,28 19,19
4.2.2 Optimização com o algoritmo genético.
As Tabelas 12 e13 apresentam os indivíduos resultantes da optimização com o algoritmo genético
que apresentaram menor consumo de H2, sem e com a influência do peso dos passageiros,
respectivamente. Note-se que o consumo corrigido (Capitulo 3.6), C̃𝐻2, é o resultado a comparar
entre os veículos.
Tabela 12:Parâmetros do EGE finais (melhores soluções/indivíduos alcançados) resultantes da optimização
com um AG que resultam em menor consumo de H2, sem passageiros.
FC-HEV optimizado sem passageiros – indivíduos do cromossoma final
SOChi SOClo SOC CSmax pwr
(kW) CSmin pwr
(kW) CSfall pwr rate
(kW/s) CSrise pwr rate
(kW/s)
C̃𝐻2
(MJ/km)
ETC 1,00 0,20 0,60 81,79 14,54 -30,00 6,57 8,30
STCP_303 1,00 0,20 0,60 64,14 14,38 -30,00 0,63 16,54
HF_21 1,00 0,29 0,65 107,04 14,40 -30,00 6,70 19,85
HF_24 0,93 0,27 0,60 120,00 38,46 -30,00 9,55 16,16
Carris_728 1,00 0,20 0,60 68,34 14,55 -30,00 5,86 17,10
Tabela 13:Parâmetros do EGE finais (melhores soluções/indivíduos alcançados) resultantes da optimização
com um AG que resultam em menor consumo de H2, com passageiros.
FC-HEV optimizado com passageiros – indivíduos do cromossoma final
SOChi SOClo SOC CSmax pwr
(kW) CSmin pwr
(kW) CSfall pwr rate
(kW/s) CSrise pwr rate
(kW/s)
C̃𝐻2
(MJ/km)
ETC 1,00 0,41 0,71 94,83 43,71 -30,00 10,89 9,25
STCP_303 1,00 0,20 0,60 60,07 14,44 -30,00 2,91 19,27
HF_21 1,00 0,47 0,74 95,22 14,47 -30,00 23,98 23,87
HF_24 0,92 0,32 0,62 94,96 54,82 -30,00 7,10 17,37
Carris_728 1,00 0,20 0,60 78,16 15,75 -30,00 13,80 19,29
59
5 Discussão
Neste Capítulo são discutidos os resultados das simulações e da optimização. Uma análise
comparativa é feita entre os diferentes veículos de referência e optimizados, a influência dos ciclos de
condução e da existência de passageiros.
60
5.1 Influência dos ciclos de condução e passageiros nas simulações
dos veículos de referência.
As Figuras 61 e 62 apresentam os consumos energéticos dos veículos de referência com e sem
passageiros, respectivamente. Para ambos os veículos, sem e com a influência de passageiros, os
ciclos HF_21, STCP_303 foram os responsáveis por um maior consumo de energia, seguidos dos ciclos
Carris_728, HF_21 e ETC (ver Tabelas 6,7, 8 e 9). A inclinação média de subida é o factor que tem
mais impacto no consumo de energia tendo os ciclos HF_21 STCP_303 as maiores inclinações médias
de subida (ver Figura 37).
Figura 61:Consumo de energia dos autocarros de referência (ICEV e FC-HEV) nos ciclos de condução sem passageiros.
Figura 62: Consumo de energia dos autocarros de referência (ICEV e FC-HEV) nos ciclos de condução com passageiros.
0
5
10
15
20
25
30
35
ETC STCP_303 Carris_728 HF_21 HF_24
Con
su
mo
de
en
erg
ia (
MJ/k
m)
Sem Passageiros
ICEV FC-HEV
0
5
10
15
20
25
30
35
40
ETC STCP_303 Carris_728 HF_21 HF_24
Con
su
mo
de
en
erg
ia (
MJ/k
m)
Com Passageiros
ICEV FC-HEV
61
A Tabela 14 apresenta o consumo adicional de energia gasto pelos veículos de referência devido ao
peso adcional dos passageiros.
