본 연구의 대상 차량은 Fig. 1과 같이 Transmission Mounted Electric Device(TMED) 타입의 병렬형 HEV이다. FD는 Final drive(종 감속기), TM은 Transmission(변속기), MG1은 구동용 모터, ENG는 엔진, MG2는 시동용 모터, BAT는 고전압 배터리, CL은 클러치를 나타낸다.

Fig. 1 
Architecture of HEV system

HEV 시스템은 Fig. 2와 같이 Matlab/Simulink 환경에서 dSPACE의 ASM과 함께 구현되었다. Soft ECU 블록은 동력분배 알고리즘과 모드 결정 알고리즘으로 구성된 HCU(Hybrid Control Unit)와 세부 모델의 제어기로 구성된다. Engine 블록은 가솔린 엔진 기본 모델과 연료 소모량 계산 모델로 구성된다. Drivetrain 블록은 크랭크 샤프트, 클러치, 변속기, 종 감속기 모델로 구성된다. Vehicle dynamics 블록은 타이어, 공기저항, 브레이크, 서스펜션, 스티어링 등과 같은 차량 동역학 모델로 구성된다. Environment 블록은 운전자, 도로, 트래픽 모델로 구성된다. Electric system 블록은 MG1, MG2, 고전압 배터리 모델로 구성된다. 하이브리드 차량 및 구성요소의 주요 파라미터는 Table 1과 같다.

Fig. 2 
Vehicle model in Matlab/Simulink with dSPACE ASM

Fig. 3은 엔진의 OOL(Optimal Operating Line), 최대 토크, BSFC(Brake Specific Fuel Consumption)맵을 나타내는 성능맵이다. Fig. 4는 MG1의 효율맵과 최대, 최소 토크를 나타내는 성능맵이다. Fig. 5는 MG2의 효율맵과 최대, 최소 토크를 나타내는 성능맵이다.

Fig. 3 
Performance map of engine

Fig. 4 
Performance map of MG1

Fig. 5 
Performance map of MG2

HCU는 Fig. 6과 같이 규칙 기반(Rule-based) 모드결정 알고리즘과 동력분배 알고리즘으로 구성된다.⁹⁾ 모드결정 알고리즘은 배터리 충전 상태(SOC), 운전자 페달 조작 등 주행 상황에 따라 주행모드를 결정한다. 동력분배 알고리즘은 주행모드, 페달 조작, 차량 상태에 따라 엔진, 구동 모터의 토크 명령 값을 계산한다.

Fig. 6 
HCU developed in Simulink

2.2.1 모드결정 알고리즘

모드결정 알고리즘은 Fig. 7과 같이 Stateflow 환경에서 개발되었으며 페달, 요구 토크, SOC, 기어 상태 등에 따라 모드가 천이된다.

Fig. 7 
Mode decision algorithm developed in Stateflow

2.2.2 동력분배 알고리즘

동력분배 알고리즘은 Fig. 8과 같이 Matlab/ Simulink 환경에서 개발되었으며 각 모드별로 구분되어 Simulink 블록으로 구성 되어있다. HEV 모드에서 운전자의 페달 작동에 의한 요구 토크에 따라 규칙 기반으로 동력분배를 하도록 한다. 엔진 시동 모드의 경우는 요구 토크가 아닌 시동을 위한 토크 명령이 출력되게 한다.

Fig. 8 
Power distribution algorithm developed in Simulink

기 구축된 IDHIL 시뮬레이터를 이용한 시뮬레이션환경은 Fig. 9와 같다. V2X 통신 단말기를 통해 신호등 정보를 받고 이를 이용해 에코 드라이빙 속도를 도출한다. 에코 드라이빙 속도는 시각적으로 운전자에게 제공한다.

