Empreu aquest identificador per citar o enllaçar aquest ítem: http://elartu.tntu.edu.ua/handle/lib/53146
Registre complet de metadades
Camp DCValorLengua/Idioma
dc.contributor.advisorМіронов, Дмитро Вікторович-
dc.contributor.authorМарчук, Володимир Костянтинович-
dc.contributor.authorMarchuk, Volodymyr-
dc.date.accessioned2026-07-04T16:08:30Z-
dc.date.available2026-07-04T16:08:30Z-
dc.date.issued2026-06-
dc.date.submitted2026-06-
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/53146-
dc.description.abstractУ роботі розглянуто сучасний стан розвитку електромобільності та визначено, що однією з важливих експлуатаційних проблем електромобілів залишається відхилення фактичного запасу ходу від паспортних значень. Сформовано математичну модель розрахунку енергоспоживання електромобіля. В основу моделі покладено визначення сумарної сили опору руху, тягової потужності та питомої витрати енергії на окремих ділянках маршруту. Розроблено структурну схему алгоритму прогнозування запасу ходу електромобіля. Алгоритм передбачає зчитування вихідних даних про стан акумуляторної батареї, параметри руху, дорожній профіль і температуру, подальшу обробку цих даних, розрахунок базового енергоспоживання, внесення коригувальних коефіцієнтів та визначення прогнозованого залишкового пробігу.uk_UA
dc.description.abstractThe paper examines the current state of electric mobility development and establishes that the discrepancy between the actual driving range and manufacturer-declared figures remains one of the most pressing operational challenges facing electric vehicles. A mathematical model for calculating electric vehicle energy consumption is formulated, grounded in the determination of total motion resistance forces, traction power demand, and specific energy expenditure across discrete route segments. A structural block diagram of the electric vehicle range prediction algorithm is developed. The algorithm provides for the acquisition of initial data on battery state, motion parameters, road profile, and ambient temperature, followed by the sequential processing of these inputs, calculation of baseline energy consumption, application of correction coefficients, and determination of the predicted residual driving range.uk_UA
dc.description.tableofcontentsВступ. 1 ЗАГАЛЬНО-ТЕХНІЧНИЙ РОЗДІЛ. 1.1 Сучасний стан розвитку електромобільності та проблема достовірності запасу ходу. 1.2 Основні фактори, що впливають на енергоспоживання електромобіля. 1.3 Аналіз сучасних методів прогнозування запасу ходу. 1.4 Джерела даних для алгоритму прогнозування. 1.5 Постановка задач дослідження. 2 ТЕХНОЛОГІЧНИЙ РОЗДІЛ. 2.1 Вибір базових параметрів електромобіля для розрахунку. 2.2 Математична модель тягового енергоспоживання. 2.3 Урахування дорожніх умов. 2.4 Урахування стилю керування. 2.5 Урахування температурних факторів. 2.6 Розрахунок прогнозованого запасу ходу. 3 КОНСТРУКТОРСЬКИЙ РОЗДІЛ. 3.1 Розробка структурної схеми алгоритму. 3.2 Формування набору вхідних і вихідних параметрів. 3.3 Алгоритм прогнозування для відомого маршруту і без заданого маршруту. 3.4 Виконання розрахунку та сценарний аналіз. 4 БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ОХОРОНИ ПРАЦІ. 4.1 Основні принципи та функції управління охороною праці під час досліджень електромобіля. 4.2 Концепція захисту населення і території у разі загрози та виникнення надзвичайних ситуацій. ЗАГАЛЬНІ ВИСНОВКИ. БІБЛІОГРАФІЯ.uk_UA
dc.format.extent67-
dc.language.isoukuk_UA
dc.publisherТНТУ, ФМТ, кафедра автотранспорту та логістики, Тернопіль, Українаuk_UA
dc.subjectелектромобільuk_UA
dc.subjectelectric vehicleuk_UA
dc.subjectзапас ходуuk_UA
dc.subjectdriving rangeuk_UA
dc.subjectенергоспоживанняuk_UA
dc.subjectenergy consumptionuk_UA
dc.subjectтяговий акумуляторuk_UA
dc.subjecttraction batteryuk_UA
dc.subjectдорожні умовиuk_UA
dc.subjectroad conditionsuk_UA
dc.subjectстиль керуванняuk_UA
dc.subjectdriving styleuk_UA
dc.subjectтемператураuk_UA
dc.subjectambient temperatureuk_UA
