Implementació eficient de monitorització i predicció en temps real de SOC per a bateries d'ions de liti

Resum

Aquest estudi aprofundeix en el seguiment de l'estat de càrrega de les bateries d'ions de liti, que és crucial per a la seguretat i l'eficiència de la gestió de l'energia de les bateries en aplicacions integrades. Comprendre amb precisió l'estat de càrrega de les bateries és d'una importància decisiva per garantir el seu ús i rendiment segurs. L'equip d'investigació va desenvolupar i implementar un algorisme d'observador basat en el filtre Kalman, que es va desplegar a Spartan 6 FPGA. L'algorisme pot estimar amb precisió l'estat de càrrega de la bateria, fins i tot si hi ha una desviació entre el valor estimat inicial i l'estat real. Aquest article fa especial èmfasi en els avantatges de l'FPGA en la informàtica ràpida, que permet que FPGA serveixi com a component esclau eficient en sistemes de gestió de bateries (BMS), supervisant l'estat de càrrega d'un gran nombre de bateries a un cost més baix. La implementació d'aquest observador en FPGA de baix cost és de gran importància per reduir el cost dels sistemes de gestió de bateries en aplicacions com els vehicles elèctrics. A més, el model d'observador ha estat validat per la seva eficàcia mitjançant simulacions rigoroses i proves en temps real. Aquest estudi proposa un mètode eficaç per estimar amb precisió l'estat de càrrega de les bateries d'ions de liti, proporcionant un fort suport per a la gestió eficaç de l'energia de la bateria en diverses aplicacions.

1. Introducció

La importància de la gestió energètica i l'estimació del SOC:La gestió de l'energia és crucial en les aplicacions incrustades, especialment en els dispositius que funcionen amb bateria, ja que afecta la durada de la bateria i el rendiment general del sistema. Les bateries d'ions de liti s'utilitzen àmpliament a causa de la seva alta densitat d'energia, baixa taxa d'autodescàrrega i llarg cicle de vida. Per garantir la seguretat i l'eficiència del sistema d'alimentació de la bateria, és essencial una estimació precisa del SOC. Una estimació inexacta pot provocar una sobrecàrrega, una sobredescàrrega i una fallada prematura de la bateria. Tanmateix, les característiques no lineals i variables en el temps de les bateries d'ions de liti fan que l'estimació del SOC sigui bastant difícil, per tant s'han proposat diversos mètodes d'estimació, inclosos els enfocaments basats en models i basats en dades.

Sistema de gestió de bateries i mètode d'estimació SOC

El sistema de gestió de la bateria (BMS) és un component important d'una bateria, que controla l'estat de la bateria i controla el procés de càrrega i descàrrega. L'estimació precisa del SOC és una de les seves funcions clau, que ajuda a optimitzar l'ús de la bateria, evitar la sobrecàrrega i la sobredescàrrega. L'algoritme ha de complir els errors del sensor d'alta precisió, robustesa a baixa precisió i estimació errònia dels paràmetres de la bateria i requisits de potència computacional baixa. Les tècniques de modelització i estimació per aconseguir una estimació precisa del SOC inclouen electroquímica, circuits equivalents i mètodes basats en dades. Els models electroquímics són precisos però computacionalment costosos i requereixen coneixements especialitzats, mentre que els mètodes basats en observadors són relativament senzills i tenen una bona precisió.

Els mètodes d'estimació de SOC es divideixen en dues categories:estimació de llaç obert i llaç tancat. Els mètodes de bucle obert com el recompte de Coulomb són senzills, però requereixen coneixements inicials de SOC, dinàmica lenta i poca fiabilitat, mentre que els mètodes de voltatge de circuit obert són precisos, però requereixen que la bateria es deixi inactiva durant molt de temps. Els mètodes de bucle tancat inclouen principalment Model Predictive Control (MPC) i els seus mètodes relacionats (com ara el filtre de Kalman estès (EKF), el filtre de Kalman estès dual (DEKF), el filtre de Kalman estès adaptatiu (AEKF), l'algoritme híbrid adaptatiu (AMA), Observador d'estats, observador d'estats estès generalitzat (GESO), mètode de lògica difusa i xarxa neuronal), també com a mètodes com ara el filtre H-infinit, Sliding Mode Observer (SMO), mètodes basats en el filtre de partícules (PF) i variants del filtre Kalman (com el filtre Kalman sense perfum (UKF) i el filtre Kalman Sigma Point (SPKF)).

