ESTUDO DE SISTEMAS DE PROPULSÃO VEICULARES ELÉTRICOS E HÍBRIDOS ATRAVÉS DE SIMULAÇÕES COMPUTACIONAIS João Paulo Gueiros Samú Projeto de Graduação apresentado ao Curso de Engenharia Mecânica da Escola Politécnica, Universidade Federal do Rio de Janeiro, como parte dos requisitos necessários à obtenção do título de Engenheiro. Orientador: Sílvio Carlos Aníbal de Almeida Rio de Janeiro Janeiro de 2018
82
Embed
ESTUDO DE SISTEMAS DE PROPULSÃO VEICULARES …monografias.poli.ufrj.br/monografias/monopoli10024686.pdf · propulsão alternativos ao tradicional veículo à combustão interna.
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
ESTUDO DE SISTEMAS DE PROPULSÃO VEICULARES ELÉTRICOS E
HÍBRIDOS ATRAVÉS DE SIMULAÇÕES COMPUTACIONAIS
João Paulo Gueiros Samú
Projeto de Graduação apresentado ao Curso de
Engenharia Mecânica da Escola Politécnica,
Universidade Federal do Rio de Janeiro, como parte
dos requisitos necessários à obtenção do título de
Engenheiro.
Orientador: Sílvio Carlos Aníbal de Almeida
Rio de Janeiro
Janeiro de 2018
iii
Samú, João Paulo Gueiros
Estudo de Sistemas de Propulsão Veiculares Elétricos
e Híbridos Através de Simulações Computacionais/ João
Paulo Gueiros Samú. – Rio de Janeiro: UFRJ/ Escola
Politécnica, 2018.
XIV, 68 p.: il.; 29,7 cm.
Orientador: Sílvio Carlos Aníbal de Almeida
Projeto de Graduação – UFRJ/ Escola Politécnica/
Curso de Engenharia Mecânica, 2018.
Referências Bibliográficas: p. 58-60.
1. Simulações Veiculares. 2. FASTSim. 3. Veículos
Elétricos. 4. Veículos Híbridos. I. Almeida, Sílvio Carlos
Aníbal de. II. Universidade Federal do Rio de Janeiro,
Escola Politécnica, Curso de Engenharia Mecânica. III.
Estudo de Sistemas de Propulsão Veiculares Elétricos e
Híbridos Através de Simulações Computacionais.
iv
Agradecimentos
Agradeço, acima de tudo, a minha família. Aos meus pais, Flávio e Elza, por todo
exemplo e incentivo. Sem dúvida, devo esta e todas as demais conquista em minha vida
a eles. Agradeço também ao meu irmão e grande amigo Pedro Henrique. Após todos esses
anos, acabamos sendo colegas de faculdade e agora formamos juntos.
Não poderia deixar de agradecer aos meus avós, Marlene e Jerônimo. Com
certeza, também devo tudo a eles. Agradeço a minha avó Dileta, que de algum lugar está
orgulhosa dos netos, o que me deixa muito feliz. Agradeço também a minha bisavó, Elza,
hoje com 95 anos de idade, pela qual tenho imensa admiração.
Em seguida, agradeço a meus grandes amigos, com os quais convivo desde a
escola: Gabriel, José Felipe, Maria Beatriz, Lucas, André, Augusto e muitos outros.
Agradeço em especial a Laís, por todo o carinho e apoio no final desta jornada. Na UFRJ
também pude fazer grandes amizades. Destaco meu grande amigo Lucas Aquino, com o
qual pude cursar praticamente todas as disciplinas do curso junto.
Agradeço aos muitos professores da UFRJ dos quais pude ser aluno, por todos os
conhecimentos e pela dedicação ao ensino. Em especial ao Prof. Sílvio Carlos, pelo
grande apoio e incentivo como orientador deste projeto.
Agradeço, por fim, ao meu tio Antônio Augusto. Mesmo tendo ido tão cedo, sei
que além da minha tocou a vida de muitos e sempre será um exemplo a ser seguido.
v
Resumo do Projeto de Graduação apresentado à Escola Politécnica/ UFRJ como parte dos
requisitos necessários para a obtenção do grau de Engenheiro Mecânico.
ESTUDO DE SISTEMAS DE PROPULSÃO VEICULARES ELÉTRICOS E
HÍBRIDOS ATRAVÉS DE SIMULAÇÕES COMPUTACIONAIS
João Paulo Gueiros Samú
Janeiro/2018
Orientador: Sílvio Carlos Aníbal de Almeida
Curso: Engenharia Mecânica
A indústria automobilística tem recebido cada vez mais influência de regulamentações
ambientais, tornando-se crescente o investimento no desenvolvimento de sistemas de
propulsão alternativos ao tradicional veículo à combustão interna. Neste contexto, este
trabalho objetivou estudar as principais diferenças tecnológicas e econômicas entre o
veículo convencional e três sistemas de propulsão alternativos: híbrido, híbrido plug-in e
elétrico à bateria. Para este propósito foi utilizada a ferramenta computacional FASTSim,
capaz de construir simulações de diferentes plataformas veiculares. Inicialmente foram
simulados dois dos veículos elétricos à bateria mais relevantes no mercado internacional,
Nissan Leaf e Tesla Model S, como forma de validação da ferramenta. Em continuidade,
o FASTSim foi utilizado para simular versões híbridas e elétricas à bateria do Chevrolet
Onix, veículo convencional mais vendido no Brasil nos últimos anos. A partir destas
simulações, tornou-se possível analisar comparativamente os veículos convencional,
híbrido, híbrido plug-in e elétrico a bateria quanto ao dimensionamento de componentes,
o consumo de combustível e a distribuição de custos na vida útil.
Palavras-chave: Simulações Veiculares, Sistemas de Propulsão, Veículos Elétricos,
Veículos Híbridos.
vi
Abstract of Undergraduate Project presented to POLI/UFRJ as a partial fulfillment of the
requirements for the degree of Mechanical Engineer.
STUDY OF ELECTRIC AND HYBRID POWERTRAIN SYSTEMS THROUGH
COMPUTATIONAL SIMULATIONS
João Paulo Gueiros Samú
January/2018
Advisor: Sílvio Carlos Aníbal de Almeida
Course: Mechanical Engineering
The automotive industry has been dealing with increasing influence from environmental
regulations over the past years. Consequently, a lot has been invested in the development
of alternative powertrains systems. Therefore, this work aimed to study the main
technological and economic differences between the conventional vehicle and three
alternative technologies: hybrid, plug-in hybrid and battery electric vehicles. To achieve
this goal the computer tool FASTSim was used, enabling the simulation of diverse types
of powertrain systems. Initially, Nissan Leaf and Tesla Model S, two of the most relevant
battery electric vehicles worldwide, were simulated as a form of validation of the tool. In
continuity, FASTSim was then used to simulate hybrid, plug-in hybrid and all-electric
versions of one of the best-selling conventional vehicles in Brazil, Chevrolet Onix. With
the results, it was possible to establish comparative analyzes between the traditional
internal combustion vehicle and these three alternative technologies in terms of
component sizing, fuel consumption and cost distribution.
Keywords: Vehicle Simulations, Powertrain Systems, Electric Vehicles, Hybrid Vehicles.
É um veículo híbrido em que as rodas são acionadas diretamente apenas por
motores elétricos. Sua configuração está representada de forma simplificada na figura 2.
O motor de combustão interna é alimentado com combustível do tanque e fornece
potência ao gerador, que através do carregador alimenta a bateria. Os controladores
regulam a voltagem e transferem potência aos motores elétricos, através da energia
armazenada na bateria. Finalmente, os motores elétricos acionam as rodas do veículo.
Tanque de
Combustível
Motor de
Combustão
Interna
Transmissão
5
Figura 2 - Ilustração Esquemática do Sistema de Propulsão Híbrido em Série
A grande vantagem desta configuração é que motor de combustão não está
diretamente conectado às rodas. Os motores de combustão interna possuem tipicamente
menores faixas de operação em melhor eficiência. Por não estarem acoplados às rodas,
não precisam operar por uma longa faixa de rotações, podendo sempre estar na região de
mais alta eficiência enquanto carregam a bateria.
