Ефективне впровадження моніторингу в режимі реального часу та прогнозування SOC для літій-іонних акумуляторів

Анотація

Це дослідження присвячене моніторингу стану зарядки літій-іонних акумуляторів, що має вирішальне значення для безпеки та ефективності керування енергією акумулятора у вбудованих програмах. Точне розуміння стану зарядки акумуляторів має вирішальне значення для забезпечення їх безпечного використання та продуктивності. Дослідницька група розробила та впровадила алгоритм спостерігача на основі фільтра Калмана, який був розгорнутий на Spartan 6 FPGA. Алгоритм може точно оцінити стан заряду акумулятора, навіть якщо є відхилення між початковим розрахунковим значенням і фактичним станом. У цій статті особливо наголошується на перевагах FPGA у швидких обчисленнях, що дозволяє FPGA служити ефективним підлеглим компонентом у системах керування батареями (BMS), відстежуючи стан заряду великої кількості батарей за менших витрат. Впровадження цього спостерігача на недорогій FPGA має велике значення для зниження вартості систем керування батареями в таких додатках, як електромобілі. Крім того, модель спостерігача була перевірена на ефективність шляхом ретельного моделювання та тестування в реальному часі. У цьому дослідженні пропонується ефективний метод для точної оцінки стану зарядки літій-іонних акумуляторів, що забезпечує надійну підтримку ефективного управління енергією акумулятора в різних додатках.

1. Вступ

Важливість енергоменеджменту та оцінки SOC:Управління енергоспоживанням має вирішальне значення у вбудованих програмах, особливо в пристроях з живленням від батареї, оскільки воно впливає на час роботи акумулятора та загальну продуктивність системи. Літій-іонні батареї широко використовуються через їх високу щільність енергії, низьку швидкість саморозряду та тривалий термін служби. Для забезпечення безпеки та ефективності системи електроживлення від батареї важлива точна оцінка SOC. Неточна оцінка може призвести до перезаряджання, надмірного розряджання та передчасного виходу з ладу акумулятора. Однак нелінійні та змінні в часі характеристики літій-іонних батарей роблять оцінку SOC досить складною, тому були запропоновані різні методи оцінки, включаючи підходи на основі моделі та на основі даних.

Система керування батареєю та метод оцінки SOC

Система керування батареєю (BMS) є важливим компонентом акумуляторної батареї, яка контролює стан батареї та контролює процес заряджання та розряджання. Точна оцінка SOC є однією з його ключових функцій, яка допомагає оптимізувати використання батареї, запобігати перезарядженню та надмірному розрядженню. Алгоритм має задовольняти високу точність, стійкість до помилок датчика низької точності та неправильної оцінки параметрів батареї, а також низькі вимоги до обчислювальної потужності. Методи моделювання та оцінки для досягнення точної оцінки SOC включають електрохімію, еквівалентні схеми та методи, керовані даними. Електрохімічні моделі є точними, але обчислювально дорогими та вимагають спеціальних знань, у той час як методи, засновані на спостерігачі, відносно прості та мають високу точність.

Методи оцінки SOC діляться на дві категорії:оцінювання за відкритим і замкнутим циклом. Методи відкритого циклу, такі як підрахунок Кулона, прості, але вимагають початкових знань SOC, повільної динаміки та низької надійності, тоді як методи напруги відкритого контуру є точними, але вимагають, щоб акумулятор залишався бездіяльним протягом тривалого часу. Методи замкнутого циклу в основному включають модель прогнозного керування (MPC) і пов’язані з ним методи (такі як розширений фільтр Калмана (EKF), подвійний розширений фільтр Калмана (DEKF), адаптивний розширений фільтр Калмана (AEKF), адаптивний гібридний алгоритм (AMA), State Observer, Generalized Extended State Observer (GESO), Fuzzy Logic Method і Neural Network), а також такі методи, як H-infinity filter, Sliding Mode Observer (SMO), Particle Filter (PF) і методи на основі фільтра Kalman (такі як Unscented Kalman Filter (UKF) і Sigma Point Kalman Filter (SPKF)).

Застосування EKF і FPGA в оцінці SOC:Існують різні методи онлайн-оцінки SOC, і державні спостерігачі (особливо EKF) популярні завдяки своїй надійності. В управлінні батареєю рекурсивний алгоритм EKF може поєднувати моделі батареї та дані вимірювань для оцінки SOC. Однак реалізація складних алгоритмів за допомогою мікроконтролерів коштує дорого і може бути непридатною для багатобатарейних систем. Витрати на BMS (включно з моніторингом і балансуванням) можуть сягати 30% вартості акумуляторних батарей. Таким чином, це дослідження зосереджено на швидкому розрахунку алгоритму оцінки SOC для акумуляторів електромобілів із кількома батареями в серії з використанням програмованих вентильних матриць (FPGA). Ефективність ПЛІС доведена в промисловості. Метою цього дослідження є впровадження спостерігача на основі алгоритму EKF на недорогій та ефективній FPGA Spartan 6, який може виправити початкову неточну оцінку SOC. Швидкий час спостереження може забезпечити одночасне спостереження за кількома батареями за допомогою однієї FPGA, зменшуючи вартість BMS для електромобілів або інших систем SOC акумуляторів, які потребують моніторингу. У наступних розділах статті буде представлено модель літій-іонної батареї, дизайн спостерігача, реалізацію на FPGA, моделювання в середовищі Xilinx, експериментальні результати, висновки дослідження та подальшу послідовність роботи.

