La bateria dels vehicles elèctrics és un focus clau del manteniment de la salut de la bateria. El sistema de gestió de la bateria (BMS) manté l'estat òptim de la bateria avaluant el seu estat de salut (SOH). La identificació precisa de SOH pot determinar el temps de substitució de la bateria, evitar la fallada de la bateria i allargar la seva vida útil. Aquest article pretén millorar el rendiment del BMS mitjançant la identificació dels paràmetres SOH. A partir del model de bateria Thevenin, s'obtenen paràmetres clau com ara R{{0}}, Rp i Cp. S'utilitzen dos algorismes adaptatius, el recompte de Coulomb i la tensió de circuit obert, per completar la identificació dels paràmetres. Es comparen els resultats dels dos algorismes en termes d'error, error absolut mitjà (MAE), error quadrat mitjà (RMSE) i valor final de SOH. La investigació se centra en l'obtenció de dades d'error d'estimació i informació de rendiment de BMS fiable. Els resultats mostren que el mètode de recompte de Coulomb té un error més petit en l'estimació de SOH que el mètode de voltatge de circuit obert, amb un error de l'1,770%. El valor final de SOH és del 17,33% i el model de bateria Thevenin té un error de modelatge del 0,0451% per a la bateria.
1. Introducció
Sistema de gestió de bateries i bateries de vehicles elèctrics (BMS):En els vehicles elèctrics, la bateria és la font d'energia primària, proporcionant energia al motor i altres sistemes. A diferència dels cotxes tradicionals, les bateries dels vehicles elèctrics tenen una capacitat i una tensió relativament reduïdes, i solen empaquetar-se en mòduls de bateries. El sistema de bateries consta de diverses bateries, que són gestionades per BMS. Les seves funcions inclouen l'optimització del sistema de funcionament de la bateria, implicant dos paràmetres clau: estat de càrrega (SOC) i estat de salut (SOH). SOC és la relació entre la capacitat restant i la capacitat total, mentre que SOH és el valor de comparació entre el rendiment actual i el rendiment de la bateria nova, que no es pot mesurar directament i s'ha d'estimar.
Antecedents de recerca i mètodes relacionats:L'estat de salut (SOH) pot quantificar el rendiment i la vida útil de la bateria. La degradació de la qualitat, els canvis en la resistència interna i els paràmetres de capacitat es poden produir durant l'ús de la bateria. La identificació dels paràmetres SOH ajuda a determinar l'estat real de la bateria, recomana temps de substitució i allarga la vida útil de la bateria. Actualment hi ha diversos mètodes per estimar l'estat de salut (SOH) o l'estat de càrrega (SOC), però hi ha pocs mètodes que els identifiquin simultàniament i generin paràmetres adequats per reduir la càrrega computacional del BMS. L'algorisme per controlar els paràmetres de la bateria s'ha d'adaptar als canvis de paràmetres i estimar l'estat de la bateria. Els mètodes es poden dividir en tres categories, incloent el mètode d'impedància espectral, el mètode d'equació del model de circuit i el mètode del model d'impedància electroquímica.
Revisió de treballs relacionats:En investigacions anteriors s'han utilitzat habitualment diversos mètodes per identificar els paràmetres de la bateria. Els mètodes de comptatge coulombic (CC) i de voltatge de circuit obert (OCV) s'utilitzen àmpliament en el BMS de vehicles elèctrics, cadascun amb els seus propis avantatges i desavantatges. El mètode CC estima el SOH controlant la capacitat d'entrada i sortida de la bateria, tenint en compte la pèrdua d'energia durant el cicle de càrrega, i també pot proporcionar informació rellevant mitjançant la recuperació de voltatge; El mètode OCV es pot considerar com una tensió equilibrada després que la bateria s'hagi descansat completament, i l'estat de salut (SOH) s'estima tenint en compte les condicions dels paràmetres de la bateria BMS.
