Pelaksanaan Cekap Pemantauan Masa Nyata Dan Ramalan SOC Untuk Pek Bateri Litium-ion

Abstrak

Kajian ini menyelidiki pemantauan status pengecasan bateri lithium-ion, yang penting untuk keselamatan dan kecekapan pengurusan tenaga bateri dalam aplikasi terbenam. Memahami status pengecasan bateri dengan tepat adalah penting untuk memastikan penggunaan dan prestasi yang selamat. Pasukan penyelidik membangunkan dan melaksanakan algoritma pemerhati berdasarkan penapis Kalman, yang digunakan pada Spartan 6 FPGA. Algoritma boleh menganggarkan keadaan pengecasan bateri dengan tepat, walaupun terdapat sisihan antara nilai anggaran awal dan keadaan sebenar. Artikel ini terutamanya menekankan kelebihan FPGA dalam pengkomputeran pantas, yang membolehkan FPGA berfungsi sebagai komponen hamba yang cekap dalam sistem pengurusan bateri (BMS), memantau status pengecasan sejumlah besar bateri pada kos yang lebih rendah. Melaksanakan pemerhati ini pada FPGA kos rendah adalah sangat penting untuk mengurangkan kos sistem pengurusan bateri dalam aplikasi seperti kenderaan elektrik. Selain itu, model pemerhati telah disahkan keberkesanannya melalui simulasi yang ketat dan ujian masa nyata. Kajian ini mencadangkan kaedah yang berkesan untuk menganggar dengan tepat status pengecasan bateri litium-ion, memberikan sokongan kuat untuk pengurusan tenaga bateri yang berkesan dalam pelbagai aplikasi.

1. Pengenalan

Kepentingan pengurusan tenaga dan anggaran SOC:Pengurusan tenaga adalah penting dalam aplikasi terbenam, terutamanya peranti berkuasa bateri, kerana ia mempengaruhi hayat bateri dan prestasi sistem keseluruhan. Bateri litium ion digunakan secara meluas kerana ketumpatan tenaga yang tinggi, kadar nyahcas diri yang rendah, dan hayat kitaran yang panjang. Untuk memastikan keselamatan dan kecekapan sistem bekalan kuasa bateri, anggaran SOC yang tepat adalah penting. Anggaran yang tidak tepat boleh menyebabkan pengecasan berlebihan, penyampaian berlebihan dan kegagalan pramatang bateri. Walau bagaimanapun, ciri-ciri bateri litium-ion yang tidak linear dan berbeza-beza menjadikan anggaran SOC agak mencabar, justeru pelbagai kaedah anggaran telah dicadangkan, termasuk pendekatan berasaskan model dan dipacu data.

Sistem Pengurusan Bateri dan Kaedah Anggaran SOC

Sistem Pengurusan Bateri (BMS) ialah komponen penting dalam pek bateri, yang memantau status bateri dan mengawal proses pengecasan dan nyahcas. Anggaran SOC yang tepat ialah salah satu fungsi utamanya, yang membantu mengoptimumkan penggunaan bateri, mengelakkan pengecasan berlebihan dan lebihan pelupusan. Algoritma perlu memenuhi ketepatan tinggi, keteguhan kepada ralat sensor ketepatan rendah dan salah sangka parameter bateri, dan keperluan kuasa pengiraan yang rendah. Teknik pemodelan dan anggaran untuk mencapai anggaran SOC yang tepat termasuk elektrokimia, litar setara dan kaedah dipacu data. Model elektrokimia adalah tepat tetapi secara pengiraan mahal dan memerlukan pengetahuan khusus, manakala kaedah berasaskan pemerhati agak mudah dan mempunyai ketepatan yang baik.

Kaedah anggaran SOC dibahagikan kepada dua kategori:penganggaran gelung terbuka dan gelung tertutup. Kaedah gelung terbuka seperti pengiraan Coulomb adalah mudah tetapi memerlukan pengetahuan SOC awal, dinamik perlahan dan kebolehpercayaan yang lemah, manakala kaedah voltan litar terbuka adalah tepat tetapi memerlukan bateri dibiarkan melahu untuk masa yang lama. Kaedah gelung tertutup terutamanya termasuk Kawalan Ramalan Model (MPC) dan kaedah berkaitannya (seperti Penapis Kalman Lanjutan (EKF), Penapis Kalman Lanjutan Dwi (DEKF), Penapis Kalman Lanjutan Adaptif (AEKF), Algoritma Hibrid Adaptif (AMA), State Observer, Generalized Extended State Observer (GESO), Fuzzy Logic Method, dan Neural Network), serta kaedah seperti H-infiniti penapis, Pemerhati Mod Gelongsor (SMO), kaedah berasaskan Penapis Zarah (PF) dan varian Penapis Kalman (seperti Penapis Kalman Tidak Berbau (UKF) dan Penapis Kalman Titik Sigma (SPKF)).