L'aplicació d'EKF i FPGA en l'estimació de SOC:Hi ha diversos mètodes per a l'estimació de SOC en línia, i els observadors estatals (especialment EKF) són populars per la seva robustesa. En la gestió de la bateria, l'algorisme recursiu EKF pot combinar models de bateria i dades de mesura per estimar el SOC. Tanmateix, implementar algorismes complexos amb microcontroladors és costós i pot no ser adequat per a sistemes de bateries múltiples. Els costos de BMS (inclosos la supervisió i l'equilibri) poden arribar al 30% dels preus de la bateria. Per tant, aquest estudi se centra en el càlcul ràpid de l'algorisme d'estimació de SOC per a bateries de vehicles elèctrics amb múltiples bateries en sèrie mitjançant matrius de portes programables de camp (FPGA). S'ha demostrat que els FPGA són eficients en l'àmbit industrial. L'objectiu d'aquest estudi és implementar un observador basat en l'algorisme EKF en un Spartan 6 FPGA de baix cost i eficient, que pugui corregir l'estimació inicial de SOC inexacta. El temps d'observació ràpid pot aconseguir l'observació simultània de diverses bateries amb la mateixa FPGA, reduint el cost BMS dels vehicles elèctrics o altres sistemes SOC de bateries que s'han de controlar. Els capítols posteriors del treball presentaran el model de bateria d'ions de liti, el disseny de l'observador, la implementació en FPGA, la simulació a l'entorn Xilinx, els resultats experimentals, les conclusions de la investigació i el treball futur en seqüència.

2. Observador d'estat de càrrega

Model de bateria

Hi ha diversos mètodes de modelització per representar amb precisió el comportament dinàmic de les cèl·lules electroquímiques. Tot i que els models electroquímics poden ajudar a predir el rendiment de la bateria i entendre els mecanismes d'envelliment, requereixen condicions inicials i límit de la bateria, i són computacionalment complexos i no són adequats per a aplicacions en temps real. Així doncs, es va desenvolupar un model simplificat basat en circuit equivalent (EEC), adequat per a professionals no electroquímics i fàcil d'aplicar en temps real. Tanmateix, cal tenir en compte els fenòmens electroquímics a nivell de bateria per simplificar el reconeixement del model.

El model CEE utilitzat en aquest estudi inclou una font de tensió de circuit obert (OCV), una resistència R Ω que representa fenòmens d'alta freqüència com la resistència d'electròlit i connexió, així com la resistència dinàmica de transferència de càrrega i un circuit paral·lel R1C1 que simula la baixa freqüència. fenòmens de difusió. Per simplificar els càlculs en temps real, s'utilitza un únic circuit RC per simular fenòmens de difusió amb un període de mostreig de Te=0,1 segons, que es pot ignorar en comparació amb el període de mostreig a causa de la transferència de càrrega dinàmica (uns 10 ms). ). L'equació d'estat del model de bateria s'estén a SOC tal com es mostra a la fórmula 1:

(On Qnom és la capacitat nominal, V1 és la tensió al circuit R1C1, SOC és l'estat de càrrega, Ubat és la tensió del terminal de la bateria), el model de bateria d'estat discret s'estén a SOC tal com es mostra a la fórmula 2:

Observador SOC basat en el filtre de Kalman

El SOC no es pot mesurar directament i el filtre de Kalman estès (EKF) s'utilitza habitualment per resoldre aquest problema. Requereix un model de bateria precís i la capacitat d'estimar el SOC dins d'un determinat rang de soroll. EKF inicialitza i prediu variables d'estat en un temps de mostreig específic Te, utilitzant una equació d'estat del model de bateria (fórmula 1) que inclou SOC per a la predicció. El rendiment de l'observador depèn de la confiança en la mesura i el model, tenint en compte la incertesa del model wk i la incertesa de mesura de la tensió vk (Fórmula 3):

Suposant que són soroll blanc, soroll gaussià i tenen una mitjana de zero, s'inclouen a les matrius de covariància Q i R del soroll d'estat i de mesura, respectivament.

A causa de la no linealitat d'ampliar el model de bateria a SOC (ja que OCV està relacionat amb SOC), cal linealitzar-lo calculant la matriu jacobiana a cada moment de mostreig (Fórmula 4):

Linealitzar i calcular el guany de Kalman (Fórmula 5):

Actualitzeu la matriu de covariància (fórmula 6):

Finalment, utilitzeu la correcció de guany òptima per predir el vector d'estat (Fórmula 7):

Els paràmetres EKF es resumeixen a la taula següent.

3. Implementació d'FPGA

Disseny d'arquitectura FPGA:FPGA consta de recursos de processament (com memòria, lògica i registres, agrupats en diferents tipus de blocs lògics) i recursos d'interconnexió programables. A l'hora de programar, cal especificar les funcions dels blocs lògics i organitzar la xarxa d'interconnexió. Aquest estudi se centra en l'arquitectura de circuits programables de matriu, els blocs lògics dels quals es troben en una estructura rectangular regular i estan connectats a una xarxa d'encaminament (formada per canals horitzontals i verticals) mitjançant punts d'interconnexió programables. FPGA es compon de bateries i interconnexions bàsiques predissenyades, i els usuaris poden programar i construir arquitectures de maquinari específiques que compleixin els requisits de l'aplicació. Presenta capacitats de processament d'alt rendiment i baixa latència en l'àmbit industrial, i la seva flexibilitat pot millorar el rendiment, reduir costos i tenir escalabilitat. L'ús de FPGA per a la computació paral·lela configurable redueix el temps d'execució de l'algoritme, però la programació requereix l'optimització de les propietats físiques, inclòs el rendiment de l'algoritme de temps/àrea i la selecció de bits de format de dades, tot mantenint la precisió bàsica de l'observador.

Equips i programari:Aquest estudi pretén implementar un filtre de Kalman estès (EKF) per estimar l'estat de càrrega (SOC) d'un paquet de bateries en un sistema en temps real, utilitzant la plataforma de maquinari MicroAutoBox II (MABXII) de dSPACE, que és fiable i robusta per al disseny de prototips. i proves a la indústria de l'automòbil. El seu FPGA Xilinx Spartan-6 incrustat (XC6SLX150) té un alt rendiment i un baix consum d'energia (les especificacions clau es mostren a la taula 2), cosa que el fa adequat per a aquesta aplicació. L'observador SOC s'implementa en aquesta FPGA i prova el SOC de bateries individuals en un paquet de bateries format per 5 bateries d'ions de liti connectades en sèrie (paràmetres del paquet de bateries: tensió nominal total de 18 V, voltatge nominal de bateria individual de 3,6 V, capacitat total). de 2,5 Ah, utilitzant una bateria d'ions de liti Samsung 25R 18650, l'elèctrode positiu és una barreja de NCA i NMC productes químics, l'elèctrode negatiu és grafit, els paràmetres del model de bateria s'identifiquen mitjançant la tecnologia de valoració intermitent de corrent constant GITT, tal com es mostra a la figura 4). Suposant una temperatura de la bateria de 25 graus C i paràmetres constants, l'algoritme EKF es desenvolupa mitjançant blocs Simulink (com es mostra a la figura 5) i s'optimitza per al rendiment i la utilització dels recursos mitjançant pipeline, multiplexació/plegament per divisió de temps i precisió personalitzada.

