기술 요약: 다단 변속기를 장착한 전기 자동차를 위한 에코 드라이빙 제어

문제 정의

본 논문은 다단 변속기가 장착된 커넥티드 자율주행 전기 자동차(CAEV)의 에너지 효율 극대화라는 과제를 다룹니다. 단일 속도 변속기는 단순성 때문에 전기차에서 표준적으로 사용되지만, 다단 변속 시스템은 주행 거리와 가속 성능을 개선할 수 있는 잠재력을 제공합니다. 그러나 기존의 에코 드라이빙 컨트롤러는 혼합 정수 비선형 계획법(MINLP)의 계산 복잡성으로 인해 이러한 시스템을 실시간으로 최적화하는 데 어려움을 겪는 경우가 많습니다. 또한, 많은 현재의 접근 방식은 속도와 기어 최적화를 분리하는 계층적 구조에 의존하거나, 기계적 제동력을 무시하여 동력 전달 장치의 역학을 단순화함으로써 역동적인 교통 환경에서 하위 최적의 에너지 관리를 초래합니다. 핵심 문제는 교통 예측으로부터 도출된 안전 제약 조건을 준수하면서, 차량의 종방향 속도와 이산적인 기어 변속을 동시에 관리하는 실시간 공동 최적화 컨트롤러를 개발하는 것입니다.

방법론

교통 예측 프레임워크

선제적 제어를 가능하게 하기 위해, 시스템은 이산화된 2차 Payne-Whitham(PW) 교통 흐름 모델을 기반으로 한 교통 예측 알고리즘을 채택합니다.

• 데이터 통합: 알고리즘은 실시간 신호 위상 및 타이밍(SPaT) 데이터, 자차(ego vehicle)의 GPS 데이터, 그리고 V2V/V2I 기반의 커넥티드 차량(CV) 데이터를 융합합니다.
• 추정: 무향 칼만 필터(Unscented Kalman Filter, UKF)를 사용하여 바로 앞 차량 전방의 교통 속도와 밀도를 추정합니다.
• 예측: 모델은 교통 흐름 역학을 예측 호라이즌(prediction horizon) 동안 전파하여, 신호 교차로 및 혼합 교통 상황을 고려한 전방 차량의 종방향 궤적을 예측합니다.

공동 최적화 정식화

제안된 컨트롤러의 핵심은 차량 속도와 동력 전달 장치 운용의 동시 공동 최적화입니다.

• 시스템 역학: 모델은 종방향 차량 역학(가속 및 위치 포함), 내부 저항 모델을 사용한 배터리 충전 상태(SOC) 역학, 그리고 포괄적인 동력 전달 장치 모델을 통합합니다.
• 동력 전달 장치 모델: 기계적 제동이 없다고 가정하는 기존 연구들과 달리, 본 정식화는 회생 제동과 유압 제동 사이의 상호작관을 명시적으로 모델링합니다. 여기에는 저속 회생 제동 차단 및 속도에 따른 모터 토크 제한이 포함됩니다.
• 목적 함수: 비용 함수는 배터리 에너지 소비($P_b$), 가속(승차감 목적), 그리고 예측된 선행 차량의 궤적 뒤로 자차의 최종 위치와 목표 안전 추종 거리 사이의 편차의 가중 합을 최소화합니다.

실시간 구현을 위한 문제 단순화

이산적인 기어 선택과 쌍선형 항(bilinear terms, 예: 모터 토크 $\times$ 기어비)으로 인해 원래의 문제는 비선형 혼합 정수 최적화 문제입니다. 실시간 실행을 가능하게 하기 위해 저자들은 다음과 같은 몇 가지 단순화 기법을 적용합니다:

1. Big-M 기법: 이산적인 기어 선택 변수를 일련의 선형 부등식 제약 조건으로 변환합니다.
2. 구간 선형 근사(Piecewise Linear Approximation): 이차 항(공기 저항 $v^2$ 등)과 비선형 모터 효율 맵을 각각 SOS2(Special Ordered Sets of type 2)와 다항식 피팅을 사용하여 근사화합니다.
3. McCormick 완화(McCormick Relaxation): 모터 속도와 토크가 포함된 쌍선형 항을 선형 부등식으로 볼록화(convexification)합니다.
4. 소프트 제약 조건(Soft Constraints): 실시간 실행 가능성을 보장하기 위해 엄격한 교통 제약 조건을 슬랙 변수(slack variables)를 사용하여 완화하며, 이를 비용 함수 내에서 페널티를 부여합니다.

