TWI851965B - 極致續航力電動車智能電力系統及智能管理系統 - Google Patents
極致續航力電動車智能電力系統及智能管理系統 Download PDFInfo
- Publication number
- TWI851965B TWI851965B TW111105882A TW111105882A TWI851965B TW I851965 B TWI851965 B TW I851965B TW 111105882 A TW111105882 A TW 111105882A TW 111105882 A TW111105882 A TW 111105882A TW I851965 B TWI851965 B TW I851965B
- Authority
- TW
- Taiwan
- Prior art keywords
- intelligent
- smart
- electric vehicle
- power system
- power
- Prior art date
Links
- 238000003860 storage Methods 0.000 claims abstract description 49
- 238000011084 recovery Methods 0.000 claims abstract description 45
- 238000012360 testing method Methods 0.000 claims description 46
- 238000011056 performance test Methods 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 16
- 230000005484 gravity Effects 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 12
- 238000010248 power generation Methods 0.000 claims description 10
- 238000013480 data collection Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 230000009194 climbing Effects 0.000 claims description 5
- 230000010365 information processing Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims 2
- 238000011156 evaluation Methods 0.000 claims 1
- 230000005291 magnetic effect Effects 0.000 description 28
- 238000010586 diagram Methods 0.000 description 16
- 238000005381 potential energy Methods 0.000 description 15
- 230000033001 locomotion Effects 0.000 description 11
- 239000004020 conductor Substances 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 8
- 230000005611 electricity Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000001172 regenerating effect Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 210000003811 finger Anatomy 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000004804 winding Methods 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000005674 electromagnetic induction Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 210000003813 thumb Anatomy 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 229910000976 Electrical steel Inorganic materials 0.000 description 1
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 230000005662 electromechanics Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000005923 long-lasting effect Effects 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010257 thawing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
一種極致續航力電動車智能電力系統及智能管理系統。極
致續航力智能電動車包括智能電動馬達裝置、動能回收裝置、智能發電機裝置及智能蓄電裝置。智能電動馬達裝置用以接收電能並轉換為驅動力，以驅動該極致續航力電動車動力系統。極致續航力電動車智能電力系統之供電原則是智能發電機裝置之供電功率，大於智能蓄電裝置之供電功率；智能蓄電裝置之供電功率，大於智能電動馬達裝置之供電功率；智能電動馬達裝置之供電功率，大於動能回收裝置之供電功率；智能發電機裝置之供電力來源除了智能電動馬達裝置之回收動能之外，必須另外獲得來自萬有引力之回收動能。智能蓄電裝置用以儲存回收電能，並將被儲存的回收電能提供至智能電動馬達裝置進行驅動。
Description
本發明是有關於一種電動車及系統，且特別是有關於一種極致續航力智能電動車及智能管理系統。
早期發展之電動車未採用智能電力系統，對於需要長距航程、或經常使用車輛之使用者而言，必須選配置供電大、價位高之電動車電池。一般電動車電池充電後之續航里程由最早期之數十公里，逐漸擴增至百餘公里，兩百餘公里，數百餘公里，至今雖已產出達一千公里以上之續航里程水準，卻仍然不能滿足電動車對於「極致續航里程」之目標需求。唯有極致續航力之電動車配置智能電力系統後，藉由「動能回收裝置」所回收之動能來啟動「智能發電機裝置」產生電能，符合純電動車之充電條件時，再充電到「智能蓄電裝置」之內，以持續供應電力，確實達成電動車所需之
「極致續航里程」目標。