L'objectiu d'aquest estudi és identificar paràmetres SOH precisos per allargar la vida útil de la bateria. S'utilitza un mètode basat en models de bateria per avaluar i identificar els paràmetres SOH. El model de bateria Thevenin s'utilitza per identificar els paràmetres R0, Rp i Cp mitjançant un algorisme adaptatiu (Mínims quadrats recursius, RLS). A partir dels resultats de l'avaluació, s'obtenen estimacions precises de SOH per reduir la càrrega computacional.
Aportació a la recerca:Els resultats de la prova dels paràmetres de la bateria proporcionen estimacions raonables i petites taxes d'error per avaluar el rendiment del sistema BMS. El mètode de recompte de Coulomb és convenient per calcular la capacitat de la bateria, i la potència màxima de la bateria disminueix amb l'augment dels cicles de càrrega i descàrrega. L'error relatiu del model de bateria Thevenin és inferior al 2%. Pel que fa a la precisió de l'estimació de SOH, el mètode CC és superior a RLS i el mètode CC pot estimar la tensió del terminal de la bateria i el SOC, mentre que el mètode OCV només pot estimar els paràmetres de la bateria.
2. Sistema de gestió de bateries
Components de la bateria (funcions i composició del BMS):BMS regula el sistema de bateries format per centenars o milers de bateries en els vehicles elèctrics, i té funcions importants com la supervisió, l'estimació de paràmetres, la protecció, la presentació d'informes i l'equilibri de les bateries. Les seves funcions principals inclouen protegir la bateria de danys, operar-la dins dels rangs de tensió i temperatura adequats i mantenir la bateria perquè funcioni amb paràmetres que compleixin els requisits del sistema com ara SOC, SOH i SOF. El BMS consta de sensors, actuadors i controladors, amb entrades que inclouen senyals de sensor com ara corrent, voltatge, temperatura i pedals, i sortides que inclouen mòduls per a la gestió tèrmica, l'equilibri, la gestió de la seguretat, la indicació de càrrega, l'alarma d'error i la comunicació. El programari BMS inclou múltiples mòduls funcionals com ara la detecció de paràmetres de la bateria, l'estimació i el diagnòstic d'avaries. El mesurament de la tensió de la bateria, l'estimació de paràmetres, l'equilibri i el diagnòstic de fallades són els principals problemes de BMS, entre els quals el mesurament de la tensió de la bateria s'enfronta a dificultats com les diferències de voltatge causades per la connexió en sèrie de la bateria i els requisits d'alta precisió.
Modelatge de bateria:Aquest article determina els paràmetres de l'estat de salut (SOH) mitjançant el modelatge de la bateria i converteix els paràmetres de voltatge, corrent i temperatura de la bateria d'entrada en SOH per obtenir estimacions precises. Utilitzant el model de bateria Thevenin, es descriu la resposta transitòria de tensió del procés de polarització de la bateria seleccionant els paràmetres de resistència interna i capacitat de la bateria. Es proporcionen les equacions matemàtiques del model de bateria i els mètodes de càlcul dels paràmetres relacionats (Voc, R0, Rp i Cp), que s'obtenen mitjançant l'algorisme RLS i s'apliquen al model de bateria Thevenin.
3. Determinar paràmetres d'estat de salut
La importància i els mètodes per identificar els paràmetres de l'estat de salut:Els paràmetres SOH precisos són crucials per al rendiment del BMS. Aquest estudi utilitza el recompte de Coulomb com a algorisme adaptatiu per identificar aquests paràmetres per obtenir valors d'inicialització SOH i avaluar el rendiment del BMS. El model de bateria Thevenin s'utilitza per determinar els paràmetres del model de bateria i la funció OCV-SOC. El procés específic consisteix a introduir corrent al model de bateria, analitzar les dades de voltatge del terminal, convertir del domini temporal al domini SOC i ajustar la corba per obtenir la funció OCV-SOC. El procés d'identificació de paràmetres es repeteix fins que l'estimació SOH sigui raonable i la taxa d'error sigui petita.
Funció OCV-SOC:Basat en el model de bateria Thevenin, OCV (SOC) és un paràmetre de tensió font obtingut provant la tensió de la bateria sense una càrrega connectada i la tensió abans de connectar la bateria. La corba SOC OCV s'estima utilitzant dades de prova de càrrega constant i s'ajusta amb un polinomi d'ordre dotzè. El polinomi de desè ordre té la precisió més alta a l'hora d'estimar Voc i l'error quadrat mitjà més petit (RMSE), que té un impacte significatiu en la precisió de les funcions SOC i OCV.
