Intelligentes Thermomanagement batterieelektrischer Fahrzeuge unter Berücksichtigung verschiedener Betriebsmodi: Modellierung, Analyse und dynamische Optimierung

Intelligent thermal management of battery electric vehicles considering different operating modes: modeling, analysis and dynamic optimization

Johannes Stockhammer · Dr.-Ing., Control and Cyber-Physical Systems, TU Darmstadt · verteidigt am 31. Oktober 2025, magna cum laude · veröffentlicht auf TUprints 2026

Ergebnisse auf einen Blick

• ca. 8 %höhere Effizienz durch die echtzeitfähige Optimierungsstrategie
• −23 minkürzere Ladezeit beim Schnellladen (37 %)
• 2,66Leistungszahl der Wärmepumpe in der Detailanalyse
• Fahrzeugvalidiert im Thermofunktionskanal an einem realen BEV

Kurzfassung

Die Arbeit untersucht eine dynamische Optimierung des thermischen Energiemanagements in batterieelektrischen Fahrzeugen, um die Energieeffizienz und Ladeperformance unter Berücksichtigung gemischt-ganzzahliger Systemdynamiken zu verbessern. Der wesentliche Beitrag umfasst die Analyse des Optimierungspotenzials, die Modellierung der Systemdynamik sowie die Entwicklung einer effizienten, echtzeitfähigen Optimierungsstrategie, die an einem batterieelektrischen Fahrzeug im Thermofunktionskanal validiert wurde.

Die Literaturrecherche umfasst den aktuellen Stand der Wissenschaft zur Optimierung des thermischen Energiemanagements wie Spannungsfelder, Ansätze zur Effizienzoptimierung, optimierungsbasierte Regler und Nutzung von Vorhersagen. Die dadurch aufgezeigten Zielkonflikte innerhalb des thermischen Energiemanagements verdeutlichen die Notwendigkeit eines ganzheitlichen Optimierungsansatzes. Weiterhin werden zentrale Systemkomponenten wie die Wärmepumpe, das Kühlermodul, die Antriebskomponenten, die Batterie, die Innenraumklimatisierung sowie insbesondere die diskreten Betriebsmodi und die Wärmeströme im Kühlmittelkreislauf ausführlich betrachtet.

Darauf aufbauend erfolgt eine simulative Analyse des energetischen Optimierungspotenzials, einschließlich einer detaillierten Betrachtung der Wärmeströme der Wärmepumpe. Die Analyse des Optimierungspotenzials basiert auf eigens dafür erstellten statistischen Fahrprofilen, die typische Geschwindigkeitsprofile im Stadtverkehr, Pendelverkehr und bei Tagesausflügen abbilden. Die Fahrzeugdynamik wird modelliert und zusammen mit empirisch gemessenen Leistungsdaten einzelner Komponenten kombiniert. Die Ergebnisse zeigen, dass auf Kurzstrecken bei tiefen Umgebungstemperaturen der Energiebedarf des thermischen Energiemanagements den Energiebedarf der Antriebskomponenten übersteigt. Aus der Detailbetrachtung der Wärmepumpe ergibt sich eine Leistungszahl von ca. 2,66.

Zur vereinfachten Abbildung der Systemdynamik des thermischen Energiemanagements werden sowohl statische als auch dynamische Modelle eingesetzt, um einen Kompromiss zwischen Rechenzeit und Genauigkeit für die echtzeitfähige Lösung des gemischt-ganzzahligen Optimierungsproblems zu erreichen.

Auf Basis dieser Modelle wird eine effiziente Optimierungsstrategie mit einem rekursiven Lösungsansatz entwickelt und im Thermofunktionskanal an einem realen Fahrzeug getestet. Die Ergebnisse belegen eine Effizienzsteigerung von ca. 8 % sowie eine Reduktion der Ladezeit um 23 Minuten bzw. 37 %. Zusätzlich erfolgt ein simulativer Vergleich mit der Methode Combinatorial Integral Approximation im Temperaturbereich von −23 °C bis +10 °C, um die Synergien beider Ansätze zu untersuchen.

