Elektrisõidukite aku on aku tervise säilitamise põhirõhk. Akuhaldussüsteem (BMS) säilitab aku optimaalse oleku, hinnates selle tervislikku seisundit (SOH). SOH täpne tuvastamine võib määrata aku vahetamise aja, vältida aku riket ja pikendada selle kasutusiga. Selle artikli eesmärk on parandada BMS-i jõudlust, tuvastades SOH-parameetrid. Thevenini akumudeli põhjal saadakse sellised põhiparameetrid nagu R{{0}}, Rp ja Cp. Parameetri tuvastamiseks kasutatakse kahte adaptiivset algoritmi, Coulombi loendust ja avatud vooluahela pinget. Võrreldakse kahe algoritmi tulemusi vea, keskmise absoluutvea (MAE), ruutkeskmise vea (RMSE) ja lõpliku SOH väärtuse osas. Uurimistöö keskendub hinnanguliste vigade andmete ja usaldusväärse BMS-i toimivuse teabe hankimisele. Tulemused näitavad, et Coulombi loendusmeetodil on SOH hindamisel väiksem viga kui avatud ahela pinge meetodil, mille viga on 1,770%. Lõplik SOH väärtus on 17,33% ja Thevenini akumudelil on aku modelleerimisviga 0,0451%.
1. Sissejuhatus
Elektrisõiduki aku ja akuhaldussüsteem (BMS):Elektrisõidukites on aku esmane energiaallikas, mis annab toite mootorile ja teistele süsteemidele. Erinevalt traditsioonilistest autodest on elektrisõidukite akud suhteliselt väikese mahutavuse ja pingega ning tavaliselt pakitakse need akumoodulitesse. Akusüsteem koosneb mitmest akust, mida haldab BMS. Selle funktsioonide hulka kuulub aku töösüsteemi optimeerimine, mis hõlmab kahte peamist parameetrit: laetuse olek (SOC) ja tervislik seisund (SOH). SOC on järelejäänud võimsuse ja koguvõimsuse suhe, samas kui SOH on praeguse jõudluse ja uue aku jõudluse võrdlusväärtus, mida ei saa otseselt mõõta ja seda tuleb hinnata.
Uurimise taust ja sellega seotud meetodid:Tervislik seisund (SOH) võib mõõta aku jõudlust ja eluiga. Aku kasutamise ajal võib esineda kvaliteedi halvenemist, sisemise takistuse ja mahtuvuse parameetrite muutumist. SOH parameetrite tuvastamine aitab määrata aku tegelikku seisukorda, soovitada vahetusaegu ja pikendada aku kasutusiga. Praegu on terviseseisundi (SOH) või laenguseisundi (SOC) hindamiseks mitu meetodit, kuid on vähe meetodeid, mis tuvastavad samaaegselt mõlemad ja loovad sobivad parameetrid, et vähendada BMS-i arvutuskoormust. Aku parameetrite jälgimise algoritm peab kohanema parameetrite muutustega ja hindama aku seisundit. Meetodid võib jagada kolme kategooriasse, sealhulgas spektraalimpedantsi meetod, vooluahela mudeli võrrandi meetod ja elektrokeemilise impedantsi mudeli meetod.
Seotud töö ülevaade:Varasemates uuringutes on aku parameetrite tuvastamiseks tavaliselt kasutatud mitmeid meetodeid. Elektrisõidukite BMS-is kasutatakse laialdaselt kulonilise loenduse (CC) ja avatud vooluahela pinge (OCV) meetodeid, millest igaühel on oma eelised ja puudused. CC-meetod hindab SOH-d, jälgides aku sisse- ja väljavõimsust, võttes arvesse voolukadu laadimistsükli ajal, ning võib anda asjakohast teavet ka pinge taastamise kaudu; OCV-meetodit võib pidada tasakaalustatud pingeks pärast aku täielikku puhkeolekut ja tervislikku seisundit (SOH) hinnatakse BMS-i aku parameetrite tingimusi arvestades.