Estes veículos possuem a vantagem, ainda, de utilizar apenas o motor elétrico
(mais eficiente) para acionar as rodas. Além disso, com a bateria já carregada, o veículo
pode funcionar completamente elétrico (desativando o motor de combustão). Quando a
carga da bateria for insuficiente, o motor de combustão é ativado novamente.
2.1.2.2. Veículo Elétrico Híbrido em Paralelo
Neste veículo, as duas fontes (motor elétrico e de combustão) podem acionar
diretamente as rodas, simultaneamente. Sua configuração está representada de forma
simplificada na figura 3.
Motor de
Combustão
Interna
Gerador
Bateria
Motor
Elétrico
Motor
Elétrico
Tanque de
Combustível
Carregador Controladores
6
Figura 3 - Ilustração Esquemática do Sistema de Propulsão Híbrido em Paralelo
O motor de combustão é alimentado com o combustível armazenado no tanque, a
potência gerada no motor passa pela transmissão até uma redução de engrenagens
conectando ao eixo das rodas. A bateria fornece energia aos controladores (regulando a
voltagem) que transferem potência ao motor elétrico, também acoplado à redução.
Em relação ao híbrido em série, ocorrem menos transferências (conversões) de
energia entre componentes, gerando menores perdas. Outra vantagem é que o híbrido em
paralelo pode atender altas demandas de potência instantâneas, pois os dois motores
(elétrico e de combustão) podem operar acionando as rodas em simultâneo. Além disso,
por permitir que o motor de combustão acione diretamente as rodas, é possível a utilização
de um sistema elétrico menor (mais barato e mais leve).
A principal desvantagem em relação ao híbrido em série é que o motor de
combustão interna não opera sempre na faixa de maior eficiência. O sistema em paralelo
requer, ainda, a presença de um sistema de transmissão, enquanto na configuração em
série o motor de combustão é simplesmente conectado a um gerador. Outra desvantagem
Motor de
Combustão
Interna
Bateria
Tanque de
Combustível
Controladores
Transmissão Motor
Elétrico
7
está na complexidade do acoplamento mecânico entre os motores elétrico de combustão,
que se conectam simultaneamente à redução.
2.1.3. Veículo Elétrico Híbrido Plug-in (PHEV)
Os veículos desta categoria funcionam essencialmente da mesma maneira que os
veículos híbridos. A diferença está no fato de utilizarem uma bateria capaz de armazenar
mais energia, que pode ser carregada diretamente na rede elétrica.
Nos veículos híbridos comuns, a carga das baterias ocorre através do motor de
combustão interna e do sistema de frenagem regenerativa, a ser descrito em seguida. Nos
híbridos plug-in as baterias podem ser diretamente carregadas na tomada, através do
plugue (conector).
Com esta configuração, veículos PHEV podem alcançar grandes autonomias
consumindo apenas eletricidade. Esta característica, junto com o padrão de uso mais
eficiente dos híbridos, promove um ainda menor consumo de combustível.
2.1.4. Veículo Elétrico à Bateria (BEV)
Esta classe de veículos opera através apenas de energia elétrica. Um tipo de
configuração BEV está esquematizado na figura 4.
Figura 4 - Ilustração Esquemática do Sistema de Propulsão Elétrico a Bateria
Bateria
Motor
Elétrico
Carregador
Motor
Elétrico
Controladores
8
Por eliminar o uso de combustíveis convencionais, os BEV’s são caracterizados
como Veículos Zero Emissões (ZEV – Zero Emission Vehicles). Deve-se ressaltar,
entretanto, que por mais que esta perspectiva represente uma melhora considerável na
poluição em nível local, o panorama em maiores escalas dependerá da proveniência da
energia elétrica utilizada.
Outra grande vantagem deste veículo em relação ao convencional está na redução
de custos com combustível. A plataforma BEV opera apenas com motores elétricos, mais
eficientes que o sistema a combustão interna, e o preço da eletricidade é tipicamente mais
barato e mais estável em relação a outros tipos de combustível.
Uma das principais limitações da tecnologia BEV está na autonomia. Para que
seja possível alcançar longas distâncias (suficientemente atrativas aos consumidores) sem
recarga, a bateria deve ser capaz de armazenar uma alta quantidade de energia,
encarecendo este componente. Como consequência, o custo de veículos elétricos é
significantemente maior comparado aos convencionais, crescendo consideravelmente
com o superdimensionamento das baterias [3].
Em continuidade, seguido da limitação de autonomia e dos preços altos, dados
estatísticos [3] apontam a infraestrutura de recarga como uma das maiores preocupações
dos consumidores. Como a tecnologia ainda não é completamente disseminada em todas
as regiões, pode não ser trivial a obtenção de postos para a realização da recarga do
veículo. Além disso, a recarga é mais lenta comparada aos veículos convencionais,
levando muito mais tempo para o abastecimento completo.
Entretanto, muito tem sido investido nas limitações tecnológicas das baterias
destes veículos. Os preços, por kWh, estão caindo continuamente nos últimos anos e já
são bem menores entre os líderes no mercado [4], perspectiva positiva para a maior
participação destes modelos na frota automobilística global e, portanto, para a redução
das emissões locais de poluentes.
2.2. Baterias de Veículos Elétricos
Como destacado, a bateria é um dos principais componentes dos veículos elétricos
e tem grande influência na atratividade destes veículos. Esta seção objetiva, portanto,
descrever as principais características e perspectivas atuais destes componentes.
9
A tabela 1, a seguir, apresenta os principais parâmetros utilizados na
caracterização de baterias.
Tabela 1 - Principais Parâmetros de Baterias
Parâmetro Descrição Unidade
Usual Voltagem Voltagem nominal em que a bateria deve operar. V Corrente Corrente elétrica que atravessa o condutor. A Capacidade de Carga Quantidade de carga que a bateria pode entregar na
voltagem nominal. Ah
Capacidade Energética Energia total que pode ser armazenada na bateria. Wh Energia Específica Mássica Razão entre capacidade energética e massa da bateria. Wh/kg Energia Específica Volumétrica Razão entre capacidade energética e volume da
bateria. Wh/l
Potência Capacidade da bateria em fornecer/receber energia por
unidade de tempo. W
Potência Específica Mássica Razão entre potência e massa da bateria. W/kg Potência Específica Volumétrica Razão entre potência e volume da bateria. W/l Eficiência round-trip Razão entre a energia entre a energia total que pode ser
recuperada e a energia total inicialmente armazenada. (%)
Estado de Carga Razão entre a energia disponível e a capacidade
energética total. (%)
Profundidade de Descarga Razão entre a energia descarregada e a capacidade
energética total. (%)
Ciclos de Vida Número de ciclos que carga/descarga que a bateria
pode realizar. Sem
unidade
As baterias utilizadas são formadas pela associação de uma grande quantidade de
células. Cada célula é formada por um eletrodo positivo (cátodo) e um eletrodo negativo
(ânodo). Estes eletrodos são separados por um condutor iônico (separador) e envolvidos
por um eletrólito (meio condutor). Durante a descarga, a energia química associada aos
eletrodos se transforma em energia elétrica por meio de reações químicas. Já numa
situação de carga, a energia elétrica transforma os materiais gerados na descarga nos
produtos originais [5].
Existem diversos tipos de configurações e composições de materiais disponíveis
para baterias, com vantagens e desvantagens específicas. Em veículos elétricos, a energia
específica influencia diretamente na autonomia alcançável e a potência específica
representa a taxa de energia que pode ser entregue ou recebida pela bateria em eventos de
carga e descarga, influenciando diretamente na aceleração e na capacidade de recuperação
de energia por frenagem regenerativa.
10
As baterias de lítio-íon combinam altos níveis de potência e energia por unidade
de massa [6] e estão associadas a menor agressividade ao meio ambiente [5] e longas
vidas úteis [7]. Por esta série de características atrativas, a tecnologia li-íon é dominante
no mercado, sendo alvo de constantes investimentos [5].
Estudos apontam que os preços das baterias em veículos elétricos caíram de
aproximadamente US$ 1.000/kWh em 2010 para aproximadamente US$ 227/kWh em
2016, com projeções para valores abaixo de US$ 190/kWh até o final da década [4]. Esta
perspectiva impacta diretamente no preço dos veículos híbridos e elétricos à bateria, os
tornando cada vez mais competitivos em relação aos convencionais.
