The transportation industry stands for a big chunk of the worlds total carbon emissions. To counter this problem electric vehicles are seen as a good solution. However, these vehicles come at a greater cost and do not offer the same range as their less environmentally friendly counterpart. To lessen costs and development time when optimizing electric vehicles, simulations of the vehicles functionality can be utilized. One way of getting such simulations is to design a digital twin of the physical system. A digital twin is able to mimic the functionality of the physical system and can therefore offer well based indications of how a change in design will change the performance in reality. In this thesis a digital twin of the cooling system of an electric boat is designed with realistic results. Cooling systems in the scope of electric vehicles are of grave importance since the electric driveline becomes hot during use which can hinder performance of the vehicle. This is especially true for the high voltage batteries that tend to have quite a narrow range of temperatures within which performance is optimal. This thesis handles an attempt at optimizing the cooling system, replicated by the digital twin, by the use of a temperature predictive model. Three different machine learning models were tested and the resulting best model achieved a mean absolute error of 2.4 and a mean average percentage error of 5.7. However, the model was unable to foresee sudden temperature spikes and drops. A possible fix, that could not be tested in this thesis, would be to implement further input data such as driver profiles and/or GPS data with speed limits. / Transportindustrin står för en stor del av världens totala koldioxidutsläpp. För att motverka detta problem ses elfordon som en bra lösning. Dessa fordon kommer dock till en högre kostnad och erbjuder inte samma räckvidd som deras mindre miljövänliga motpart. För att minska kostnader och utvecklingstid vid optimering av elfordon kan simuleringar av fordonens funktionalitet användas. Ett sätt att få sådana simuleringar är att designa en digital tvilling av det fysiska systemet. En digital tvilling kan efterlikna det fysiska systemets funktionalitet och kan därför erbjuda välbaserade indikationer på hur en förändring i design kommer att förändra prestandan. I detta examensarbete designas en digital tvilling av kylsystemet i en elbåt med realistiska resultat. Kylsystem i elfordon är av stor betydelse eftersom den elektriska drivlinan blir varm under användning, vilket kan hindra fordonets prestanda. Detta gäller särskilt för högspänningsbatterierna som tenderar att ha ett ganska smalt temperaturintervall för optimal prestanda. Denna avhandling behandlar ett försök att optimera kylsystemet, replikerat av den digitala tvillingen, genom att använda en temperaturförutsende modell. Tre olika maskininlärningsmodeller testades och den resulterande bästa modellen uppnådde ett genomsnittligt absolut fel på 2.4 och ett genomsnittligt procentuellt fel på 5.7. Modellen kunde dock inte förutse plötsliga temperaturspikar och -fall. En möjlig fix, som inte kunde testas i denna avhandling, skulle vara att implementera ytterligare indata såsom förarprofiler och/eller GPS-data med hastighetsbegränsningar.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-321756 |
| Date | January 2022 |
| Creators | Jeansson, Charlie |
| Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS), Stockholm : KTH Royal Institute of Technology |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2022:759 |
Page generated in 0.0016 seconds