결과적으로 단순화된 문제는 Gurobi 솔버를 사용하는 모델 예측 제어(MPC) 프레임워크 내에서 해결됩니다.

주요 기여

1. 동시 공동 최적화: 속도와 기어 계획을 분리하는 계층적 방법과 달리, 이 컨트롤러는 차량의 종방향 속도, 모터 운용, 그리고 이산적인 기어 변속 조작을 동시에 최적화합니다.
2. 고충실도 동력 전달 장치 모델링: 본 정식화는 회생 제동과 기계적 제동 사이의 실제적인 상호작용 및 배터리 역학을 포함하여, 기계적 제동력을 '0'으로 가정하는 과도한 단순화를 피합니다.
3. 계산 효율성: Big-M 기법, SOS2 근사화, McCormick 완화를 활용함으로써, 복잡한 혼합 정수 문제를 실시간 해결 가능한 형태로 변환하였습니다(평균 계산 시간 사이클당 약 0.27초).
4. 안전 필수 제약 조건: 컨트롤러는 교통 예측을 통합하여 신호 교차로가 있는 역동적인 환경에서 안전한 차간 거리와 원활한 교통 흐름을 강제합니다.

결과

수치 시뮬레이션

알고리즘은 두 개의 신호 교차로가 있는 1800m 구간을 통과하는 10대의 차량 플래툰(platoon)을 대상으로 SUMO(Simulation of Urban MObility) 툴을 사용하여 검증되었습니다.

• 성능: 동일한 최적화 프레임워크를 사용하는 단일 속도 변속기 전기차 베이스라인 컨트롤러와 비교했을 때, 다단 변속기 컨트롤러는 배터리 SOC 소비를 12.01% 감소시켰습니다.
• 에너지 경제성: 에너지 소비량이 203.6 Wh/km에서 179.1 Wh/km로 개선되었습니다.
• 운용 통찰: 다단 변속기는 특히 가속 및 고속 순항 중에 모터가 더 효율적인 범위 내에서 지속적으로 작동할 수 있도록 하여, 높은 전류의 배터리 방전을 줄였습니다.

실제 도로 테스트

미네소타주의 TH55 고속도로에서 22개의 교차로를 포함하는 18km 경로를 통해 검증이 수행되었습니다.

• 설정: SPaT 및 차량 궤적을 포함한 실제 교통 데이터를 기록하였으며, 이를 사용하여 자차의 전방 차량 행동을 시뮬레이션하였습니다.
• 성능: 제안된 컨트롤러는 18km 주행 동안 단일 속도 모델 대비 에너지 소비(배터리 SOC 사용량)를 11.36% 감소시켰습니다.
• 관찰: 결과는 다단 변속기가 모터를 더 효율적인 영역에서 작동하게 함을 확인하였으며, 이를 통해 실제 혼합 교통 환경에서의 접근 방식의 타당성을 입증하였습니다.

의의 및 한계점

본 논문은 제안된 알고리즘이 다단 변속기의 이론적 에너지 효율 이득과 역동적인 교통 환경에서의 실시간 제어 요구 사항 사이의 간극을 성공적으로 메웠다고 주장합니다. 시뮬레이션과 실제 도로 테스트 모두에서 두 자릿수 퍼센트의 에너지 효율 향상을 입증함으로써, 본 연구는 CAEV를 위한 속도와 기어 선택의 공동 최적화 가능성을 검증하였습니다.

저자들은 주요 한계점으로 배터리 열 효과가 현재 프레임워크에서 제외되어 있음을 겸허히 언급하였습니다. 온도는 배터리 효율과 열화에 큰 영향을 미치므로, 저자들은 열 역학을 통합하는 것을 컨트롤러를 종합적인 동력 전달 장치 관리 시스템으로 진화시키기 위한 필수적인 다음 단계로 식별하였습니다. 본 논문은 열 통합이나 기타 하드웨어 수정 외의 구체적인 미래 응용 분야를 제안하지 않습니다.