瞭解 EV 距離背後的微積分：多遠才夠遠？

瞭解 COVESA EV 電源最佳化專案如何運用模擬技術，開發節省電池電力的應用程式來延長 EV 駕駛距離

除了價格，另一項購入電動車 (EV) 時的主要心理障礙是里程焦慮，擔憂電池電力在路程中耗盡。一次充電後可行駛的最長里程數有限，加上缺乏可用的公共基礎設施和快速充電站，都提升了消費者的不信任感，並推遲購買。

不過，若是有一款 電動車電源管理應用程式，能在一路上回收足夠的電力幫助您抵達目的地，又會是什麼樣的情形？由 Hyundai-Mobis、digital.auto、Bosch、Ansys 和 Ferdinand-Steinbeis Institute 共同合作的 COVESA EV 電源最佳化專案，正著手開發這款應用程式。此使用案例是 digital.auto.initiative 更遠大目標中的一部分，digital.auto.initiative 包含汽車製造商、供應商、新創公司和一般使用者的開放社群，共同打造新一代軟體定義車輛體驗。

一款應用程式。多種可能性

我們大多數人都習慣以每加侖英里數來思考里程數，或是只想知道一整箱油可以行駛多遠。電動車行駛里程數是以千瓦小時 (kWh) 為單位，而非汽油的加侖數。由原始設備製造商 (OEM) 和政府機構 (EPA) 指定電動車的行駛里程數。這指的是理論上的行駛距離。

現實世界中，里程數會受到車輛系統、駕駛人行為或其他外部因素相關的多項因素影響。

例如，當天氣變化時，多達 25% 的電動車里程數會損耗在加熱、通風和空調 (HVAC) 上。這是因為汽油動力車輛排出的大部分熱都會使駕駛艙升溫，而電動車則是僅仰賴電力來管理空調控制，因此會消耗電池電量。此外，像是劇烈加速等個人駕駛習慣也會影響電池續航力。

為了緩解這些因素和其他因素造成的能源損耗，COVESA EV 電源最佳化專案，提出能持續監控電動車充電狀態 (SOC) 的解決方案。一旦發現里程數問題，隨後應用程式即可在 SOC 下降時，降低車輛內非關鍵系統的功率，藉此採取適當措施以延長車輛行駛距離。

具體而言，SOC 下降時會觸發駕駛人警示，接著會降低特定車輛系統的功率，這全都不需要停車重新充電。前述動作可能包括降低收音機音量和 HVAC 設定，或是調暗車內照明等。

「此專案的構想是電動車會以更類似智慧型手機的方式運作，可在電池充電量降低至某個特定點之前，建議使用者採用『省電』模式。」Robert Bosch GmbH 策略生態系統 (C/IDP) 副總裁 Dirk Slama 教授表示。「同樣地，我們的專案也能讓電動車駕駛人能多行駛一段距離，以到達下一個目的地。」

透過 COVESA 車輛訊號標準整合 digital.auto 與 Ansys

專案最初的目標，是實現並以數位方式驗證新的電源最佳化原則與演算法，可支援電動車的省電模式來減輕里程數焦慮。為了達成這項解決方案，團隊依循 digital.auto 的「#digitalfirst」方法。在 digital.auto playground (一種虛擬開發環境) 中進行作業，針對以車輛訊號標準為基礎的 COVESA 車輛 API 實作了省電演算法。

為了在無需打造測試車輛的情況下獲得逼真的虛擬測試環境，因此使用 Ansys Twin Builder 建立物理型及資料型的高傳真電動車耗電量系統數位孿生。此虛擬系統表示法能幫助驗證電源最佳化演算法和原則。

而在實際的節能應用程式方面，digital.auto playground 透過 COVESA 車輛安全標準 (VSS) API 與數位孿生整合。這樣就能在數位孿生與開發環境之間，成功交換速度與加速等車輛訊號資料。在前端透過 digital.auto 技術使用即時同步化，即可分享如 SOC 與行駛距離等車輛參數回饋。

如此一來，digital.auto playground 即可使用實際的 COVESA 車輛 API，在雲端原生環境中整合一切，支援自發性最佳化。最後，透過 Twin Builder 使用數位孿生模擬的車輛虛擬化技術，是促使軟體定義車輛 (SDV) 理念成為現實的關鍵驅動因素，因為此技術能跨多個領域測試並驗證整個電動車生態系統。 

多個模擬解決方案可協助數位整合成形

Twin Builder 可協助快速建立及整合系統模型，之後即可部署為包含整個電動車的數位孿生或超系統模型。為此，首先需將多個系統擷取為個別模型。其中包括適用於較複雜系統 (例如馬達、電池和 HVAC 系統) 的降階模型 (ROM)，這些是高傳真度運算模型的抽象模型。

具體來說，Twin Builder 會搭配其他 Ansys 物理型模擬解決方案一併使用，以 ROM 的形式將 3D 模擬細節加入環境中，產出更準確、更有效率的系統層級模型。為了達到此目的，軟體會使用 Ansys 的結構、液體、電磁和半導體產品所產生的 降階模型，來為機械組件、電磁致動器和機器、電路和纜線寄生、熱網路及訊號完整性等不同物理行為進行建模。

所產生的數位孿生可在任何工業物聯網 (IIoT) 平台中部署為容器化應用程式，並透過 COVESA API 等標準 API 連結至任何資產。整合至 digital.auto 等快速原型製作平台時，可提供即時輸出與指令，根據最新狀況與系統回應提供即時回應，且目標為找出能延長即時行駛里程數的機會。

最後整合虛擬硬體與實際硬體之後，即可完成汽車級系統設計。測試硬體以 digital.auto dreamKIT 為基礎，這是適用於 SDV/COVESA 測試硬體的開放原始碼設計，可自動納入從 playground 部署的原型。 

COVESA-EV 電源最佳化專案讓軟體定義的未來向前邁進

截至目前為止，這項合作已為 COVESA-EV 電源最佳化專案帶來了許多益處。整體而言，使用 Twin Builder 的 #digitalfirst 原型製作方法能快速確認並驗證電源最佳化軟體演算法，相較於建置實體測試車輛的昂貴成本與冗長時間，這可帶來極大改善。

「這種方式具有大量優勢。」Slama 表示。「digital.auto playground 讓我們可使用實際的 COVESA 車輛 API，並在雲端原生環境中整合一切，支援即時最佳化。使用以 Ansys Twin Builder 為基礎的數位孿生模擬，是車輛虛擬化的關鍵驅動因素，讓我們可在 SDV 技術中大步向前邁進。」

進一步瞭解 Anysys Twin Builder 如何協助您的電動車設計。