Efektívna implementácia monitorovania v reálnom čase a predikcie SOC pre lítium-iónové batérie

Abstraktné

Táto štúdia sa zaoberá monitorovaním stavu nabíjania lítium-iónových batérií, čo je kľúčové pre bezpečnosť a efektívnosť riadenia energie batérie vo vstavaných aplikáciách. Presné pochopenie stavu nabitia batérií má rozhodujúci význam pre zabezpečenie ich bezpečného používania a výkonu. Výskumný tím vyvinul a implementoval algoritmus pozorovateľa založený na Kalmanovom filtri, ktorý bol nasadený na Spartan 6 FPGA. Algoritmus dokáže presne odhadnúť stav nabitia batérie, aj keď existuje odchýlka medzi počiatočnou odhadovanou hodnotou a skutočným stavom. Tento článok osobitne zdôrazňuje výhody FPGA pri rýchlych výpočtoch, čo umožňuje FPGA slúžiť ako efektívny podriadený komponent v systémoch správy batérií (BMS), monitorujúci stav nabíjania veľkého počtu batérií pri nižších nákladoch. Implementácia tohto pozorovateľa na nízkonákladové FPGA má veľký význam pre zníženie nákladov na systémy správy batérií v aplikáciách, ako sú elektrické vozidlá. Okrem toho bola účinnosť modelu pozorovateľa overená prostredníctvom prísnej simulácie a testovania v reálnom čase. Táto štúdia navrhuje účinnú metódu presného odhadu stavu nabíjania lítium-iónových batérií, ktorá poskytuje silnú podporu pre efektívne riadenie energie batérie v rôznych aplikáciách.

1. Úvod

Dôležitosť energetického manažmentu a odhadu SOC:Správa energie je kľúčová vo vstavaných aplikáciách, najmä v zariadeniach napájaných z batérie, pretože ovplyvňuje životnosť batérie a celkový výkon systému. Lítium-iónové batérie sú široko používané kvôli ich vysokej hustote energie, nízkej rýchlosti samovybíjania a dlhej životnosti. Na zaistenie bezpečnosti a účinnosti systému napájania z batérie je nevyhnutný presný odhad SOC. Nepresný odhad môže viesť k prebitiu, nadmernému vybitiu a predčasnému zlyhaniu batérie. Nelineárne a časovo sa meniace charakteristiky lítium-iónových batérií však robia odhad SOC pomerne náročným, a preto boli navrhnuté rôzne metódy odhadu vrátane prístupov založených na modeloch a prístupoch založených na údajoch.

Systém správy batérie a metóda odhadu SOC

Battery Management System (BMS) je dôležitou súčasťou batérie, ktorá monitoruje stav batérie a riadi proces nabíjania a vybíjania. Presný odhad SOC je jednou z jeho kľúčových funkcií, ktorá pomáha optimalizovať využitie batérie, predchádzať prebíjaniu a nadmernému vybíjaniu. Algoritmus musí spĺňať vysokú presnosť, odolnosť voči chybám snímača s nízkou presnosťou a nesprávnemu odhadu parametrov batérie a nízke požiadavky na výpočtový výkon. Techniky modelovania a odhadu na dosiahnutie presného odhadu SOC zahŕňajú elektrochémiu, ekvivalentné obvody a metódy založené na údajoch. Elektrochemické modely sú presné, ale výpočtovo drahé a vyžadujú špecializované znalosti, zatiaľ čo metódy založené na pozorovateľoch sú relatívne jednoduché a majú dobrú presnosť.

Metódy odhadu SOC sú rozdelené do dvoch kategórií:odhad s otvorenou a uzavretou slučkou. Metódy s otvorenou slučkou, ako je Coulombovo počítanie, sú jednoduché, ale vyžadujú počiatočné znalosti SOC, pomalú dynamiku a slabú spoľahlivosť, zatiaľ čo metódy s napätím v otvorenom obvode sú presné, ale vyžadujú, aby bola batéria dlho nečinná. Metódy s uzavretou slučkou zahŕňajú najmä prediktívne riadenie modelu (MPC) a jeho príbuzné metódy (ako je rozšírený Kalmanov filter (EKF), duálny rozšírený Kalmanov filter (DEKF), adaptívny rozšírený Kalmanov filter (AEKF), adaptívny hybridný algoritmus (AMA), State Observer, Generalized Extended State Observer (GESO), Fuzzy Logic Method a Neurónová sieť), ako aj metódy ako H-nekonečno filter, Sliding Mode Observer (SMO), metódy založené na filtri častíc (PF) a varianty Kalmanovho filtra (ako je Unscented Kalman Filter (UKF) a Sigma Point Kalman Filter (SPKF)).

