선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이러한 분석결과를 통해 기존 도심 주행 모드는 전기 자동차의 주행 특성을 충분히 반영하지 못하고 있는 반면에 GUDC-EV는 전기 자동차의 특성이 잘 반영된 도심 주행 모드라는 결론을 얻을 수 있었다. 또한, 이를 통해 전기 자동차 성능 평가를 위한 도심 주행 모드 개발의 당위성을 확보하였다.
- 본 연구에서는 전기 자동차의 성능 평가를 위한 도심 주행 모드를 개발하기 위하여 다음과 같은 연구를 수행하였다.
- 이에 본 연구에서는 전기 자동차의 성능 평가를 위한 도심 주행 모드 GUDC-EV(Gwachoen city Urban Driving Cycle for Electric Vehicles)를 개발하였다.9) 본 논문은 2개의 Part로 구성되어 있다.
제안 방법
- 1) Part 1에서 개발한 전기 자동차 성능 평가를 위한 도심 주행 모드 GUDC-EV를 검증하기 위해 가상주행 시뮬레이션 S/W e-Vsim을 이용하여 배터리, 모터, 인버터, 제어기, 감속 기어 등으로 구성 된 전기 자동차 가상 주행 플랫폼을 설계하였다.
- 10) GUDC-EV 평가를 위해 e-Vsim을 이용하여 Fig. 4와 같이 전기 자동차 가상 주행 플랫폼을 개발하였다. 플랫폼은 모터, 배터리, 인터버, 제어기, 감속 기어, Driver model, Vehicle model 등으로 구성되어 있으며, 다양한 결과 분석을 위해 총 2대의 차량 플랫폼을 구성하였다.
- 10) 또한, 그 결과를 실 주행 데이터 및 기존 도심 주행 모드인 FTP-72, NEDC, Japan 10-15 mode에서의 시뮬레이션 결과와 비교하여 GUDC-EV를 평가하고, 전기 자동차 성능 평가를 위한 도심 주행 모드 개발의 당위성을 확보하였다.
- Part 1 논문에서는 전기 자동차 성능 평가를 위한 도심 주행 모드를 개발하기 위하여 과천 시내의 순찰차 순찰코스를 시험 주행 코스로 선정하고, 전기자동차와 내연 기관 자동차를 이용한 실차 주행 시험을 수행하였다. 차량에 장착한 블랙박스를 통하여 주행 데이터를 수집하였으며, 이를 바탕으로 통계적 분석 방법을 이용하여 모든 데이터를 대표할 수 있는 하나의 속도 프로파일로 합성하였다.
- 9) 본 논문은 2개의 Part로 구성되어 있다. Part 1(주행 모드 개발)에서는 전기 자동차 실차 주행 시험을 통한 주행 데이터 수집 및 통계적 분석 방법을 이용한 주행 모드 개발에 관한 내용을 기술하고, 실차 주행 데이터와의 비교를 통한 주행 모드 개발 방법의 신뢰성을 검증하였다.9)
- 또한, 정확한 연비 측정을 위해 과천 순찰차 코스의 경사도를 도출하였다. 거리에 따른 경사도 데이터를 시간에 따른 경사도로 변환하여 적용하였다. 경사도 프로파일은 Fig.
- 또한, 정확한 연비 측정을 위해 과천 순찰차 코스의 경사도를 도출하였다. 거리에 따른 경사도 데이터를 시간에 따른 경사도로 변환하여 적용하였다.
- 본 논문 Part2에서는 Part 1에서9) 개발한 도심 주행 모드 GUDC-EV를 검증하기 위해 성균관대학교에서 개발한 가상 주행 시뮬레이션 S/W e-Vsim을 이용하여 개발한 주행 모드에서의 시뮬레이션을 수행하고 그 결과를 비교하였다.10) 또한, 그 결과를 실 주행 데이터 및 기존 도심 주행 모드인 FTP-72, NEDC, Japan 10-15 mode에서의 시뮬레이션 결과와 비교하여 GUDC-EV를 평가하고, 전기 자동차 성능 평가를 위한 도심 주행 모드 개발의 당위성을 확보하였다.
