Bateria vehiculelor electrice este un punct cheie al întreținerii sănătății bateriei. Sistemul de management al bateriei (BMS) menține starea optimă a bateriei prin evaluarea stării sale de sănătate (SOH). Identificarea cu precizie a SOH poate determina timpul de înlocuire a bateriei, poate evita defectarea bateriei și poate prelungi durata de viață a acesteia. Acest articol își propune să îmbunătățească performanța BMS prin identificarea parametrilor SOH. Pe baza modelului bateriei Thevenin, se obțin parametri cheie precum R{{0}}, Rp și Cp. Doi algoritmi adaptivi, numărarea Coulomb și tensiunea în circuit deschis, sunt utilizați pentru a finaliza identificarea parametrilor. Se compară rezultatele celor doi algoritmi în ceea ce privește eroarea, eroarea medie absolută (MAE), eroarea pătratică medie (RMSE) și valoarea finală SOH. Cercetarea se concentrează pe obținerea de date de eroare de estimare și informații fiabile de performanță BMS. Rezultatele arată că metoda de numărare Coulomb are o eroare mai mică în estimarea SOH decât metoda tensiunii în circuit deschis, cu o eroare de 1,770%. Valoarea finală SOH este de 17,33%, iar modelul de baterie Thevenin are o eroare de modelare de 0,0451% pentru baterie.
1. Introducere
Sistemul de management al bateriei și al bateriei pentru vehicule electrice (BMS):În vehiculele electrice, bateria este sursa primară de energie, furnizând putere motorului și altor sisteme. Spre deosebire de mașinile tradiționale, bateriile pentru vehicule electrice au o capacitate și o tensiune relativ mici și sunt de obicei ambalate în module de baterie. Sistemul de baterii este format din mai multe baterii, care sunt gestionate de BMS. Funcțiile sale includ optimizarea sistemului de funcționare a bateriei, implicând doi parametri cheie: starea de încărcare (SOC) și starea de sănătate (SOH). SOC este raportul dintre capacitatea rămasă și capacitatea totală, în timp ce SOH este valoarea de comparație între performanța actuală și performanța bateriei noi, care nu poate fi măsurată direct și trebuie estimată.
Contextul cercetării și metodele conexe:Stare de sănătate (SOH) poate cuantifica performanța și durata de viață a bateriei. Degradarea calității, modificări ale rezistenței interne și ale parametrilor de capacitate pot apărea în timpul utilizării bateriei. Identificarea parametrilor SOH ajută la determinarea stării reale a bateriei, la recomandarea timpilor de înlocuire și la prelungirea duratei de viață a bateriei. În prezent, există mai multe metode pentru estimarea stării de sănătate (SOH) sau a stării de încărcare (SOC), dar există puține metode care le identifică simultan pe ambele și generează parametri adecvați pentru a reduce sarcina de calcul a BMS. Algoritmul pentru monitorizarea parametrilor bateriei trebuie să se adapteze la modificările parametrilor și să estimeze starea bateriei. Metodele pot fi împărțite în trei categorii, inclusiv metoda impedanței spectrale, metoda ecuației modelului de circuit și metoda modelului impedanței electrochimice.
Revizuirea lucrărilor conexe:Mai multe metode au fost utilizate în mod obișnuit în cercetările anterioare pentru a identifica parametrii bateriei. Metodele de numărare coulombică (CC) și de tensiune în circuit deschis (OCV) sunt utilizate pe scară largă în BMS-ul vehiculelor electrice, fiecare având propriile sale avantaje și dezavantaje. Metoda CC estimează SOH prin monitorizarea capacității de intrare și ieșire a bateriei, ținând cont de pierderea de putere în timpul ciclului de încărcare și poate oferi, de asemenea, informații relevante prin recuperarea tensiunii; Metoda OCV poate fi considerată ca o tensiune echilibrată după ce bateria sa oprit complet, iar starea de sănătate (SOH) este estimată luând în considerare condițiile parametrilor bateriei BMS.
