Hybrid Powertrains for Sustainable Fuels 2035 (in collaboration with FVV)

Plug-in electric vehicles (PHEVs) and extended-range electric vehicles (EREVs) offer significant potential for reducing CO₂ emissions in the passenger car sector. To achieve maximum CO₂ savings over the entire vehicle lifecycle, a high proportion of electric driving is required, supplemented by the use of low-CO₂ fuels for trips powered by the internal combustion engine. The goal of this research project is to maximize the efficiency and performance potential of future spark-ignition (SI) internal combustion engines in PHEV and EREV powertrains using low-CO₂ and CO₂-neutral drop-in fuels. Particular emphasis is placed on the co-optimization of the engine and fuel for different powertrain topologies and test cycles in order to simultaneously ensure high efficiency, performance, compliance with emission standards, durability, and minimal costs.

Das Projekt beginnt mit einer umfassenden Analyse bestehender Antriebstechnologien und Kraftstoffe. Darauf aufbauend werden 0D-/1D-Simulationen mit Einzylinder-Motorprüfständen kombiniert und iterativ rückgekoppelt, um die Motoren schrittweise durch verschiedene technologische Maßnahmen zu optimieren. Anschließend werden die validierten Motoren in eine Fahrzeugsimulationsplattform integriert, um realistische Fahrzeugkonfigurationen zu bewerten und eine Lebenszyklusanalyse (LCA) ausgewählter Konfigurationen durchzuführen. Das Projekt liefert Konzepte für eine besonders effiziente Auslegung und Betriebsstrategie von Hybridantriebssträngen mit vollständig erneuerbaren Kraftstoffen auf Basis von E20, E85 und Methanol, mit dem Ziel, bis 2030 einen entsprechenden technologischen Reifegrad (TRL) zu erreichen und zugleich Wege für den Einsatz CO₂-neutraler Kraftstoffe (CNF) bis 2035 aufzuzeigen. Darüber hinaus fördert das Projekt gezielt die Nutzung CO₂-armer und CO₂-neutraler Kraftstoffe und umfasst die Entwicklung eines Digital Fuel Twin, der eine systematische Erfassung und Verwaltung individueller Kraftstoffeigenschaften und Parameter ermöglicht und diese Informationen für modellbasierte Motorentwicklung sowie adaptive Motorkalirierung nutzbar macht.