Verificou-se que a presença de passageiros aumenta o consumo de energia em ambos os autocarros
de referência (ICEV e FC-HEV) de acordo com aumento percentual indicado na Tabela 14. A influência
do peso adicional dos passageiros aparenta ter menor impacto no FC-HEV do que no ICEV nos ciclos
ETC e STCP, e maior impacto nos ciclos Carris_728 e HF_24.
O número de passageiros nos ciclos Carris_728 e HF_24 é elevado quando comparado com os
restantes ciclos utilizados neste estudo, com picos de carga que chegam quase às 5 toneladas (ver
Figura 24 e Figura 29), que quando associado com o peso adicional do próprio FC-HEV de referência
(que pesa mais 2,43 toneladas do que o ICEV de referência), níveis elevados de aceleração e um
número de paragens elevados (ver Tabela 2) leva a que o FC-HEV de referência gaste mais energia
do que o ICEV para suportar o peso adicional dos passageiros, neste ciclos de condução em particular.
Verifica-se através dos dados da Tabela 14 que o FC-HEV de referência, em geral, apresenta menor
variação média de consumo de energia devido ao peso adicional dos passageiros. Embora as
características de cada ciclo de condução e número de passageiros tenham grande influência no
consumo de cada veículo, verifica-se que o FC-HEV de referência tem a capacidade de, em média,
“absorver” as variações mais influentes no ICEV devido ao peso dos passageiros.
Tabela 14: Comparação do consumo de energia (MJ/km) para os ciclos de condução com e sem
passageiros.
Comparação de Ciclos de Condução e influência de passageiros
Comparação / Ciclos de Condução ETC STCP_303 Carris_728 HF_21 HF_24 Média
ICEV
Aumento percentual de consumo de energia
devido ao peso adicional dos passageiros.
14% 18% 9% 18% 8% 13,4%
FC-HEV
Aumento percentual de consumo de energia
devido ao peso adicional dos passageiros.
6% 9% 13% 18% 11% 11,4%
62
5.2 Optimização da EGE do FC-HEV de referência
As Figuras 63 e 64 apresentam os consumos de energia dos autocarros de referência (ICEV e FC-
HEV) e dos FC-HEV’s optimizados pelo ADVISOR (FC-HEV ADVISOR) e pelo algoritmo genético (FC-
HEV AG), com e sem passageiros, respectivamente. Nas Figuras 63 e 64 também está representada
a redução percentual de energia do relativamente ao “melhor” veículo para cada ciclo de condução, ou
seja, o veículo que consome menor energia para cada ciclo.
Figura 63:Consumo de energia dos autocarros de referência (ICEV e FC-HEV) e dos autocarros optimizados (FC-HEV ADVISOR e FC-HEV AG), nos ciclos de condução sem passageiros.
Figura 64: Consumo de energia dos autocarros de referência (ICEV e FC-HEV) e dos autocarros optimizados (FC-HEV ADVISOR e FC-HEV AG), nos ciclos de condução com passageiros.
39%
38%
28%
34%
24%
25%
6%
3%
6% 3%
2%
3%
21%
3% 6%
0
5
10
15
20
25
30
35
ETC STCP_303 Carris_728 HF_21 HF_24
Con
su
mo
de
en
erg
ia (
MJ/k
m)
Sem Passageiros
ICEV FC-HEV FC-HEV ADVISOR FC-HEV GA
43%
41%
25%
51%
22%
25%
4%
28%
2%
30%
3%
25%
4%
21%
13%
0
5
10
15
20
25
30
35
40
ETC STCP_303 Carris_728 HF_21 HF_24
Con
su
mo
de
en
erg
ia (
MJ/k
m)
Com Passageiros
ICEV FC-HEV FC-HEV ADVISOR FC-HEV GA
63
As Tabelas 15 e 16 mostram as melhores soluções para cada ciclo de condução utilizado, com e sem
passageiros. Os valores que aparecem são parâmetros optimizados da EGE do FC-HEV de referência,
os parâmetros que têm traço são parâmetros para o qual não se conseguiu obter uma solução melhor
do que o FC-HEV de referência.