dc.subjectрекупераціяuk_UA
dc.subjectregenerative brakinguk_UA
dc.subjectматематична модельuk_UA
dc.subjectmathematical modeluk_UA
dc.subjectалгоритм прогнозуванняuk_UA
dc.subjectpredictive algorithmuk_UA
dc.titleРозробка алгоритму прогнозування запасу ходу електромобіля з урахуванням дорожніх умов, стилю керування та температурних факторівuk_UA
dc.title.alternativeDevelopment of a range prediction algorithm for electric vehicles accounting for road conditions, driving style and thermal factorsuk_UA
dc.typeBachelor Thesisuk_UA
dc.rights.holderМарчук Володимир Костянтинович, 2026uk_UA
dc.contributor.committeeMemberДмитрів, Олена Романівна-
dc.coverage.placenameТНТУ, ФМТ, кафедра автотранспорту та логістики, Тернопіль, Українаuk_UA
dc.subject.udc629.3.083uk_UA
dc.relation.references1. International Energy Agency. (2026). Global EV Outlook 2026. IEA. https://www.iea.org/reports/global-ev-outlook-2026uk_UA
dc.relation.references2. Інститут досліджень авторинку. (2026, 9 січня). Ринок електромобілів в Україні: підсумки 2025 року. https://eauto.org.ua/news/975-rinok-elektromobiliv-v-ukrajini-pidsumki-2025-rokuuk_UA
dc.relation.references3. Lyashuk, O., Mironov, D., Maruschak, P., Dzyura, V., & Shevchuk, V. (2026). Mathematical Modeling and Comparative Evaluation of PI and PID Speed Controllers for Electric Vehicle Traction Systems. Modelling, 7(3), 100. https://doi.org/10.3390/modelling7030100uk_UA
dc.relation.references4. Ehsani, M., Gao, Y., Longo, S., & Ebrahimi, K. (2018). Modern electric, hybrid electric, and fuel cell vehicles (3rd ed.). CRC Press.uk_UA
dc.relation.references5. Gillespie, T. D. (1992). Fundamentals of vehicle dynamics. SAE International.uk_UA
dc.relation.references6. Wang, J., Besselink, I., & Nijmeijer, H. (2018). Battery electric vehicle energy consumption prediction for a trip based on route information. Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering, 232(11), 1528-1542. https://doi.org/10.1177/0954407017729938uk_UA
dc.relation.references7. Castillo-Calderon, J., & Larrode-Pellicer, E. (2026). Energy consumption prediction in battery electric vehicles: A systematic literature review. Energies, 19(2), 371. https://doi.org/10.3390/en19020371uk_UA
dc.relation.references8. Szumska, E. M. (2025). Regenerative Braking Systems in Electric Vehicles: A Comprehensive Review of Design, Control Strategies, and Efficiency Challenges. Energies, 18(10), 2422. https://doi.org/10.3390/en18102422uk_UA
dc.relation.references9. Al Amin, M. S., Amin, M. S., Park, H., & Lee, D. (2025). Electric vehicle range prediction models: A systematic review of machine learning, mathematical, and simulation approaches. World Electric Vehicle Journal, 16(11), 607. https://doi.org/10.3390/wevj16110607uk_UA
dc.relation.references10. Kim, D., Shim, H. G., & Eo, J. S. (2022). A machine learning method for EV range prediction with updates on route information and traffic conditions. Proceedings of the AAAI Conference on Artificial Intelligence, 36(11), 12545-12551. https://doi.org/10.1609/aaai.v36i11.21525uk_UA
dc.relation.references11. Zhao, L., Yao, W., Wang, Y., & Hu, J. (2020). Machine learning-based method for remaining range prediction of electric vehicles. IEEE Access, 8, 212423-212441. https://doi.org/10.1109/ACCESS.2020.3039815uk_UA
dc.relation.references12. De Cauwer, C., Verbeke, W., Van Mierlo, J., & Coosemans, T. (2020). A model for range estimation and energy-efficient routing of electric vehicles in real-world conditions. IEEE Transactions on Intelligent Transportation Systems, 21(7), 2787-2800. https://doi.org/10.1109/TITS.2019.2918019uk_UA
dc.relation.references13. De Cauwer, C., Verbeke, W., Coosemans, T., Faid, S., & Van Mierlo, J. (2017). A data-driven method for energy consumption prediction and energy-efficient routing of electric vehicles in real-world conditions. Energies, 10(5), 608. https://doi.org/10.3390/en10050608uk_UA
dc.relation.references14. Plett, G. L. (2015). Battery management systems, Volume I: Battery modeling. Artech House.uk_UA