Fig. 9 
IDHIL simulator environment

시뮬레이션 시나리오는 Fig. 10과 같이 요약된다. 가상 도로와 신호등 위치는 실측 된 정보를 기반으로 구축하였다. V2I 통신으로 받은 신호등 정보에 따른 변화를 확인하기 위해 교통량은 없는 것으로 가정한다. 운전자는 도로 제한속도(60 km/h)와 교통 신호를 준수하고 에코 드라이빙 속도를 따르도록 운전한다. 운전자에 의한 변수를 줄이기 위해 한 명이 운전을 하며 일반적인 HEV(NHEV)와 커넥티드 HEV(CHEV) 두 케이스를 각각 3회씩 수행한다. NHEV는 에코 드라이빙 가이드를 제공하지 않고 CHEV는 에코 드라이빙 가이드를 제공하는 케이스이다. 두 케이스 모두 동일한 HCU를 적용한다.

Fig. 10 
Simulation scenario with the driving path and traffic lights

시뮬레이션 결과로부터 계산된 연비는 Table 2와 같이 정리된다. NHEV의 연비는 각각 11.36, 11.76, 11.65 km/L이고, CHEV는 각각 14, 12.47, 13.27 km/L이다. NHEV의 평균연비는 11.59 km/L이고 CHEV는 13.2 km/L이며, NHEV 대비 CHEV의 연비 개선율은 14.32 %이다.

운전 조작 장치가 장착 되어있는 시뮬레이션 환경에서는 동일한 시나리오임에도 운전자의 페달 조작이 달라진다. 그렇기 때문에 주행 속도의 차이가 발생하며 이로 인해 엔진과 모터의 작동이 시험을 진행할 때마다 달라진다. 이로 인해 총 연료 소모량과 최종 SOC가 매 시험마다 달라진다. 따라서 최종 SOC의 차이를 보상하기 위해 SOC 소모량을 기반으로 등가 연료 소모량(V_fuel,e)을 다음과 같이 계산한다.

• where SOC_init : initial state of charge (%)
• 　　 　SOC_final : final state of charge (%)
• 　 　　V_bat : battery voltage (V)
• 　 　　Q_bat : battery capacity (kAh)

여기서 α(=8.9 kWh/L)는 1리터 가솔린을 전기 에너지로 환산하기 위한 단위 환산 계수이다. Fig. 11은 시뮬레이션 결과에서 차량 속도를 나타낸다. Fig. 12는 연료 소모량 결과를 나타낸다. Fig. 13은 SOC 결과를 나타낸다.

Fig. 11 
Simulation results: vehicle speed

Fig. 12 
Simulation results: fuel consumption

Fig. 13 
Simulation results: SOC

3.3.1 시뮬레이션 결과 비교 분석

Fig. 14에서는 NHEV #1과 CHEV #1의 차량 속도 결과를 보여준다. 두 케이스는 신호등 진입시에 큰 차이를 보인다. NHEV의 경우 신호등 정보를 이용하지 않기 때문에 모든 신호등에서 정차하였다. 반면 CHEV의 경우 신호등에 접근하기 전에 에코 드라이빙 속도에 따라 주행하여 신호등에서 정차하지 않았다.

Fig. 14 
Comparison of vehicle speed between NHEV #1 and CHEV #1

Fig. 15는 엔진 성능맵에 NHEV #1과 CHEV #1 케이스의 엔진 동작점을 보여준다. 두 경우 동일한 제어 알고리즘을 사용하였기 때문에 동작 영역이 유사하다. 하지만 NHEV #1에서 비교적 엔진 사용량이 많은 것을 알 수 있다.

Fig. 15 
Comparison of engine operating point between NHEV #1 and CHEV #1

시뮬레이션 결과를 바탕으로 CHEV는 NHEV와 비교하여 신호등에서 정차를 하지 않았다. HEV는 제동 시에 모터를 사용하여 회생제동을 통해 에너지 손실을 줄이는 장점이 있다. 그럼에도 정차 후에 다시 가속하는 것은 엔진 사용량이 증가하게 되고 에너지 손실을 증가시켜 연비가 낮아지게 되는 요인이 된다.