Penggunaan EKF dan FPGA dalam anggaran SOC:Terdapat pelbagai kaedah untuk anggaran SOC dalam talian, dan pemerhati negeri (terutamanya EKF) popular kerana keteguhannya. Dalam pengurusan bateri, algoritma rekursif EKF boleh menggabungkan model bateri dan data ukuran untuk menganggarkan SOC. Walau bagaimanapun, melaksanakan algoritma kompleks dengan mikropengawal adalah mahal dan mungkin tidak sesuai untuk sistem berbilang bateri. Kos BMS (termasuk pemantauan dan pengimbangan) mungkin mencapai 30% daripada harga pek bateri. Oleh itu, kajian ini memberi tumpuan kepada pengiraan pantas algoritma anggaran SOC untuk bateri kenderaan elektrik dengan berbilang bateri secara bersiri menggunakan tatasusunan gerbang boleh atur cara lapangan (FPGA). FPGA telah terbukti cekap dalam bidang perindustrian. Matlamat kajian ini adalah untuk melaksanakan pemerhati berdasarkan algoritma EKF pada FPGA Spartan 6 yang kos rendah dan cekap, yang boleh membetulkan anggaran SOC yang tidak tepat. Masa pemerhatian yang pantas boleh mencapai pemerhatian serentak beberapa bateri dengan FPGA yang sama, mengurangkan kos BMS kenderaan elektrik atau sistem SOC bateri lain yang perlu dipantau. Bab kertas seterusnya akan memperkenalkan model bateri litium-ion, reka bentuk pemerhati, pelaksanaan pada FPGA, simulasi dalam persekitaran Xilinx, keputusan eksperimen, kesimpulan penyelidikan dan kerja masa depan mengikut urutan.

2. Mengecas pemerhati negeri

Model Bateri

Terdapat pelbagai kaedah pemodelan untuk mewakili tingkah laku dinamik sel elektrokimia dengan tepat. Walaupun model elektrokimia boleh membantu meramalkan prestasi bateri dan memahami mekanisme penuaan, ia memerlukan keadaan awal dan sempadan bateri, dan kompleks dari segi pengiraan dan tidak sesuai untuk aplikasi masa nyata. Jadi model ringkas berdasarkan litar setara (EEC) telah dibangunkan, yang sesuai untuk profesional bukan elektrokimia dan mudah digunakan dalam masa nyata. Walau bagaimanapun, fenomena elektrokimia perlu dipertimbangkan pada tahap bateri untuk memudahkan pengecaman model.

Model EEC yang digunakan dalam kajian ini termasuk sumber voltan litar terbuka (OCV), perintang R Ω yang mewakili fenomena frekuensi tinggi seperti elektrolit dan rintangan sambungan, serta rintangan dinamik pemindahan cas, dan litar selari R1C1 simulasi frekuensi rendah. fenomena resapan. Untuk memudahkan pengiraan masa nyata, litar RC tunggal digunakan untuk mensimulasikan fenomena resapan dengan tempoh pensampelan Te=0.1 saat, yang boleh diabaikan berbanding tempoh pensampelan disebabkan oleh pemindahan caj dinamik (kira-kira 10ms ). Persamaan keadaan model bateri dilanjutkan kepada SOC seperti yang ditunjukkan dalam formula 1:

(Di mana Qnom ialah kapasiti nominal, V1 ialah voltan merentasi litar R1C1, SOC ialah keadaan cas, Ubat ialah voltan terminal bateri), model bateri keadaan diskret dilanjutkan kepada SOC seperti ditunjukkan dalam formula 2:

Pemerhati SOC berdasarkan penapis Kalman

SOC tidak boleh diukur secara langsung, dan Penapis Kalman Lanjutan (EKF) biasanya digunakan untuk menyelesaikan masalah ini. Ia memerlukan model bateri yang tepat dan keupayaan untuk menganggarkan SOC dalam julat hingar tertentu. EKF memulakan dan meramalkan pembolehubah keadaan pada masa pensampelan tertentu Te, menggunakan persamaan keadaan model bateri (Formula 1) yang termasuk SOC untuk ramalan. Prestasi pemerhati bergantung pada keyakinan dalam pengukuran dan model, dengan mengambil kira ketidakpastian model wk dan ketidakpastian pengukuran voltan vk (Formula 3):

Dengan mengandaikan ia adalah white noise, Gaussian noise, dan mempunyai min sifar, ia termasuk dalam matriks kovarians Q dan R bagi keadaan dan bunyi ukuran, masing-masing.