2.3. Frenagem Regenerativa
Tanto para os modelos híbridos quanto para os completamente elétricos, o motor
elétrico permite recuperação de parte da energia cinética em eventos de frenagem. Em
veículos convencionais, esta energia é essencialmente dissipada por atrito nos sistemas
de frenagem usuais.
Em um sistema de frenagem regenerativa o motor elétrico passa a funcionar como
um gerador, oferecendo torque de frenagem enquanto converte a energia cinética em
energia elétrica, alimentando a bateria à medida que o veículo é desacelerado.
O potencial de regeneração alcançável depende principalmente da maneira que o
veículo é operado e da capacidade dos componentes do sistema de propulsão [8]. Estudos
atribuem à regeneração a possibilidade de reciclar de 10 a 15% da energia gasta [9].
A principal vantagem dos veículos que utilizam este sistema está na redução do
consumo de eletricidade, promovendo maior economia de combustível (HEV, PHEV) e
prolongamento da autonomia elétrica (PHEV, BEV).
2.4. Ciclos de Direção
Os ciclos de direção (drive cycles) são ciclos velocidade vs. tempo sintetizados
para representar condições típicas de condução e tráfego em determinada região para
determinada classe de veículos. Cada ciclo é desenvolvido com características próprias,
podendo representar ambientes urbanos, estradas, situações de paradas constantes, etc.
11
A formulação destes ciclos objetiva normalizar um padrão de direção para que se
possam realizar testes, simulações e avaliações de consumo de combustível, emissões, e
demais análises. Atualmente já existem diversos ciclos, desenvolvidos por diferentes
países e agências reguladoras.
No software utilizado na construção deste trabalho, a ser descrito no capítulo 3,
são avaliados dois relevantes ciclos no cenário internacional: UDDS (Urban
Dynamometer Driving Schedule) e HWFET (Highway Fuel Economy Test). Ambos os
ciclos foram desenvolvidos pela Agência de Proteção Ambiental dos Estados Unidos
(Environmental Protection Agency – EPA), e são utilizados para avaliar veículos leves.
As figuras 5 e 6 a seguir representam graficamente a disposição dos pontos de
velocidade e tempo para cada um destes ciclos.
Figura 5 - Representação Gráfica do Ciclo UDDS [10]
Figura 6 - Representação Gráfica do Ciclo HWFET [10]
12
Capítulo 3
A Ferramenta FASTSim
O FASTSim é uma ferramenta computacional suportada pelo Departamento de
Energia dos Estados Unidos (The United States Department of Energy - DOE),
desenvolvida pelo Laboratório Nacional de Energia Renovável (National Renewable
Energy Laboratory – NREL), capaz de construir diversas simulações veiculares. Sua
nomenclatura o designa como Simulador de Tecnologias de Sistemas Automotivos
Futuros (Future Automotive Systems Technology Simulator).
Toda sua programação foi desenvolvida em Microsoft Excel. É através desta
plataforma que todos os dados são introduzidos, simulados e compilados. A interface do
Excel possibilita facilidade na manipulação destes dados e na disposição numérica e
gráfica dos resultados.
O acesso ao FASTSim é gratuito, podendo ser obtido em download livremente na
página oficial da do Laboratório de Energia Renovável (NREL). Como o programa ainda
está em desenvolvimento, a versão utilizada neste trabalho corresponde à Beta 2, que
esteve disponível na referida página durante o período de desenvolvimento deste.
Neste capítulo será realizada uma introdução do programa, inicialmente
apresentando o objetivo e a proposta dos desenvolvedores. Em seguida, serão feitas
descrições de sua interface e funcionalidades, e, por fim, das principais modelagens
utilizadas.
3.1. Objetivo e Proposta
Num cenário global de grandes investimentos em tecnologias aplicadas a sistemas
de propulsão veiculares, o FASTSim se apresenta como uma eficaz ferramenta de análise,
capaz de gerar estudos que auxiliam no dimensionamento e na comparabilidade de
diversos tipos de veículos.
13
Desta forma, pode-se definir objetivo principal do programa como possibilitar
simulações para diferentes tipos de sistemas de propulsão, visando estimar o impacto de
diferentes tipos de tecnologias automotivas.
Para a versão utilizada no desenvolvimento deste trabalho, os tipos de sistemas de
propulsão presentes no programa incluíam:
▪ Veículos Convencionais (Motor de combustão interna)
▪ Veículos Elétricos Híbridos
▪ Veículos Elétricos Híbridos Plug-In
▪ Veículos Elétricos a Bateria
As simulações são desenvolvidas em ciclos de direção (ciclos velocidade vs.
tempo), descritos previamente. Por padrão, o ciclo urbano UDDS (Urban Dynamometer
Driving Schedule) e o ciclo de estrada HWFET (Highway Fuel Economy Test) são sempre
simulados. O programa inclui ainda outros ciclos de direção, que podem ser selecionados
e utilizados nas simulações, além de permitir ao usuário a introdução de novos ciclos.
Para cada passo de tempo são avaliados fatores como arrasto, aceleração,
inclinação da pista, resistência ao rolamento, eficiências, limites dos componentes e
frenagem regenerativa [11]. Os resultados permitem avaliar, para os diferentes tipos de
tecnologias a performance, a eficiência geral e os custos do veículo, além da vida útil da
bateria para os modelos elétricos.
A proposta dos desenvolvedores é, portanto, permitir uma análise acessível e
eficiente. Para permitir confiabilidade, a ferramenta foi aplicada para centenas de
diferentes modelos de veículos, e os resultados foram validados positivamente [11].
3.2. Interface
O programa é dividido em diversas abas que possibilitam diferentes tipos de
análises e modificações nos modelos utilizados. Entre estas abas, todo o processo de
seleção de um veículo e criação de uma simulação se concentra na aba VehicleIO, a
principal do programa.
Neste momento será realizada uma descrição geral da interface do FASTSim,
percorrendo os processos de seleção dos dados de entrada (inputs), a disposição dos dados
de saída (outputs) e as principais aplicações auxiliares do programa.
14
3.2.1. Entradas do Veículo
A primeira parte da aba VehicleIO contempla a entrada dos dados necessários à
introdução de um novo veículo na biblioteca do programa, ou mesmo a seleção de um
veículo já incluído para que se introduzam modificações.
Estas entradas dividem-se em oito seções, de acordo com:
1. Veículo
2. Tanque de Combustível
3. Conversor de Combustível
4. Motor Elétrico
5. Bateria de Tração
6. Roda
7. Gerenciamento de Energia
8. Diversos
Cada uma destas seções será descrita sequencialmente, a seguir.
3.2.1.1. Veículo
Nesta seção definem-se o tipo de veículo e demais características gerais, que se
aplicam a todos os tipos de sistema de propulsão.
Tabela 2 - Entradas na Seção Veículo (Vehicle)
Entrada no Programa Descrição
Fuel economy test procedure Define-se se o veículo será avaliado como convencional
(ICV), híbrido (HEV), híbrido plug-in (PHEV) ou
completamente elétrico (BEV).
Drag coefficient Coeficiente de arrasto aerodinâmico do veículo.
Frontal area Área frontal do veículo, em m².
Vehicle glider mass Massa da Carroceria, em kg. - *observação 1
Vehicle center of gravity height Altura do centro de gravidade do veículo, em m.
Drive axle weight fraction Fração do peso do veículo no eixo de tração, enquanto
parado.
Wheel base Distância entre eixos do veículo, em m.
Cargo mass Massa de carga a ser utilizada nas simulações, em kg.
*Observação 1:
A massa da carroceria (glider mass) é um parâmetro de obtenção não-trivial. A
informação geralmente fornecida por fabricantes corresponde ao curb mass, usualmente
denominado “peso” em ordem de marcha, no Brasil.
15
O curb mass corresponde a medida do peso do veículo com todos os equipamentos
regulares e demais conveniências, acrescido do peso de todos os consumíveis necessários
para operação (tanque cheio de combustível, óleo, refrigerante, etc.) porém sem
passageiro ou qualquer tipo de carga.