早期電動車發展中的電力系統是一項極為複雜、困難、龐大、昂貴和具有污染環境的電力系統設備。然而，嶄新之極致續航力電動車智能電力系統供電原理，則是建置：(1)智能發電機裝置之供電功率，大於智能蓄電裝置之供電功率；(2)智能蓄電裝置之供電功率，大於智能電動馬達裝置之供電功率；(3)智能電動馬達裝置之供電功率，大於動能回收裝置總合之供電功率；(4)智能發電機裝置之供電功率來源除了智能電動馬達裝置之回收動能之外，另加(5)智能發電機裝置基座因前方淨傾斜度δ=σ-λ=基座傾斜度-當地爬升度之安置而受到萬有引力(位能、勢能)影響所產生之回收動能，然後將兩項總合之回收動能轉換為機械能，來提升智能發電機裝置發電功率；(6)δ min≧λ max(λ max是全程最大爬升度)。
在適量充電到高能量「智能蓄電裝置」之後，讓極致續航力智能電動車達成「極致續航里程」的目標，使人類獲取更為方便、便宜、乾淨及低污染之全綠能的動力能源。
本發明提供一種極致續航力電動車智能電力系統及智能管理系統，以改善電動車的電力消耗。
本發明的極致續航力智能電動車包括智能電動馬達裝置、動能回收裝置(Kinetic Energy Recovery Device,KERD)、智能發電機裝置及智能蓄電裝置。動能回收裝置兩大回收動能來源：其一
為智能電動馬達所輸出之回收動能，其二為智能發電機基座安裝時與水平面傾斜以接收萬有引力(位能、勢能)影響所產生之回收動能。然後，智能發電機裝置將這兩項之總回收動能轉換為機械能，來提升智能發電機裝置發電功率。智能蓄電裝置用以儲存回收電能，並將被儲存的回收電能提供至智能電動馬達裝置進行驅動。
本發明的智能管理系統包括極致續航力智能電動車及管理裝置。極致續航力智能電動車包括：智能電動馬達裝置、動能回收裝置KERD、智能發電機裝置及智能蓄電裝置。管理裝置包括智能電力系統運作狀態資料庫、測試控制與資料蒐集模組及智能電力系統測試操作站。智能電力系統運作狀態資料庫用以管理極致續航力智能電動車的型號、序號、型式以及時間碼的至少一者。性能測試控制與資料蒐集模組用以取得極致續航力智能電動車之SOC值、智能發電機轉速值、智能發電機輸出電壓值的至少一者，以進行環境性能測試。智能電力系統測試操作站用以量測極致續航力智能電動車性能之軟體程式與參數，並啟動極致續航力智能電動車的該環境性能測試。
基於上述，本發明的極致續航力智能電動車及智能管理系統可改善電動車的電力消耗。
10:極致續航力智能電動車智能電力系統
101~116:智能電力系統性能測試測試流程步驟
11:智能電力系統性能測試控制與資料蒐集模組
12:智能電動馬達裝置
13:智能發電機裝置
14:動能回收裝置KERD
15:智能蓄電裝置
16:蓄電池殘電量量測值
17:智能發電機轉速
18:智能發電機輸出電壓
20:智能電力系統性能測試資訊處理模組
30:智能電力系統運作狀態資料庫
31:智能電力系統物件輸入處理器
310~314:智能電力系統運作狀態資料庫儲存流程步驟
32:智能電力系統查詢處理器
320~323:步驟
33:智能電力系統輸出處理器
34:智能電力系統索引資料庫
35:智能電力系統運作狀態資料檔案儲存系統
40:智能電力系統性能測試操作站
50:智能電動車航行資訊檔
51:現在時間
52:啟站位置
53:終站位置
54:啟站出發時間
55:到達終站時間
56:智能電動車航行時間
57:智能電動車航行距離
58:智能電動車航行速度
59:路途紀錄
60:智能電力系統性能測試資訊檔
61:檔頭識別碼
62:極致續航力智能電動車智能電力系統識別碼
621:動能回收裝置型號
622:動能回收裝置序號
623:智能電動機裝置識別碼
624:智能發電裝置識別碼
625:智能蓄電裝置識別碼
63:智能電動機裝置性能資訊
64:智能發電機裝置性能資訊
65:動能回收裝置KERD性能資訊
66:智能蓄電裝置性能資訊
67:智能電力系統性能資訊
68:資料檢查和
69:檔尾識別碼
圖1為本發明實施例一智能電力系統測試系統之功能方塊圖。
圖2為本發明實施例一智能電力系統性能測試之作業流程圖。
圖3為本發明實施例一三相永久磁鐵同步馬達的等效電路示意圖。
圖4為本發明實施例一無刷直流馬達轉移函數經拉普拉斯轉換後的示意圖。
圖5為本發明實施例一充電系統的等效電路示意圖。
圖6A為本發明實施例一極致續航力智能電動車系統模組影像示意圖。
圖6B為智能發電機與水平面之淨傾斜度為δ=σ-λ =基座傾斜度-當地爬升度。其中，受萬有引力(位能、勢能)影響所增加之回收動能Eg示意圖。
圖6C為本發明實施例一行星齒輪式架構示意圖。
圖7A為本發明實施例一智能電動車航行資訊檔的資料結構示意圖。
圖7B為本發明實施例一智能電力系統性能測試資訊格式示意圖。
圖8為本發明實施例一智能電力系統運作狀態資料庫之示意圖。
圖9為本發明實施例一存入智能電力系統運作狀態資料庫之作業流程圖。
圖10為本發明實施例一智能電力系統資料庫查詢取出之作業流程圖。
本發明為一種極致續航力智能電動車及智能管理系統，其配置之智能發電裝置所回收動能，包含：其一為智能電動馬達所輸出之回收動能，其二為智能電動車行駛過程由萬有引力所產出之回收動能。因此，智能發電機轉動之動能(Et)與智能電動馬達轉動軸承動能(Em)之比率=Et/Em=(Em+Eg)/Em=1+Eg/Em。當Eg/Em是正值，則智能發電機所產生之電能功率必是大於智能電動馬達之電能功率。因此，極致續航力電動車智能發電機所產生之電力必然讓智能電動車產生極致續航力之效果。藉由迅速完整而優異的全天候工作環境，改善交通運輸之服務品質，獲致更為安全舒適與節約能源之生活與工作環境效益。讓人類邁向寂靜、平順、零汙染的效益，獲致「小型、輕量、智能、安全、共享」之目標。
極致續航力電動車智能電動馬達裝置，其實就是完整電動車之動力系統，包括：整合電動馬達、能量管理模組。純電動車動力系統功能係由能量管理模組執行。根據使用者對於車輛動力之需求，由整合電動馬達動力供應，經過動能回收裝置KERD，由電子式無段變速機構(Electric Continuously Variable Transmission,ECVT)執行無段式變速控制，利用Matlab/Simulink軟體達成動態模型模擬動態行為，設計為閉迴路控制系統。為簡化計算過程，將所有的操作情形轉換成力矩二維查表，其數學模型是依據牛頓第
二運動定律，方程式如下：ΣT=Jα
算出驅動車輪之轉速，並建立力矩二維查表利用輸出力矩，其旋轉動態方程式如下：T e-T fric-T e,Load=J e α e
其中，T e為車輪旋轉之輸出力矩，T e,Load為電動車機構回授之負載力矩，T fric為車輪內部摩擦損耗，J e為電動車之車輪轉動慣量，α e為車輪角加速度。電動車模型加入比例積分控制器PI控制車輪之輪軸，模擬實際車輪之轉速控制時的動態行為。
電動馬達為內轉式永磁同步馬達，馬達正轉時作電動馬達使用，在低速行進時為驅動車輛行駛之主要動力，在高速行駛時作為驅動車輛行駛之用。在中速行駛時為吸收驅動車輛多餘力矩充電之用。電動馬達模型所採用簡化無刷馬達系統方塊圖，一般無刷馬達的轉子採用永久磁鐵。圖3所示為三相永久磁鐵同步馬達的等效電路。
當今電動車產業之車廠、供應鏈、科技業等齊力合作以精密機電促進低成本之產業發展。根據純電動車發展經驗，開關磁阻電動機被公認是一種極有發展前途的電動車驅動電動機。它的定子和轉子均由普通矽鋼片疊壓而成，轉子上既無繞組，也無永磁體，只在定子上繞有集中繞組。永久磁鐵同步馬達具有普通直流電動機和交流電動機所不能比擬的下列優點：(1)結構簡單、堅固耐用、成本低，可在極高的轉速下工