Tabela 15: Cromossoma final dos veículos óptimos, sem passageiros.
Tabela 16: Cromossoma final dos veículos óptimos, com passageiros.
Ciclo HF_21
No ciclo HF_21, foi possível obter uma solução melhor para a EGE do FC-HEV de referência com a
utilização do algoritmo genético (FC-HEV AG), esta solução permite uma redução de energia de 34%
e de 51% em relação ao veículo ICEV de referência, 3% e de 28% em relação ao FC-HEV de referência,
e 2% e de 30% em relação á EGE optimizada pelo ADVISOR, sem e com passageiros,
respectivamente.
A optimização com o AG permitiu obter uma melhor solução de SOC=0,65, do que a de SOC=0,4
utilizada na simulação do FC-HEV de referência, o que permite às baterias operar com uma maior
eficiência, este SOC=0,65 é elevado, em particular, devido á exigência elevada de consumo energético
associado a este ciclo de condução.
A utilização do AG também permitiu obter uma melhor solução para os limites máximo e mínimo da
potência requerida á pilha de H2, pode-se observar a partir da Tabela 15 que o intervalo CSmax pwr =
107,04 kW e CSmin pwr = 14,40 kW, é maior porque a energia pedida às baterias neste ciclo é elevada,
este intervalo mostrou ter uma melhor relação entre desempenho e economia de consumo de energia.
A Tabela 15 mostra que as taxas de redução e de aumento de potência pedidas à pilha de H2, CSfall
pwr rate = -30,00 W/s e CSrise pwr rate= 6,7 kW/s, são maiores devido ao número de paragens por km elevado,
aceleração média elevada e declive de subida elevado.
EGE optimizada- sem passageiros
SOChi SOClo SOC CSmax pwr (kW) CSmin pwr (kW) CSfall pwr rate (kW/s) CSrise pwr rate (kW/s)
ETC 1,00 0,20 0,6 81,79 14,54 -6,00 10,00
STCP_303 1,00 0,20 0,6 64,14 14,38 -30,00 0,63
HF_21 1,00 0,29 0,65 107,04 14,40 -30,00 6,70
HF_24 - - - - - - -
Carris_728 - - - - - - -
EGE optimizada- com passageiros
SOChi SOClo SOC CSmax pwr (kW) CSmin pwr (kW) CSfall pwr rate (kW/s) CSrise pwr rate (kW/s)
ETC 1,00 0,41 0,71 94,83 43,71 -6,00 10,00
STCP_303 - - - - -30,00 10,00
HF_21 1,00 0,47 0,74 95,22 14,47 -30,00 23,98
HF_24 - - - - - -
Carris_728 - - - - - -
64
Com a presença de passageiros, a Tabela 16 mostra que a optimização do FC-HEV de referência com
o AG permitiu obter uma melhor solução de SOC=0,74, o que permite às baterias operar numa zona
eficiente dado o peso adicional dos passageiros.
A utilização do AG também permitiu obter uma melhor solução para os limites máximo e mínimo da
potência requerida á pilha de H2 dado o peso adicional dos passageiros, pode-se observar a partir da
Tabela 16 que o intervalo CSmax pwr = 95,22 kW e CSmin pwr = 14,47 kW, é menor para se poder manter o
SOC=0,74. Este intervalo mostrou ter uma melhor relação entre desempenho e economia de consumo
de energia.
A Tabela 16 mostra que as taxas de redução e de aumento de potência pedidas à pilha de H2, CSfall pwr
rate = -30,00 W/s e CSrise pwr rate= 23,87 kW/s, teve que aumentar para poder suportar o peso adicional
dos passageiros, número de paragens por km elevado, aceleração média elevada e declive de subida
elevado.
