Abstracto
En el campo de los vehículos eléctricos, el rendimiento de los sistemas de gestión de baterías (BMS) y la vida útil efectiva de las baterías son consideraciones clave. Para mejorar la vida útil del paquete de baterías, es necesario equilibrar periódicamente las baterías. Tradicionalmente, el equilibrio de baterías se basa principalmente en la tecnología de equilibrio pasivo, que convierte el exceso de energía en energía térmica para lograr el equilibrio entre las baterías. Sin embargo, este método no sólo causa problemas de gestión del calor, sino que también reduce la eficiencia general del paquete de baterías.
Este artículo propone una estrategia innovadora de equilibrio activo que utiliza el algoritmo de filtro de Kalman para optimizar la eficiencia de BMS, abordando eficazmente las deficiencias de la tecnología de equilibrio pasivo. El objetivo principal es construir un sistema que pueda gestionar de manera uniforme la carga y descarga de la batería, extendiendo así su vida útil. El sistema ha diseñado un circuito de equilibrio activo que utiliza el algoritmo de filtro de Kalman para estimar con precisión el estado de cada batería y calcular la corriente de carga y descarga óptima en función de él, con el fin de lograr un equilibrio eficiente entre baterías.
Antecedentes, plan y resultados de la investigación.
1. Antecedentes y motivación de la investigación
Los antecedentes del desarrollo de los vehículos eléctricos y la importancia de los sistemas de gestión de baterías: la atención mundial a la contaminación ambiental y los aumentos del precio del combustible causados por las emisiones de escape de los automóviles resalta la necesidad de implementar vehículos eléctricos. La innovación de los sistemas de gestión de baterías (BMS) ha convertido a los vehículos eléctricos en un poderoso candidato para el transporte del futuro, pero BMS todavía tiene muchas áreas de mejora para mejorar la eficiencia y la confiabilidad.
Elementos clave y desafíos del sistema de gestión de baterías.
La importancia de la estimación de SOC y SOH: estimar con precisión el estado de carga (SOC) y el estado de salud (SOH) de una batería es crucial para el funcionamiento confiable y eficiente de BMS. SOC mide la capacidad disponible de una batería en relación con su estado completamente cargado, mientras que SOH indica el grado de envejecimiento de la batería, lo que refleja la diferencia en la capacidad de almacenamiento de energía entre el estado actual completamente cargado y el estado de fabricación.
Retos y requisitos de equilibrio en el diseño de paquetes de baterías: Diseñar un paquete de baterías seguro y energéticamente eficiente es extremadamente desafiante, ya que requiere cientos de voltios de voltaje CC y cientos de kilovatios de potencia, que consisten en una gran cantidad de baterías en serie y en paralelo. Sin embargo, debido a defectos de fabricación y al envejecimiento, los parámetros de la batería no coinciden, lo que reduce la capacidad efectiva del paquete de baterías. Por lo tanto, se necesitan BMS y circuitos de equilibrio externos para utilizar plenamente la energía de cada batería. Los circuitos de equilibrio de baterías se dividen en equilibrio pasivo y activo. El equilibrio pasivo convierte la energía de la batería en energía térmica a través de resistencias en derivación para evitar la sobrecarga, mientras que el equilibrio activo utiliza convertidores CC/CC u otros métodos de transferencia de energía para transferir energía directamente entre baterías. La implementación de un circuito de equilibrio activo puede mejorar la seguridad, la durabilidad, el rendimiento de carga y descarga y la eficiencia de utilización de energía de los paquetes de baterías.
2. Proponer un plan
Arquitectura general y principio de funcionamiento: la arquitectura del esquema propuesto (consulte la Figura 1) incluye estimación de SOC (utilizando el algoritmo de filtro de Kalman extendido), controlador BMS y circuito de ecualización activa. El controlador detecta el SOC de cada batería y envía señales al circuito de equilibrio activo para transferir la carga de baterías con alto SOC a baterías con bajo SOC, equilibrando en última instancia la carga de cada batería en el paquete de baterías.
Método de estimación del COS
Proceso del algoritmo de filtro de Kalman extendido: la estimación de SOC adopta el algoritmo de filtro de Kalman extendido, que es un proceso repetitivo que considera el ruido y los errores en el instrumento y la estimación. En primer lugar, determine los diversos atributos y sus dependencias de la batería, y utilice un modelo de parámetros agrupados para diseñar el modelo de circuito equivalente de la batería.
Al analizar el circuito utilizando la Ley de voltaje de Kirchhoff (KVL), se deriva la ecuación de voltaje terminal:
Aplicando la ley de corriente de Kirchhoff (KCL) para derivar la ecuación de rama RC, basada en la relación entre el SOC de la batería y la corriente del circuito:
Establezca un modelo de espacio de estados de tiempo continuo, luego conviértalo en un modelo de espacio de estados de tiempo discreto (usando una fórmula de discretización de forma cerrada para procesar la matriz de correlación y los vectores) y, finalmente, aplique el algoritmo de filtro de Kalman para la estimación de SOC (incluidas las ecuaciones de estado y ecuaciones de medición, el ruido es un proceso gaussiano independiente de media cero, el cálculo incluye los pasos de actualización de tiempo y actualización de medición).