- 본 절에서는 기존 도심 주행 모드와의 비교를 통해 GUDC-EV를 평가하고, 검증하였다. 시뮬레이션에 이용한 전기 자동차 가상 주행 플랫폼은 3.
- GUDC-EV 및 GUDC-CV의 개발 방법을 검증하기 위해 실차 주행 데이터와 비교하였다. 시뮬레이션 수행을 위해 Fig. 7과 Fig. 8처럼 각 플랫폼의 Driver model에 개발한 GUDC를 Look-up Table로 만들어 삽입하고, Vehicle model 중 Roadload subsystem에 경사도를 삽입하였다. 실차 주행 데이터의 경우에도 같은 방법으로 플랫폼에 삽입하여 시뮬레이션을 수행하였으며, 전기 자동차에서의 연비로 측정되는 배터리 사용량 대비 주행거리 EP(Electricity Performance)를 비교하였다.
- 8처럼 각 플랫폼의 Driver model에 개발한 GUDC를 Look-up Table로 만들어 삽입하고, Vehicle model 중 Roadload subsystem에 경사도를 삽입하였다. 실차 주행 데이터의 경우에도 같은 방법으로 플랫폼에 삽입하여 시뮬레이션을 수행하였으며, 전기 자동차에서의 연비로 측정되는 배터리 사용량 대비 주행거리 EP(Electricity Performance)를 비교하였다. 각 차량의 시뮬레이션 결과는 Table 6 ~ Table 9와 같다.
- Part 1 논문에서는 전기 자동차 성능 평가를 위한 도심 주행 모드를 개발하기 위하여 과천 시내의 순찰차 순찰코스를 시험 주행 코스로 선정하고, 전기자동차와 내연 기관 자동차를 이용한 실차 주행 시험을 수행하였다. 차량에 장착한 블랙박스를 통하여 주행 데이터를 수집하였으며, 이를 바탕으로 통계적 분석 방법을 이용하여 모든 데이터를 대표할 수 있는 하나의 속도 프로파일로 합성하였다. 주행 모드 합성 후 전기 자동차용 주행 모드를 GUDC-EV로 명명하고, 내연기관 자동차용 주행 모드를 GUDC-CV(Gwachoen city Urban Driving Cycle for Conventional Vehicles)라고 명명하였다.
대상 데이터
- 본 절에서는 기존 도심 주행 모드와의 비교를 통해 GUDC-EV를 평가하고, 검증하였다. 시뮬레이션에 이용한 전기 자동차 가상 주행 플랫폼은 3.1절과 동일하며, 결과를 비교하기 위해 사용한 기존 도심주행 모드는 FTP-72, NEDC, Japan 10-15 mode이다. 기존 도심 주행 모드는 경사도가 적용되지 않았기 때문에 GUDC도 경사도를 제외하였다.
- 4와 같이 전기 자동차 가상 주행 플랫폼을 개발하였다. 플랫폼은 모터, 배터리, 인터버, 제어기, 감속 기어, Driver model, Vehicle model 등으로 구성되어 있으며, 다양한 결과 분석을 위해 총 2대의 차량 플랫폼을 구성하였다. 각 차량의 제원은 Table 4 및 Table 5와 같다.
데이터처리
- 2) e-Vsim을 이용하여 GUDC-EV 및 GUDC-CV에서의 시뮬레이션을 수행하고, 실 주행 데이터에서의 시뮬레이션 결과와 비교하였다. 비교 결과, GUDC-EV와 GUDC-CV 모두 0.
-
Table 5 Vehicle specifications of the EV#2
2대의 가상 주행 플랫폼 중 EV#1은 실차 시험 데이터와 비교하였고, EV#2는 AVL社의 상용 S/W Cruise와 비교하여 검증하였다
. 속도와 배터리 SOC(State of Charge) 비교 결과, Fig. - GUDC-EV 및 GUDC-CV의 개발 방법을 검증하기 위해 실차 주행 데이터와 비교하였다. 시뮬레이션 수행을 위해 Fig.
