La batteria dei veicoli elettrici è un obiettivo chiave del mantenimento della salute della batteria. Il Battery Management System (BMS) mantiene lo stato ottimale della batteria valutandone lo Stato di Salute (SOH). L'identificazione accurata dell'SOH può determinare il tempo di sostituzione della batteria, evitare guasti alla batteria e prolungarne la durata. Questo articolo mira a migliorare le prestazioni del BMS identificando i parametri SOH. Sulla base del modello della batteria Thevenin, si ottengono parametri chiave come R{{0}}, Rp e Cp. Per completare l'identificazione dei parametri vengono utilizzati due algoritmi adattivi, il conteggio di Coulomb e la tensione a circuito aperto. Vengono confrontati i risultati dei due algoritmi in termini di errore, errore medio assoluto (MAE), errore quadratico medio (RMSE) e valore SOH finale. La ricerca si concentra sull'ottenimento di dati sugli errori di stima e di informazioni affidabili sulle prestazioni del BMS. I risultati mostrano che il metodo di conteggio di Coulomb presenta un errore minore nella stima dell’SOH rispetto al metodo della tensione a circuito aperto, con un errore dell’1,770%. Il valore SOH finale è 17,33% e il modello di batteria Thevenin presenta un errore di modellazione dello 0,0451% per la batteria.
1. Introduzione
Batteria per veicoli elettrici e sistema di gestione della batteria (BMS):Nei veicoli elettrici, la batteria è la fonte di energia primaria, poiché fornisce energia al motore e ad altri sistemi. A differenza delle auto tradizionali, le batterie dei veicoli elettrici hanno capacità e voltaggio relativamente piccoli e sono solitamente confezionate in moduli batteria. Il sistema di batterie è costituito da più batterie, gestite dal BMS. Le sue funzioni includono l'ottimizzazione del sistema di funzionamento della batteria, coinvolgendo due parametri chiave: stato di carica (SOC) e stato di salute (SOH). SOC è il rapporto tra la capacità rimanente e la capacità totale, mentre SOH è il valore di confronto tra le prestazioni attuali e le prestazioni della nuova batteria, che non può essere misurato direttamente e deve essere stimato.
Background della ricerca e metodi correlati:Lo stato di salute (SOH) può quantificare le prestazioni e la durata della batteria. Durante l'uso della batteria possono verificarsi degrado della qualità, cambiamenti nella resistenza interna e nei parametri di capacità. L'identificazione dei parametri SOH aiuta a determinare le condizioni effettive della batteria, a consigliare i tempi di sostituzione e a prolungare la durata della batteria. Attualmente esistono più metodi per stimare lo stato di salute (SOH) o lo stato di carica (SOC), ma ci sono pochi metodi che identificano entrambi simultaneamente e generano parametri appropriati per ridurre l'onere computazionale sul BMS. L'algoritmo per il monitoraggio dei parametri della batteria deve adattarsi alle modifiche dei parametri e stimare le condizioni della batteria. I metodi possono essere suddivisi in tre categorie, tra cui il metodo dell'impedenza spettrale, il metodo dell'equazione del modello circuitale e il metodo del modello dell'impedenza elettrochimica.
Revisione del lavoro correlato:Diversi metodi sono stati comunemente utilizzati nelle ricerche precedenti per identificare i parametri della batteria. I metodi del conteggio coulombiano (CC) e della tensione a circuito aperto (OCV) sono ampiamente utilizzati nei BMS dei veicoli elettrici, ciascuno con i propri vantaggi e svantaggi. Il metodo CC stima l'SOH monitorando la capacità di ingresso e uscita della batteria, tenendo conto della perdita di potenza durante il ciclo di ricarica e può anche fornire informazioni rilevanti attraverso il ripristino della tensione; Il metodo OCV può essere considerato come una tensione bilanciata dopo che la batteria si è completamente riposata e lo stato di salute (SOH) viene stimato considerando le condizioni dei parametri BMS della batteria.
