La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Progetto ARTEMIS Data Base Europeo Fattori di emissione di autovetture XII riunione dell Expert Panel dott. Meccariello Giovanni CNR – Istituto Motori.

Presentazioni simili


Presentazione sul tema: "Progetto ARTEMIS Data Base Europeo Fattori di emissione di autovetture XII riunione dell Expert Panel dott. Meccariello Giovanni CNR – Istituto Motori."— Transcript della presentazione:

1 Progetto ARTEMIS Data Base Europeo Fattori di emissione di autovetture XII riunione dell Expert Panel dott. Meccariello Giovanni CNR – Istituto Motori

2 ARTEMIS (Assessment and reliability of transport emission models and inventory systems) ARTEMIS (Assessment and reliability of transport emission models and inventory systems) Il progetto è rivolto allo sviluppo di un modello d'emissione per tutti i modi di trasporto e mira a fornire le valutazioni costanti dell'emissione al livello nazionale, internazionale e regionale Il progetto è rivolto allo sviluppo di un modello d'emissione per tutti i modi di trasporto e mira a fornire le valutazioni costanti dell'emissione al livello nazionale, internazionale e regionale La struttura del progetto è armonizzata in diversi Task (WP) rivolti a valutare i fattori di emissione dei diversi modi di trasporto ed alla costituzione di un database europeo dei fattori di emissione La struttura del progetto è armonizzata in diversi Task (WP) rivolti a valutare i fattori di emissione dei diversi modi di trasporto ed alla costituzione di un database europeo dei fattori di emissione Introduzione

3 WP Project Management - TRL WP LDV emissions - INRETS WP HDV emissions - TUG WP wheel emissions - TNO WP Railways - DTU WP 800 Aircraft - psiA WP Shipping - DTU WP Road traffic - INRETS WP Inventory Model INFRAS WP Validation TUG WP Evaporative emissions - TUG

4 WORKPACKAGE 300 DESCRIPTION - Task 320 WP Title: Improvement of the passenger car emission data base Starting date: month nr. 4 Duration: 45 months Partners involvedR & D Task/Activity of Partner INRETSTask 323 responsible, participation all tasks TUGTask 321 resp., participation task 324 VTTWP and task 322 responsible, EMPAParticipation in tasks 322 & 323 CNRParticipation in all tasks TNOParticipation in task 325 KTIParticipation in tasks 322 & 323 ULCOParticipation in tasks 322 & 323 USParticipation in tasks 322 & 323 AVL-MTCParticipation in task 325 VTIParticipation in tasks 322, 323, 324 & 325 USTLParticipation in tasks 322 & 323 Objectives - Assess the effects of road gradient and vehicle load, measure hot and cold emissions of unregulated pollutants to enlarge the emission database to include vehicles with the latest emission control technology and assess the effect of low ambient temperature on emissions. Description of work / tasks: Road gradient, vehicle load and auxiliaries Exhaust emissions of non-regulated pollutants Cold start emissions Influence of auxiliaries Light duty vehicle emissions

5 Introduzione Nellambito della partecipazione al progetto europeo ARTEMIS, lIstituto Motori ha sviluppato un approccio statistico per lanalisi delle emissioni inquinanti di dati provenienti da un grande Data Base di emissioni. Nellambito della partecipazione al progetto europeo ARTEMIS, lIstituto Motori ha sviluppato un approccio statistico per lanalisi delle emissioni inquinanti di dati provenienti da un grande Data Base di emissioni. Per la valutazione dei fattori di emissione si è partiti dai dati di emissione medi misurati in un ciclo di guida, relativi ad un elevato numero di combinazioni di veicoli e cicli di guida, quali quelli memorizzati nel data base di ARTEMIS. Per la valutazione dei fattori di emissione si è partiti dai dati di emissione medi misurati in un ciclo di guida, relativi ad un elevato numero di combinazioni di veicoli e cicli di guida, quali quelli memorizzati nel data base di ARTEMIS. Lapproccio è stato perfezionato ed applicato ai dati di emissione dellintero data base delle misure effettuate su autovetture per trasporto passeggeri sia diesel che benzina. Lapproccio è stato perfezionato ed applicato ai dati di emissione dellintero data base delle misure effettuate su autovetture per trasporto passeggeri sia diesel che benzina.

6 Obiettivi I risultati dellattività ottenuti per ciascuna combinazione di tecnologia/veicoli/cilindrata sono relativi ai molteplici obiettivi perseguiti: valutare i fattori di emissione; valutare i fattori di emissione; analizzare gli effetti della classe di omologazione, della classe di cilindrata del veicolo e dei cicli di guida sui fattori di emissione; analizzare gli effetti della classe di omologazione, della classe di cilindrata del veicolo e dei cicli di guida sui fattori di emissione; sviluppare un modello di predizione delle emissioni di un micro-trip, in funzione dei parametri cinematici considerati nel modello. sviluppare un modello di predizione delle emissioni di un micro-trip, in funzione dei parametri cinematici considerati nel modello.