作，能適應高溫和強振動的工作環境；(2)起動轉矩大，低速性能好；(3)調速範圍廣，控制靈活，易於實現各種特殊要求的轉矩-轉速特性；(4)在寬廣的轉速和功率範圍內都有很高的效率。
對於電動馬達硬體的設計，驅動方式採用的是三相正弦波電壓或電流來驅動，忽略剩餘磁性、飽和、滯後、渦電流和磁槽的影響，由等效電路求電壓、電流以及阻抗的關係式，即為三相電動馬達的電壓方程式：
其中Vas、Vbs、Vcs為各相定子繞組之電壓，Rs為各項之電阻，ias、ibs、ics為各相定子繞組之電流，L s為各項之電感，ω r為轉子電氣角速度，kb為各項之反電動勢常數，θ r為轉子角度之位置。在機械動能方面電磁力矩可表示為：
其中，kt為力矩常數，而機械力矩與角速度之關係式為：
其中，J m為電動馬達轉動慣量，p為轉子極數，αr為電動馬達轉子電氣角加速度，B m為電動馬達等效黏滯摩擦係數，T m,Load為整合機構回授之負載力矩，ω m為電動馬達轉子機械角速度，ω r 為電動馬達轉子電氣角速度。
以上方程式做拉普拉斯(Laplace)轉換，將無刷直流馬達轉移函數表示如圖4，將其簡化成電動馬達模式，加入比例積分控制器(PI)控制電動馬達驅動電壓，模擬實際無刷馬達做轉速控制時的動態行為。
智能發電機將部份動能轉換成電能，充電系統是由功率元件與波寬調變(Pulse Width Modulation,PWM)技術所組成，功率元件(Insulation-Gate Bipolar Transistor,IGBT)，利用一大功率小電阻消耗多餘電力，其等效電路圖如圖5所示，利用IGBT開關及大功率小電阻並聯方式控制發電機內部產生之電壓E a，電路方程式為：
其中，Ra為發電機總電阻，I a 為發電機充電電流，L a為發電機總電感，V B 為蓄電池電壓，驅動車輪輸出經整合機構傳至發電機之力矩機械方程式為：
其中，J g為發電機轉動慣量、ω g為發電機轉速、Bg為發電機等
效黏滯係數。
電動車智能發電機最適合於極致續航力鋰離子等先進蓄電池操作特性之使用，而精確的蓄電池殘留電能SOC量測，讓純電動車系統預估續航里程數與何時該對電池組充電，由於鋰電池內部為複雜的電化學反應狀態，本身之特性亦皆為非線性關係，因此建立之蓄電池模型使用美國國家再生能源實驗室(National Renewable Energy Laboratory,NREL)提出之方法，利用RC電路的設計來描述蓄電池之充放電特性，經由克希荷夫定律得系統之狀態方程式如下所示：
其中，V cb為跨越Cb之電壓，V cc 為跨越C c 之電壓，Cb(Bulk Capacitor)為主體電容用來表現電池之電容量，Cs(Surface Capacitor)為表面電容用來表示電池之暫態效應，Rc(Capacitor Resistance)為電容性電阻，Re(End Resistance)為末端電阻，Rt(Terminal Resistance)為終止電阻，V o 為蓄電池輸出電壓，I s 為充電電流。
電動車可區分為智能蓄電裝置、動力裝置(包含電動馬達、電動馬達驅動器、傳動裝置與電池能量匹配器)、輔助裝
置、動力控制器等裝置。其中，智能蓄電裝置之模組可分為「電池管理裝置」與「電能管理裝置」兩部分。由於電動車動力電池之蓄電量有限，當蓄電池殘電量SOC低於輸出電力標準額度六成時，就要立即充電，以符合電池之輸出電力達到動力輸出之標準。圖6A所示為極致續航力智能電動車系統模組示意圖。圖中之動能回收裝置KERD，用來協調智能發電機和電動馬達的動力輸出的法寶。圖6B為智能發電機與水平面之淨傾斜度為 δ = σ-λ=基座傾斜度-當地爬升度。其中，受萬有引力(位能、勢能)影響所增加之回收動能Eg=ηgmg sinδ示意圖。這動能回收裝置KERD是精緻設計的「行星式齒輪箱」。本系統中動能回收裝置採用行星齒輪式架構，元件包含太陽齒輪、行星架齒輪組、環齒輪如圖6C所示，在差速行星齒輪中，動能回收裝置採用之接法為環齒輪當輸入軸、行星架齒輪組當電動車輪胎軸承、太陽齒輪當智能發電機動力軸承為輸出軸。
動能回收裝置行星式齒輪箱係由太陽齒輪、行星架齒輪組與環形齒輪等三組齒輪整合組成：(1)中間是太陽齒輪(Sun Gear)，發電機連接在太陽齒輪軸上；(2)周圍環繞三到四個行星架齒輪組(Planetary Gear)，固定在一個行星齒輪架(Planetary Carrier)上。行星齒輪本身會自轉，行星架齒輪則會一同繞著太陽齒輪的軸心公轉；(3)最外層是一個環形齒輪(Ring Gear)，繞著太陽齒輪心旋轉。
由高速運轉的直流馬達加上行星式減速齒輪箱達到減
速、高扭力的目的，其主要傳動結構為外齒圈、行星輪、太陽輪，這樣的結構具有分流、減速、多齒嚙合功能可提升工作效率。行星架齒輪箱馬達系列具備體積小、重量輕、承載能力大、傳動效率高、低噪音、動力輸出平穩、適應性強、耐用度高等強勢優勢，可視需求製作各式轉速、扭力、電壓、出力軸等參數以符合應用需求。
為探討機構在運轉過程中的動態特性，本發明之智能電動馬達裝置針對傳動機構各重要組件推導其運動方程式，瞭解組件個別的運動情形建立數學模型。無段變速裝置內部作用力可分為向心力及切向力，內部各元件運動方程式如下：T s-3 F ps rs=J s α s
F pc+F ps-F pr=mp a p
a p=(rp+rs)a c
(F pr+F ps)rp=J p α p
T c-3 F pc(rp+rs)=J c α c
3F pc rr-T L=J r α r將方程式推導之運動方程式結合可以整理而得下列力矩關係式：T s=I sαs=(I rαr+ T L)rs/rr+3I p α p rs/rp
T c=(I c+3mp(rp+rs)2)αc+2(Irαr+ T r)(rp+rs)/rr-3I p α p(rp+rs)/rp
將其推導出的數學方程式建立出智能電動車智能電力系統動能回收裝置KERD實體機構的動態模型。車輛環境參數輸入模型為模擬實車性能測試時所受到之空氣阻力、滾動阻力、爬坡阻
力與加速阻力，輸入車輛相關參數如車重、車輛前投影面積與轉動慣量，以及環境變數如坡度、滾動阻力係數、空氣阻力係數、空氣密度等資料。其中，包含：車輛移動時由車輪接觸地面而產生路面阻礙輪胎行進的滾動阻力：F r=mg μr
車輛行駛時遭遇到的空氣阻力，包含：氣流撞擊車輛正面所產生的阻力，以及空氣劃過車身所產生之空氣阻力：
在電動車開上斜坡時所受到的爬坡阻力：F s=mg sinλ電動車在加速時，需比等速行駛多輸出更多的加速阻力：F α=(m+mi)a
整車動態模型依據上述方程式對各裝置元件所建立的動態模型整合，並加入駕駛者模型控制踏板及煞車作為功率需求，可依照不同行車形態作為參考車速輸入至駕駛者模型中，能量管理控制策略將接收駕駛者加速板與煞車踏板作為功率需求，回授各動力元件功率、蓄電池SOC與實際車速判斷行車模式，最後在電腦上模擬能量管理在實際平台測試時的運轉情形，驗證控制策略的完整性。
根據自然法則之一的能量守恆定律(Energy Conservation Law)」即熱力學第一定律：「孤立系統的總能量保持不變，能量既不會憑空產生，也不會憑空消失，它只會從一種形式轉化為另一
