Procedimiento integral para análisis energético-dinámico y dimensionamiento de sistemas híbridos en vehículos M1 [Comprehensive procedure for energy-dynamic analysis and dimensioning of hybrid systems in M1 vehicles]
DOI:
https://doi.org/10.62574/rmpi.v5iTecnologia.416Palabras clave:
sistemas híbridos, pre-dimensionamiento, optimización multiobjetivo, (Fuente: Tesauro UNESCO).Resumen
El pre-dimensionamiento de sistemas de propulsión híbridos requiere metodologías que integren datos operativos reales con criterios de optimización multiobjetivo. Este estudio desarrolla una metodología comprehensiva para traducir información de monitoreo en tiempo real en parámetros de diseño optimizados para vehículos híbridos M1. Se implementó un marco metodológico estructurado en siete etapas, incorporando revisión sistemática PRISMA, modelado matemático basado en ecuaciones SAE J2452, análisis estadístico de ciclos WLTP y optimización mediante algoritmo NSGA-II. El análisis de demanda energética reveló que condiciones críticas (WLTP High con pendiente 6%) incrementan los requerimientos de potencia hasta 59.31 kW, cuadruplicando la demanda promedio. La optimización multiobjetivo determinó configuraciones óptimas con grado de hibridación de 0.45, potencia ICE de 52.7 kW, potencia del motor eléctrico de 43.1 kW y capacidad de batería de 1.2 kWh.
Descargas
Citas
Cao, K., Hu, M., Li, W., Chen, L., Yang, G., Zhai, J., & Fu, C. (2024). Research on economic mode switching control strategy for dual-motor four-wheel drive vehicles considering motor resistance and transient mode switching loss. Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering, 238(10-11), 3026–3043. https://doi.org/10.1177/09544070231182739
Galati, A., Adamashvili, N., & Crescimanno, M. (2023). A feasibility analysis on adopting electric vehicles in the short food supply chain based on GHG emissions and economic costs estimations. Sustainable Production and Consumption, 36, 49–61. https://doi.org/10.1016/j.spc.2022.12.015
Hu, X., Zou, Y., & Yang, Y. (2016). Greener plug-in hybrid electric vehicles incorporating renewable energy and rapid system optimization. Energy, 111, 971–980. https://doi.org/10.1016/j.energy.2016.06.037
Huang, Y., Surawski, N. C., Organ, B., Zhou, J. L., Tang, O. H., & Chan, E. F. (2019). Fuel consumption and emissions performance under real driving: Comparison between hybrid and conventional vehicles. Science of the Total Environment, 659, 275–282. https://doi.org/10.1016/j.scitotenv.2018.12.349
Kim, N., Kwon, J., & Rousseau, A. (2018). Optimization of powertrain design for hybrid electric vehicles considering varying vehicle conditions. IEEE Transactions on Vehicular Technology, 67(8), 6732–6742. https://doi.org/10.1109/TVT.2018.2819953
Liu, J., & Peng, H. (2010). A systematic design approach for two planetary gear split hybrid vehicles. Vehicle System Dynamics, 48(11), 1395–1412. https://doi.org/10.1080/00423114.2010.512634
López Espinel, E. F., Castillo Medina, A. G., & Ribadeneira Ramírez, V. S. (2024). Optimización del rendimiento de vehículos livianos M1 mediante monitoreo de comportamiento energético y dinámico. Revista Científica Cultura, Comunicación y Desarrollo, 9(S1), 199–205. http://rccd.ucf.edu.cu/index.php/rccd
Melman, T., de Winter, J., Mouton, X., Tapus, A., & Abbink, D. (2021). How do driving modes affect the vehicle's dynamic behaviour? Comparing Renault's Multi-Sense sport and comfort modes during on-road naturalistic driving. Vehicle System Dynamics, 59(4), 485–503. https://doi.org/10.1080/00423114.2019.1693049
Miao, Y., Tian, Y., Zhang, Y., & Ma, L. (2024). Parameter optimization and energy management for a dual-motor powertrain in battery electric heavy trucks. In 2024 IEEE 22nd International Conference on Industrial Informatics (INDIN) (pp. 1–6). IEEE. https://doi.org/10.1109/INDIN51773.2024.10671669
Mu, G., Wei, Q., Xu, Y., Li, J., Zhang, H., Yang, F., Zhang, J., & Li, Q. (2025). State of health estimation of lithium-ion batteries based on feature optimization and data-driven models. Energy, 316, Article 134578. https://doi.org/10.1016/j.energy.2025.134578
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., & Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, Article n71. https://doi.org/10.1136/bmj.n71
SAE International. (2017). Stepwise coastdown methodology for measuring tire rolling resistance (SAE Recommended Practice J2452_201707). https://www.sae.org/content/j2452_201707
Talaat, M., Mohamed, A. R., Sedhom, B. E., Wahba, A., Elkholy, M. H., Elbehairy, N. M., Song, D., & Senjyu, T. (2024). Monolithic design of self-adaptive CMOS converter and robust event-triggered consensus control for integration of multi-renewable energy sources with battery storage system. Journal of Energy Storage, 88, Article 111498. https://doi.org/10.1016/j.est.2024.111498
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Esteban Fernando López-Espinel, Antonio Gabriel Castillo-Medina, Javier Renato Moyano-Arévalo, Juan Diego Zurita-Vargas
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
CC BY-NC-SA : Esta licencia permite a los reutilizadores distribuir, remezclar, adaptar y construir sobre el material en cualquier medio o formato solo con fines no comerciales, y solo siempre y cuando se dé la atribución al creador. Si remezcla, adapta o construye sobre el material, debe licenciar el material modificado bajo términos idénticos.
OAI-PMH URL: https://rperspectivasinvestigativas.org/index.php/multidiscipinaria/oai