Ciclo STCP_303
Verifica-se através da Tabela 15, que a optimização com o AG permitiu obter uma melhor solução de
SOC=0,60, do que a de SOC=0,40 utilizada na simulação do FC-HEV de referência, o que permite às
baterias operar com uma maior eficiência.
A utilização do AG também permitiu obter uma melhor solução para os limites máximo e mínimo da
potência requerida á pilha de H2, pode-se observar a partir da Tabela 15 que o intervalo CSmax pwr =
64,14 kW e CSmin pwr = 14,38 kW, este intervalo mostrou ter uma melhor relação entre desempenho e
economia de consumo de energia.
A Tabela 15 mostra que as taxas de redução e de aumento de potência pedidas à pilha de H2, CSfall pwr
rate = -30,00 W/s e CSrise pwr rate= 0,63 kW/s. Este ciclo não é tão exigente, em comparação com o ciclo
HF_21 sem passageiros, em termos de declive de subida e número de paragens por km, logo a pilha
de H2 consegue manter o SOC=0,60 sem exigir valor elevados de CSmax pwr, CSmin pwr, CSfall pwr rate e
CSrise pwr rate.
No ciclo STCP_303 com passageiros, a ferramenta de optimização do ADVISOR (FC-HEV ADVISOR)
conseguiu obter melhores valores de consumo energético nos parâmetros da EGE: CSfall pwr rate e CSrise
pwr rate.
A Tabela 16 mostra que as taxas de redução e de aumento de potência pedidas à pilha de H2, CSfall pwr
rate = -30,00 kW/s e CSrise pwr rate= 10,00 kW/s, tiveram que aumentar para poder suportar o peso adicional
dos passageiros.
Ciclos Carris_728 e ciclo HF_24
Nos ciclos Carris_728 e ciclo HF_24, nenhum dos dois métodos de optimização estudados conseguiu
otimizar os parâmetros do FC-HEV de referência, com ou sem passageiros, o que pode sugerir três
65
hipóteses: (a) os parâmetros actuais da EGE do FC-HEV de referência estão mais ajustados para este
tipo de ciclo de condução; (b) os componentes do FC-HEV de referência não tendo sido alterados,
poderão não conseguir melhor compromisso com a EGE para estes ciclos de condução; (c) a
optimização através do ADVISOR e do AG poderão não estar suficientemente ajustados, ou não ter o
número suficiente de iterações/gerações, de modo a atingir uma convergência das gerações desejada.
Ciclo ETC
Para o ciclo ETC sem passageiros, os parâmetros optimizados pelo ADVISOR que permitiram obter
menor consumo de H2 foram o CSfall pwr rate e CSrise pwr rate, referentes à taxa de potência da pilha de H2,
com valores de -6,00 kW/s e 10,00 kW/s respectivamente.
Este ciclo tem a particularidade de ter uma elevada velocidade média e maiores acelerações máximas
e estes valores apresentam uma melhor relação entre desempenho e economia de consumo de
energia.
Neste ciclo sem passageiros, os melhores resultados obtidos para os SOClo, SOChi, CSmax pwr e CSmin
pwr foram obtidos através do AG com valores SOClo =0,20 eSOChi =1 e CSmax pwr = 81,79 kW e CSmin pwr
= 14,54 kW. A Tabela 15 mostra que estes 6 parâmetros juntos formam uma melhor solução para a
EGE do FC-HEV de referência, para este ciclo sem passageiros.
Para o ciclo ETC com passageiros, os parâmetros optimizados pelo ADVISOR que permitiram obter
menor consumo de H2 foram o CSfall pwr rate e CSrise pwr rate, referentes à taxa de potência da pilha de
combustível, com valores de -6,00 kW/s e 10,00 kW/s. Os melhores resultados obtidos para os SOClo,
SOChi, CSmax pwr e CSmin pwr foram obtidos através do AG com valores SOClo =0,41 eSOChi =1 e CSmax
pwr = 94,83 kW e CSmin pwr = 43,71 kW, O intervalo deste parâmetros aumentou de modo a poder suportar
o peso adicional dos passageiros, número de paragens por km elevado, aceleração média elevada e
declive de subida elevado. A Tabela 16 mostra que estes 6 parâmetros juntos formam uma melhor
solução para a EGE do FC-HEV de referência, para este ciclo com passageiros.