種形式，或者從一個物體轉移到其它物體，而能量的總量保持不變」。所以，本極致續航力電動車智能電力系統之總回收能量Et=智能電動馬達轉動動能Em+智能發電機基座之安置時，向前傾斜與水平面之淨傾斜角為δ，其所受到的萬有引力(位能、勢能)之影響所產生回收動能Eg。
因此，極致續航力智能電力系統IPS設計所採用之動能回收裝置整體操作狀況，當智能發電機基座之安置時，向前傾斜與水平面之淨傾斜角為δ=σ-λ=基座傾斜度-當地爬升度，其所受到的萬有引力(位能、勢能)之影響所產生回收動能為：Eg=ηg mg sinδ
如圖6B所示。智能發電機轉動之總回收動能Et與智能電動馬達轉動動能Em之比率即為Et/Em=(Em+Eg)/Em=1+Eg/Em。其中，Eg是智能發電機受萬有引力(位能、勢能)之影響所產生回收動能。此時，Eg/Em必為正值，亦即智能發電機之電能功率是必大於智能電動馬達之電能功率。因此，極致續航力電動車智能發電機所產生之電力必然讓智能電動車產生極致續航力之效果。
電動車下坡路徑的智能電力系統承接位能變化之回收動能，讓智能發電機將總回收能量Et轉化為電能。因此，如此智能發電機產生的電流用於為電池充電。這種能量回收，提高了智能電力系統之性能，提高了能量轉換效率，延長了電動車的續駛里程。
(一)電動車行駛於上坡路徑，淨傾斜度δ為負，智能發電機裝置及智能電動馬達裝置之回收動能比值低於1，表示智能發電機之供電功率將低於智能電動馬達之供電功率。
(二)電動車行駛於平坦路徑，淨傾斜度δ為零，智能發電機裝置之供電功率等於智能電動馬達裝置之供電功率。
(三)電動車行駛於下坡路徑，淨傾斜度δ為正，智能發電機裝置之供電功率必大於智能電動馬達裝置之供電功率。
電動車在行駛時有幾種驅動情形，其中包含電動馬達驅動、根據電動車運作動力原理結合的控制概念，設計所採用之動能回收裝置KERD整體操作狀況，根據蓄電池殘電量(State Of Charge,SOC)分為兩種模式，分別是電動馬達模式(Electric Motor Mode)與減速模式(Regenerative Braking Mode)，以減少能源損失進而提升整車性能。茲說明如下：
電動馬達模式所能輸出之最大功率與智能發電機功率曲線圖，在需求功率未超過電動馬達最大輸出功率切換點基準值時，僅由電動馬達提供動力滿足車輛動力需求；一旦駕駛者需求功率超過電動馬達最大輸出功率切換點基準值時，模式將切換至減速模式，在切換過程中智能發電機在最短時間內上升至本系統所制定的操作點，操作點則視SOC不同而改變，電動馬達隨上升啟動由能量管理控制器決定馬達功率輸出大小以配合智能發電機在上升至操作點的這段時間滿足車輛動力需求，並使駕駛者盡量注意不到模式切換時因接合兩動力源所造成的短暫震動。
當駕駛者踩下煞車踏板動力需求PD<0時，動能回收裝置KERD判斷系統為減速模式，在此模式下電動馬達則由車輛慣性力帶動，作為智能發電機使用。若此時蓄電池殘留餘電SOC高於額定電力60%時，則採用一般煞車模式不對車輛進行充電；若SOC低於額定電力60%則電動馬達即為減速模式(智能發電機供電模式)並主動讓智能發電機將電能回充至智能蓄電池。
以逆向差速齒輪式動能回收裝置KERD形成最佳運轉範圍內，能量管理裝置控制電動馬達輔助或發電機吸收車輪控制軸的輸出動力以滿足電動車動力需求，同時利用KERD，使車輪控制軸維持於最佳運轉區域，可以有效的節省能源之消耗，依據系統裝置物理特性分別建立各裝置之動態模型，包含車輪控制軸、電動馬達、發電機、蓄電池、動能回收裝置KERD以及路面阻力等模型。綜合以上模擬與實驗結果，可得到下列結論：
(1)本動態模擬針對各裝置分析及推導其動態方程式，參數估測盡量取實際裝置參數以貼近實際平台量測結果。
(2)動能回收裝置受到的負載控制較為平穩以維持車輪控制軸最佳操作點。
(3)讓智能發電機所產生之電能功率必然大於智能電動馬達之電能功率，所以智能發電機轉動之回收動能(Et)與智能電動馬達之回收動能Em之比率為1+Eg/Em，亦即Eg/Em之比值必須是正值。
(4)由系統模擬程式之模擬結果分析，純電動車比較可大幅節省能源消耗，並可較傳統車輛更佳的性能表現。
智能發電機(Intelligent Power Generator,IPG)是把智能電動機藉由動能回收裝置所產生之回收動能，以及智能發電機因安裝位置受到萬有引力之影響所產生之回收動能，因獲得的兩者總成回收動能轉換為機械能，再轉化成電能的裝置。純電動車之智能電力系統所回收的動力能源用於智能發電機發電的電功率從數度電到一百餘度電不等。
智能電動機是利用通入電流的線圈產生磁場而形成電磁鐵，以磁鐵間的磁力作用推動線圈作功，是運用「電流磁效應」原理將電能轉換功的裝置。智能發電機則是利用各種動力(如機械能等)使線圈在磁鐵的兩極間轉動，當線圈轉動時，線圈內的磁場改變，因此產生感應電流，運用「電磁感應」原理將動力所作的功轉
換成智能電力的裝置。智能發電機的工作原理如下：
(1)利用佛來銘右手定則(發電機定則)，將右手的大姆指、食指與中指伸出，互成直角，以大姆指表示導體在磁場內運動的方向，食指表示磁場(磁力線)方向(N→S)，則中指的方向，即為此導線上感應出電流的方向(⊕→θ)。
(2)當導線與磁力線產生相對運動時，可產生感應電壓，感應電壓的公式：E=B×L×V×sin θ。
其中，E為感應可得的電壓，B為磁通密度，L為磁場有效的長度，V為相對速度，θ為導線與磁力線的角度。
(3)若磁場置於水平方向，當導線位於垂直(0°)位置時，感應電壓與電流為0°。
(4)當導線轉至水平(90°)位置時，感應電壓與電流最大。
(5)當導線轉過水平位置後，感應電壓與電流減小，180°位置時，回復為零。
(6)導線與磁力線的角度在180°至360°之電流方向相反。
(7)若導線愈多、磁力線愈強、轉動的速度愈快時，則此發電機可增加發電量。
因此，本智能電動車智能發電機之輸出電能功率為：P=V×I其中，V為感應電壓，I為感應電流，P為發電機之輸出電能功率。發電機組的工作原理就是發電機在原動機的滾轉帶動下，持續不斷地運轉，獲致智能發電之目的。發電機組一般可分為交流發電機
與直流發電機兩種。交流發電機(AC Generator)，當導體周圍的磁場發生變化，在導體中產生感應電流。當其跨越磁場時，便產生電流。電磁感應後，就產生交流電流法則。其中旋轉磁體稱為轉子，導體繞在一個鐵芯上的線圈內的固定組，稱為定子。交流發電機將機械能轉換成交流電流形式的電能。智能發電機裝置就是依此法則設計而成的。
表一所示為本電動車智能交流發電機之相對轉速，吾人觀察本表可以輕易看出磁極之數量越多，其發電之功率量越大。若8組磁極之發電機，與1組磁極發電機轉速相同時，其發電機之額定輸出功率為1組磁極發電機之八倍。16組磁極之發電機，與1組磁極發電機轉速相同時，其發電機之額定輸出功率為1組磁極發電機之十六倍。
智能電動車交流發電機之高供電功率原則：
(1)磁場(轉子)在導線線圈(靜子)中轉動，即如同導線運動切割磁力線一樣，使導線感應出電壓與電流。
(2)交流發電機使用整流二極體(diode)將交流電整流，而形成脈動直流電。
(3)若增加磁極對數時，可使電壓輸出脈動幅度減小。
(4)剛開始時，是靠蓄電池的電流入磁場線圈形成強磁而發電，故在低速時發電量多。