Disebabkan ketidaklinearan memanjangkan model bateri kepada SOC (kerana OCV berkaitan dengan SOC), adalah perlu untuk melinearkannya dengan mengira matriks Jacobian pada setiap masa pensampelan (Formula 4):

Linearize dan hitung keuntungan Kalman (Formula 5):

Kemas kini matriks kovarians (Formula 6):

Akhir sekali, gunakan pembetulan keuntungan optimum untuk meramalkan vektor keadaan (Formula 7):

Parameter EKF diringkaskan dalam jadual di bawah.

3. Pelaksanaan FPGA

Reka bentuk seni bina FPGA:FPGA terdiri daripada sumber pemprosesan (seperti ingatan, logik, dan daftar, dikumpulkan ke dalam jenis blok logik yang berbeza) dan sumber sambung boleh atur cara. Apabila pengaturcaraan, adalah perlu untuk menentukan fungsi blok logik dan mengatur rangkaian antara sambungan. Kajian ini memberi tumpuan kepada seni bina litar boleh atur cara matriks, yang blok logiknya berada dalam struktur segi empat tepat biasa dan disambungkan ke rangkaian penghalaan (terdiri daripada saluran mendatar dan menegak) melalui titik sambung boleh atur cara. FPGA terdiri daripada bateri asas yang telah direka bentuk dan saling bersambung, dan pengguna boleh memprogram dan membina seni bina perkakasan khusus yang memenuhi keperluan aplikasi. Ia mempamerkan keupayaan pemprosesan yang tinggi dan kependaman rendah dalam bidang perindustrian, dan fleksibilitinya boleh meningkatkan prestasi, mengurangkan kos dan mempunyai kebolehskalaan. Penggunaan FPGA untuk pengkomputeran selari boleh dikonfigurasikan mengurangkan masa pelaksanaan algoritma, tetapi pengaturcaraan memerlukan pengoptimuman sifat fizikal, termasuk prestasi masa/kawasan algoritma dan pemilihan bit format data, sambil mengekalkan ketepatan asas pemerhati.

Peralatan dan Perisian:Kajian ini bertujuan untuk melaksanakan Penapis Kalman Lanjutan (EKF) untuk menganggar Keadaan Pengecasan (SOC) pek bateri dalam sistem masa nyata, menggunakan platform perkakasan MicroAutoBox II (MABXII) dSPACE, yang boleh dipercayai dan teguh untuk reka bentuk prototaip dan ujian dalam industri automotif. Xilinx Spartan-6 FPGA (XC6SLX150) terbenamnya mempunyai prestasi tinggi dan penggunaan kuasa yang rendah (spesifikasi utama ditunjukkan dalam Jadual 2), menjadikannya sesuai untuk aplikasi ini. Pemerhati SOC dilaksanakan pada FPGA ini dan menguji SOC bateri individu dalam pek bateri yang terdiri daripada 5 siri bateri litium-ion yang disambungkan (parameter pek bateri: jumlah voltan nominal 18V, voltan nominal bateri tunggal 3.6V, kapasiti keseluruhan sebanyak 2.5Ah, menggunakan bateri lithium-ion Samsung 25R 18650, elektrod positif ialah campuran bahan kimia NCA dan NMC, elektrod negatif ialah grafit, parameter model bateri dikenal pasti oleh teknologi pentitratan berselang semasa GITT, seperti ditunjukkan dalam Rajah 4). Dengan mengandaikan suhu bateri 25 darjah C dan parameter malar, algoritma EKF dibangunkan menggunakan blok Simulink (seperti yang ditunjukkan dalam Rajah 5) dan dioptimumkan untuk prestasi dan penggunaan sumber melalui saluran paip, pemultipleksan/lipatan pembahagian masa dan ketepatan tersuai.