66
6 Conclusões e direcções futuras
Neste capítulo apresentam-se as conclusões relativas à dissertação no seu todo, Abordam-se as
questões mais relevantes e as possíveis tarefas para trabalhos futuros.
67
6.1 Conclusões
Conclui-se que, a utilização de FC-HEV´s permite reduzir o consumo de energia em relação a ICEV de
forma significativa, devido á utilização de um grupo motopropulsor mais eficiente.
O efeito do peso adicional de passageiros tem menos impacto em FC-HEV’s do que em ICEV’s.
Não alterando os componentes do FC-HEV de referência, foi possível usar uma abordagem de
software, através da utilização de um algoritmo genético e ADVISOR para optimizar a estratégia de
gestão de energia do veículo, apresentando soluções que permitem reduzir o consumo de energia em
alguns ciclos de condução.
A presença do peso adicional dos passageiros nas simulações/optimizações teve uma influência
considerável nos consumos de energia e nos parâmetros optimizados, pelo que se deve ter em conta
este peso adicional de modo a se ter parâmetros mais ajustados a uma situação real.
A utilização de um algoritmo genético para optimizar os parâmetros de estratégia de gestão de energia
apresenta algumas vantagens em relação ao ADVISOR na medida em que permite optimizar todos os
parâmetros escolhidos referentes a um único consumo de energia, permite definir constrangimentos,
definir um melhor refinamento e permite uma melhor análise dos resultados.
No caso dos ciclos de condução em que não foi possível optimizar a EGE do FC-HEV de referência,
uma possível solução para a redução de consumo de energia deste veículo seria a elaboração de um
estudo para optimizar os seus componentes como motor electrico, número de baterias e pilha de H2,
utilizando um AG.
A utilização de uma abordagem de optimização da EGE mostrou ser uma mais-valia para tornar os FC-
HEV mais eficientes.
68
6.2 Direcções futuras
Nesta dissertação não foi tida em conta a escolha óptima para o número da população ou para o
número máximo de gerações que permitem obter os melhores resultados possíveis, um estudo deste
tipo enriqueceria muito os resultados desta tese.
O futuro da optmização da estratégia da gestão de energia passa por a utilização de outros algoritmos
de optimização como fuzzy logic e DIRECT.
Um estudo para optimizar os componentes do FC-HEV, utilizando AG, de forma o reduzir o consumo
de combustível e o custo do veículo melhoraria ainda mais a eficiência do FC-HEV.
69
7 Referências Bibliográficas
[1] “Eurostat” [Online]. Available: http://epp.eurostat.ec.europa.eu. [Acedido em Agosto 2013].
[2] “World Energy Outlook” [Online]. Available: http://www.worldenergyoutlook.org. [Acedido em Agosto
2013].
[3] P. Baptista, M.Tomás and C Silva. Hybrid plug-in fuel cell vehicles market penetration scenarios.
International Journal of Hydrogen Energy Vol. 35, Issue 18, pg. 10024-10030, 2010.
[4] João Filipe Pinto Ribau. Análise de consumo eléctrico e de hidrogénio em veículos Plug-in
puramente eléctricos e híbridos eléctricos c/ Pilha de combustível, Master thesis in Mechanical
Engineering, Instituto Superior Técnico, 2009.
[5] Patricia Baptista, João Ribau, João Bravo, Carla Silva, Paul Adcock, Ashley Kells. FUEL CELL
HYBRID TAXI WELL-TO-WHEEL LIFE-CYCLE ANALYSIS. World Electric Vehicle Journal Vol. 4, pg.