7 Struttura data base

8 diagramma di flusso

9 Cicli di guida 42/160 Cicli di guida utili

10 Casi Diesel Sono stati analizzati tre data set, dividendo i dati in base alla classe di omologazione presenti nel database (EURO 1, 2 e 3) ed alla cilindrata del veicolo. Sono stati analizzati tre data set, dividendo i dati in base alla classe di omologazione presenti nel database (EURO 1, 2 e 3) ed alla cilindrata del veicolo. È stata considerata una sola classe di cilindrata (inferiore ai 2000 cc) in quanto i veicoli diesel, utilizzabili, presenti nel database hanno tutte cilindrate elevate comprese tra cc. È stata considerata una sola classe di cilindrata (inferiore ai 2000 cc) in quanto i veicoli diesel, utilizzabili, presenti nel database hanno tutte cilindrate elevate comprese tra cc. Non sono presenti veicoli con cilindrate inferiori perché esistenti solo per i nuovi veicoli Euro 4 non ancora presenti, con valori di emissioni adeguati e sufficienti alla creazione di un modello, nel database analizzato. Non sono presenti veicoli con cilindrate inferiori perché esistenti solo per i nuovi veicoli Euro 4 non ancora presenti, con valori di emissioni adeguati e sufficienti alla creazione di un modello, nel database analizzato.

11 Casi Benzina Sono stati analizzati otto data set, dividendo i dati in base alla classe di omologazione presenti nel database (EURO 1, 2, 3 e 4) ed alla cilindrata del veicolo. Sono stati analizzati otto data set, dividendo i dati in base alla classe di omologazione presenti nel database (EURO 1, 2, 3 e 4) ed alla cilindrata del veicolo. Sono state considerate tre classi di cilindrate ( cc, cc, oltre 2000 cc) nel caso in cui fossero disponibili una quantità considerevole di dati, altrimenti si sono raggruppate le classi di cilindrata e i dati sono stati suddivisi univocamente per classe di omologazione Sono state considerate tre classi di cilindrate ( cc, cc, oltre 2000 cc) nel caso in cui fossero disponibili una quantità considerevole di dati, altrimenti si sono raggruppate le classi di cilindrata e i dati sono stati suddivisi univocamente per classe di omologazione

12 Tabella Riassuntiva OMOLOGAZIONE/ /CILINDRATA Euro 1Euro 2Euro 3Euro 4 < 2000E1 D 2000E2 D 2000E3 D 2000 n.a. OMOLOGAZIONE /CILINDRATA Euro 1Euro 2Euro 3Euro E1 GAS 12-14E2 GAS 12-14E3 GAS 12-14E4 GAS E1 GAS 14-20E2 GAS 14-20E3 GAS > 2000n.a. E3 GAS 2000 n.a. Casi Benzina Casi Diesel

13 Individuazione Outliers Preliminarmente, è stata condotta unanalisi, sullintero subset di dati, tramite uno dei metodi non parametrici attualmente più diffusi, per identificare gli outliers in un campione di dati, MAD, (Median absolute deviation) la mediana del valore assoluto degli scarti dalla mediana. Preliminarmente, è stata condotta unanalisi, sullintero subset di dati, tramite uno dei metodi non parametrici attualmente più diffusi, per identificare gli outliers in un campione di dati, MAD, (Median absolute deviation) la mediana del valore assoluto degli scarti dalla mediana. MAD è una misura non parametrica di dispersione o variabilità di una distribuzione di dati. MAD è una misura non parametrica di dispersione o variabilità di una distribuzione di dati.

14 Individuazione Outliers Una ulteriore verifica degli outliers viene effettuata confermando i valori di emissione dei veicoli dei cicli di omologazione, valutando se essi rispettino i limiti di omologazione delle diverse normative vigenti a seconda della tecnologia del veicolo Una ulteriore verifica degli outliers viene effettuata confermando i valori di emissione dei veicoli dei cicli di omologazione, valutando se essi rispettino i limiti di omologazione delle diverse normative vigenti a seconda della tecnologia del veicolo

15 Valutazione dei fattori di emissione La valutazione dei fattori di emissione per ciascun data set viene eseguita applicando dei modelli di regressione sviluppati ad hoc. La valutazione dei fattori di emissione per ciascun data set viene eseguita applicando dei modelli di regressione sviluppati ad hoc. In primo luogo viene calcolato dai dati un modello tendente ad individuare la presenza di trend specifici nelle emissioni e di eventuali valori anomali, considerando nel modello leffetto specifico di ciascun veicolo mediante lutilizzo di variabili dummy. In primo luogo viene calcolato dai dati un modello tendente ad individuare la presenza di trend specifici nelle emissioni e di eventuali valori anomali, considerando nel modello leffetto specifico di ciascun veicolo mediante lutilizzo di variabili dummy. Tali variabili permettono di valutare allinterno del modello i singoli pesi, nella determinazione delle emissioni, dei coefficienti dei singoli veicoli rispetto agli inquinanti. Tali variabili permettono di valutare allinterno del modello i singoli pesi, nella determinazione delle emissioni, dei coefficienti dei singoli veicoli rispetto agli inquinanti.