El principio del convertidor reductor elevador: un convertidor reductor elevador es un convertidor CC-CC y el voltaje de salida puede ser menor o mayor que el voltaje de entrada. Cuando se enciende el interruptor (MOSFET cerrado, diodo apagado), el inductor almacena energía; Cuando se apaga el interruptor (el MOSFET se apaga, el diodo se enciende), el inductor libera energía a la carga y el voltaje de salida aumenta. Su modo de trabajo se divide en dos situaciones.
Mecanismo de trabajo del circuito de equilibrio activo: en el circuito de equilibrio activo, el controlador detecta el desequilibrio de SOC entre las baterías, determina la dirección de transferencia de carga y envía señales PWM para controlar el interruptor. Si el controlador detecta que la batería superior N necesita transferir energía a la batería inferior N-1, envía una señal al interruptor S2N. Después de que el inductor almacena energía al valor máximo, el interruptor se cierra, el voltaje del inductor se invierte y el diodo D_N-1 se polariza directamente. La energía se transfiere a la batería N-1 a través del diodo y viceversa.
3. Resultados de la simulación
Validación del algoritmo de estimación de SOC: en Matlab, el SOC estimado por el algoritmo de filtro de Kalman extendido es consistente con el SOC real a lo largo del tiempo, lo que indica que el algoritmo se ha utilizado con éxito para estimar el SOC de la batería.
Evaluación de la eficacia del circuito de equilibrio activo: utilizando un modelo de simulación de Matlab de un circuito de equilibrio activo con un convertidor reductor elevador, el SOC inicial de las baterías superior e inferior se estableció en 23 % y 20 %, respectivamente. Después de la simulación, el SOC equilibrado final de las baterías superior e inferior fue del 21,39 % y 21,4 %, respectivamente, lo que estuvo cerca del SOC promedio inicial y logró con éxito el equilibrio de carga. Al cambiar parámetros como el valor de inductancia, el ciclo y el ciclo de trabajo, se descubrió que existe un equilibrio entre el tiempo de equilibrio y el SOC de equilibrio final. Por ejemplo, cuando el valor de la inductancia disminuye, el ciclo aumenta o el ciclo de trabajo cambia, el tiempo de equilibrio y el SOC final cambiarán en consecuencia. Específicamente, cuanto menor sea el valor de la inductancia, mayor será el ciclo y el ciclo de trabajo cambiará dentro de un cierto rango, más corto será el tiempo de equilibrio, pero el SOC final también se verá afectado hasta cierto punto.
| L(inductancia) en H | Tiempo necesario para equilibrarse en segundos. | SOC final (%) |
| 1 | 423 | 21.45 |
| 0.5 | 228 | 21.4 |
| 0.1 | 80 | 21.02 |
| 0.01 | 39 | 20.16 |
| 0.001 | 34 | 21.5 |
| Periodo(s) | Tiempo necesario para equilibrarse en segundos. | SOC final (%) |
| 1 | 329 | 21.44 |
| 1.5 | 228 | 21.4 |
| 2 | 187 | 21.36 |
| 2.5 | 143 | 21.34 |
| Ciclo de trabajo (%) | Tiempo necesario para equilibrarse en segundos. | SOC final(%) |
| 30 | 594 | 21.45 |
| 40 | 340 | 21.43 |
| 50 | 228 | 21.4 |
| 60 | 72 | 21.2 |
| 70 | 51 | 20.93 |
Resumen
Investigación sobre la tecnología de equilibrio activo: este artículo se centra en la tecnología de equilibrio activo del equilibrio del nivel de carga de una sola batería en paquetes de baterías. Durante la finalización del proyecto, se diseñó un circuito de equilibrio activo y se realizó una simulación del circuito para obtener los resultados esperados.
Selección de métodos de estimación de SOC: se estudiaron múltiples métodos de estimación de SOC de una sola batería y finalmente se adoptó el método de filtro de Kalman extendido debido a su precisión en la estimación de parámetros no lineales.
Verificación de la investigación: en general, el proyecto ha demostrado con éxito la eficacia del equilibrio activo para mejorar el rendimiento de la batería y reducir los riesgos de seguridad. A través de la simulación, el circuito de equilibrio activo puede alcanzar un estado de equilibrio cercano al SOC promedio para baterías con SOC inicial diferente, lo que indica que puede mejorar efectivamente el rendimiento de la batería y reducir los riesgos de seguridad que pueden ser causados por el desequilibrio de la batería.
La importancia de considerar requisitos específicos: el estudio también enfatiza la necesidad de considerar cuidadosamente los requisitos específicos de los sistemas y aplicaciones de baterías al determinar el sistema de equilibrio activo más adecuado. Diferentes sistemas de baterías (como paquetes de baterías compuestos por diferentes tipos de baterías y requisitos de uso de baterías en diferentes escenarios de aplicación) pueden tener diferentes requisitos para los sistemas de equilibrio activo, como diferentes énfasis en la velocidad de equilibrio, la precisión del equilibrio, la pérdida de energía, etc. Es necesario seleccionar el esquema de equilibrio activo más adecuado de acuerdo con la situación real para lograr un rendimiento y seguridad óptimos.