Junto a entrada do glider mass o programa oferece uma ferramenta para a
estimação deste parâmetro, utilizando como entrada o curb mass, de acordo com:
𝑚𝑔𝑙𝑖𝑑𝑒𝑟 = 𝑚𝑐𝑢𝑟𝑏 − 𝑚𝑆𝑃
Onde:
▪ 𝑚𝑔𝑙𝑖𝑑𝑒𝑟 − Massa da carroceria (Glider mass)
▪ 𝑚𝑐𝑢𝑟𝑏 − Massa em ordem de marcha (Curb mass)
▪ 𝑚𝑆𝑃 − Massa dos componentes do sistema de propulsão
Para que esta ferramenta funcione é necessário que já estejam preenchidas as
demais entradas dos componentes do veículo, a serem descritas em seguida, de modo que
o programa calcule a soma da massa do sistema de propulsão (𝑚𝑆𝑃).
3.2.1.2. Tanque de Combustível
Nesta seção o tanque de combustível é dimensionado. Não se aplica a veículos
completamente elétricos (BEV), de forma que esta seção deve zerada para estes.
Tabela 3 - Entradas na Seção Tanque de Combustível (Fuel Storage)
Entrada no Programa Descrição
Fuel storage power Potência do tanque, em kW. Representa o tempo de
alimentação. Para veículos completamente elétricos
(BEV) deve ser atribuído zero, o que
automaticamente zera os demais itens desta seção.
Fuel storage time to full power Tempo necessário, em segundos, para que se alcance
a potência máxima referente ao item anterior.
Fuel storage energy Capacidade do tanque, em kWh. Geralmente esta
informação é fornecida em forma volumétrica, mas
pode ser convertida em energia através das
propriedades do combustível.
Fuel and fuel storage mass Energia específica do tanque de combustível, em
kWh/kg. Este parâmetro é utilizado para estimar a
massa do tanque cheio com base em sua capacidade
energética, definida no item anterior.
(1)
16
3.2.1.3. Conversor de Combustível
Nesta seção dimensiona-se o motor de combustão interna. Não se aplica a veículos
completamente elétricos (BEV), para os quais esta seção deve zerada.
Tabela 4 - Entradas na Seção Conversor de Combustível (Fuel Converter)
Entrada no Programa Descrição
Fuel converter power Potência máxima do motor, em kW. Para veículos
completamente elétricos (BEV) deve ser atribuído zero,
o que automaticamente zera os demais itens desta seção.
Fuel converter efficiency type Designa o tipo motor utilizado, entre três opções
disponíveis na versão utilizada: Otto, Diesel e Atkinson.
Através desta seleção, o mapa de eficiência por potência
correspondente é atribuído.
Fuel converter time to full power Tempo necessário, em segundos, para o motor atingir
sua potência máxima.
Fuel converter specific power Entrada direta da potência específica do motor, em
kW/kg. É utilizada para estimar sua massa com base na
potência.
3.2.1.4. Motor Elétrico
Nesta seção dimensiona-se o motor elétrico. Não se aplica a veículos
convencionais (ICV), de forma que esta seção deve zerada para estes.
Tabela 5 - Entradas na Seção Motor Elétrico (Motor)
Entrada no Programa Descrição Motor power Potência máxima do motor elétrico, em kW. Para
veículos convencionais (ICV) deve ser atribuída zero, o
que automaticamente zera os demais itens desta seção.
Motor peak efficiency Corresponde à máxima eficiência do motor elétrico. Ao
defini-la, a curva de eficiência versus potência do motor
se ajusta automaticamente.
Motor time to full power Indica o tempo necessário, em segundos, para o motor
elétrico atingir sua potência máxima.
Motor controller mass
Motor controller base mass
Ambos os parâmetros são utilizados para estimar a massa
do motor elétrico em função de sua potência. O primeiro
corresponde a um coeficiente de variação (kg/kW) e o
segundo um valor de base (kg). *observação 2
*Observação 2:
A massa do motor elétrico é estimada de acordo com:
𝑚𝑀𝐸 = 𝑚𝑀𝐸,𝑏𝑎𝑠𝑒 + 𝑃𝑜𝑡𝑀𝐸,𝑚á𝑥 ∙ 𝑚𝑀𝐸,𝑘𝑊
(2)
17
Onde:
▪ 𝑃𝑜𝑡𝑀𝐸,𝑚á𝑥 − Potência máxima do motor elétrico
▪ 𝑚𝑀𝐸,𝑏𝑎𝑠𝑒 − Massa de base do motor elétrico (Motor controller base mass)
▪ 𝑚𝑀𝐸,𝑘𝑊 − Massa do motor elétrico por kW de potência (Motor controller mass)
3.2.1.5. Bateria de Tração
Nesta seção dimensiona-se a bateria dos veículos elétricos e híbridos. Não se
aplica a veículos convencionais (ICV), de forma que esta seção deve zerada para estes.
Tabela 6 - Entradas na Seção Bateria de Tração (Traction Battery)
Entrada no Programa Descrição
Battery power Potência máxima da bateria, em kW. Para veículos
convencionais (ICV) deve ser atribuído zero, o que
automaticamente zera os demais itens desta seção.
Battery energy Energia máxima armazenável na bateria, em kWh.
Battery mass
Battery base mass
Analogamente ao motor elétrico, estes fatores são
utilizados para estimar a massa da bateria.
*Observação 3
Battery round-trip efficiency Eficiência que avalia a energia perdida no
armazenamento. Equivale a razão entre a energia
que é retirada da bateria e a energia que foi
introduzida inicialmente.
Battery life coefficient A (product)
Battery life coefficient B (power)
Fatores utilizados para avaliar o desgaste da bateria.
*Observação 4
*Observação 3:
A massa da bateria é estimada de acordo com:
𝑚𝑏𝑎𝑡 = 𝑚𝑏𝑎𝑡,𝑏𝑎𝑠𝑒 + 𝐸𝑏𝑎𝑡 ∙ 𝑚𝑏𝑎𝑡,𝑘𝑊ℎ
Onde:
▪ 𝐸𝑏𝑎𝑡,𝑚á𝑥 − Energia máxima armazenável na bateria
▪ 𝑚𝑏𝑎𝑡,𝑏𝑎𝑠𝑒 − Massa de base da bateria (Battery base mass)
▪ 𝑚𝑏𝑎𝑡,𝑘𝑊ℎ − Massa da bateria por kWh de energia (Battery mass)
*Observação 4:
Os coeficientes de desgaste da bateria se aplicam na equação de vida da bateria,
que será descrita em detalhes mais adiante neste capítulo, no item Principais Modelos.
(3)
18
3.2.1.6. Roda
Esta seção se aplica a todos os tipos de veículos, e através dela são introduzidos
dados para a especificação das rodas do veículo.
Tabela 7 - Entradas na Seção Roda (Wheel)
Entrada no Programa Descrição
Wheel inertia (one wheel) Inércia da roda (uma única roda), em kg*m².
Number of wheels Número de Rodas.
Rolling resistance coefficient Coeficiente de resistência ao rolamento.
Tire radius Raio dos pneus.
Wheel coefficient of friction Coeficiente de atrito da roda.
3.2.1.7. Gerenciamento de Energia
As entradas nesta seção estão relacionadas aos modelos gerenciamento de energia.
Aplicam-se a todos os veículos, com exceção dos convencionais, para os quais esta seção
é zerada.
Para veículos elétricos, a entrada destes parâmetros se baseia apenas na seleção
dos níveis máximo e mínimo de utilização da capacidade da bateria.
Para os veículos híbridos existem duas estratégias a serem detalhadas na
continuidade deste capítulo, no item Principais Modelos. De acordo com a seleção da
estratégia, os parâmetros referentes são disponibilizados.
A introdução destes parâmetros será explicitada posteriormente, no referido item,
uma vez que suas descrições e aplicabilidades dependem intimamente do
desenvolvimento da modelagem.
3.2.1.8. Diversos
Para finalizar a introdução de um veículo são definidos fatores gerais diversos,
sendo parte destes aplicáveis somente a determinados tipos de veículos.
19
Tabela 8 - Entradas na Seção Diversos (Misc.)
Entrada no Programa Descrição
Alternator efficiency Eficiência do alternador. Aplica-se somente a veículos
convencionais, que possuem este equipamento.
Charger efficiency Entrada direta da eficiência do carregador da bateria.
Aplica-se a BEV's e híbridos.