Aplikácia EKF a FPGA v odhade SOC:Existujú rôzne metódy pre online odhad SOC a štátni pozorovatelia (najmä EKF) sú obľúbení vďaka svojej robustnosti. Pri správe batérie môže rekurzívny algoritmus EKF kombinovať modely batérií a namerané údaje na odhad SOC. Implementácia zložitých algoritmov s mikrokontrolérmi je však nákladná a nemusí byť vhodná pre systémy s viacerými batériami. Náklady na BMS (vrátane monitorovania a vyvažovania) môžu dosiahnuť 30 % cien batérií. Táto štúdia sa preto zameriava na rýchly výpočet algoritmu odhadu SOC pre batérie elektrických vozidiel s viacerými batériami v sérii pomocou programovateľných hradlových polí (FPGA). FPGA sa ukázali ako účinné v priemyselnej oblasti. Cieľom tejto štúdie je implementovať pozorovateľ založený na algoritme EKF na lacnom a efektívnom FPGA Spartan 6, ktorý dokáže opraviť počiatočný nepresný odhad SOC. Rýchly čas pozorovania môže dosiahnuť súčasné pozorovanie viacerých batérií s rovnakým FPGA, čím sa znížia náklady na BMS elektrických vozidiel alebo iných systémov batériových SOC, ktoré je potrebné monitorovať. Nasledujúce kapitoly príspevku predstavia model lítium-iónovej batérie, návrh pozorovateľa, implementáciu na FPGA, simuláciu v prostredí Xilinx, experimentálne výsledky, závery výskumu a budúcu postupnú prácu.

2. Pozorovateľ stavu nabíjania

Model batérie

Existujú rôzne metódy modelovania na presné znázornenie dynamického správania elektrochemických článkov. Hoci elektrochemické modely môžu pomôcť predpovedať výkon batérie a pochopiť mechanizmy starnutia, vyžadujú počiatočné a okrajové podmienky batérie a sú výpočtovo zložité a nie sú vhodné pre aplikácie v reálnom čase. Preto bol vyvinutý zjednodušený model založený na ekvivalentnom obvode (EEC), ktorý je vhodný pre neelektrochemických profesionálov a ľahko sa aplikuje v reálnom čase. Elektrochemické javy je však potrebné zvážiť na úrovni batérie, aby sa zjednodušilo rozpoznávanie modelov.

Model EEC použitý v tejto štúdii zahŕňa zdroj napätia v otvorenom obvode (OCV), rezistor R Ω predstavujúci vysokofrekvenčné javy, ako je odpor elektrolytu a spojenia, ako aj dynamický odpor prenosu náboja, a paralelný obvod R1C1 simulujúci nízkofrekvenčné difúzne javy. Na zjednodušenie výpočtov v reálnom čase sa na simuláciu difúznych javov používa jeden RC obvod s periódou vzorkovania Te=0,1 sekundy, ktorú možno ignorovať v porovnaní s periódou vzorkovania v dôsledku dynamického prenosu náboja (asi 10 ms ). Stavová rovnica modelu batérie je rozšírená na SOC, ako je znázornené vo vzorci 1:

(Kde Qnom je nominálna kapacita, V1 je napätie na obvode R1C1, SOC je stav nabitia, Ubat je napätie na svorke batérie), model batérie v diskrétnom stave je rozšírený na SOC, ako je znázornené vo vzorci 2:

Pozorovateľ SOC založený na Kalmanovom filtri

SOC sa nedá priamo merať a na vyriešenie tohto problému sa bežne používa rozšírený Kalmanov filter (EKF). Vyžaduje si to presný model batérie a schopnosť odhadnúť SOC v určitom rozsahu hluku. EKF inicializuje a predpovedá stavové premenné v špecifickom čase vzorkovania Te pomocou stavovej rovnice modelu batérie (vzorec 1), ktorá zahŕňa SOC na predikciu. Výkon pozorovateľa závisí od spoľahlivosti merania a modelu, pričom sa berie do úvahy neistota modelu wk a neistota merania napätia vk (vzorec 3):

Za predpokladu, že ide o biely šum, Gaussov šum a majú strednú hodnotu nula, sú zahrnuté v kovariančných maticiach Q a R stavu a šumu merania.