Die Arbeit schließt mit einer Diskussion der gewonnenen Erkenntnisse ab und gibt einen Ausblick auf zukünftige Forschungsthemen.

Abstract

This work examines the dynamic optimization of thermal energy management in battery electric vehicles to improve energy efficiency and charging performance while handling mixed-integer system dynamics. The key contributions include analyzing the optimization potential, modeling system dynamics and developing an efficient real-time optimization strategy, validated in experiments conducted with a real battery electric vehicle.

A review of the state-of-the-art in thermal energy management optimization is provided, including trade-offs, approaches to efficiency optimization, optimization-based methods, and predictive methodologies. The identified conflicting objectives within thermal energy management highlight the necessity for a holistic optimization approach. Furthermore, key system components such as the heat pump, cooling module, drive components, battery, cabin climate control, discrete operating modes, and coolant loop heat flows are thoroughly examined.

Furthermore, a simulation-based analysis of the energy demand at the vehicle level is conducted, along with a detailed heat-flow analysis of the heat pump. To obtain realistic results, the analysis uses specifically developed statistical speed profiles that match urban traffic, commuter traffic and day trips. Vehicle dynamics are modeled and combined with empirical measurements of the energy demand of individual vehicle components to ensure precise results and computationally feasible simulation times. The results clearly show that the energy demand of the thermal energy management system predominates on short journeys and at low ambient temperatures. The detailed analysis of the heat pump reveals a coefficient of performance of approximately 2.66.

To simplify the model of the system dynamics of the thermal energy management system, both static and dynamic models are used to balance computational time and accuracy to achieve a real-time solution for the mixed-integer optimization problem.

An efficient real-time optimization strategy using a recursive approach is developed and tested in a climatic wind tunnel, proving efficiency improvements and fast-charging performance in real-world scenarios. The optimization strategy achieves an efficiency improvement of approximately 8 % and a charging time reduction of 23 minutes, corresponding to 37 %. Additionally, a simulation-based comparison with the Combinatorial Integral Approximation method in the temperature range between −23 °C and +10 °C is conducted to assess synergies between both approaches.

The thesis concludes with a discussion of the findings and outlines potential directions for future research.

Inhalt

1. Thermisches Energiemanagement batterieelektrischer FahrzeugeThermal energy management of battery electric vehicles
2. Thermisches Energiemanagement – Identifikation wesentlicher KomponentenIdentification of the key components
3. Analyse des energetischen OptimierungspotenzialsAnalysis of the energy optimization potential
4. Dynamische Modellierung des optimierungsbasierten thermischen EnergiemanagementsDynamic modeling for optimization-based thermal energy management
5. Echtzeitfähige dynamische Optimierungsstrategie zur Regelung des thermischen EnergiemanagementsReal-time dynamic optimization strategy for thermal energy management control
6. Schlussfolgerung und AusblickConclusion and outlook

Schlagwörter / Keywords

• Thermomanagement
• batterieelektrische Fahrzeuge (BEV)
• Elektrofahrzeug
• Wärmepumpe
• Batterietemperierung
• Schnellladen
• Innenraumklimatisierung
• modellprädiktive Regelung (MPC)
• gemischt-ganzzahlige Optimierung
• Betriebsmodi
• Combinatorial Integral Approximation
• thermal management
• battery electric vehicle
• heat pump
• battery thermal management
• fast charging
• model predictive control
• mixed-integer optimal control
• operating modes

Zitieren / Cite

DOI: 10.26083/tuda-7633

@phdthesis{stockhammer2026intelligentes,
  title  = {Intelligent Thermal Management of Battery Electric Vehicles
            Considering Different Operating Modes},
  author = {Stockhammer, Johannes},
  year   = {2026},
  school = {Technical University Darmstadt},
  doi    = {10.26083/tuda-7633}
}

Ergebnisse, Meinungen und Schlüsse dieser Publikation sind nicht notwendigerweise die der Volkswagen Aktiengesellschaft.
The results, opinions and conclusions expressed in this publication are not necessarily those of Volkswagen Aktiengesellschaft.