Accentul acestui studiu este de a identifica parametrii SOH precisi pentru a prelungi durata de viață a bateriei. O metodă bazată pe model de baterie este utilizată pentru a evalua și identifica parametrii SOH. Modelul bateriei Thevenin este utilizat pentru a identifica parametrii R0, Rp și Cp printr-un algoritm adaptiv (Recursive Least Squares, RLS). Pe baza rezultatelor evaluării, se obțin estimări SOH precise pentru a reduce sarcina de calcul.
Contribuție la cercetare:Rezultatele testării parametrilor bateriei oferă estimări rezonabile și rate mici de eroare pentru evaluarea performanței sistemului BMS. Metoda de numărare Coulomb este convenabilă pentru calcularea capacității bateriei, iar puterea maximă a bateriei scade odată cu creșterea ciclurilor de încărcare și descărcare. Eroarea relativă a modelului de baterie Thevenin este mai mică de 2%. În ceea ce privește precizia estimării SOH, metoda CC este superioară RLS, iar metoda CC poate estima tensiunea terminalului bateriei și SOC, în timp ce metoda OCV poate estima doar parametrii bateriei.
2. Sistem de management al bateriei
Componentele bateriei (funcțiile și compoziția BMS):BMS reglementează sistemul de baterii compus din sute sau mii de baterii din vehiculele electrice și are funcții importante precum monitorizarea, estimarea parametrilor, protejarea, furnizarea de rapoarte și echilibrarea bateriilor. Principalele sale funcții includ protejarea bateriei împotriva deteriorării, operarea bateriei în intervale adecvate de tensiune și temperatură și menținerea bateriei pentru a funcționa la parametrii care îndeplinesc cerințele de sistem, cum ar fi SOC, SOH și SOF. BMS constă din senzori, actuatoare și controlere, cu intrări care includ semnale ale senzorilor, cum ar fi curent, tensiune, temperatură și pedale, și ieșiri, inclusiv module pentru management termic, echilibru, management al siguranței, indicație de încărcare, alarmă de eroare și comunicare. Software-ul BMS include mai multe module funcționale, cum ar fi detectarea parametrilor bateriei, estimarea și diagnosticarea defecțiunilor. Măsurarea tensiunii bateriei, estimarea parametrilor, echilibrarea și diagnosticarea defecțiunilor sunt principalele probleme ale BMS, printre care măsurarea tensiunii bateriei se confruntă cu dificultăți, cum ar fi diferențele de tensiune cauzate de conexiunea în serie a bateriei și cerințele de înaltă precizie.
Modelare baterie:Acest articol determină parametrii Starea Sănătății (SOH) prin modelarea bateriei și convertește parametrii de tensiune, curent și temperatură ale bateriei de intrare în SOH pentru a obține estimări precise. Folosind modelul bateriei Thevenin, răspunsul tranzitoriu de tensiune al procesului de polarizare a bateriei este descris prin selectarea parametrilor de rezistență și capacitate interne ai bateriei. Sunt furnizate ecuațiile matematice ale modelului bateriei și metodele de calcul pentru parametrii aferenti (Voc, R0, Rp și Cp), care sunt obținute prin algoritmul RLS și aplicate modelului bateriei Thevenin.
3. Determinați parametrii stării de sănătate
Importanța și metodele de identificare a parametrilor stării de sănătate:Parametrii SOH precisi sunt esențiali pentru performanța BMS. Acest studiu folosește numărarea Coulomb ca algoritm adaptiv pentru a identifica acești parametri pentru a obține valori de inițializare SOH și pentru a evalua performanța BMS. Modelul bateriei Thevenin este utilizat pentru a determina parametrii modelului bateriei și funcția OCV-SOC. Procesul specific implică introducerea curentului în modelul bateriei, analiza datelor de tensiune terminală, conversia din domeniul temporal în domeniul SOC și ajustarea curbei pentru a obține funcția OCV-SOC. Procesul de identificare a parametrilor se repetă până când estimarea SOH este rezonabilă și rata de eroare este mică.
Funcția OCV-SOC:Pe baza modelului bateriei Thevenin, OCV (SOC) este un parametru de tensiune sursă obținut prin testarea tensiunii bateriei fără sarcină conectată și a tensiunii înainte de conectarea acumulatorului. Curba SOC OCV este estimată folosind date de testare a sarcinii constante și este prevăzută cu un polinom de ordinul al doisprezecelea. Polinomul de ordinul al zecelea are cea mai mare acuratețe în estimarea Voc și cea mai mică eroare pătratică medie (RMSE), care are un impact semnificativ asupra acurateței funcțiilor SOC și OCV.