Paràmetres R0, Rp i Cp:El model de bateria Thevenin requereix OCV a SOC com a tensió font, que s'obté mitjançant proves de pols. R{{0}} és una resistència interna amb un valor més gran que altres resistències. A causa del problema del període de mostreig, és difícil capturar petits canvis de dades. La relació entre R0 i SOC es va obtenir mitjançant l'ajustament de corbes polinomials de segon ordre, amb un valor R0 mitjà de 0,027735 Ω. R0, Rp i Cp proporcionen dades d'entrada per a les proves de pols de tensió i corrent i obtenen valors dels paràmetres de sortida.
Resultat experimental
Mitjançant l'anàlisi dels paràmetres de l'estat de salut (SOH) monitoritzats per la bateria, s'aconsegueix el rendiment del BMS i s'obtenen dades de paràmetres físics com ara la tensió del terminal i el corrent d'entrada/sortida de la bateria. A partir del modelatge de la bateria, les dades dels paràmetres s'identifiquen i s'utilitzen per als sistemes de monitorització i protecció de l'estat de la bateria. El mètode d'estimació SOH inclou mesurar els canvis en la resistència i la capacitat de la bateria, utilitzant respectivament la llei d'Ohm i el mètode de recompte de Coulomb, i substituir el valor OCV a l'equació de relació OCV-SOC per obtenir els valors SOC i SOH.
Es va realitzar la prova de descàrrega estàtica i els resultats van mostrar que l'algoritme CC va obtenir el canvi SOH multiplicant el valor actual pel temps, mentre que l'algorisme OCV va obtenir el valor SOH utilitzant la tensió terminal o el valor OCV del model de bateria. Les corbes de canvi de SOH dels dos algorismes eren similars. La prova també va obtenir resultats d'identificació de paràmetres de la bateria i les característiques de relaxació de la bateria es poden utilitzar per a la identificació de paràmetres. Com més ràpid sigui el cicle de prova, més precisa serà l'estimació de SOH. L'algoritme CC és superior a l'algoritme OCV en la inicialització SOH, que pot entendre millor la resistència interna de la bateria i estimar simultàniament la tensió terminal Vt, SOC i SOH de la bateria, amb un error d'estimació inferior al 2%.
A partir de les dades d'error d'identificar els paràmetres SOH, l'error quadrat mitjà (MSE) de l'algorisme CC és {{0}},0111, el valor final de SOH és del 17,33%, el percentatge d'error és de l'1,770% i l'arrel L'error quadrat mitjà (RMSE) és 0,0132
Discussió dels resultats de la recerca:L'impacte de la resistència interna de la bateria en els algorismes CC i OCV és similar i l'algoritme CC pot entendre millor la resistència interna amb errors més petits. L'algorisme CC pot estimar amb èxit la tensió terminal Vt, SOC i SOH de la bateria simultàniament, amb un error d'estimació inferior al 2%. A la prova de descàrrega, l'algoritme CC és més precís que l'algoritme OCV en la inicialització SOH, amb un error quadrat mitjà estimat (MSE) d'1,770% per a l'algorisme CC i 3,256% per a l'algorisme OCV. Aquests resultats proporcionen referència per a la identificació de paràmetres en l'avaluació de BMS.
4. Resum
Els resultats de l'avaluació del rendiment de BMS basats en la identificació de paràmetres SOH mostren que l'algorisme de recompte de Coulomb té millors resultats d'estimació, amb un error d'estimació de SOH de l'1,770% i un valor final de SOH del 17,33%. L'error de modelització del model de bateria Thevenin per a bateries és del 0,0451%. Pel que fa a la precisió de l'estimació de SOH mitjançant dos mètodes (recompte de Coulomb i voltatge de circuit obert), el recompte de Coulomb té una precisió més alta. A més, els algorismes adaptatius basats en el modelatge de la bateria poden estimar la tensió terminal i el SOH de la bateria.