Optimales Energiemanagement mild elektrifizierter Antriebe unter realen Betriebsbedingungen mittels Prädiktionsalgorithmen aus dem Bereich des Maschinellen Lernens
This study explores energy management for hybrid electric vehicles. It analyzes strategies for system design and vehicle implementation. Focus is on ECMS, DP, and PMP. Predictive energy management and data-driven methods like Markov Chains, FFNN, and RNN are discussed. Online-ECMS shows significant...
Saved in:
| Main Author: | |
|---|---|
| Format: | Online |
| Language: | German |
| Published: |
KIT Scientific Publishing
2025
|
| Subjects: | |
| Online Access: | ONIX_20251202T160246_9783731514268_36 |
| Tags: |
No Tags, Be the first to tag this record!
|
| _version_ | 1869516614657900544 |
|---|---|
| author | Deufel, Felix |
| author_browse | Deufel, Felix |
| author_facet | Deufel, Felix |
| author_sort | Deufel, Felix |
| collection | Directory of Open Access Books |
| description | This study explores energy management for hybrid electric vehicles. It analyzes strategies for system design and vehicle implementation. Focus is on ECMS, DP, and PMP. Predictive energy management and data-driven methods like Markov Chains, FFNN, and RNN are discussed. Online-ECMS shows significant savings potential. |
| format | Online |
| id | doab-20.500.12854ir-169822 |
| institution | Directory of Open Access Books |
| language | ger |
| publishDate | 2025 |
| publishDateRange | 2025 |
| publishDateSort | 2025 |
| publisher | KIT Scientific Publishing |
| publisherStr | KIT Scientific Publishing |
| record_format | ojs |
| spelling | doab-20.500.12854ir-1698222025-12-03T05:13:20Z Optimales Energiemanagement mild elektrifizierter Antriebe unter realen Betriebsbedingungen mittels Prädiktionsalgorithmen aus dem Bereich des Maschinellen Lernens Deufel, Felix Hybridelektrische Fahrzeuge Energiemanagementstrategien Maschinelles Lernen Künstliche Neuronale Netze Dynamische Programmierung Hybrid electric vehicles energy management strategies machine learning artificial neural networks dynamic programming thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes This study explores energy management for hybrid electric vehicles. It analyzes strategies for system design and vehicle implementation. Focus is on ECMS, DP, and PMP. Predictive energy management and data-driven methods like Markov Chains, FFNN, and RNN are discussed. Online-ECMS shows significant savings potential. 2025-12-03T05:13:19Z 2025-12-03T05:13:19Z 2025-12-02T15:14:18Z 2025 book ONIX_20251202T160246_9783731514268_36 1869-6058 (Online) https://library.oapen.org/handle/20.500.12657/108928 9783731514268 https://directory.doabooks.org/handle/20.500.12854/169822 ger Karlsruher Schriftenreihe Fahrzeugsystemtechnik open access image/jpeg Attribution-ShareAlike 4.0 International https://library.oapen.org/bitstream/20.500.12657/108928/1/9783731514268.pdf KIT Scientific Publishing KIT Scientific Publishing 10.5445/KSP/1000179948 10.5445/KSP/1000179948 68fffc18-8f7b-44fa-ac7e-0b7d7d979bd2 9783731514268 KIT Scientific Publishing 296 Karlsruhe, Germany open access |
| spellingShingle | Hybridelektrische Fahrzeuge Energiemanagementstrategien Maschinelles Lernen Künstliche Neuronale Netze Dynamische Programmierung Hybrid electric vehicles energy management strategies machine learning artificial neural networks dynamic programming thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes Deufel, Felix Optimales Energiemanagement mild elektrifizierter Antriebe unter realen Betriebsbedingungen mittels Prädiktionsalgorithmen aus dem Bereich des Maschinellen Lernens |
| title | Optimales Energiemanagement mild elektrifizierter Antriebe unter realen Betriebsbedingungen mittels Prädiktionsalgorithmen aus dem Bereich des Maschinellen Lernens |
| title_full | Optimales Energiemanagement mild elektrifizierter Antriebe unter realen Betriebsbedingungen mittels Prädiktionsalgorithmen aus dem Bereich des Maschinellen Lernens |
| title_fullStr | Optimales Energiemanagement mild elektrifizierter Antriebe unter realen Betriebsbedingungen mittels Prädiktionsalgorithmen aus dem Bereich des Maschinellen Lernens |
| title_full_unstemmed | Optimales Energiemanagement mild elektrifizierter Antriebe unter realen Betriebsbedingungen mittels Prädiktionsalgorithmen aus dem Bereich des Maschinellen Lernens |
| title_short | Optimales Energiemanagement mild elektrifizierter Antriebe unter realen Betriebsbedingungen mittels Prädiktionsalgorithmen aus dem Bereich des Maschinellen Lernens |
| title_sort | optimales energiemanagement mild elektrifizierter antriebe unter realen betriebsbedingungen mittels pradiktionsalgorithmen aus dem bereich des maschinellen lernens |
| topic | Hybridelektrische Fahrzeuge Energiemanagementstrategien Maschinelles Lernen Künstliche Neuronale Netze Dynamische Programmierung Hybrid electric vehicles energy management strategies machine learning artificial neural networks dynamic programming thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes |
| topic_facet | Hybridelektrische Fahrzeuge Energiemanagementstrategien Maschinelles Lernen Künstliche Neuronale Netze Dynamische Programmierung Hybrid electric vehicles energy management strategies machine learning artificial neural networks dynamic programming thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes |
| url | ONIX_20251202T160246_9783731514268_36 |
| work_keys_str_mv | AT deufelfelix optimalesenergiemanagementmildelektrifizierterantriebeunterrealenbetriebsbedingungenmittelspradiktionsalgorithmenausdembereichdesmaschinellenlernens |