16 Valutazione dei fattori di emissione Tali coefficienti ci permettono di identificare leffetto % di eventuali veicoli su un particolare fattore di emissione e di stabilire secondo una soglia di taglio i veicoli considerati normal emitters da quelli high emitters ed infine da quelli da considerare come outliers e quindi escluderli dal processo formativo dei fattori di emissione. Tali coefficienti ci permettono di identificare leffetto % di eventuali veicoli su un particolare fattore di emissione e di stabilire secondo una soglia di taglio i veicoli considerati normal emitters da quelli high emitters ed infine da quelli da considerare come outliers e quindi escluderli dal processo formativo dei fattori di emissione. In letteratura, valori % dei coefficienti maggiore di 300 sono considerati anomali e di conseguenza trattati come outliers, mentre quelli compresi nel range sono considerati high emitter e quindi trattati con particolare attenzione in quando anomali rispetto alla media dei veicoli in relazione alla loro cilindrata e tecnologia In letteratura, valori % dei coefficienti maggiore di 300 sono considerati anomali e di conseguenza trattati come outliers, mentre quelli compresi nel range sono considerati high emitter e quindi trattati con particolare attenzione in quando anomali rispetto alla media dei veicoli in relazione alla loro cilindrata e tecnologia >300 % 300 % 150 % -150 % -300 % <-300 %

17 Costruzione del Modello I fattori di emissione calcolati, considerando leffetto del veicolo come un effetto casuale, che si somma allerrore sperimentale di misura e non viene valutato separatamente. I fattori di emissione calcolati, considerando leffetto del veicolo come un effetto casuale, che si somma allerrore sperimentale di misura e non viene valutato separatamente. Vengono costruiti diversi modelli di regressione PLS (Partial Least Squares) multiblock per specifica base dati (tecnologia / cilindrata) Vengono costruiti diversi modelli di regressione PLS (Partial Least Squares) multiblock per specifica base dati (tecnologia / cilindrata)

18 Costruzione del Modello PLS si fonda su una regressione statistica multivariata, capace di considerare nello stesso modello le relazioni esistenti tra un gruppo di variabili di risposta Y (predictors), che nel nostro caso rappresentano le emissioni medie misurate in ogni ciclo di guida, e un gruppo di variabili esplicative X (scores), ossia i parametri cinematici identificativi del profilo di velocità stesso. Modello di emissione [CO HC NOX CO2 PM] = f(x 1, x 2, x 3, …, x i, …, x n ) Fattori di emissione CO HC NOX PM CO2

19 Costruzione del Modello Le variabili di risposta Y del modello di regressione sono le emissioni inquinanti regolamentate prodotte in un ciclo di guida (DC) misurate in g/km. Le variabili di risposta Y del modello di regressione sono le emissioni inquinanti regolamentate prodotte in un ciclo di guida (DC) misurate in g/km. Le variabili esplicative X esprimono il valore di alcuni parametri cinematici che caratterizzano i cicli di guida. Le variabili esplicative X esprimono il valore di alcuni parametri cinematici che caratterizzano i cicli di guida. Due blocchi di variabili esplicative sono state individuate considerando due potenziali cause di variabilità delle emissioni relative ad un ciclo di guida: Due blocchi di variabili esplicative sono state individuate considerando due potenziali cause di variabilità delle emissioni relative ad un ciclo di guida: il primo blocco di variabili è stato determinato dallequazione dinamica del veicolo considerando lenergia spesa dal veicolo nel ciclo e gli eventi di accelerazione alle diverse velocità.il primo blocco di variabili è stato determinato dallequazione dinamica del veicolo considerando lenergia spesa dal veicolo nel ciclo e gli eventi di accelerazione alle diverse velocità. il secondo blocco mediante le classi di frequenza della distribuzione empirica congiunta di velocità/accelerazioneil secondo blocco mediante le classi di frequenza della distribuzione empirica congiunta di velocità/accelerazione