Teknologi pemultipleksan pembahagian masa:Pek bateri yang dikaji mengandungi 5 siri bateri litium-ion yang disambungkan, dan terdapat dua kaedah untuk menganggarkan SOC bagi setiap bateri. Salah satunya ialah membangunkan reka bentuk dengan lima model bateri, tetapi disebabkan keperluan sumber yang tinggi, ia tidak sesuai untuk aplikasi masa nyata dan memerlukan FPGA yang lebih mahal dan kaya dengan sumber. Kaedah kedua adalah berdasarkan pemultipleksan pembahagian masa (lihat Rajah 6), dengan setiap masa pensampelan Te '=0.02 saat. Selepas arus pek bateri dan voltan bateri didigitalkan oleh papan DSP MicroAutoBox ADC, mesin keadaan menghantar data kepada FPGA untuk melaksanakan algoritma EKF. Selepas algoritma selesai, SOC yang dianggarkan dan diperbetulkan, matriks kovarians ralat, dan voltan resapan dihantar semula ke DSP. Usaha seterusnya akan menumpukan pada pengesahan pemerhati melalui simulasi, yang penting untuk memastikan ketepatan dan keberkesanan pemerhati sebelum penggunaan pada FPGA.

4. Pengesahan pemerhati Xilinx

Proses pengesahan:Algoritma ini disahkan menggunakan perpustakaan penjana sistem yang direka khusus untuk pengaturcaraan FPGA. Pustaka ini membenarkan pengaturcaraan FPGA menggunakan blok Simulink, dan pemprosesan data boleh dilakukan dalam mod titik terapung atau titik tetap. Lebih tinggi ketepatan, lebih besar keperluan sumber FPGA. Untuk mengimbangi ketepatan keputusan dan penggunaan sumber, kajian ini memilih perwakilan yang ditandatangani dalam mod titik tetap, khususnya format32_16 Betulkan (15 bit untuk bahagian integer, 16 bit untuk bahagian perpuluhan dan 1 bit untuk tanda) . Kelebihan utama menggunakan perpustakaan Xilinx ini ialah kemudahan pelaksanaannya pada FPGA, tanpa memerlukan pengaturcaraan VHDL yang kompleks.

Penilaian prestasi dan keputusan

Prestasi pemerhati berdasarkan EKF dinilai melalui lengkung semasa arus nyahcas 1C (2.5A). SOC sebenar dimulakan kepada 100% dan anggaran awal SOC nilai SOC-0 ditetapkan kepada 0% (SOC-0 ialah parameter boleh laras yang boleh mencapai julat luas anggaran permulaan SOC). Nilai rujukan SOC diperoleh daripada meter coulomb yang dimulakan dengan SOC permulaan dan kapasiti nominal yang betul. Letakkan penganggar yang direka bentuk di bawah keluk arus nyahcas langkah semasa 1C untuk pengesahan.

Keputusan menunjukkan bahawa walaupun nilai anggaran awal berbeza daripada nilai awal SOC sebenar, SOC anggaran masih menumpu kepada SOC sebenar bateri, menunjukkan bahawa pemerhati EKF boleh membetulkan anggaran SOC yang lemah dan membuat anggaran SOC menumpu kepada sebenar. nilai. Walau bagaimanapun, perwakilan titik tetap yang digunakan dalam pelaksanaan mengehadkan bilangan bit yang digunakan, membawa kepada ralat anggaran, dan ralat mungkin terkumpul semasa proses penyepaduan semasa apabila meramalkan pembolehubah keadaan, mengakibatkan julat besar ralat antara nilai anggaran dan sebenar. . Walau bagaimanapun, selagi ralat mutlak kurang daripada 5%, penapis dianggap berkesan dan boleh menganggar pembolehubah keadaan dengan tepat.

5. Keputusan pelaksanaan FPGA masa nyata

Pengesahan masa nyata (menggunakan data prarakam):Sebelum ujian bateri sebenar, simulasikan ujian menggunakan data semasa/voltan prarakam bateri. Keputusan ujian menunjukkan bahawa pemerhati mempunyai prestasi masa nyata yang baik. Lengkung semasa dilepaskan dengan langkah semasa 1C (2.5A) dan SOC dimulakan kepada 0%. Nilai rujukan SOC diperoleh dengan meter coulomb yang dimulakan dengan betul. Berbanding dengan hasil simulasi Xilinx, prestasi pemerhati adalah serupa dalam kedua-dua kes, dan penapis Kalman yang dilaksanakan pada FPGA berjaya mengurangkan ralat antara voltan yang diukur dan voltan yang dianggarkan, menjadikan anggaran SOC menumpu kepada nilai yang tepat yang tidak dapat diukur secara langsung.