Tecnologia de multiplexació per divisió de temps:El paquet de bateries en estudi conté 5 bateries d'ions de liti connectades en sèrie i hi ha dos mètodes per estimar el SOC de cada bateria. Un és desenvolupar un disseny amb cinc models de bateries, però a causa dels alts requisits de recursos, no és adequat per a aplicacions en temps real i requereix un FPGA més car i ric en recursos. El segon mètode es basa en la multiplexació per divisió de temps (vegeu la figura 6), amb cada temps de mostreig Te '=0,02 segons. Després que el corrent i la tensió de la bateria siguin digitalitzats per l'ADC de la placa MicroAutoBox DSP, la màquina d'estat envia les dades a l'FPGA per executar l'algorisme EKF. Un cop completat l'algorisme, el SOC estimat i corregit, la matriu de covariància d'errors i la tensió de difusió s'envien al DSP. Els esforços posteriors se centraran a verificar l'observador mitjançant la simulació, que és crucial per garantir la precisió i l'eficàcia de l'observador abans del desplegament a FPGA.

4. Verificació d'observadors de Xilinx

Procés de verificació:L'algorisme es valida mitjançant una biblioteca de generadors de sistema dissenyada específicament per a la programació FPGA. Aquesta biblioteca permet programar FPGA mitjançant blocs Simulink i el processament de dades es pot fer en mode de coma flotant o de punt fix. Com més gran sigui la precisió, més grans són els requisits de recursos FPGA. Per equilibrar la precisió dels resultats i la utilització dels recursos, aquest estudi va triar una representació signada en mode de punt fix, concretament el format Fix32_16 (15 bits per a la part entera, 16 bits per a la part decimal i 1 bit per a signe) . El principal avantatge d'utilitzar aquesta biblioteca Xilinx és la seva facilitat d'implementació en FPGA, sense necessitat de programació VHDL complexa.

Avaluació del rendiment i resultats

El rendiment de l'observador basat en EKF s'avalua mitjançant la corba de corrent de corrent de descàrrega 1C (2,5 A). El SOC real s'inicia a 100% i el valor SOC estimat inicial SOC-0 s'estableix en 0% (SOC-0 és un paràmetre ajustable que pot aconseguir un ampli rang de inicialització estimada del SOC). El valor de referència SOC s'obté d'un mesurador de coulomb inicialitzat amb el SOC inicial i la capacitat nominal correctes. Col·loqueu l'estimador dissenyat sota la corba de corrent de descàrrega de pas de corrent 1C per a la verificació.

Els resultats mostren que, tot i que el valor estimat inicial és diferent del valor inicial del SOC real, el SOC estimat encara convergeix al SOC real de la bateria, cosa que indica que l'observador EKF pot corregir una estimació deficient del SOC i fer que el SOC estimat convergi al real. valor. No obstant això, la representació de punt fix utilitzada en la implementació limita el nombre de bits utilitzats, donant lloc a errors d'estimació, i els errors poden acumular-se durant el procés d'integració actual quan es prediuen variables d'estat, donant lloc a una àmplia gamma d'errors entre els valors estimats i reals. . Tanmateix, sempre que l'error absolut sigui inferior al 5%, el filtre es considera efectiu i pot estimar amb precisió les variables d'estat.

5. Resultats de la implementació d'FPGA en temps real

Verificació en temps real (utilitzant dades preenregistrades):Abans de la prova real de la bateria, simuleu la prova utilitzant dades de corrent/tensió de la bateria prèviament registrades. Els resultats de la prova mostren que l'observador té un bon rendiment en temps real. La corba de corrent es descarrega amb un pas de corrent d'1C (2,5 A) i el SOC s'inicia a 0%. El valor de referència SOC s'obté mitjançant un mesurador de coulomb correctament inicialitzat. En comparació amb els resultats de simulació de Xilinx, el rendiment de l'observador és similar en ambdós casos, i el filtre de Kalman implementat a FPGA redueix amb èxit l'error entre la tensió mesurada i la tensió estimada, fent que el SOC estimat convergi a un valor precís que no pot ser. mesurar directament.