Selle uuringu eesmärk on tuvastada täpsed SOH-parameetrid, et pikendada aku kasutusiga. SOH parameetrite hindamiseks ja tuvastamiseks kasutatakse aku mudelipõhist meetodit. Thevenini akumudelit kasutatakse parameetrite R0, Rp ja Cp tuvastamiseks adaptiivse algoritmi (Recursive Least Squares, RLS) abil. Hindamistulemuste põhjal saadakse täpsed SOH hinnangud arvutuskoormuse vähendamiseks.
Teadustöö panus:Aku parameetrite testimise tulemused annavad mõistlikud hinnangud ja väikesed veamäärad BMS-süsteemi jõudluse hindamiseks. Coulombi loendusmeetod on mugav aku mahtuvuse arvutamiseks ning aku maksimaalne võimsus väheneb laadimis- ja tühjenemistsüklite suurenedes. Thevenini akumudeli suhteline viga on alla 2%. SOH-hinnangu täpsuse osas on CC-meetod parem kui RLS ja CC-meetod suudab hinnata aku klemmi pinget ja SOC-i, samas kui OCV-meetod saab hinnata ainult aku parameetreid.
2. Akuhaldussüsteem
Aku komponendid (BMS-i funktsioonid ja koostis):BMS reguleerib elektrisõidukite sadadest või tuhandetest akudest koosnevat akusüsteemi ning sellel on olulised funktsioonid, nagu jälgimine, parameetrite hindamine, kaitsmine, aruannete esitamine ja akude tasakaalustamine. Selle põhifunktsioonid hõlmavad aku kaitsmist kahjustuste eest, aku käitamist sobivates pinge- ja temperatuurivahemikes ning aku töö hoidmist parameetritel, mis vastavad süsteeminõuetele, nagu SOC, SOH ja SOF. BMS koosneb anduritest, täiturmehhanismidest ja kontrolleritest, mille sisendid hõlmavad andurite signaale, nagu vool, pinge, temperatuur ja pedaalid, ning väljundid, sealhulgas soojusjuhtimise, tasakaalu, ohutusjuhtimise, laadimisnäidiku, tõrkealarmide ja side moodulid. BMS-tarkvara sisaldab mitmeid funktsionaalseid mooduleid, nagu aku parameetrite tuvastamine, hindamine ja rikete diagnostika. Aku pinge mõõtmine, parameetrite hindamine, tasakaalustamine ja rikete diagnostika on BMS-i peamised probleemid, mille hulgas on aku pinge mõõtmisel raskusi, nagu pingeerinevused, mis on põhjustatud aku seeriaühendusest ja kõrge täpsusega nõuetest.
Aku modelleerimine:See artikkel määrab aku modelleerimise abil kindlaks tervisliku seisundi (SOH) parameetrid ning teisendab aku sisendpinge, voolu ja temperatuuri parameetrid SOH-i, et saada täpseid hinnanguid. Thevenini akumudelit kasutades kirjeldatakse aku polarisatsiooniprotsessi pinge transientreaktsiooni, valides aku sisetakistuse ja mahtuvuse parameetrid. Esitatakse akumudeli matemaatilised võrrandid ja seotud parameetrite (Voc, R0, Rp ja Cp) arvutusmeetodid, mis saadakse RLS-algoritmi kaudu ja rakendatakse Thevenini akumudelile.
3. Määrata tervisliku seisundi parameetrid
Tervisliku seisundi parameetrite määramise tähtsus ja meetodid:Täpsed SOH-parameetrid on BMS-i jõudluse jaoks üliolulised. Selles uuringus kasutatakse nende parameetrite tuvastamiseks adaptiivse algoritmina Coulombi loendamist, et saada SOH algväärtused ja hinnata BMS-i jõudlust. Thevenini akumudelit kasutatakse aku mudeli parameetrite ja OCV-SOC funktsiooni määramiseks. Spetsiifiline protsess hõlmab voolu sisestamist aku mudelisse, klemmide pingeandmete analüüsimist, ajadomeeni teisendamist SOC domeeniks ja kõvera sobitamist OCV-SOC funktsiooni saamiseks. Parameetrite tuvastamise protsessi korratakse, kuni SOH hinnang on mõistlik ja veamäär väike.