極致續航力智能電動車充電裝置把智能發電機之電能轉換為對智能動力電池充電。電動車的功率轉換器用作不同頻率的DC-DC轉換和DC-AC轉換。DC-DC轉換器又稱「直流斬波器」，用於使用直流電之輔助電子裝置驅動系統。兩象限直流斬波器能把蓄電池的直流電壓轉換為可變的直流電壓，並能將再生制動能量進行反向轉換。DC-AC轉換器通常稱作「逆變器」，用於使用交流電之動力電動機裝置驅動系統，它將蓄電池的直流電轉換為頻率和電壓均可調的交流電電動車。一般使用電壓輸入式逆變器，因其結構簡單又能進行雙向能量轉換。純電動車之輔助電池一般為12V/24V/48V等直流低壓電源，供給車內輔助用電裝置所需之輔助裝置包括：車載信息顯示裝置、動力轉向裝置、導航裝置GPS、空調、照明及除霜裝置、刮水器和收音機等，藉助這些輔助設備來提高電動車的操縱性和人員的舒適性。
智能電動車配置智能電力系統後，藉由「動能回收裝置」
回收動能能源來啟動「智能發電機裝置」產生電能，並充電到「智能蓄電裝置」，當蓄電池殘電量SOC低於額定輸出值60%時，立即適時發電與充電，讓智能電動車具備極致續航力，得以繼續持續行駛，獲致使用者「極致續航里程」之行車需求標準。
極致續航力智能電動車藉由「動能回收裝置」之回收動能，啟動「智能發電裝置」之豐沛發電，適量「智能蓄電裝置」之充電，提供智能電動車所需之智能電力系統IPS，賦予智能電動車具備不斷電性能，以持續地供應動能之電力，達成極致續航里程之目標。極致續航力智能電動車因具備零污染，為人類提供更為輕便智能、安全舒適之性能效益。
主要目的，提供極致續航力智能電動車智能電力系統及其性能測試方法，藉由迅速完整而優異的全天候工作環境，改善交通運輸之服務品質，獲致更為安全舒適與節約能源之工作環境效益。讓人類邁向寂靜、平順、零汙染的運輸服務效益，達成安全舒適之目標。欲達上述之目的，本發明採行智能電動車智能電力系統設計與製造技術，建置智能電動車智能電力系統性能測試裝備，包括：智能電力系統、智能電力系統處理模組、智能電力測試操作站與運作資料庫。在實施智能電力性能測試過程，依不同任務需求，輸入查詢索引鍵值自智能電力運作資料庫選擇智能電力系統之藉由「動能回收裝置」之回收動能，啟動「智能發電裝置」之發電，「智能蓄電裝置」之充電，賦予智能電動車具備不斷電運作方式、智能電力系統性能測試方式，再由運作資料庫下載到智能電力測
試控制與資料蒐集模組，以及智能電力處理模組，由操作人員自智能電力性能測試操控站輸入智能電力系統軟體，並核對資料檢查和碼，以確認智能電力系統軟體之功能性質。本智能電動車智能電力系統也執行性能測試測試，驗證其在工作環境之服務性能測試。
讓操控人員藉由這些快速安全有效的智能電力系統測試技術，驗證與確認智能電力系統之適當性，有效提升研發人員掌握智能電力系統對全天候工作環境之安全性能之測試。
本發明的工作原理如圖1所示，圖1為本發明實施例一智能電力系統測試系統之功能方塊圖。智能電力系統測試系統又可稱為智能管理系統，其主要包括智能電力系統(10)、智能電力系統測試資訊處理模組(20)、智能電力系統系統運作狀態資料庫(30)、智能電力系統性能測試操作站(40)及智能電動車航行資訊檔(50)等五個部分。
智能電力系統測試開始執行時，依需求選擇查詢索引鍵值，自智能電力系統運作狀態資料庫(30)取出智能電力系統型號、智能電力系統運作方式、智能電力系統測試方式等資訊以及相關軟體與參數，由輸出入介面下載到智能電力系統性能測試操作站(40)。資料傳輸器以標準格式輸出，由連接線接入智能電力系統性能測試控制與資料蒐集模組(11)，並累加接收之所有資料之檢查和，比較原始檢查和與新計算接收之檢查和。智能電動馬達裝置(12)自智能電力系統性能測試資訊處理模組(20)獲得智能電動馬達裝置(12)，開始執行智能電動車航行處理模組(50)獲得智能電動車航行
處理訊號，再執行智能電力系統功能測試，然後量測智能蓄電裝置(15)獲得蓄電池殘電量SOC之數值(16)執行量測智能發電機之轉速rpm值(17)，並進行量測量測智能發電機生產之電壓(18)。
智能電力系統性能測試之作業流程如圖2所示，其智能電力系統測試執行步驟為：首先自智能電力系統性能測試操作站(40)輸入查詢條件向智能電力系統運作資料庫查詢取出智能電力系統型號、序號、智能電動車位置、航行時間、航行距離、以及航行速度與相關性能測試(步驟101)，然後自智能電力系統性能測試操作站將智能電力系統模式軟體與參數下載至智能電力系統處理模組，將智能電力系統資訊下載至智能電力系統之智能電動車航行處理模組(步驟102)，檢查所有軟體均備便後，及供給外電給運動體(步驟103)，並檢查供電後之智能電力系統性能測試是否正常(步驟104)。如果正常，則由智能電力系統測試操作站之控制介面啟動智能電力系統(步驟105)。如果不正常，則回報失效碼給測試操作站(步驟109)，重新修訂解決問題後重新開始。智能電力系統查核啟動狀態是否正常(步驟106)？如果正常，則由控制介面切換使用智能電力系統之內部電源，並切換資料傳輸系統由內部供電(步驟107)，智能電力系統檢查內部供電是否正常(步驟108)，如果正常則由控制界面關閉外電供應(步驟110)。如果不正常，則回報失效碼給智能電力系統測試操作站(步驟109)，重新修訂解決問題後重新開始。然後自智能電力系統測試操作站下達啟動智能電力系統測試處理模組與智能電力系統之測試指令(步驟111)，智能電
力系統處理模組根據初始狀態開始執行智能電力系統運作狀態資料量測，並將結果輸出給智能電力系統所量測之SOC數值、智能發電機轉速(rpm)值、智能發電機輸出電壓值(步驟112)，執行智能電力系統性能效益值運算(步驟113)。然後自智能電動車航行資訊處理，獲得智能電動車航行資訊檔，推動智能電力系統性能測試所需之控制訊號(步驟114)。並自智能電力系統測試操作站下達啟動智能電力系統測試處理模組與智能電力系統之測試指令(步驟111)，蒐集智能電力系統運作狀態資料傳給資料傳輸接收系統及智能電力系統運作資料庫，一直到符合停止性能測試條件為止(步驟115)；最後自運作資料庫讀取智能電力系統運作狀態資料，進行智能電力系統性能測試(步驟116)。
智能電動車航行資訊檔(50)如圖7A所示，包含：現在時間(月、日、時、分、秒)(51)、啟站位置(經度、緯度、高度)(52)、終站位置(經度、緯度、高度)(53)、啟站出發時間(54)、到達終站時間(55)、智能電動車航行時間(56)、智能電動車航行距離(續航里程)(57)、智能電動車航行速度(公里/小時)(58)、路途紀錄(已經通過之公路編號名稱)(59)等。智能電力系統性能測試資訊格式(60)如圖7B所示，包含：檔頭識別碼(61)，智能電力系統識別碼(62)、智能電動機裝置性能測試資訊(63)，智能發電機裝置性能測試資訊(64)、動能回收裝置KERD性能測試資訊(65)、智能蓄電裝置性能測試資訊(66)、智能電力系統性能效益值資訊(67)、資料檢查和(68)、檔尾識別碼(69)等資料。其中純電動車智能電力系統識別碼(62)包
含：動能回收裝置型號(621)、動能回收裝置序號(622)、智能電動機裝置識別碼(623)、智能發電裝置識別碼(624)以及智能蓄電裝置識別碼(625)等欄位。