Auxiliary loads Potência, em kW, exigida por equipamentos auxiliares,
como ar-condicionado, sistema elétrico, etc.
Transmission mass Massa da transmissão, em kg.
Transmission efficiency Eficiência da transmissão.
Max regen Máximo percentual de captura de regeneração, utilizado
no modelo de frenagem regenerativa *Observação 5
*Observação 5:
O percentual máximo de captura de regeneração é utilizado para dimensionar a
curva de frenagem regenerativa. Esta modelagem será detalhada mais adiante neste
capítulo.
3.2.2. Entradas de Condições Atuais
Nesta parte, ainda na aba VehicleIO, novamente são estabelecidos campos para a
introdução de dados de entrada. Entretanto, estes dados não correspondem a um
determinado veículo, mas sim à parâmetros financeiros e características de utilização,
aplicados a todos os veículos, representados na tabela 9.
Tabela 9 - Parâmetros de Condições Atuais
Parâmetro no Programa Descrição
Average vehicle miles traveled per year Distância média viajada anualmente, em milhas.
Reduction in vehicle travel per year Redução anual da distância média viajada, em milhas.
Vehicle life (years) Vida útil do veículo, em anos.
Target number of battery replacements Número alvo de trocas de bateria ao longo da vida útil.
Gasoline price ($/gallon) Preço da gasolina, em dólar por galão.
Diesel price ($/gallon) Preço do diesel, em dólar por galão.
Electricity price ($/kWh) Preço da eletricidade, em dólar por kWh.
Sales tax Imposto sobre venda
Discount rate Taxa de desconto
Battery cost coefficient A ($/kW) Preço incremental da bateria, em dólares por kW de
potência máxima da bateria.
Battery cost coefficient B ($/kWh) Preço incremental da bateria, em dólares por kWh de
energia máxima armazenável na bateria.
Battery base packaging cost Preço base da bateria.
Battery cost reduction per year Redução anual do custo da bateria.
Power electronics and motor cost ($/kW) Preço incremental do motor elétrico e demais
eletrônicos de potência, em dólares por kW da potência
máxima do motor elétrico.
20
Power electronics and motor base cost Preço base do motor elétrico e demais eletrônicos de
potência, em dólares.
Engine cost ($/kW) Preço incremental do motor de combustão interna, em
dólares por kW da potência máxima do motor de
combustão interna.
Engine base cost Preço base do motor de combustão interna, em dólares.
Fuel tank cost ($/kWh) Preço incremental do tanque de combustível, em
dólares por kWh da energia máxima armazenável no
tanque.
Plug cost (PHEVs and EVs) Preço do plugue, usados em PHEV's e EV's.
Markup Fator de lucro.
Base vehicle price (without ICE, MC, PE) Preço de base do veículo, sem os componentes.
Como apresentado na tabela, definem-se fatores para a avaliação dos preços dos
componentes do sistema de propulsão do veículo. Tais fatores são obtidos através de
estudos estatísticos de dados de diversos fabricantes. Sua aplicação se dá de acordo com
▪ 𝑃𝑏𝑎𝑠𝑒 − Preço de base do veículo (Base vehicle price)
▪ 𝑃𝑝𝑙𝑢𝑔𝑢𝑒 − Preço do plugue (Plug cost)
Quando o veículo não possuir algum destes componentes em seu sistema de
propulsão, o termo correspondente é eliminado da equação 8.
3.2.3. Saídas Gerais
A construção de uma simulação se faz ao final da aba VehicleIO, onde
disponibilizam-se, ainda na aba, os diversos resultados. Entre estes, os principais são:
▪ Consumo de combustível: cidade, estrada e combinado
▪ Consumo elétrico: cidade, estrada e combinado
(7)
(8)
22
▪ Aceleração 0 - 60 mph (96,5 km/h)
▪ Autonomia
▪ Vida da bateria
▪ Custos dos componentes
▪ Custo com combustível e eletricidade ao longo da vida do veículo
▪ Custo de trocas da bateria ao longo da vida do veículo
▪ Preço de fábrica (MSRP)
▪ Resultados para ciclos adicionais
Além destes, também são gerados dados mais específicos, cabendo ao usuário
selecionar aqueles que são de seu interesse. Através destes resultados o programa introduz
aplicações auxiliares, elaboradas para possibilitar estudos específicos.
3.2.4. Aplicações Auxiliares
Todas as ações descritas até o presente momento são estabelecidas na aba
VehicleIO. As demais abas são utilizadas para a definição dos modelos matemáticos e
para a construção de aplicações auxiliares, sendo as principais as ferramentas Powertrain
Comparison e Parametric Study.
3.2.4.1. Ferramenta Powertrain Comparison
A aba Powertrain Comparison constitui uma ferramenta designada para estudar
os diferentes tipos de sistema de propulsão (ICV, HEV, PHEV e BEV) em um
determinado veículo de base.
O primeiro passo é a seleção deste veículo e a definição das características
desejadas nas versões alternativas, de acordo com a tabela 10, a seguir:
Tabela 10 - Especificações na Ferramenta Powertrain Comparison
Sistema de Propulsão Especificação
HEV Potência do motor elétrico
Energia máxima da bateria
Número alvo de trocas de bateria
PHEV Potência do motor elétrico
Autonomia em depleção de carga
Número alvo de trocas de bateria
BEV Autonomia
Número alvo de trocas de bateria
HEV, PHEV e BEV Coeficientes mássicos para a bateria
23
O estudo faz comparações ao longo da vida útil do veículo. Por este motivo
seleciona-se o número “alvo” de trocas de baterias, ou seja, quantas trocas são esperadas
neste período.
O algoritmo envolvido na ferramenta utiliza as características principais do
veículo de base: massa da carroceria, coeficiente de arrasto, dimensões, etc.
Partindo destas características, para cada versão a ser gerada abre-se uma janela
de otimização, em que combinações de componentes (motor elétrico, bateria, etc.) são
testadas visando conciliar as especificações estabelecidas na tabela 10 e a performance
do veículo base, avaliando-se os custos na vida útil de cada versão gerada.
Estes custos são distribuídos de acordo com a tabela 11, a seguir:
Tabela 11 - Distribuição de Custos na Vida Útil
Custo Veículos Aplicados Motor de Combustão Gasolina
Tanque de Combustível
ICV, HEV, PHEV
Bateria Troca de Bateria Motor Elétrico
HEV, PHEV, BEV
Plugue Eletricidade PHEV, BEV
Carroceria Todos
Os resultados da ferramenta são estabelecidos na forma de tabelas, especificando
componentes, consumo, custos e performance de cada veículo gerado.
O principal resultado, entretanto, se dá na forma de um gráfico de barras,
comparando as quatro versões do veículo base em custos e consumo de combustível.
3.2.4.2. Ferramenta Parametric Study
A aba Parametric Study constitui uma ferramenta designada para a analisar o
efeito de uma determinada variável de entrada (input) nos resultados (outputs) das
simulações de um determinado veículo de base. Além disso, a ferramenta também analisa
o efeito desta variável nos resultados de veículos alternativos, com os sistemas de
propulsão alternativos ao original.
24
Desta maneira, a ferramenta pode, por exemplo, estudar como o coeficiente de
arrasto de um determinado veículo influencia no consumo de combustível e eletricidade
em sua versão original e em suas versões alternativas.
A maneira que este estudo se constrói é através de uma extensão do algoritmo
Powertrain Comparison, descrito previamente. Desta forma, para inicializar a
ferramenta, seleciona-se um veículo base e as características desejadas para as versões
alternativas, como foi feito na ferramenta Powertrain Comparison.
Em adição, seleciona-se também uma variável de entrada a ser acompanhada, por
exemplo coeficiente de arrasto, massa da carroceria, etc. À esta variável, atribui-se
também um intervalo de análise, isto é, um valor máximo e mínimo.
Para um determinado número de pontos, a ferramenta Parametric Study constrói
diversos gráficos avaliando as alterações desta variável para as quatro versões do veículo
em diferentes variáveis de saída (consumo elétrico, consumo de combustível, custos
totais, etc.).
Desta maneira, torna-se possível estudar como um determinado parâmetro
específico modifica a performance e os custos para cada uma das diferentes versões (ICV,
HEV, PHEV e BEV) de determinado veículo.