000798, 2010.
[6] Ana F. Ferreira, João P. Ribau, Carla M. Silva. Energy consumption and CO2 emissions of potato
peel and sugarcane biohydrogen production pathways, applied to Portuguese road
transportation. International Journal of Hydrogen Energy Vol. 36, Issue 21, pg. 13547-13558, 2011.
[7] Paulo Melo, João Ribau, Carla Silva. Urban Bus Fleet Conversion to Hybrid Fuel Cell Optimal
Powertrains. Procedia - Social and Behavioral Sciences, Vol. 111, Issue 0, pg. 692-701, 2014.
[8] Guerra Toscano, Bravo, João Miguel, Ribau. João, Silva. Carla. “The Influences of Energy Storage
and Energy Management Strategies on Fuel Consumption of a Fuel Cell Hybrid Vehicle Engine and
Powertrain Control, Simulation and Modeling. IFAC Proceedings Volumes (IFAC-PapersOnline), Vol. 3,
Parte 1, pg. 233-240, 2012
[9] João Ribau, Rita Viegas, Ana Angelino, Alexandra Moutinho, Carla Silva. A new offline optimization
approach for designing a fuel cell hybrid bus. Transportation Research Part C-Emerging
Technologies, Vol 42, pg. 14-27, 2014.
[10] Ehsani, Mehrdad; Gao, Yimin; Gay, Sebastien E; Emadi, Ali. ModernElectric, HybridElectric,
and Fuel Cell Vehicles Fundamentals, Theory, and Design, 2nd edition, CRC Press, 2010.
[11] “Toyota Prius” [Online]. Available: http://www.toyota.com [Acedido em Setembro 2013].
[12] “Mercedes Citaro FuelCell-hybrid” [Online]. Available: www.mercedes-benz.pt [Acedido em
Setembro 2013].
[13] “Chevrolet Volt” [Online]. Available: www.chevrolet.com [Acedido em Setembro 2013].
[14] “Opel Ampera” [Online]. Available: www.opel.com [Acedido em Setembro 2013].
[15] “Veículos híbridos” [Online]. Available: http://energy.gov/eere/transportation/vehicles
[Acedido em Outubro 2013].
[16] “HondaCivicHybrid e Insight” [Online]. Available: www.honda.com [Acedido em Outubro 2013].
[17] “Lexus” [Online]. Available: www.lexus.com [Acedido em Outubro 2013].
[18] T. Markel, A. Brooker, T. Hendricks, V. Johnson, K. Kelly, B. Kramer, M. O’Keefe, S. Sprik and
K. Wipke. ADVISOR: A Systems Analysis Tool for Advanced Vehicle Modeling, Vol. 110,
Issue 2, pg. 255-266, 22 August 2002.
70
[19] João Ribau, Carla Silva, Francisco P. Brito, Jorge Martins. Analysis of four-stroke, Wankel, and
microturbine based range extenders for electric vehicles. Energy Conversion and
Management, Vol. 58, pg. 120-133, 2012.
[20] “Ciclo Atkinson” [Online]. Available: http://modifiedatkinsoncycleengine.blogspot.pt/ [Acedido em
Novembro 2013].
[21] “Peugeot” [Online]. Available: http://www.peugeot.pt/tecnologia-hybrid4/#!a-tecnologia/full-hybrid-
diesel/ [Acedido em Novembro 2013].
[22] Joeri Van Mierlo, Peter Van den Bossche, Gaston Maggetto. Models of energy sources for EV and
HEV: fuel cells, batteries, ultracapacitors, flywheels and engine-generators. Journal of Power Sources,
Vol. 128, Issue 1, 2004.
[23] Andrew Burke, “Ultracapacitors: why, how, and where is the technology”, Journal of
Power Sources, Volume 91, Issue 1, 2000.
[24] “Hidrogénio” [Online]. Available: http://www.fuelcells.org/ [Acedido em Dezembro 2013].