- 본 장에서는 개발한 주행 모드를 검증하기 위하여 가상 주행 시뮬레이션 S/W e-Vsim을 이용한 시뮬레이션을 수행하였다. 또한, 시뮬레이션 결과를 실차 주행 데이터 및 기존 주행 모드에서의 시뮬레이션 결과와 비교하였다.
이론/모형
- 본 장에서는 개발한 주행 모드를 검증하기 위하여 가상 주행 시뮬레이션 S/W e-Vsim을 이용한 시뮬레이션을 수행하였다. 또한, 시뮬레이션 결과를 실차 주행 데이터 및 기존 주행 모드에서의 시뮬레이션 결과와 비교하였다.
성능/효과
- 2) 기존의 주행 모드들은 내연기관 자동차의 성능 평가를 위해 개발되었기 때문에 차량의 특성이 다른 전기 자동차의 성능을 평가하기에는 적합하지 않다. 엔진의 동력과 배터리를 통한 모터의 동력을 함께 사용하는 하이브리드 자동차와는 달리 배터리를 통한 모터의 동력만을 사용하는 순수 전기 자동차는 모터 특성에 의하여 정지 상태에서부터 최대 토크를 낼 수 있기 때문에 저속에서의 가속 특성이 내연기관 자동차와 차이가 있다.
- 3) 경사도 유무에 따른 EP 비교 결과, 경사도의 변화폭이 크지 않고, 낮은 값의 평균 경사도를 갖는 과천 순찰차 코스에서는 경사도가 EP에 미치는 영향이 미미함을 알 수 있었다.
- 1970년대부터 세계 각국은 FTP-75(Federal Test Procedure-75), NEDC(New European Driving Cycle), Japan 10-15 mode 등의 도심 주행 모드와 US 06, HWFET(HighWay Fuel Economy Test) 등의 고속도로 주행 모드 등을 개발하여 차량 개발에 이용하였다.3) 국내에서도 미국의 표준 주행 모드인 FTP-75를 CVS-75(Constant Volume Sampler-75)로 명명하여 표준 주행 모드로 사용하였으나 실제도로의 주행 여건을 반영하지 못해 측정 연비와 실제 연비의 차이가 발생하는 단점이 있었다. 이에 지식경제부에서는 이러한 단점을 보완하고자 2012년 1월 1일부터 표준 주행 모드를 5-cycle 방식으로 변경하였다.
- 4) FTP-72, NEDC, Japan 10-15 mode 등의 기존 도심 주행 모드와의 시뮬레이션 결과 비교를 통해 기존 주행 모드들이 전기 자동차의 특성과 국내의 교통 현실을 충분히 반영하지 못함을 확인하였다.
- 5) 본 연구를 통해 전기 자동차 성능 평가를 위한 도심 주행 모드 개발의 타당성을 검증하였고, GUDC-EV가 전기 자동차의 성능 평가에 적합한 도심 주행 모드임을 확인하였다.
- 6) 기존 주행 모드가 주행 여건을 충분히 반영하지 못하는 것과3) 주행 모드 개발 시 경사 부하(Grade resistance)의 영향을 고려하지 않은 것이 연비 차이의 주요 원인으로 꼽히고 있다.7) 그리고 국외의 주행 모드는 교통 현실 및 법규 등의 교통적 특성이 국내의 상황과 다르고, 각 나라마다 지형적 특성도 다르기 때문에 국내의 교통적/지형적 특성을 반영한 주행 모드 개발이 요구된다.
- GUDC-EV와 실 주행 데이터의 EP 비교 결과, EV#1은 0.5%, EV#2는 0.3%의 오차를 보였고, GUDC-CV의 경우에는 각각 0.12%와 0.16%의 오차를 보여 주행 모드 개발 방법을 충분히 신뢰할 수 있음을 알 수 있었다.