L'obiettivo di questo studio è identificare parametri SOH accurati per prolungare la durata della batteria. Per valutare e identificare i parametri SOH viene utilizzato un metodo basato sul modello di batteria. Il modello della batteria di Thevenin viene utilizzato per identificare i parametri R0, Rp e Cp attraverso un algoritmo adattivo (minimi quadrati ricorsivi, RLS). Sulla base dei risultati della valutazione, si ottengono stime SOH accurate per ridurre il carico computazionale.
Contributo alla ricerca:I risultati del test dei parametri della batteria forniscono stime ragionevoli e piccoli tassi di errore per valutare le prestazioni del sistema BMS. Il metodo di conteggio di Coulomb è utile per calcolare la capacità della batteria e la potenza massima della batteria diminuisce con l'aumento dei cicli di carica e scarica. L'errore relativo del modello di batteria Thevenin è inferiore al 2%. In termini di precisione della stima del SOH, il metodo CC è superiore a RLS e il metodo CC può stimare la tensione del terminale della batteria e il SOC, mentre il metodo OCV può solo stimare i parametri della batteria.
2. Sistema di gestione della batteria
Componenti della batteria (funzioni e composizione del BMS):Il BMS regola il sistema di batterie composto da centinaia o migliaia di batterie nei veicoli elettrici e svolge funzioni importanti come il monitoraggio, la stima dei parametri, la protezione, la fornitura di report e il bilanciamento delle batterie. Le sue funzioni principali includono la protezione della batteria da eventuali danni, il funzionamento della batteria entro intervalli di tensione e temperatura appropriati e il mantenimento del funzionamento della batteria con parametri che soddisfano i requisiti di sistema come SOC, SOH e SOF. Il BMS è costituito da sensori, attuatori e controller, con ingressi che includono segnali di sensori come corrente, tensione, temperatura e pedali e uscite che includono moduli per la gestione termica, il bilanciamento, la gestione della sicurezza, l'indicazione di carica, l'allarme di guasto e la comunicazione. Il software BMS include più moduli funzionali come il rilevamento dei parametri della batteria, la stima e la diagnosi dei guasti. La misurazione della tensione della batteria, la stima dei parametri, il bilanciamento e la diagnosi dei guasti sono i problemi principali del BMS, tra cui la misurazione della tensione della batteria deve affrontare difficoltà come differenze di tensione causate dal collegamento in serie della batteria e requisiti di alta precisione.
Modellazione della batteria:Questo articolo determina i parametri dello stato di salute (SOH) attraverso la modellazione della batteria e converte i parametri di tensione, corrente e temperatura della batteria in ingresso in SOH per ottenere stime accurate. Utilizzando il modello di batteria Thevenin, la risposta ai transitori di tensione del processo di polarizzazione della batteria viene descritta selezionando i parametri di resistenza interna e capacità della batteria. Vengono fornite le equazioni matematiche del modello di batteria e i metodi di calcolo dei relativi parametri (Voc, R0, Rp e Cp), ottenuti tramite l'algoritmo RLS e applicati al modello di batteria di Thevenin.
3. Determinare i parametri delle condizioni di salute
L’importanza e le modalità di identificazione dei parametri dello stato di salute:I parametri SOH accurati sono cruciali per le prestazioni del BMS. Questo studio utilizza il conteggio di Coulomb come algoritmo adattivo per identificare questi parametri per ottenere valori di inizializzazione SOH e valutare le prestazioni del BMS. Il modello di batteria Thevenin viene utilizzato per determinare i parametri del modello di batteria e la funzione OCV-SOC. Il processo specifico prevede l'immissione di corrente nel modello di batteria, l'analisi dei dati sulla tensione terminale, la conversione dal dominio del tempo al dominio SOC e l'adattamento della curva per ottenere la funzione OCV-SOC. Il processo di identificazione dei parametri viene ripetuto fino a quando la stima SOH è ragionevole e il tasso di errore è piccolo.
Funzione OCV-SOC:Basato sul modello di batteria Thevenin, OCV (SOC) è un parametro di tensione della sorgente ottenuto testando la tensione della batteria senza carico collegato e la tensione prima di collegare il pacco batteria. La curva SOC OCV viene stimata utilizzando i dati del test a carico costante e dotata di un polinomio del dodicesimo ordine. Il polinomio del decimo ordine ha la massima precisione nella stima di Voc e il più piccolo errore quadratico medio (RMSE), che ha un impatto significativo sulla precisione delle funzioni SOC e OCV.