Vzhľadom na nelinearitu rozšírenia modelu batérie na SOC (keďže OCV súvisí s SOC), je potrebné ho linearizovať výpočtom Jacobiánskej matice v každom čase vzorkovania (vzorec 4):

Linearizujte a vypočítajte Kalmanov zisk (vzorec 5):

Aktualizácia kovariančnej matice (vzorec 6):

Nakoniec použite optimálnu korekciu zisku na predpovedanie stavového vektora (vzorec 7):

Parametre EKF sú zhrnuté v tabuľke nižšie.

3. Implementácia FPGA

Návrh architektúry FPGA:FPGA pozostáva zo zdrojov spracovania (ako je pamäť, logika a registre, zoskupené do rôznych typov logických blokov) a programovateľných prepojovacích zdrojov. Pri programovaní je potrebné špecifikovať funkcie logických blokov a organizovať prepojovaciu sieť. Táto štúdia sa zameriava na architektúru maticových programovateľných obvodov, ktorých logické bloky majú pravidelnú pravouhlú štruktúru a sú napojené na smerovaciu sieť (pozostávajúcu z horizontálnych a vertikálnych kanálov) prostredníctvom programovateľných prepojovacích bodov. FPGA sa skladá z vopred navrhnutých základných batérií a prepojení a používatelia môžu programovať a zostavovať špecifické hardvérové ​​architektúry, ktoré spĺňajú požiadavky aplikácií. Vykazuje vysokú priepustnosť a nízku latenciu spracovania v priemyselnej oblasti a jeho flexibilita môže zvýšiť výkon, znížiť náklady a mať škálovateľnosť. Použitie FPGA pre konfigurovateľné paralelné výpočty znižuje čas vykonávania algoritmu, ale programovanie vyžaduje optimalizáciu fyzikálnych vlastností, vrátane výkonu algoritmu v čase/oblasti a výber bitov dátového formátu pri zachovaní základnej presnosti pozorovateľa.

Vybavenie a softvér:Cieľom tejto štúdie je implementovať rozšírený Kalmanov filter (EKF) na odhad stavu nabitia (SOC) batérie v systéme v reálnom čase pomocou hardvérovej platformy dSPACE MicroAutoBox II (MABXII), ktorá je spoľahlivá a robustná pre návrh prototypu. a testovanie v automobilovom priemysle. Jeho vstavaný Xilinx Spartan{1}} FPGA (XC6SLX150) má vysoký výkon a nízku spotrebu energie (kľúčové špecifikácie sú uvedené v tabuľke 2), vďaka čomu je vhodný pre túto aplikáciu. Pozorovateľ SOC je implementovaný na tomto FPGA a testuje SOC jednotlivých batérií v batérii pozostávajúcej z 5 sériovo zapojených lítium-iónových batérií (parametre súpravy batérií: celkové menovité napätie 18V, menovité napätie jednej batérie 3,6V, celková kapacita 2,5 Ah, s použitím lítium-iónovej batérie Samsung 25R 18650, kladná elektróda je zmes chemikálií NCA a NMC, záporná elektróda je grafit, parametre modelu batérie sú identifikované konštantou súčasná technológia prerušovanej titrácie GITT, ako je znázornené na obrázku 4). Za predpokladu teploty batérie 25 stupňov C a konštantných parametrov je algoritmus EKF vyvinutý s použitím blokov Simulink (ako je znázornené na obrázku 5) a optimalizovaný pre výkon a využitie zdrojov prostredníctvom potrubia, multiplexovania/skladania s časovým delením a prispôsobenej presnosti.