Observador de verificació experimental

Prova de bateria única:Després de la verificació en temps real mitjançant dades enregistrades prèviament, es realitzen proves addicionals durant la descàrrega real de la bateria. Utilitzant la plataforma de proves que es mostra a la figura, executeu l'observador mentre descarregueu la bateria per avaluar la precisió de l'estimació del SOC. En generar cicles de polsos actuals com a valor establert per a càrregues actives programables per descarregar la bateria, els resultats experimentals mostren que al començament del cicle actual, el filtre pot corregir el SOC inicial del 0%. A mesura que disminueix la tensió, el SOC també disminueix i el sistema pot corregir-lo automàticament. Tanmateix, hi ha oscil·lacions en el procés d'estimació, principalment a causa del soroll de mesura del sensor, que requereix un filtre més suau.

Prova de la bateria:Com que la bateria de recerca consta de 5 bateries connectades en sèrie, cal desenvolupar un estimador per provar tot el paquet de bateries. En incorporar la tecnologia de multiplexació per divisió de temps al model de filtre de Kalman, es genera un cicle de pols actual amb un període de 3200s i una amplitud de -2,5A com a valor de configuració de càrrega activa programable per a la bateria. descàrrega. Els resultats mostren que l'observador pot estimar amb precisió el voltatge i el SOC de cada bateria de tot el paquet de bateries. A partir de cinc corbes, es pot determinar el SOC i la tensió de cada bateria, la qual cosa té avantatges significatius en comparació amb estudis anteriors que només estimen la tensió global i el SOC de la bateria. L'observador SOC té un temps d'execució de 2,5 µs i un període de mostreig típic de 0,1 s. El xip Spartan 6 té temps suficient per realitzar múltiples estimacions de SOC i observar altres estats (com ara la temperatura interna) en un període de mostreig. La implementació de l'FPGA no va consumir una quantitat significativa de recursos i, malgrat la complexitat del programa, els recursos disponibles de l'FPGA no es van utilitzar completament.

6. Resum

En el camp de les aplicacions incrustades, la gestió de l'energia és crucial per optimitzar el consum d'energia i allargar la vida útil de la bateria. Això requereix que puguem controlar amb precisió l'estat de càrrega de la bateria. Aquest estudi se centra a desenvolupar un observador d'estat per estimar la tensió i l'estat de càrrega de cada bateria en un paquet de bateries d'ió de liti. L'observador adopta l'algorisme de filtrat de Kalman adequat per a bateries d'ions de liti i té la capacitat de corregir l'estat de càrrega quan el valor estimat inicial no és coherent amb l'estat de càrrega real. S'ha demostrat que la implementació d'aquest complex algorisme en un Spartan 6 FPGA de baix cost (preu inferior a 20 euros) és altament eficient, capaç de controlar diverses bateries simultàniament, reduint així el cost dels sistemes de gestió de bateries.

Els resultats experimentals demostren que l'observador pot estimar amb precisió la tensió i l'estat de càrrega de cada bateria, demostrant avantatges significatius en comparació amb estudis anteriors que només podien estimar la tensió i l'estat de càrrega de tot el paquet de bateries. El baix temps d'execució i el consum de recursos de l'observador el converteixen en una potent eina per al monitoratge i control en temps real de les bateries d'ió de liti, adequada per a diversos escenaris d'aplicació. Tot i que es van trobar reptes com el soroll de dades durant el procés d'implementació, aquests problemes es poden abordar de manera eficaç mitjançant l'adopció de tècniques de filtratge adequades per garantir la precisió dels resultats. En general, aquest estudi ha aportat un valor significatiu al camp dels sistemes de gestió de bateries i ha obert noves vies per a futures investigacions.