Parametri R0, Rp e Cp:Il modello di batteria Thevenin richiede OCV al SOC come tensione sorgente, ottenuta tramite test a impulsi. R{{0}} è una resistenza interna con un valore maggiore rispetto alle altre resistenze. A causa del problema del periodo di campionamento, è difficile acquisire piccole modifiche ai dati. La relazione tra R0 e SOC è stata ottenuta mediante l'adattamento della curva polinomiale di secondo ordine, con un valore medio R0 di 0.027735 Ω. R0, Rp e Cp forniscono dati di ingresso per il test degli impulsi di tensione e corrente e ottengono i valori dei parametri di uscita.
Risultato sperimentale
Analizzando i parametri dello stato di salute (SOH) monitorati dalla batteria, si ottengono le prestazioni del BMS e si ottengono dati sui parametri fisici come la tensione del terminale e la corrente di ingresso/uscita della batteria. Sulla base della modellazione della batteria, i dati dei parametri vengono identificati e utilizzati per il monitoraggio dello stato della batteria e i sistemi di protezione. Il metodo di stima SOH comprende la misurazione delle variazioni nella resistenza e nella capacità della batteria, rispettivamente utilizzando la legge di Ohm e il metodo di conteggio di Coulomb, e la sostituzione del valore OCV nell'equazione della relazione OCV-SOC per ottenere i valori SOC e SOH.
È stato condotto il test di scarica statica e i risultati hanno mostrato che l'algoritmo CC ha ottenuto la variazione di SOH moltiplicando il valore di corrente per il tempo, mentre l'algoritmo OCV ha ottenuto il valore di SOH utilizzando la tensione terminale o il valore OCV del modello di batteria. Le curve di variazione SOH dei due algoritmi erano simili. Il test ha inoltre ottenuto risultati di identificazione dei parametri della batteria e le caratteristiche di rilassamento della batteria possono essere utilizzate per l'identificazione dei parametri. Quanto più veloce è il ciclo di test, tanto più accurata è la stima dell'SOH. L'algoritmo CC è superiore all'algoritmo OCV nell'inizializzazione SOH, che può comprendere meglio la resistenza interna della batteria e stimare contemporaneamente la tensione terminale Vt, SOC e SOH della batteria, con un errore di stima inferiore al 2%.
Dai dati di errore relativi all'identificazione dei parametri SOH, l'errore quadratico medio (MSE) dell'algoritmo CC è {{0}}.0111, il valore SOH finale è 17,33%, la percentuale di errore è 1,770% e la radice l'errore quadratico medio (RMSE) è 0,0132
Discussione sui risultati della ricerca:L'impatto della resistenza interna della batteria sugli algoritmi CC e OCV è simile e l'algoritmo CC può comprendere meglio la resistenza interna con errori minori. L'algoritmo CC può stimare con successo contemporaneamente la tensione terminale Vt, SOC e SOH della batteria, con un errore di stima inferiore al 2%. Nel test di scarica, l'algoritmo CC è più accurato dell'algoritmo OCV nell'inizializzazione SOH, con un errore quadratico medio stimato (MSE) pari a 1,770% per l'algoritmo CC e 3,256% per l'algoritmo OCV. Questi risultati forniscono un riferimento per l'identificazione dei parametri nella valutazione del BMS.
4. Riepilogo
I risultati della valutazione delle prestazioni del BMS basati sull'identificazione del parametro SOH mostrano che l'algoritmo di conteggio di Coulomb ha risultati di stima migliori, con un errore di stima SOH dell'1,770% e un valore SOH finale del 17,33%. L'errore di modellazione del modello di batteria Thevenin per le batterie è dello 0,0451%. In termini di accuratezza della stima SOH utilizzando due metodi (conteggio di Coulomb e tensione a circuito aperto), il conteggio di Coulomb ha una precisione maggiore. Inoltre, algoritmi adattivi basati sulla modellazione della batteria possono stimare la tensione ai terminali e l’SOH della batteria.