[25] “Hidrogénio” [Online]. Available: www.nrel.gov/hydrogen/proj_fc_bus_eval.html [Acedido em
Setembro 2013].
[26] “Hidrogénio” [Online]. Available: http://www.osti.gov/bridge [Acedido em Setembro 2013].
[27] K, Haraldsson, A, Folkesson, P, Alvfors. Fuel cell buses in the Stockholm CUTE project—First
experiences from a climate perspective. Journal of Power Sources, Vol. 145, Issue 2, pg. 620-631, 2005.
[28]“XCELLSIS”[Online].Available:http://ntl.bts.gov/lib/11000/11000/11099/articles
35634_cleaning_up.pdf [Acedido em Dezembro 2013].
[29] Silva, CM; Farias, TL; Frey, HC and Rouphail, NM. Evaluation of Numerical Models for
Simulation of Real-world Hot-stabilized Fuel Consumption and Emissions of Gasoline Light-duty
Vehicles. Transportation Research Part D 11, pg. 377– 385, 2006.
[30] Silva, CM, Gonçalves, GA, Farias, TL and Mendes Lopes, JMC. A Tank-to-wheel AnalysisTool
for Energy and Emissions Studies in Road Vehicles. Science of the Total Environment, Vol.
367, Issue 1, pg. 441-447, 2006.
[31] Silva, C.M., Farias, T. L. and Mendes-Lopes, J. M. Silva, C.M. C. Cold Start, Part Warm Start and
Warm Up Simulation of Vehicles in Ecogest. FISITA 2004- 30th FISITA World Automotive Congress,
Barcelona, Espanha, 23 a 27 de Maio 2004.
[32] “AVL CRUISE” [Online]. Available: https://www.avl.com [Acedido em Fevereiro 2013].
[33] “Southwest Research Institute” [Online]. Available: http://www.swri.org [Acedido em Fevereiro
2013].
[34] “MODELICA” [Online]. Available: https://www.modelica.org [Acedido em Fevereiro 2013].
[35] “PSAT” [Online].Available:http://www.transportation.anl.gov/modeling_simulation/PSAT/index.html
[Acedido em Fevereiro 2013].
[36] “AUTONOMIE” [Online].Available: http://www.autonomie.net/ [Acedido em Fevereiro 2013].
[37] Rousseau, A. Pagerit, S., Gao, D. (Tennessee Tech University). Plug-in hybrid electric vehicle
control strategy parameter optimization. 23rd International Electric Vehicle Symposium (EVS23),
Anaheim, CA, 2007.
71
[38] DaweiGao, Zhenhua Jin, Qingchun Lu. Energy management strategy based on fuzzy logic for a
fuel cell hybrid bus. Journal of Power Sources, Vol. 185, pg. 311–317, 2008.
[39] Manzie, C., Watson, H., Halgamuge, S. Fuel economy improvements for urban driving: Hybrid vs.
intelligent vehicles. Transportation Research Part C: Emerging Technologies, Vol. 15, Issue 1, pg. 1–
16, 2007.
[40] S. Caux, W. Hankache, M. Fadel, D. Hissel. On-line fuzzy energy management for hybrid fuel cell
systems. International Journal of Hydrogen Energy Vol. 35, Issue 5, pg. 2134–2143, 2010.
[41] “ETC” [Online].Available: https://www.dieselnet.com [Acedido em Fevereiro 2013].
[42] “STCP” [Online].Available: http://www.stcp.pt/ [Acedido em Fevereiro 2013].
[43] “Carris” [Online].Available: www.carris.pt [Acedido em Fevereiro 2013].
[44] “Horários do Funchal” [Online].Available: http://www.horariosdofunchal.pt/ [Acedido em Fevereiro
2013].
[45]“Mercedes”[Online].Available:http://www.gizmag.com/mercedes-benz-citaro-fuelcell-hybrid-
bus/13390/ [Acedido em Abril 2013].