3.3. Principais Modelos
Para que as simulações dos diferentes tipos de tecnologias veiculares possuam
representatividade de diversas condições reais, o FASTSim é estruturado também em
diversas modelagens que visam capturar tais condições.
Desta forma, o objetivo neste momento é descrever os principais modelos
matemáticos e computacionais utilizados pelo programa, desde as premissas utilizadas
até sua aplicação.
Foram selecionados três principais modelos, considerados essenciais na
construção das análises comparativas entre os veículos convencionais e seus alternativos
híbridos e elétricos, de acordo com:
1. Vida da Bateria
2. Gerenciamento de Energia
3. Frenagem Regenerativa
25
3.3.1. Vida da Bateria
Um dos principais componentes do sistema de propulsão de veículos elétricos é a
bateria. A autonomia de veículos completamente elétricos (BEV) está diretamente
relacionada a energia que pode ser armazenada em sua bateria.
Por outro lado, o preço de uma bateria cresce consideravelmente conforme
aumenta sua capacidade de armazenamento, de modo que a redução de seu preço, por
kWh, é um parâmetro chave para o crescimento da competitividade contra veículos
convencionais.
A vida útil deste componente é, portanto, um parâmetro de grande interesse de
estudo. É necessário que o desgaste da bateria seja adequadamente modelado nas
simulações desenvolvidas.
Inicialmente, é necessária a definição do parâmetro profundidade de descarga.
Este representa a magnitude da energia que realizou um ciclo de carga e descarga na
bateria. Sua avaliação é dada por:
𝐷𝑂𝐷 =𝐸𝑐𝑖𝑐𝑙𝑜
𝐸𝑏𝑎𝑡,𝑚á𝑥
Onde:
▪ 𝐷𝑂𝐷 − Profundidade de descarga (Depth of discharge)
▪ 𝐸𝑐𝑖𝑐𝑙𝑜 − Energia que realizou um ciclo
A intensidade em que bateria é consumida depende, dentre uma série de fatores,
da profundidade de descarga do ciclo. Quanto maior a profundidade de descarga, maior
o desgaste.
Para reproduzir este efeito, o FASTSim se baseia em um ajuste dos dados da
fabricante VARTA GmbH [12], representada na figura 7 a seguir.
(9)
26
Figura 7 - Curva de Vida da Bateria (Retirado e traduzido do FASTSim)
A curva é baseada em dois coeficientes, 𝐴𝑏𝑎𝑡 e 𝐵𝑏𝑎𝑡, especificados previamente
nas entradas de bateria na aba VehicleIO, de acordo com:
𝐷𝑂𝐷 = 𝐴𝑏𝑎𝑡 ∙ 𝑁𝑣𝑖𝑑𝑎𝐵𝑏𝑎𝑡
Onde:
▪ 𝑁𝑣𝑖𝑑𝑎 − Número total de ciclos que podem ser suportados pela bateria
▪ 𝐴𝑏𝑎𝑡 e 𝐵𝑏𝑎𝑡 − Coeficientes de vida da bateria
Nesse sentido, para cada profundidade de descarga há um número máximo de
ciclos que a bateria pode suportar. O desgaste percentual que a bateria sofre em um ciclo
de determinada profundidade de descarga pode, então, ser quantificado como o inverso
da vida máxima calculada pela equação anterior, de acordo com:
𝜔 =(1) 𝑐𝑖𝑐𝑙𝑜
(𝑁𝑣𝑖𝑑𝑎) 𝑐𝑖𝑐𝑙𝑜𝑠= 𝑁𝑣𝑖𝑑𝑎
−1
Onde:
▪ 𝜔 − Desgaste percentual da bateria
Durante a simulação de um veículo, este modelo matemático é utilizado para
avaliar o desgaste em duas dimensões: ciclos de recarga e ciclos de aceleração e frenagem
regenerativa. O detalhamento dos cálculos da profundidade de descarga e consequente
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1 10 100 1.000 10.000 100.000 1.000.000
Pro
fun
did
ade
de
De
scar
ga
Vida Máxima (Ciclos)
y=86x-0.68
(10)
(11)
27
aplicação da curva de vida da bateria para estes dois tipos de ciclos estão presentes no
apêndice A.
3.3.2. Gerenciamento de Energia
A maneira em que o veículo opera seus componentes de propulsão (motor elétrico
e motor de combustão) ao longo de um trajeto influi diretamente no consumo de
combustível, na performance e nas emissões.
O regime de utilização destes componentes constitui o que se chama de
gerenciamento de energia do veículo. Para desenvolver esta análise, deve-se inicialmente
definir o equacionamento do estado de carga da bateria, de acordo com:
𝑆𝑂𝐶 =𝐸𝐵𝑎𝑡𝑒𝑟𝑖𝑎
𝐸𝐵𝑎𝑡𝑒𝑟𝑖𝑎,𝑚á𝑥
Onde:
▪ 𝑆𝑂𝐶 − Estado de carga (State of charge)
▪ 𝐸𝑏𝑎𝑡 − Energia instantânea na bateria
Para veículos completamente elétricos (BEV), este controle se resume na
definição dos níveis (máximo e mínimo) limites para o estado de carga da bateria, visando
conciliar a máxima autonomia alcançável e o prolongamento de sua vida útil.
Para os híbridos o controle se torna mais complexo, dado que além do motor
elétrico há também o motor de combustão interna. Na simulação destes veículos o
software oferece duas estratégias de gerenciamento de energia:
1. Estratégia da Energia Cinética
2. Estratégia da Eficiência do Motor de Combustão Interna
3.3.2.1. Estratégia da Energia Cinética
A Figura 8 representa graficamente o funcionamento desta estratégia. Conforme
ilustrado, para uma determina velocidade há um estado de carga de referência em que a
bateria deve seguir. O objetivo dessa estratégia é aproveitar totalmente a energia da
frenagem regenerativa e garantir um nível de energia suficiente para permitir
acelerações em baixas velocidades.
(12)
28
Quando o veículo está em maiores velocidades há um potencial de maior captura
de energia via frenagem regenerativa, então a bateria deve estar suficientemente
descarregada, possuindo disponibilidade para receber energia regenerada. Por outro lado,
em baixas velocidades a bateria deve possuir energia o suficiente para se capaz de auxiliar
nas próximas acelerações.
Figura 8 - Estratégia da Energia Cinética (Retirado e traduzido do FASTSim)
Deste modo, o foco da estratégia está em equilibrar o estado de carga da bateria
entre estes dois limites. Como o nome define, a estratégia baseia-se na velocidade do
veículo. Assim, através das entradas da simulação são designados dois valores limite de
velocidade nos quais o estado de carga da bateria deve estar em seu máximo e mínimo.
Com estes, gera-se o modelo gráfico linear situando o estado de carga adequado
para cada velocidade do veículo, representado na figura anterior. Para cada nível de
afastamento (gap) da região de interesse, obtém-se a potência alvo da bateria para
alcançar os requisitos do modelo.
3.3.2.2. Estratégia da Eficiência do Motor de Combustão Interna
Para essa estratégia o cenário se torna mais simples. O objetivo agora é manter o
motor de combustão interna operando sempre com uma rotação em sua região de mais
alta eficiência, reduzindo-se o consumo e as emissões.
Para possibilitar que esta rotação seja mantida ao mesmo tempo em que se
respeitam as exigências do ciclo, realiza-se um equilíbrio entre a parcela da energia que
29
está sendo enviada para as rodas e a parcela que está sendo gerada e armazenada nas
baterias.
Por fim, ao introduzir o modelo de um veículo híbrido, deve-se definir qual dessas
estratégias de gerenciamento de energia será utilizada. De acordo com a escolha do
usuário, são dispostos os campos de entradas (inputs) requeridos para a construção do
modelo referente a respectiva estratégia, definindo os limites de uso da bateria e as
relações entre a potência gerada pelo motor de combustão interna e pelo motor elétrico.
3.3.3. Frenagem Regenerativa
A parcela de energia que um veículo pode recuperar através de frenagem
regenerativa é limitada por seus componentes e por sua velocidade em cada instante.
As restrições dos componentes envolvem os limites da bateria e do motor elétrico,
além da amplitude de estado de carga utilizável (máximo e mínimo SOC).