Technológia multiplexovania s časovým delením:Skúmaná batéria obsahuje 5 sériovo zapojených lítium-iónových batérií a existujú dva spôsoby odhadu SOC každej batérie. Jedným z nich je vyvinúť dizajn s piatimi modelmi batérií, ale kvôli vysokým požiadavkám na zdroje nie je vhodný pre aplikácie v reálnom čase a vyžaduje drahšie a na zdroje bohaté FPGA. Druhá metóda je založená na časovom multiplexovaní (pozri obrázok 6), s každým časom vzorkovania Te '=0.02 sekundy. Potom, čo sú prúd batérie a napätie batérie digitalizované doskou MicroAutoBox DSP ADC, stavový automat odošle údaje do FPGA, aby vykonal algoritmus EKF. Po dokončení algoritmu sa odhadnutá a opravená SOC, chybová kovariančná matica a difúzne napätie pošlú späť do DSP. Následné úsilie sa zameria na overenie pozorovateľa prostredníctvom simulácie, čo je kľúčové pre zabezpečenie presnosti a efektivity pozorovateľa pred nasadením na FPGA.

4. Xilinxova verifikácia pozorovateľov

Proces overenia:Algoritmus je overený pomocou knižnice systémového generátora špeciálne navrhnutej pre programovanie FPGA. Táto knižnica umožňuje programovanie FPGA pomocou blokov Simulink a spracovanie údajov sa môže vykonávať v režime s pohyblivou rádovou čiarkou alebo s pevnou rádovou čiarkou. Čím vyššia je presnosť, tým väčšie sú požiadavky na zdroje FPGA. Na vyváženie presnosti výsledkov a využitia zdrojov si táto štúdia zvolila reprezentáciu so znamienkom v režime s pevnou desatinnou čiarkou, konkrétne formát Fix32_16 (15 bitov pre celé číslo, 16 bitov pre desatinnú časť a 1 bit pre znamienko) . Hlavnou výhodou použitia tejto knižnice Xilinx je jej jednoduchá implementácia na FPGA, bez potreby zložitého programovania vo VHDL.

Hodnotenie výkonu a výsledky

Výkon pozorovateľa na základe EKF sa hodnotí prostredníctvom prúdovej krivky 1C vybíjacieho prúdu (2,5A). Skutočná hodnota SOC je inicializovaná na 100 % a počiatočná odhadovaná hodnota SOC SOC-0 je nastavená na 0 % (SOC-0 je nastaviteľný parameter, ktorý môže dosiahnuť široký rozsah odhadovaná inicializácia SOC). Referenčná hodnota SOC sa získa z coulombovho merača inicializovaného so správnym počiatočným SOC a nominálnou kapacitou. Na overenie umiestnite navrhnutý odhadovač pod krivku vybíjacieho prúdu s krokom 1C.

Výsledky ukazujú, že hoci sa počiatočná odhadovaná hodnota líši od skutočnej počiatočnej hodnoty SOC, odhadovaná SOC sa stále zbližuje so skutočným SOC batérie, čo naznačuje, že pozorovateľ EKF môže opraviť zlý odhad SOC a dosiahnuť, aby sa odhadovaná SOC zblížila so skutočným hodnotu. Reprezentácia s pevnou bodkou použitá v implementácii však obmedzuje počet použitých bitov, čo vedie k chybám odhadu a chyby sa môžu hromadiť počas aktuálneho integračného procesu pri predpovedaní stavových premenných, čo vedie k veľkému rozsahu chýb medzi odhadovanými a skutočnými hodnotami. . Pokiaľ je však absolútna chyba menšia ako 5 %, filter sa považuje za účinný a dokáže presne odhadnúť stavové premenné.

5. Výsledky implementácie FPGA v reálnom čase

Overenie v reálnom čase (pomocou vopred zaznamenaných údajov):Pred skutočným testovaním batérie simulujte testovanie pomocou vopred zaznamenaných údajov o prúde/napätí batérie. Výsledky testov ukazujú, že pozorovateľ má dobrý výkon v reálnom čase. Prúdová krivka sa vybije s krokom prúdu 1C (2,5A) a SOC sa inicializuje na 0%. Referenčnú hodnotu SOC získa správne inicializovaný coulomb meter. V porovnaní s výsledkami simulácie Xilinx je výkon pozorovateľa v oboch prípadoch podobný a Kalmanov filter implementovaný na FPGA úspešne znižuje chybu medzi nameraným napätím a odhadovaným napätím, vďaka čomu sa odhadovaný SOC zbližuje na presnú hodnotu, ktorá nemôže byť priamo merané.