[46]“CUTE”[Online].Available:http://www.omnibusarchiv.de/include.php?path=content&mode=print&co
ntentid=495 [Acedido em Abril 2013].
[47]“HyFLEET:CUTE”[Online].Available:http://www.daimler.com/dccom/0-5-1228969-1-1401155-1-0-
0-1401206-0-0-135-0-0-0-0-0-0-0-0.html [Acedido em Abril 2013].
[48]“ADVISOR”[Online].Available:http://www.nrel.gov/news/press/2002/2102_advisor_tool.html
[Acedido em Abril 2013].
[49] Chipperfield, J. Fleming, H. Pohlheim, C. Fonseca. Genetic Algorithm Toolbox for use with Matlab.
Technical Report No. 512, Department of Automatic Control and Systems Engineering, University of
Sheffield, 1994.
[50] Imagens retiradas dos apontamentos de optimização do curso de doutoramento em Engenharia
Mecânica.
72
Anexo A - Características de diferentes pilhas de H2
Tabela 17:Características das diferentes pilhas de H2 [24].
Características dos diferentes tipos de células de H2
Tipo de Célula de H2
Proton Exchange Membrane Fuel Cell (PEM), as células PEM operam em
temperaturas relativamente baixas, têm alta densidade de potência, e
podem variar o output de energia rapidamente para atender as mudanças
na demanda de energia, PEM’s são bem adaptadas para a utilização em
automóveis ou empilhadoras.
Eletrólito Membrana de polímero sólido
Catalisador Platina: é o catalisador mais activo para células de baixa temperatura
Temperatura de
operação 175-200⁰F
Eficiência eléctrica 40-60%
Tipo de Célula de H2
Direct Methanol Fuel Cell (DMFC), DMFCs são semelhantes às células PEM,
no entanto, em sistemas de DMFC o próprio catalisador do ânodo origina o
hidrogénio a partir de metanol líquido, eliminando a necessidade de um processo de
reforming, A temperatura de operação baixa faz DMFCs atraente para aplicações
em miniatura, como telemóveis, computadores portáteis e carregadores de baterias.
Eletrólito Membrana de polímero sólido
Catalisador A platina é mais comum
Temperatura de
operação 125-250⁰F
Eficiência eléctrica Até 40%
Tipo de Célula de H2
Alkaline Fuel Cell (AFC), a NASA tem usado AFC’s movidos a hidrogénio em
missões espaciais desde 1960 para fornecer eletricidade e água potável.
Eletrólito Solução de hidróxido de potássio em água
Catalisador Pode usar uma variedade de catalisadores de metais não preciosos
Temperatura de
operação 225-475⁰F
Eficiência eléctrica 60-70%
73
Tipo de Célula de H2
Phosphoric Acid Fuel Cell (PAFC), PAFC’s podem operar utilizando
combustíveis de hidrocarbonetos ou biogás, PAFC’s são mais tolerantes de
impurezas do combustível, PAFC’s são frequentemente usados em um modo de co-
geração.
Eletrólito Cerâmico de ácido fosfórico líquido numa matriz de óxido de alumínio e lítio.
Catalisador Catalisador de platina suportado por Carbono.
Temperatura de
operação
350-400⁰F
Eficiência eléctrica 36-42%
Tipo de Célula de H2
Molten Carbonate Fuel Cell (MCFC), As temperaturas de operação elevadas
de MCFCs significam que os combustíveis de hidrocarbonetos podem ser
convertidos em hidrogénio dentro da própria célula através de reforming interno.
MCFCs são ideais para geração energia estacionária e aplicações de co-geração
Eletrólito
Tipicamente consiste em metais alcalinos (Na e K) carbonatos retidos numa
matriz cerâmica de LiHO2
Catalisador
Alta temperatura de operação MCFC permite o uso de menor custo,
catalisadores do grupo não-platina
Temperatura de
operação
1200 ⁰F
Eficiência eléctrica 50-60%
Recommended