- FTP-72는 1번째 신호 대기 후 고속 주행 상황을 가지고 있고, NEDC 및 Japan 10-15 모드는 저속구간 이후 후반부에 고속 주행 상황을 포함하고 있다. 각 주행 모드들을 직접적으로 비교하기 위해 기존 도심 주행 모드에서 고속 주행 상황을 제외한다고 하더라도 본 연구에서는 시뮬레이션에 전기 자동차 플랫폼을 이용하였기 때문에 GUDC-EV 및 실주행 데이터와 기존 도심 주행 모드 사이의 시뮬레이션 결과 차이는 더 커질 것으로 판단된다. 그 이유는 내연기관 자동차는 도심 주행 보다는 고속 주행에서의 연비가 더 높지만, 전기 자동차는 모터 특성, 회생제동 등의 이유로 저속인 도심 주행에서의 연비가 더 높게 나오기 때문이다.
- 분석 결과, 두 시험 차량 모두 같은 코스를 주행하였기 때문에 주행 시간, 주행 거리, 평균 속도 등의 파라미터는 거의 비슷한 값이 도출되었다. 그러나 가속 시의 평균 가속도 분석 결과, GUDC-EV가 GUDC-CV보다 월등히 큰 값이 나와 저속에서의 가속 성능이 더 높은 전기 자동차의 특성이 반영되었음이 확인되었다.9)
- 또한, 각 주행 모드의 특성을 분석하여 Table 1과 Table 2에 표시하였다. 분석 결과, 두 시험 차량 모두 같은 코스를 주행하였기 때문에 주행 시간, 주행 거리, 평균 속도 등의 파라미터는 거의 비슷한 값이 도출되었다. 그러나 가속 시의 평균 가속도 분석 결과, GUDC-EV가 GUDC-CV보다 월등히 큰 값이 나와 저속에서의 가속 성능이 더 높은 전기 자동차의 특성이 반영되었음이 확인되었다.
- 비교 결과, GUDC-EV는 실 주행 데이터와 거의 비슷한 값이 나왔으나 기존 도심 주행 모드의 경우 가속도가 GUDC-EV 및 실 주행 데이터보다 현저하게 낮고, 연비도 실 주행 데이터보다 높게 나와 실제 주행 환경과 국내의 교통 현실을 충분히 반영하고 있지 못함을 확인할 수 있었다.
- 2) e-Vsim을 이용하여 GUDC-EV 및 GUDC-CV에서의 시뮬레이션을 수행하고, 실 주행 데이터에서의 시뮬레이션 결과와 비교하였다. 비교 결과, GUDC-EV와 GUDC-CV 모두 0.5% 미만의 오차를 보였으며, 이를 통해 본 연구에서 제안한 주행 모드 개발 방법의 타당성을 검증할 수 있었다.
- 시뮬레이션에 이용한 기존 도심 주행 모드에서 GUDC-EV 및 실 주행 데이터보다 가속도의 값이 현저하게 낮고, 연비가 더 높게 나오는 이유는 도심 주행에서의 전기자동차의 주행 특성을 충분히 반영하고 있지 못한 것으로 판단된다.
- 이러한 분석결과를 통해 기존 도심 주행 모드는 전기 자동차의 주행 특성을 충분히 반영하지 못하고 있는 반면에 GUDC-EV는 전기 자동차의 특성이 잘 반영된 도심 주행 모드라는 결론을 얻을 수 있었다. 또한, 이를 통해 전기 자동차 성능 평가를 위한 도심 주행 모드 개발의 당위성을 확보하였다.
후속연구
- 6) 향후에는 기존 도심 주행 모드에서 고속 주행 상황을 배제한 모드를 포함한 더 다양한 도심 주행 모드에서의 시뮬레이션을 수행하고, GUDC-EV 에서의 차대 동력계 시험을 통해 실차 테스트를 수행할 예정이며, 그 결과를 분석하여 개발한 주행 모드를 추가 검증/보완할 예정이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.