Pozorovateľ experimentálneho overovania

Testovanie jednej batérie:Po overení v reálnom čase pomocou vopred zaznamenaných údajov sa ďalšie testovanie vykoná počas skutočného vybitia batérie. Pomocou testovacej platformy znázornenej na obrázku spustite pozorovateľa pri vybíjaní batérie, aby ste vyhodnotili presnosť odhadu SOC. Generovaním cyklov prúdových impulzov ako nastavenej hodnoty pre programovateľné aktívne záťaže na vybitie batérie experimentálne výsledky ukazujú, že na začiatku aktuálneho cyklu môže filter korigovať počiatočnú hodnotu SOC 0 %. S poklesom napätia klesá aj SOC a systém to dokáže automaticky korigovať. V procese odhadu však dochádza k osciláciám, najmä v dôsledku šumu merania snímača, čo si vyžaduje hladší filter.

Testovanie batérie:Keďže výskumná batéria pozostáva z 5 sériovo zapojených batérií, je potrebné vyvinúť odhad na testovanie celej batérie. Začlenením technológie multiplexovania s časovým delením do modelu Kalmanovho filtra sa generuje aktuálny pulzný cyklus s periódou 3200 s a amplitúdou -2,5A ako programovateľná hodnota nastavenia aktívnej záťaže pre batériu vypúšťanie. Výsledky ukazujú, že pozorovateľ dokáže presne odhadnúť napätie a SOC každej batérie v celom batériovom bloku. Na základe piatich kriviek je možné určiť SOC a napätie každej batérie, čo má významné výhody v porovnaní s predchádzajúcimi štúdiami, ktoré len odhadujú celkové napätie a SOC batérie. Pozorovateľ SOC má čas vykonania 2,5 µs a typickú periódu vzorkovania 0,1 s. Čip Spartan 6 má dostatok času na vykonanie viacerých odhadov SOC a pozorovanie iných stavov (napríklad vnútornej teploty) v rámci jednej periódy vzorkovania. Implementácia FPGA nespotrebovala významné množstvo zdrojov a napriek zložitosti programu neboli dostupné zdroje FPGA plne využité.

6. Zhrnutie

V oblasti vstavaných aplikácií je energetický manažment kľúčový pre optimalizáciu spotreby energie a predĺženie životnosti batérie. To si vyžaduje, aby sme mohli presne sledovať stav nabitia batérie. Táto štúdia sa zameriava na vývoj stavu pozorovateľa na odhadnutie napätia a stavu nabíjania každej batérie v lítium-iónovej batérii. Pozorovateľ používa Kalmanov filtračný algoritmus vhodný pre lítium-iónové batérie a má schopnosť opraviť stav nabíjania, keď počiatočná odhadovaná hodnota nie je v súlade so skutočným stavom nabíjania. Implementácia tohto zložitého algoritmu na nízkonákladovom FPGA Spartan 6 (cena pod 20 eur) sa ukázala ako vysoko efektívna, schopná monitorovať viacero batérií súčasne, čím sa znižujú náklady na systémy správy batérií.

Experimentálne výsledky ukazujú, že pozorovateľ môže presne odhadnúť napätie a stav nabíjania každej batérie, čo preukazuje významné výhody v porovnaní s predchádzajúcimi štúdiami, ktoré mohli len odhadnúť napätie a stav nabíjania celej batérie. Nízka doba vykonávania a spotreba zdrojov z pozorovateľa robia z neho výkonný nástroj na monitorovanie a kontrolu lítium-iónových batérií v reálnom čase, vhodný pre rôzne aplikačné scenáre. Aj keď sa počas procesu implementácie vyskytli problémy, ako je dátový šum, tieto problémy možno efektívne riešiť prijatím vhodných techník filtrovania, aby sa zabezpečila presnosť výsledkov. Celkovo táto štúdia prispela významnou hodnotou do oblasti systémov správy batérií a otvorila nové cesty pre budúci výskum.