智能電力系統運作狀態資料庫(30)之功能圖如圖8所示，包括：智能電力系統物件輸入處理器(31)，處理並回應軟體或智能電力系統運作狀態資料儲存需求；智能電力系統查詢處理器(32)，處理並回應操作人員之標的運動狀態資料查詢需求；智能電力系統輸出處理器(33)，處理並回應操作人員之智能電力系統運作狀態資料更新需求；智能電力系統索引資料庫(34)，儲存資料標籤與索引鍵值；智能電力系統運作狀態資料檔案儲存系統(35)，儲存智能電力系統運作狀態資料檔案。將輸入索引轉成資料物件。嵌入式系統之運作狀態資料資料庫(30)亦可自CD-R、DVD-R、硬碟等媒體中讀取智能電力系統運作狀態資料轉成軟體物件。智能電力系統物件輸入處理器(31)解出資料物件之存檔路徑及檔名寫入智能電力系統索引資料庫(34)中。軟體物件存入智能電力系統運作狀態資料庫中的軟體或智能電力系統運作狀態資料檔案儲存系統(35)。經授權之使用者將查詢條件包成查詢軟體物件傳給智能電力系統運作狀態資料庫(30)。智能電力系統查詢處理器(32)將收到的查詢物件轉成結構化查詢語言SQL並向索引資料庫查詢，獲得查詢後之軟體查詢物件，傳給智能電力系統輸出處理器(33)將軟體物件的鍵值及再轉成結構化查詢語言(Structure Query Language,SQL)向智能電力系統索引資料庫(34)查詢。此查詢會回應與此查詢鍵值相同
所有軟體物件的存檔路徑與檔名。智能電力系統輸出處理器(33)依據存檔路徑及檔名找到智能電力系統運作狀態資料檔儲存系統(35)中這些智能電力系統運作狀態資料檔。輸出處理器將取得的智能電力系統運作狀態資料檔傳給智能電力系統測試操作站(40)，供使用者進行智能電力系統運作狀態資料之更新與檢核作業。智能電力系統測試軟體與智能電力系統運作狀態資料物件，存入智能電力系統運作狀態資料庫之作業流程，如圖9所示。將輸入索引轉成智能電力系統運作狀態資料物件(步驟310)之後，再將來自各途徑所獲得之智能電力系統運作狀態資料轉成資料物件(步驟311)。亦可自儲存媒體CD-R、DVD-R或MO等讀取之參數轉為參數物件(步驟312)。智能電力系統資料庫中之參數輸入處理器解出智能電力系統運作狀態資料物件之存檔路徑及檔名寫入索引資料庫之中(步驟313)。運動狀態資料物件存入智能電力系統資料庫中之智能電力系統運作狀態資料檔案儲存系統(步驟314)。
智能電力系統資料庫查詢取出之作業流程如圖10所示，將此索引鍵值傳至查詢器(步驟320)。智能電力系統資料庫之查詢處理器(32)將傳入之索引鍵值轉成結構化查詢語言SQL向智能電力系統資料庫進行查詢(步驟321)。此查詢會回應與此鍵值相同所有軟體物件的存檔路徑以及檔名(步驟322)。輸出處理器依據存檔路徑以及檔名找到軟體檔案儲存系統的軟體與參數檔(步驟323)，輸出處理器(33)將取得之軟體檔傳給智能電力系統性能測試操作站(40)處理。
綜合上述，根據本發明所提供之智能電力系統及其性能測試方法，可讓智能電力系統操作人員者藉由這些快速有效提升智能電力系統之安全服務品質，因此，本發明為一可快速執行、限制小、及務實可用之方法。
10:極致續航力智能電動車智能電力系統
11:智能電力系統性能測試控制與資料蒐集模組
12:智能電動馬達裝置
13:智能發電機裝置
14:動能回收裝置KERD
15:智能蓄電裝置
16:蓄電池殘電量量測值
17:智能發電機轉速
18:智能發電機輸出電壓
20:智能電力系統性能測試資訊處理模組
30:智能電力系統運作狀態資料庫
40:智能電力系統性能測試操作站
50:智能電動車航行資訊檔
Claims (10)
- 一種極致續航力智能電動車，包括：一智能電動馬達裝置，用以接收電能並轉換為一驅動力，以驅動該極致續航力智能電動車系統；一動能回收裝置(Kinetic Energy Recovery Device,KERD)，用以承收總回收動能Et=Em+Eg；其中包括，一智能電動馬達回收動能Em，以及一智能發電機裝置基座因前方淨傾斜度 δ = σ-λ(=基座傾斜度-當地爬升度)之安置而受到重力影響所產生之一回收動能Eg；一智能發電機裝置，將接收之該總回收動能Et轉換為一回收電力；以及一智能蓄電裝置，用以儲存該回收電力，並將被儲存的該回收電力提供至該智能電動馬達裝置進行驅動。
- 如請求項1所述的極致續航力智能電動車，其中該極致續航力智能電動車的供電原理，是建置：(1)該智能發電機裝置之供電功率，大於該智能蓄電裝置之供電功率；(2)該智能蓄電裝置之供電功率，大於該智能電動馬達裝置之供電功率；(3)該智能電動馬達裝置之供電功率，大於該動能回收裝置之供電功率； (4)該智能發電機裝置之動能來源除了該智能電動馬達裝置之一回收動能Em之外，還包括：(5)該智能發電機裝置基座因前方淨傾斜度δ=σ-λ=基座傾斜度-當地爬升度之安置而受到萬有引力所產生之一回收動能Eg，然後將兩項總合轉換為機械能，來提升該智能發電機裝置發電功率；(6)δmin≧λmax(λ max是全程最大爬升度)；其中智能發電機裝置及智能電動馬達裝置之回收動能比值為1+Eg/Em，其中Eg為智能發電機接收萬有引力影響所產生之回收動能，Em為智能電動馬達裝置之回收動能。
- 如請求項2所述的極致續航力智能電動車，其中該動能回收裝置包括：一環齒輪，被該智能電動車智能電動馬達所帶動；一行星架齒輪組，被該環齒輪所帶動，並以該智能電動馬達裝置之動能推動該極致續航力智能電動車的該承軸；以及一太陽齒輪，被該行星架齒輪組所帶動，並以提供該總回收動能至該智能發電機裝置。
- 如請求項3所述的極致續航力智能電動車，其中當該智能蓄電裝置的一蓄電池殘電量(State Of Charge,SOC)小於等於一第一閥值時，該智能蓄電裝置依據該回收電能進行充電，並於該蓄電池殘電量被充電至大於等於一第二閥值時終止該智能蓄電裝置的充電，其中該第一閥值包括60%，該第二閥值包括80%、85%、90%。
- 一種智能管理系統，包括一極致續航力智能電動車，包括：一智能電動馬達裝置，用以接收電能並轉換為一驅動力，以驅動該極致續航力智能電動車系統；一動能回收裝置(Kinetic Energy Recovery Device,KERD)，用以依據該驅動力以接收來自智能電動馬達裝置之一智能電動馬達回收動能Em，以及來自智能發電機裝置基座因前方淨傾斜度 δ = σ-λ=基座傾斜度-當地爬升度之安置而受到萬有引力影響所產生之一回收動能Eg；一智能發電機裝置，用以承收總回收動能Et=Em+Eg；並將接收該總回收動能Et轉換為一回收電力；以及一智能蓄電裝置，用以儲存該回收電力，並將被儲存的該回收電力提供至該智能電動馬達裝置進行驅動；以及一管理裝置，包括：一智能電力系統運作狀態資料庫，用以管理該極致續航力智能電動車的型號、序號、型式以及時間碼的至少一者；一測試控制與資料蒐集模組，用以取得該極致續航力智能電動車之SOC值、智能發電機轉速值、智能發電機輸出電壓值的至少一者，以進行一環境性能測試；以及一智能電力系統測試操作站，用以量測該極致續航力智能電動車性能之軟體程式與參數，並啟動該極致續航力智能電動車的該環境性能測試。
