Das Projekt e-Foan iD befasst sich mit der Entwicklung nachhaltiger Antriebssysteme für Fahrzeuge und mobile Geräte, die für spezielle Anwendungen vorgesehen sind.

Zu den nachhaltigen Antrieben zählen unter anderem batterieelektrische Antriebe, Brennstoffzellen und Wasserstoffantriebe. Ihre Reichweite bzw. Betriebszeit ist jedoch stark begrenzt. Sonderanwendungen, zu denen zum Beispiel der Bergbau, Großbaustellen sowie die Pistenpräparierung zählen, sind dadurch gekennzeichnet, dass sie hohe Lastanforderungen sowie lange Betriebszeiten aufweisen und zudem häufig in anspruchsvollen Umgebungsbedingungen zum Einsatz kommen. Viele Sonderanwendungen zeichnen sich aber durch ein räumlich begrenztes Einsatzgebiet, geschultes Bedienpersonal und eine zentrale Koordination aus. Die genannten Randbedingungen sind besonders für batterie-elektrische Antriebe von großem Vorteil, da dadurch deren größter Nachteil, die begrenzte Reichweite, entscheidend gemildert werden kann.

Aufbauend auf diesen Kriterien wird in diesem Projekt eine Methode für das Fahrzeugmanagement entwickelt, die eine Echtzeitprognose der Reichweite und die Koordination der einzelnen Fahrzeuge ermöglicht. Das Ziel dieses Vorhabens ist die Entwicklung eines Simulationsmodells für ein einzelnes Fahrzeug. Der Fokus liegt dabei auf der Konzeption eines Fahrzeuges, das in erster Linie auf batterieelektrischen Antrieb und auf das Zusammenspiel mit dem Flottenmanagement ausgelegt ist.

Die Basis des Fahrzeugmodells bilden gebräuchliche physikalische Ansätze des Energie- und Wärmemanagements. Es handelt sich um ein zeitlich aufgelöstes, rückwärtsrechnendes und null-dimensionales Modell, welches in Echtzeit funktioniert und im ständigen Datenaustausch mit dem realen Fahrzeug sowie dem Flottenmanagement steht (Digital Twin). Das nachfolgend dargestellte Modell umfasst eine Abbildung des Gesamtfahrzeugs, wobei ein besonderes Augenmerk auf den Energiespeicher zur Entwicklung der Betriebsstrategie gelegt wird. Dem gesamthaften Ansatz steht eine vergleichsweise einfache Abbildung der Komponenten und Subsysteme gegenüber. Die folgenden Aspekte werden im Modell abgebildet: Wirkungsgrad, Speicherstand, Leistung der elektrischen Komponenten, Thermomanagement und HVAC, soweit für das Energiemanagement erforderlich.

Aufgrund der unterschiedlichen Untergrundbedingungen in den jeweiligen Anwendungsbereichen (Schotter, Sand, Schnee, etc.) erweist sich insbesondere die physikalische Modellierung für Sonderanwendungen als anspruchsvoll. Gleichzeitig ist jedoch eine genaue Datenlage vorhanden und das System als Ganzes ist relativ klar definiert, was den Rückschluss auf den Einsatz von datenbasierten Methoden zulässt. Mit Hilfe von Machine Learning soll ein datengetriebenes Modell entwickelt werden, welches in der Lage ist, diese komplexen Aufgaben eingebettet in das physikalische Modell des Gesamtfahrzeugs (hybride Modellarchitektur) zu erfüllen und damit Echtzeitvorhersagen der Leistungsanforderungen zu ermöglichen.