dc.relation.references15. Ahmed, M., Mao, Z., Zheng, Y., Chen, T., & Chen, Z. (2022). Electric vehicle range estimation using regression techniques. World Electric Vehicle Journal, 13(6), 105. https://doi.org/10.3390/wevj13060105uk_UA
dc.relation.references16. Shamma, Z. S., Jones, B., Clark, M., Bailey, C., & Harper, M. (2022). Electric vehicle range prediction estimator (EVPRE). Software Impacts, 13, 100369. https://doi.org/10.1016/j.simpa.2022.100369uk_UA
dc.relation.references17. Vaz, W., Nandi, A. K. R., Landers, R. G., & Koylu, U. O. (2015). Electric vehicle range prediction for constant speed trip using multi-objective optimization. Journal of Power Sources, 275, 435-446. https://doi.org/10.1016/j.jpowsour.2014.11.043uk_UA
dc.relation.references18. Mao, L., Fotouhi, A., Shateri, N., & Ewin, N. (2022). A multi-mode electric vehicle range estimator based on driving pattern recognition. Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science, 236(5), 2677-2697. https://doi.org/10.1177/09544062211032994uk_UA
dc.relation.references19. U.S. Department of Energy, Vehicle Technologies Office. (2024). Impact of cold ambient temperature on BEV performance. https://www.energy.gov/sites/default/files/2024-10/Impact_of_Cold_Ambient_Temperature_on_BEV_Performance_v15_TechEditFinal_12Sep2024__0.pdfuk_UA
dc.relation.references20. Armenta-Deu, C., & Boucheix, B. (2023). Evaluation of lithium-ion battery performance under variable climatic conditions: Influence on the driving range of electric vehicles. Future Transportation, 3(2), 535-551. https://doi.org/10.3390/futuretransp3020031uk_UA
dc.relation.references21. National Highway Traffic Safety Administration. (n.d.). Electric and hybrid vehicles: Batteries, charging & safety. Retrieved May 30, 2026, from https://www.nhtsa.gov/vehicle-safety/electric-and-hybrid-vehiclesuk_UA
dc.relation.references22. National Highway Traffic Safety Administration. (2012). Interim guidance for electric and hybrid-electric vehicles equipped with high-voltage batteries. U.S. Department of Transportation. https://www.nhtsa.gov/document/interim-guidance-electric-and-hybrid-electric-vehicles-equipped-high-voltage-batteries-lawuk_UA
dc.relation.references23. Охорона праці на автомобільному транспорті : навчальний посібник / Пістун І. П., Хом’як Й. В., Хом’як В. В. - 2-ге вид., стер. - Суми : Університетська книга, 2015. - 374 с.uk_UA
dc.relation.references24. Охорона праці в галузі та цивільний захист: навчальний посібник / Ю. А. Гасило, О. А. Крюковська. К. О. Левчук, Р. Я. Романюк. – Кам’янське : ДДТУ, 2017. – 369 с.uk_UA
dc.relation.references25. Техноекологія та цивільна безпека. Частина «Цивільна безпека»: навч. посібник / В.С. Стручок – Тернопіль: ФОП Паляниця В. А., 2022. – 156 с.uk_UA
dc.relation.references26. Безпека в надзвичайних ситуаціях : навч. посібник для студентів ЗВО України : у 2 ч. Ч. 1: Надзвичайні ситуації / М. Л. Лисиченко, В. В. Вамболь, С. О. Вамболь, М. М. Кірієнко, І. А. Черепньов, В. М. Власовець ; за ред. М. Л. Лисиченка ; ХНТУСГ. – Харків : ТОВ “ПромАрт”, 2021. – 202 с.uk_UA
dc.contributor.affiliationТернопільський національний технічний університет імені Івана Пулюя, ФМТ, кафедра автотранспорту та логістики, Тернопіль, Українаuk_UA
dc.coverage.countryUAuk_UA
dc.identifier.citation2015Марчук В. К. Розробка алгоритму прогнозування запасу ходу електромобіля з урахуванням дорожніх умов, стилю керування та температурних факторів: робота на здобуття кваліфікаційного ступеня бакалавра: спец. 274 – автомобільний транспорт / наук. кер. Д. В. Міронов. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2026. 67 с.uk_UA
Apareix a les col·leccions:274 — Автомобільний транспорт (бакалаври)

Arxius per aquest ítem:
Arxiu Descripció MidaFormat 
dyplom_Marchuk_V_2026.pdf1,9 MBAdobe PDFVeure/Obrir


Els ítems de DSpace es troben protegits per copyright, amb tots els drets reservats, sempre i quan no s’indiqui el contrari.

Eines d'Administrador