- 如請求項5項所述之智能管理系統，其中該智能電力系統測試操作站依據一查詢條件向該智能電力系統運作狀態資料庫查詢出一智能電力系統型號、一智能電力系統序號、一智能電力系統識別碼的至少一者，自該智能電力系統測試操作站將該極致續航力智能電動車性能之軟體程式與參數下載至該測試控制與資料蒐集模組，並於軟體均備便後，即供給一外部電力給該極致續航力智能電動車；對供電後之該極致續航力智能電動車進行性能測試；當該極致續航力智能電動車的性能正常，則由智能電力系統測試操作站之一控制介面啟動智能電力系統；當該極致續航力智能電動車的性能不正常時，則回報一第一失效碼給該智能電力系統測試操作站，並依據該第一失效碼進行修正後再檢查該極致續航力智能電動車的狀態是否正常，並重複執行直到該極致續航力智能電動車的狀態為正常；當該極致續航力智能電動車的性能正常時，則由該控制介面切換使用智能電力系統之內部電源，並切換至由一內部電力供電；檢查該內部電力的供應是否正常；當該內部電力的供應正常時，由該控制介面控制以關閉該外部電力的供應；當該內部電力的供應不正常時，則回報一第二失效碼至該智能電力系統測試操作站，並依據該第二失效碼進行修正後再檢查 該內部電力的供應是否正常，並重複執行直到該內部電力的供應為正常；由該智能電力系統測試操作站發出針對該極致續航力智能電動車進行性能測試的指令；由該智能管理系統的一性能測試資訊處理模組自一初始狀態開始將一運作狀態資料輸入至該極致續航力智能電動車，並將一測試結果輸出至該智能電力系統測試操作站；根據該測試結果中的SOC值、智能發電機轉速值、智能發電機輸出電壓值資料，以執行該環境性能測試；將該智能電力系統測試操作站所獲取之一控制訊號回授給該極致續航力智能電動車來進行控制，並蒐集該極致續航力智能電動車的該運作狀態資料並傳給該智能電力系統運作狀態資料庫，直到該運作狀態滿足一停止性能測試條件為止；以及依據運作狀態資料顯示智能電力系統性能評估結果。
- 如請求項6所述之智能管理系統，其中該智能電力系統運作狀態資料庫經組態以提供該極致續航力智能電動車之軟體程式或該運作狀態資料，該智能電力系統運作狀態資料庫包括：一運作狀態資料物件輸入處理器，處理並回應該極致續航力智能電動車之軟體程式或該運作狀態資料的儲存；一查詢處理器，處理並回應該極致續航力智能電動車之軟體程式或該運作狀態資料的一查詢請求；一輸出處理器，處理該極致續航力智能電動車之軟體程式或 該運作狀態資料以擷取一使用需求；一索引資料庫，儲存該極致續航力智能電動車之軟體程式或該運作狀態資料的一索引值；以及一智能電力系統運作狀態資料檔案儲存系統，儲存該極致續航力智能電動車的運作狀態資料。
- 如請求項7項所述之智能管理系統，其中該極致續航力智能電動車的運作狀態資料的檔案格式，包括：一檔頭識別碼欄位、一智能電力系統識別碼欄位、一智能發電機裝置性能資訊欄位、一動能回收裝置KERD性能資訊欄位、一智能蓄電裝置性能資訊欄位以及一智能電力系統性能資訊欄位，其中該智能電力系統識別碼欄位包括一動能回收裝置型號子欄位、一智能電動機裝置識別碼子欄位、一智能發電機裝置識別碼子欄位以及一智能蓄電裝置識別碼子欄位。
- 如請求項8所述之智能管理系統，其中該智能電力系統運作狀態資料庫更用以進行以下步驟，以將該極致續航力智能電動車之軟體程式或該運作狀態資料儲存至該智能電力系統運作狀態資料庫：將該索引值轉成一第一資料物件；將由多個途徑所獲得之該極致續航力智能電動車之軟體程式或該運作狀態資料轉成一軟體物件；將由多個儲存媒所讀取之該極致續航力智能電動車之軟體程式或該運作狀態資料轉成一第二資料物件； 將該第一資料物件、該第二資料物件及該軟體物件之存檔路徑及檔名寫入該索引資料庫中；以及將該第一資料物件、該第二資料物件及該軟體物件存入該智能電力系統運作狀態資料檔案儲存系統。
- 如請求項9所述之智能管理系統，其中該智能電力系統運作狀態資料庫更用以進行以下步驟，以自該智能電力系統運作狀態資料庫擷取資料：取得一查詢索引值，並將該查詢索引值提供至該查詢處理器；藉由該查詢處理器將該查詢索引值轉成一結構化查詢語言(Structured Query Language,SQL)以進行查詢，以取得該查詢索引值所對應的存檔路徑及檔名；藉由該輸出處理器依據該查詢索引值所對應的存檔路徑及檔名取得該查詢索引值所對應的該極致續航力智能電動車之軟體程式或該運作狀態資料；以及藉由該輸出處理器將取得之該極致續航力智能電動車之軟體程式或該運作狀態資料提供給該智能電力系統測試操作站。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111105882A TWI851965B (zh) | 2022-02-17 | 2022-02-17 | 極致續航力電動車智能電力系統及智能管理系統 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111105882A TWI851965B (zh) | 2022-02-17 | 2022-02-17 | 極致續航力電動車智能電力系統及智能管理系統 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202333966A TW202333966A (zh) | 2023-09-01 |
| TWI851965B true TWI851965B (zh) | 2024-08-11 |
Family
ID=88927440
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111105882A TWI851965B (zh) | 2022-02-17 | 2022-02-17 | 極致續航力電動車智能電力系統及智能管理系統 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI851965B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102582447A (zh) * | 2012-02-13 | 2012-07-18 | 北京长城华冠汽车技术开发有限公司 | 一种电动汽车可调节制动力回收比例的方法 |
| CN103879296A (zh) * | 2012-12-21 | 2014-06-25 | 王久龙 | 一种带有自动平衡动能发电机的电动汽车 |
| TW201605665A (zh) * | 2014-08-13 | 2016-02-16 | 廖和宥 | 有效回收車輛慣性滑行動能的發電系統及其控制方法 |
| TW201720687A (zh) * | 2015-12-02 | 2017-06-16 | 財團法人車輛研究測試中心 | 動能回充控制器、動能回充控制系統及其控制方法 |
| US20180372200A1 (en) * | 2015-12-15 | 2018-12-27 | Dana Limited | Control strategies for hybrid electric powertrain configurations with a ball variator used as a powersplit e-cvt |
| TWI721874B (zh) * | 2020-04-27 | 2021-03-11 | 三陽工業股份有限公司 | 電動車輛之動能回收方式 |
-
2022
- 2022-02-17 TW TW111105882A patent/TWI851965B/zh active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102582447A (zh) * | 2012-02-13 | 2012-07-18 | 北京长城华冠汽车技术开发有限公司 | 一种电动汽车可调节制动力回收比例的方法 |