Parametrii R0, Rp și Cp:Modelul bateriei Thevenin necesită OCV la SOC ca tensiune sursă, care este obținută prin testarea impulsurilor. R{{0}} este o rezistență internă cu o valoare mai mare decât alte rezistențe. Din cauza problemei perioadei de eșantionare, este dificil să captați modificări mici ale datelor. Relația dintre R0 și SOC a fost obținută prin potrivirea curbei polinomiale de ordinul doi, cu o valoare medie a R0 de 0,027735 Ω. R0, Rp și Cp furnizează date de intrare pentru testarea impulsurilor de tensiune și curent și obțin valorile parametrilor de ieșire.
Rezultat experimental
Analizând parametrii stării de sănătate (SOH) monitorizați de baterie, se obține performanța BMS și se obțin date despre parametrii fizici, cum ar fi tensiunea la borne și curentul de intrare/ieșire al bateriei. Pe baza modelării bateriei, datele parametrilor sunt identificate și utilizate pentru monitorizarea stării bateriei și sistemele de protecție. Metoda de estimare SOH include măsurarea modificărilor rezistenței și capacității bateriei, respectiv folosind legea lui Ohm și metoda de numărare Coulomb și înlocuirea valorii OCV în ecuația relației OCV-SOC pentru a obține valorile SOC și SOH.
S-a efectuat testul de descărcare statică, iar rezultatele au arătat că algoritmul CC a obținut modificarea SOH prin înmulțirea valorii curentului cu timp, în timp ce algoritmul OCV a obținut valoarea SOH utilizând tensiunea la borne sau valoarea OCV a modelului bateriei. Curbele de schimbare a SOH ale celor doi algoritmi au fost similare. Testul a obținut, de asemenea, rezultate de identificare a parametrilor bateriei, iar caracteristicile de relaxare a bateriei pot fi utilizate pentru identificarea parametrilor. Cu cât ciclul de testare este mai rapid, cu atât estimarea SOH este mai precisă. Algoritmul CC este superior algoritmului OCV în inițializarea SOH, care poate înțelege mai bine rezistența internă a bateriei și poate estima simultan tensiunea la borne Vt, SOC și SOH a bateriei, cu o eroare de estimare mai mică de 2%.
Din datele de eroare de identificare a parametrilor SOH, eroarea pătratică medie (MSE) a algoritmului CC este {{0}}.0111, valoarea finală SOH este de 17,33%, procentul de eroare este de 1,770% și rădăcina eroarea pătratică medie (RMSE) este 0,0132
Discuție privind rezultatele cercetării:Impactul rezistenței interne a bateriei asupra algoritmilor CC și OCV este similar, iar algoritmul CC poate înțelege mai bine rezistența internă cu erori mai mici. Algoritmul CC poate estima cu succes tensiunea la borna Vt, SOC și SOH a bateriei simultan, cu o eroare de estimare mai mică de 2%. În testul de descărcare, algoritmul CC este mai precis decât algoritmul OCV în inițializarea SOH, cu o eroare pătratică medie estimată (MSE) de 1,770% pentru algoritmul CC și 3,256% pentru algoritmul OCV. Aceste rezultate oferă referință pentru identificarea parametrilor în evaluarea BMS.
4. Rezumat
Rezultatele evaluării performanței BMS pe baza identificării parametrilor SOH arată că algoritmul de numărare Coulomb are rezultate de estimare mai bune, cu o eroare de estimare SOH de 1,770% și o valoare finală SOH de 17,33%. Eroarea de modelare a modelului de baterie Thevenin pentru baterii este de 0,0451%. În ceea ce privește acuratețea estimării SOH folosind două metode (numărarea Coulomb și tensiunea în circuit deschis), numărarea Coulomb are o precizie mai mare. În plus, algoritmii adaptivi bazați pe modelarea bateriei pot estima tensiunea la borne și SOH a bateriei.