Com estes limites estabelecidos, a regeneração que pode ser capturada se torna
função da velocidade desenvolvida no percurso. O FASTSim utiliza o seguinte modelo
matemático:
𝑃𝑜𝑟𝑐𝑅𝑒𝑔𝑒𝑛 =𝑚𝑎𝑥𝑅𝑒𝑔𝑒𝑛
1 + 𝐴𝑟𝑒𝑔𝑒𝑛 ∙ 𝑒−𝐵𝑟𝑒𝑔𝑒𝑛(𝑣𝑚𝑝ℎ+1)
Onde:
▪ 𝑃𝑜𝑟𝑐𝑅𝑒𝑔𝑒𝑛 − Porcentagem máxima de potência recuperável
▪ 𝐴𝑟𝑒𝑔𝑒𝑛 e 𝐵𝑟𝑒𝑔𝑒𝑛 − Coeficientes ajustados para modificar a curva
▪ 𝑚𝑎𝑥𝑅𝑒𝑔𝑒𝑛 − Limite máximo para a porcentagem de potência recuperada,
definido nas entradas da simulação
▪ 𝑣𝑚𝑝ℎ − Velocidade do veículo em milhas por hora.
Aos coeficientes 𝐴𝑟𝑒𝑔𝑒𝑛 e 𝐵𝑟𝑒𝑔𝑒𝑛 são atribuídos, como padrão, os valores 1000 e
0,9 respectivamente. O programa permite que estes coeficientes sejam ajustados, na aba
Regen, dando ao usuário a possibilidade de modificar a equação de acordo com seu
interesse.
A figura 9, a seguir, representa a curva da equação padrão, com os coeficientes
originais.
(13)
30
Figura 9 - Modelo de Captura de Regeneração (Retirado e traduzido do FASTSim)
Esta formulação prioriza a frenagem regenerativa para maiores velocidades,
utilizando em baixas velocidades majoritariamente a frenagem por fricção. Geralmente
para frenagens emergenciais, em alta velocidade, são utilizados os freios de fricção,
entretanto este modelo considera que tais eventos possuem uma frequência baixa o
suficiente para serem negligenciados [11].
É importante ressaltar que a porcentagem de recuperação calculada se refere à
potência desenvolvida instantaneamente nas rodas, variando conforme o veículo perde
velocidade, e não à energia total recuperada.
O procedimento detalhado de cálculo da potência de frenagem regenerativa nos
ciclos de direção através deste modelo está representado em forma de diagrama no
Apêndice B.
0%
20%
40%
60%
80%
100%
120%
0 10 20 30 40 50
Pe
rce
ntu
al d
e P
otê
nci
a R
ecu
pe
rad
a*
Velocidade (mph)
Potência Máxima Recuperada
* Contanto que o motor e a bateria sejam capazes de suportar
31
Capítulo 4
Validação de Dados
Com a conclusão do capítulo prévio, o FASTSim e suas principais aplicações
foram apresentados. Como continuação, o presente capítulo tem por objetivo realizar uma
aplicação inicial da ferramenta, propondo o primeiro estudo de caso deste trabalho. O
objetivo é introduzir os dados de veículos elétricos à bateria no programa e avaliar suas
simulações de performance e consumo.
Os dados de saída, resultado das simulações, serão então comparados com os
dados disponíveis para os veículos reais. Para o consumo elétrico e a autonomia serão
utilizados os dados da Agência de Proteção Ambiental dos Estados Unidos
(Environmental Protection Agency - EPA).
Foram selecionados para esta análise dois veículos de grande relevância no
mercado global, Nissan Leaf e Tesla Model S, os mais vendidos no ano de 2016 [13]. Por
este motivo este estudo objetivará, ainda, em gerar uma comparação entre as principais
características e propostas destes modelos.
4.1. Introdução dos Veículos no Programa
4.1.1. Nissan Leaf
Primeiramente serão selecionadas as entradas para a introdução do veículo elétrico
da Nissan. Este veículo já faz parte da biblioteca do programa em trabalho, porém em
uma versão antiga, corresponde ao ano de 2012, com uma bateria capaz de armazenar de
24 kWh de energia.
O Leaf já é comercializado atualmente com uma bateria de 30 kWh, o que
influencia diretamente em sua performance, principalmente na máxima autonomia
alcançável. Por este motivo os parâmetros chave do veículo serão atualizados, buscando
a representatividade de sua versão mais recente.
A tabela 12, a seguir, representa as principais seções de entrada (inputs) e os
valores utilizados, assim como sua referência.
32
Tabela 12 - Parâmetros Introduzidos para o Nissan Leaf
Seção Parâmetro Seleção Referência
Vehicle
Drag coefficient 0,28 [14]
Frontal area 2,19 m² Estimado pelo programa com as
dimensões obtidas de [14]
Vehicle glider mass 983 kg
Calculado pelo programa com base
em um curb mass de 1500 kg (3307
lb) [14]
Vehicle center of gravity
height 0,53 m
Mantido o valor já incluído no
programa para a versão antiga
Drive axle weight fraction 0,59 m Mantido o valor já incluído no
programa para a versão antiga
Wheel base 2,69 m [14]
Cargo mass 136 kg Valor padrão no programa
Motor
Motor Power 80 kW Igual a versão antiga
Motor Peak Efficiency 89% Mantidos os valores já incluídos no
programa para a versão antiga Motor time to full power 5
Motor controller mass 0,833 kg/kW Mantido o ajuste realizado pelo
programa Motor controller base mass 21,6 kg
Traction Battery
Battery Power 90 kW Mantido o valor já incluído no
programa para a versão antiga
Battery Energy 30 kWh [14]
Battery mass 8 kg/kWh Mantido o ajuste utilizado no
programa Battery base mass 75 kg
Battery roundtrip efficiency 95,10% Mantido o valor já incluído no
programa para a versão antiga
Battery life coefficient A 86 Mantido o ajuste utilizado no
programa Battery life coefficient B -0,6844
4.1.2. Tesla Model S
O referido modelo da Tesla Motors é comercializado em diferentes versões, com
sistemas de baterias de diferentes dimensões, dentre as quais já estiveram disponíveis
modelos com a capacidade energética variando desde 40 até 100 kWh.
Para a atual análise foi selecionada a versão de 85 kWh por representar o alto nível
de dimensionamento da bateria característico da marca, e pela disponibilidade de dados
de teste, que auxiliarão na introdução das entradas no programa.
A tabela 13, a seguir, representa as seções de entrada e os respectivos valores
utilizados, assim como sua referência.
33
Tabela 13 - Parâmetros Introduzidos para o Tesla Model S 85 kWh
Seção Parâmetro Seleção Referência
Vehicle
Drag coefficient 0,24 [15]
Frontal area 2,34 [15]
Vehicle glider mass 1250 kg Estimado com base em [16]
Vehicle center of gravity height 0,46 m [17]
Drive axle weight fraction 0,59 m
Mantido o valor padrão usado
nos veículos já incluídos na
biblioteca
Wheel base 2,96 m [18]
Cargo mass 136 kg Valor padrão no programa
Motor
Motor Power 270 kW [18]
Motor Peak Efficiency 98%
Ajustado a partir da potência
máxima atingida em teste [18] e
a potência máxima da bateria
Motor time to full power 5 Ajustado para com base na
aceleração de teste [18]
Motor controller mass 0 kg/kWh Ajustado para o peso exato do
motor do Model S [16] Motor controller base mass 32 kg
Traction
Battery
Battery Power 278 kW [19]
Battery Energy 85 kWh [18]
Battery mass 0 kg/kWh Ajustado para o peso exato [18]
da bateria do Model S 85 kWh Battery base mass 545 kg
Battery roundtrip efficiency 98,00% [18]
Battery life coefficient A 86 Mantido o ajuste utilizado no
programa Battery life coefficient B -0,6844
4.2. Análise das Saídas
Com os veículos introduzidos na biblioteca do programa, suas simulações podem
ser inicializadas. Agora, portanto, serão selecionadas saídas de interesse para realizar a
comparação com os dados disponíveis. Serão analisados:
▪ Consumo de eletricidade urbano
▪ Consumo de eletricidade em estrada
▪ Consumo de eletricidade combinado
▪ Autonomia
▪ Aceleração 0 – 96,6 km/h (60 mph)
As tabelas 14 e 15, a seguir, representam os dados de referência e os resultados da
simulação para ambos os veículos.