| CN103879296A (zh) * | 2012-12-21 | 2014-06-25 | 王久龙 | 一种带有自动平衡动能发电机的电动汽车 |
| TW201605665A (zh) * | 2014-08-13 | 2016-02-16 | 廖和宥 | 有效回收車輛慣性滑行動能的發電系統及其控制方法 |
| TW201720687A (zh) * | 2015-12-02 | 2017-06-16 | 財團法人車輛研究測試中心 | 動能回充控制器、動能回充控制系統及其控制方法 |
| US20180372200A1 (en) * | 2015-12-15 | 2018-12-27 | Dana Limited | Control strategies for hybrid electric powertrain configurations with a ball variator used as a powersplit e-cvt |
| TWI721874B (zh) * | 2020-04-27 | 2021-03-11 | 三陽工業股份有限公司 | 電動車輛之動能回收方式 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202333966A (zh) | 2023-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Goss et al. | A comparison of an interior permanent magnet and copper rotor induction motor in a hybrid electric vehicle application | |
| Hayes et al. | Simplified electric vehicle powertrain model for range and energy consumption based on EPA coast-down parameters and test validation by Argonne National Lab data on the Nissan Leaf | |
| CN104112036B (zh) | 混联式混合动力电动汽车的仿真方法 | |
| CN102799743B (zh) | 一种纯电动车动力系统匹配方法 | |
| Güneşer et al. | An induction motor design for urban use electric vehicle | |
| Al Halabi et al. | Modelling of electric vehicles using Matlab/SIMULINK | |
| Hadj et al. | Permanent magnet motor efficiency map calculation and small electric vehicle consumption optimization. | |
| Stana et al. | Trolleybus motion simulation by dealing with overhead DC network energy transmission losses | |
| Hui et al. | Design of a versatile test bench for hybrid electric vehicles | |
| Buntin et al. | A switching logic controller for a hybrid electric/ICE vehicle | |
| TWI851965B (zh) | 極致續航力電動車智能電力系統及智能管理系統 | |
| Gao et al. | An adaptive intelligent system to minimize energy use for a parallel hybrid electric vehicle | |
| Mian et al. | EV Component Sizing using NEDC and WLTP Drive Cycles | |
| Gasbaoui et al. | The efficiency of direct torque control for electric vehicle behavior improvement | |
| Das | Modeling for hybrid and electric vehicles using simscape | |
| Halima et al. | Permanent magnet synchronous motor performance study dedicated to parallel hybrid electric vehicle | |
| Sreejith et al. | Modelling and analysis of PMBLDC motor based three wheeler EV for closed loop optimum operation | |
| Grunditz et al. | Modelling and Simulation of a Hybrid Electric Vehicle for Shell Eco-marathon and an Electric Go-kart | |
| Vodovozov et al. | Comparative analysis of electric drives met for vehicle propulsion | |
| Sameersrivatsa et al. | Performance analysis of an SRM driven electric vehicle | |
| Serykhanovna et al. | Development of a method for regenerative braking of an electric scooter | |
| Madheshiya et al. | A Comprehensive Analytical Study of Electric Vehicle’s Dynamics and its Essential Parameters | |
| Rassõlkin et al. | Dynamic control system for electric motor drive testing on the test bench | |
| Zhang et al. | Permanent Magnetic Synchronous Motor and drives applied on a mid-size hybrid electric car | |
| Sadeghi et al. | Dynamic modeling and simulation of a series hybrid electric vehicle using a switched reluctance motor |