OCV-SOC funktsioon:Thevenini akumudelil põhinev OCV (SOC) on lähtepinge parameeter, mis saadakse ühendatud koormuseta aku pinge ja pinge testimisel enne akuploki ühendamist. SOC OCV kõver on hinnatud konstantse koormuse katseandmete põhjal ja varustatud kaheteistkümnenda järgu polünoomiga. Kümnendat järku polünoomil on Voc-i hindamisel suurim täpsus ja väikseim ruutkeskmine viga (RMSE), millel on oluline mõju SOC- ja OCV-funktsioonide täpsusele.
R0, Rp ja Cp parameetrid:Thevenini akumudel nõuab OCV-d SOC-s lähtepingena, mis saadakse impulsi testimise teel. R{{0}} on sisetakistus, mille väärtus on suurem kui teistel takistustel. Valimiperioodi probleemi tõttu on väikesi andmemuudatusi raske tabada. Seos R0 ja SOC vahel saadi teist järku polünoomikõvera sobitamise teel, keskmise R0 väärtusega 0.027735 Ω. R0, Rp ja Cp pakuvad sisendandmeid pinge ja vooluimpulsi testimiseks ning hankivad väljundparameetrite väärtusi.
Eksperimentaalne tulemus
Aku jälgitavate terviseseisundi (SOH) parameetrite analüüsimisel saavutatakse BMS-i jõudlus ja saadakse füüsilised parameetrid, nagu klemmipinge ja aku sisse-/väljavooluvool. Aku modelleerimise põhjal tuvastatakse parameetrite andmed ja neid kasutatakse aku oleku jälgimiseks ja kaitsesüsteemideks. SOH hindamismeetod hõlmab aku takistuse ja mahtuvuse muutuste mõõtmist, kasutades vastavalt Ohmi seadust ja Coulombi loendusmeetodit, ning OCV väärtuse asendamist OCV-SOC seose võrrandiga, et saada SOC ja SOH väärtused.
Viidi läbi staatilise lahenduse test ja tulemused näitasid, et CC algoritm sai SOH muutuse, korrutades voolu väärtuse ajaga, samas kui OCV algoritm sai SOH väärtuse, kasutades aku mudeli klemmi pinget või OCV väärtust. Kahe algoritmi SOH muutuste kõverad olid sarnased. Testiga saadi ka aku parameetrite tuvastamise tulemused ja aku lõdvestuskarakteristikuid saab kasutada parameetrite tuvastamiseks. Mida kiirem on katsetsükkel, seda täpsem on SOH hinnang. CC-algoritm on SOH-initsialiseerimisel parem kui OCV-algoritm, mis suudab paremini mõista aku sisetakistust ja samaaegselt hinnata aku klemmipinget Vt, SOC ja SOH, kusjuures hinnanguline viga on alla 2%.
SOH parameetrite tuvastamise veaandmetest on CC algoritmi keskmine ruutviga (MSE) {{0}}.0111, SOH lõplik väärtus 17,33%, veaprotsent 1,770% ja juur. keskmine ruutviga (RMSE) on 0,0132
Uurimistulemuste arutelu:Sisemise aku takistuse mõju CC- ja OCV-algoritmidele on sarnane ning CC-algoritm suudab sisemist takistust paremini mõista väiksemate vigadega. CC-algoritm suudab edukalt hinnata aku klemmipinget Vt, SOC ja SOH üheaegselt, kusjuures hinnanguline viga on alla 2%. Tühjendustestis on CC-algoritm SOH-initsialiseerimisel täpsem kui OCV-algoritm, hinnanguline keskmine ruutviga (MSE) on CC-algoritmi puhul 1,770% ja OCV-algoritmi puhul 3,256%. Need tulemused annavad võrdlusaluse parameetrite tuvastamiseks BMS-i hindamisel.
4. Kokkuvõte
SOH-parameetrite tuvastamisel põhinevad BMS-i jõudluse hindamise tulemused näitavad, et Coulombi loendusalgoritmi hindamistulemused on paremad, SOH-hinnangu viga on 1,770% ja SOH lõplik väärtus 17,33%. Thevenini akumudeli akude modelleerimisviga on 0,0451%. Kahe meetodi (Coulombi loendus ja avatud vooluahela pinge) SOH-hinnangu täpsuse osas on Coulombi loendus suurem täpsus. Lisaks saavad aku modelleerimisel põhinevad adaptiivsed algoritmid hinnata aku klemmipinget ja SOH-d.