34
Tabela 14 - Simulações e Referências para o Nissan Leaf
Parâmetro Valor
Simulado Valor de
Referência Referência
Consumo de eletricidade urbano 0,193 kWh/km 0,169 kWh/km
EPA [20] Consumo de eletricidade em estrada 0,198 kWh/km 0,207 kWh/km Consumo de eletricidade combinado 0,196 kWh/km 0,187 kWh/km Autonomia 178,6 km 172,2 km Aceleração 0 – 96,6 km/h (60 mph) 10,8 s 10,4 s [21]
Tabela 15 - Simulações e Referências para o Tesla Model S 85 kWh
Parâmetro Valor
Simulado Valor de
Referência Referência
Consumo de eletricidade urbano 0,262 kWh/km 0,238 kWh/km
EPA [22] Consumo de eletricidade em estrada 0,227 kWh/km 0,232 kWh/km Consumo de eletricidade combinado 0,246 kWh/km 0,235 kWh/km Autonomia 375 km 426 km Aceleração 0 – 96,6 km/h (60 mph) 5,4 s 5,5 s [18]
Através dos valores representados nas tabelas 14 e 15, observa-se que a
modelagem utilizada obteve eficácia especialmente no tempo de aceleração e no consumo
elétrico combinado, onde os dados simulados alcançaram valores próximos aos dados de
referência.
Para a autonomia, entretanto, o modelo da Tesla obteve um maior distanciamento,
com uma um valor simulado de 375 km contra um valor esperado de 426 km (discrepância
relativa de -12%). À esta disparidade justifica-se a menor disponibilidade de dados de
input para o modelo da Tesla Motors.
Por outro lado, os resultados do Nissan Leaf mantiveram-se próximos aos valores
esperados, simulando uma autonomia de 178,6 km para uma referência de 172,2 km
(discrepância relativa de 3,7%).
Em conclusão, dada a baixa discrepância entre os dados simulados e os valores
utilizados como referência para a maior parte dos os parâmetros avaliados, torna-se
possível validar positivamente a ferramenta, realçando, entretanto, a importância dos
dados de entrada (inputs) para que os resultados representem com mais precisão as
condições reais esperadas.
35
4.3. Comparação Entre Leaf e Model S
Evidenciou-se que os dois modelos elétricos apresentam abordagens construtivas
e propostas diferentes. Por um lado, o Leaf utiliza uma bateria de capacidade energética
comparativamente baixa (30 kWh), mais semelhante aos demais veículos desta categoria
em mercado. Já o Model S oferece diferentes versões, todas com maior dimensionamento
deste componente (alcançando até 100 kWh).
O principal efeito desta diferença de proposta se dá na autonomia do veículo,
sendo o Model S capaz de alcançar distâncias consideravelmente maiores sem recarga
(426 km da versão de 85 kWh do Model S contra 172,2 km do Leaf).
Como consequência, este componente implica diretamente no peso no veículo e
em seu consumo elétrico, sendo o Leaf capaz de consumir menos eletricidade por
distância percorrida (0,187 kWh/km do Leaf contra 0,235 kWh/km da versão de 85 kWh
do Model S).
Por fim, o impacto destas tecnologias também se reflete no preço do veículo,
sendo o modelo da Tesla consideravelmente mais caro que o Leaf, que, por sua vez, se
mantém na faixa de preço dos demais BEV em mercado.
Conclui-se, então, que a Tesla Motors investe em um veículo de alta tecnologia e
de maior dimensionamento e de seus componentes, possibilitando o alcance da alta
performance característica da marca. O Leaf, por outro lado, apresenta menor
performance, porém a um preço mais baixo e com menores custos, garantindo assim sua
forte competitividade.
36
Capítulo 5
Versões Elétricas e Híbridas de um Veículo
Convencional
Conforme introduzido no capítulo 1, a participação de veículos elétricos no
mercado internacional tem apresentado crescimento contínuo. Por outro lado, estes
modelos ainda são raros no Brasil, contando com poucos incentivos [23].
Como forma de avaliar as vantagens e desvantagens dos veículos elétricos,
pretende-se utilizar o FASTSim para simular versões elétricas e hibridas de um veículo
convencional comercializado atualmente no mercado brasileiro, compondo assim o
segundo estudo de caso deste trabalho.
A partir dos dados do Chevrolet Onix, disponíveis pela montadora, utilizando a
ferramenta Powertrain Comparison, descrita no capítulo 3, foi possível construir versões
HEV, PHEV e BEV deste veículo. Os resultados obtidos permitem analisar o desempenho
e os custos associados às diferentes plataformas veiculares propostas.
5.1. Chevrolet Onix
De acordo com os dados da Fenabrave (Federação Nacional da Distribuição de
Veículos Automotores) [24], o modelo com o maior número de emplacamentos em 2016
foi o Chevrolet Onix, líder também nos levantamentos realizados até o momento, em
junho de 2017.
Por este motivo, será este o modelo a ser inserido no FASTSim para a formulação
do presente estudo. A tabela 16, a seguir, representa os principais inputs selecionados
para a introdução deste veículo, da mesma maneira como foi realizado previamente para
o Nissan Leaf e o Tesla Model S.
37
Tabela 16 - Parâmetros Introduzidos para o Chevrolet Onix
Seção Parâmetro Seleção Referência
Vehicle
Drag coefficient 0,34 [25] Frontal area 2,01 m² [26]
Vehicle glider mass 674 kg Calculado pelo programa com base
em um curb mass de 1021 kg [25]
Vehicle center of gravity height 0,53 m Mantido o valor incluído no programa
para veículos semelhantes
Drive axle weight fraction 0,59 m Mantido o valor incluído no programa
para veículos semelhantes Wheel base 2,53 m [25] Cargo mass 136 kg Valor padrão no programa
Fuel Storage
Fuel storage power 1000 kW Mantido o valor incluído no programa
para veículos semelhantes
Fuel storage time to full power 1 s Mantido o valor incluído no programa
para veículos semelhantes
Fuel storage energy 504 kWh Tanque de 54 L [25] e densidade
energética da gasolina de 9,33 kWh/L
[27]
Fuel and fuel storage mass 9,89
kWh/kg Mantido o ajuste utilizado no
programa para veículos convencionais
Fuel Converter
Fuel converter power 57,4 kW [25]
Fuel converter efficiency type Otto Veículo analisado à gasolina (ciclo
Otto) Fuel converter time to full
power 6 s Mantido o valor incluído no programa
para veículos semelhantes
Fuel converter specific power 0,32 kW/kg Mantido o ajuste utilizado no
programa para veículos convencionais
5.2. Aplicação da Ferramenta Powertrain Comparison
Como descrito no capítulo 3, a ferramenta Powertrain Comparison parte de um
veículo base e gera versões alternativas deste, testando diferentes sistemas de propulsão.
Desta forma, a ferramenta será implementada para analisar o Onix, avaliando versões
elétricas híbridas (HEV e PHEV) e elétricas à bateria (BEV) deste.
Inicialmente o foco será nas versões BEV. Como introduzido previamente, devem
ser especificados a autonomia desejada, a tecnologia da bateria e seu número alvo de
trocas ao longo da vida útil do veículo.
O procedimento utilizado será aplicações consecutivas da ferramenta testando
diferentes dimensionamentos da bateria e observando sua influência nos custos e na
38
performance do Onix-BEV. Dada a sua maior relevância no mercado, destacada
previamente, as baterias testadas serão todas de tecnologia Li-ion. Desta maneira, as
variáveis a serem modificadas em cada versão BEV serão o número alvo de trocas de
bateria e a autonomia desejada.
Para a quantificação da vida útil do veículo será mantido o valor padrão do
programa, de 15 anos. Considerando o desgaste da bateria, é possível que este
componente precise passar por uma ou mais trocas ao longo destes 15 anos. Serão
propostos três diferentes cenários com 0, 1 e 2 trocas de baterias na vida útil. Em cada um
destes cenários serão analisadas autonomias de 50 km (valor muito baixo) a 140 km
(autonomia próxima de BEV’s competitivos), em incrementos de 10 km.
A figura 10 resume esquematicamente o padrão utilizado na proposição das