Pemerhati pengesahan eksperimen

Ujian bateri tunggal:Selepas pengesahan masa nyata menggunakan data prarakam, ujian lanjut dijalankan semasa nyahcas bateri sebenar. Menggunakan platform ujian yang ditunjukkan dalam rajah, jalankan pemerhati semasa menyahcas bateri untuk menilai ketepatan anggaran SOC. Dengan menjana kitaran nadi semasa sebagai nilai yang ditetapkan untuk beban aktif boleh atur cara untuk menyahcas bateri, keputusan percubaan menunjukkan bahawa pada permulaan kitaran semasa, penapis boleh membetulkan SOC awal sebanyak 0%. Apabila voltan berkurangan, SOC juga berkurangan, dan sistem boleh membetulkannya secara automatik. Walau bagaimanapun, terdapat ayunan dalam proses anggaran, terutamanya disebabkan oleh hingar pengukuran sensor, memerlukan penapis yang lebih licin.

Ujian pek bateri:Memandangkan bateri penyelidikan terdiri daripada 5 siri bateri yang disambungkan, penganggar perlu dibangunkan untuk menguji keseluruhan pek bateri. Dengan menggabungkan teknologi pemultipleksan pembahagian masa ke dalam model penapis Kalman, kitaran nadi semasa dengan tempoh 3200s dan amplitud -2.5A dijana sebagai nilai tetapan beban aktif boleh atur cara untuk bateri pelepasan. Keputusan menunjukkan bahawa pemerhati boleh menganggarkan voltan dan SOC dengan tepat bagi setiap bateri dalam keseluruhan pek bateri. Berdasarkan lima lengkung, SOC dan voltan setiap bateri boleh ditentukan, yang mempunyai kelebihan ketara berbanding kajian terdahulu yang hanya menganggarkan voltan keseluruhan dan SOC pek bateri. Pemerhati SOC mempunyai masa pelaksanaan 2.5 µ s dan tempoh persampelan biasa 0.1 s. Cip Spartan 6 mempunyai masa yang mencukupi untuk melaksanakan berbilang anggaran SOC dan memerhati keadaan lain (seperti suhu dalaman) dalam satu tempoh pensampelan. Pelaksanaan FPGA tidak menggunakan sejumlah besar sumber, dan walaupun program ini rumit, sumber FPGA yang ada tidak digunakan sepenuhnya.

6. Rumusan

Dalam bidang aplikasi terbenam, pengurusan tenaga adalah penting untuk mengoptimumkan penggunaan tenaga dan memanjangkan hayat bateri. Ini memerlukan kami untuk dapat memantau dengan tepat status pengecasan bateri. Kajian ini memberi tumpuan kepada membangunkan pemerhati keadaan untuk menganggar voltan dan status pengecasan setiap bateri dalam pek bateri litium-ion. Pemerhati menggunakan algoritma penapisan Kalman yang sesuai untuk bateri lithium-ion dan mempunyai keupayaan untuk membetulkan keadaan pengecasan apabila nilai anggaran awal tidak konsisten dengan keadaan pengecasan sebenar. Pelaksanaan algoritma kompleks ini pada kos rendah Spartan 6 FPGA (harga di bawah 20 euro) telah terbukti sangat cekap, mampu memantau berbilang bateri secara serentak, sekali gus mengurangkan kos sistem pengurusan bateri.

Keputusan eksperimen menunjukkan bahawa pemerhati boleh menganggarkan status voltan dan pengecasan setiap bateri dengan tepat, menunjukkan kelebihan ketara berbanding kajian terdahulu yang hanya boleh menganggarkan status voltan dan pengecasan keseluruhan pek bateri. Masa pelaksanaan yang rendah dan penggunaan sumber pemerhati menjadikannya alat yang berkuasa untuk pemantauan masa nyata dan kawalan pek bateri litium-ion, sesuai untuk pelbagai senario aplikasi. Walaupun cabaran seperti hingar data telah dihadapi semasa proses pelaksanaan, isu ini boleh ditangani dengan berkesan dengan menggunakan teknik penapisan yang sesuai untuk memastikan ketepatan keputusan. Secara keseluruhannya, kajian ini telah menyumbang nilai yang signifikan kepada bidang sistem pengurusan bateri dan membuka jalan baharu untuk penyelidikan masa depan.