20 Costruzione del Modello Identificare le variabili, caratterizzanti la prestazione del veicolo nella corrente di traffico, in grado di spiegare le variazioni delle emissioni. VariabiliDescrizioneVariabiliDescrizione tralTempo al minimo v=0mv Media della velocit à di guida (v>0) t_running Tempo totale di guida v>0 mv2 Media del quadrato della velocit à di guida (v>0) m_vapot_pos Media della velocit à per accelerazione positiva (acc.>0 e v>0) mv3 Media del cubo della velocit à di guida (v>0) invdistInverso della distanza Variabili utilizzate per la caratterizzazione dei profili di velocità la variazione della quantità dell'emissione in un profilo di velocità può essere spiegata tramite la portata dei gas di scarico, che è a sua volta proporzionale all'energia sviluppata dal veicolo nella corrente di traffico. la variazione della quantità dell'emissione in un profilo di velocità può essere spiegata tramite la portata dei gas di scarico, che è a sua volta proporzionale all'energia sviluppata dal veicolo nella corrente di traffico. Variabili utilizzate per la caratterizzazione dei profili di velocità la variazione della quantità dell'emissione in un profilo di velocità può essere spiegata tramite la portata dei gas di scarico, che è a sua volta proporzionale all'energia sviluppata dal veicolo nella corrente di traffico. la variazione della quantità dell'emissione in un profilo di velocità può essere spiegata tramite la portata dei gas di scarico, che è a sua volta proporzionale all'energia sviluppata dal veicolo nella corrente di traffico.

21 Costruzione del Modello a /v 0 100 km/h a<-1.4 m/s 2 FS_V20a1FS_V40a1FS_V60a1FS_V80a1FS_V100a1FS_V101a 1.0 m/s 2 FS_V20a7FS_V40a7FS_V60a7FS_V80a7FS_V100a7FS_V101a7 Variabili utilizzate per la caratterizzazione dei profili di velocità Un'altra frazione può essere spiegata dalle variazioni puntuali legate ai transitori descritti dalla distribuzione empirica congiunta della velocità e della accelerazione opportunamente suddivise in classi. Un'altra frazione può essere spiegata dalle variazioni puntuali legate ai transitori descritti dalla distribuzione empirica congiunta della velocità e della accelerazione opportunamente suddivise in classi. Variabili utilizzate per la caratterizzazione dei profili di velocità Un'altra frazione può essere spiegata dalle variazioni puntuali legate ai transitori descritti dalla distribuzione empirica congiunta della velocità e della accelerazione opportunamente suddivise in classi. Un'altra frazione può essere spiegata dalle variazioni puntuali legate ai transitori descritti dalla distribuzione empirica congiunta della velocità e della accelerazione opportunamente suddivise in classi.

22 Costruzione del Modello Collinearità. Collinearità. Numero elevato di variabili. Numero elevato di variabili. Basso numero di osservazioni sperimentali. Basso numero di osservazioni sperimentali. Problematiche legati alle caratteristiche delle variabili PLS (Partial Least Squares) PLS

23 Costruzione del Modello Andremo così a definire un modello globale, PLS gerarchico multiblock, costruito con le informazioni derivanti dai due modelli base e dal gruppo di variabili di emissione In questo modo possiamo considerare separatamente due differenti aspetti del fenomeno generando due modelli base, ciascuno dei quali valuta un gruppo di variabili latenti caratterizzanti un particolare aspetto sulle emissioni X1X1X1X1 X2X2X2X2 Y XX variabilivariabiliTT W1W1W1W1 W1W1W1W1 p1p1p1p1 p1p1p1p1 W2W2W2W2 W2W2W2W2 p2p2p2p2 p2p2p2p2 r1r1r1r1 r1r1r1r1 r2r2r2r2 r2r2r2r2 trtrtrtr trtrtrtr uu qtqtqtqt qtqtqtqt X-scoresX-scores PLSPLS wtwtwtwt wtwtwtwt

24 Caso Diesel - Euro Modello con Normal e High Emitter Modello con Normal e High Emitter Modello Dummy per la valutazione dei trend Modello Dummy per la valutazione dei trend dei coefficienti dei veicoli Modello con Normal Emitter Modello con Normal Emitter Modello con High Emitter Modello con High Emitter

25

26

27

28

29 Caso Benzina - Euro Modello con Normal e High Emitter Modello con Normal e High Emitter Modello con Normal Emitter Modello con Normal Emitter Modello con High Emitter Modello con High Emitter Modello Dummy per la valutazione dei trend Modello Dummy per la valutazione dei trend dei coefficienti dei veicoli

30

31

32

33


Scaricare ppt "Progetto ARTEMIS Data Base Europeo Fattori di emissione di autovetture XII riunione dell Expert Panel dott. Meccariello Giovanni CNR – Istituto Motori."

Presentazioni simili


Annunci Google