2. Стан спостерігача зарядки

Модель батареї

Існують різні методи моделювання для точного представлення динамічної поведінки електрохімічних елементів. Хоча електрохімічні моделі можуть допомогти передбачити продуктивність батареї та зрозуміти механізми старіння, вони вимагають початкових і граничних умов батареї, є обчислювально складними та непридатними для додатків у реальному часі. Тож була розроблена спрощена модель на основі еквівалентної схеми (EEC), яка підходить для спеціалістів, які не є електрохіміками, і її легко застосовувати в режимі реального часу. Однак електрохімічні явища необхідно враховувати на рівні батареї, щоб спростити розпізнавання моделі.

Модель EEC, яка використовується в цьому дослідженні, включає джерело напруги відкритого ланцюга (OCV), резистор R Ω, ​​що представляє високочастотні явища, такі як опір електроліту та з’єднання, а також динамічний опір передачі заряду, і паралельний ланцюг R1C1, що імітує низьку частоту. явища дифузії. Щоб спростити обчислення в режимі реального часу, для моделювання явища дифузії використовується одна RC-схема з періодом дискретизації Te=0.1 секунди, який можна ігнорувати порівняно з періодом дискретизації через динамічну передачу заряду (приблизно 10 мс). ). Рівняння стану моделі батареї поширюється на SOC, як показано у формулі 1:

(Де Qnom — номінальна ємність, V1 — напруга на ланцюзі R1C1, SOC — стан заряду, Ubat — напруга на клемах батареї), модель батареї з дискретним станом розширюється до SOC, як показано у формулі 2:

Спостерігач SOC на основі фільтра Калмана

SOC не можна безпосередньо виміряти, і для вирішення цієї проблеми зазвичай використовується розширений фільтр Калмана (EKF). Це вимагає точної моделі батареї та здатності оцінювати SOC у певному діапазоні шуму. EKF ініціалізує та прогнозує змінні стану в певний час вибірки Te, використовуючи рівняння стану моделі акумулятора (Формула 1), яке включає SOC для прогнозування. Продуктивність спостерігача залежить від достовірності вимірювання та моделі, враховуючи невизначеність моделі wk і похибку вимірювання напруги vk (Формула 3):

Якщо припустити, що це білий шум, гаусівський шум і середнє значення дорівнює нулю, вони включені в коваріаційні матриці Q і R шуму стану та вимірювання відповідно.

Через нелінійність розширення моделі батареї до SOC (оскільки OCV пов’язаний із SOC), необхідно лінеаризувати її шляхом обчислення матриці Якобіа за кожен час вибірки (Формула 4):

Лінеаризуйте та обчисліть підсилення Калмана (Формула 5):

Оновити коваріаційну матрицю (Формула 6):

Нарешті, використовуйте оптимальну корекцію посилення для прогнозування вектора стану (Формула 7):

Параметри EKF підсумовані в таблиці нижче.

3. Реалізація FPGA

Дизайн архітектури FPGA:FPGA складається з ресурсів обробки (таких як пам'ять, логіка та регістри, згрупованих у різні типи логічних блоків) і програмованих ресурсів з'єднання. При програмуванні необхідно вказати функції логічних блоків і організувати мережу з'єднання. Це дослідження зосереджено на архітектурі матричної програмованої схеми, логічні блоки якої мають регулярну прямокутну структуру та підключені до мережі маршрутизації (що складається з горизонтальних і вертикальних каналів) через програмовані точки з’єднання. FPGA складається із попередньо розроблених базових батарей і з’єднань, і користувачі можуть програмувати та створювати конкретні апаратні архітектури, які відповідають вимогам додатків. Він демонструє високу пропускну здатність і низьку затримку обробки в промислових умовах, а його гнучкість може підвищити продуктивність, зменшити витрати та мати масштабованість. Використання FPGA для конфігурованих паралельних обчислень скорочує час виконання алгоритму, але програмування вимагає оптимізації фізичних властивостей, включаючи продуктивність алгоритму в часі/області та вибір біта формату даних, зберігаючи базову точність спостерігача.

Обладнання та програмне забезпечення:Це дослідження спрямоване на реалізацію розширеного фільтра Калмана (EKF) для оцінки стану заряду (SOC) акумуляторної батареї в системі реального часу з використанням апаратної платформи dSPACE MicroAutoBox II (MABXII), яка є надійною та надійною для розробки прототипу. і тестування в автомобільній промисловості. Його вбудована FPGA Xilinx Spartan-6 (XC6SLX150) має високу продуктивність і низьке енергоспоживання (основні характеристики наведено в таблиці 2), що робить його придатним для цієї програми. Спостерігач SOC реалізовано на цій ПЛІС і перевіряє SOC окремих батарей в акумуляторній батареї, що складається з 5 послідовно з’єднаних літій-іонних батарей (параметри батарейного блоку: загальна номінальна напруга 18 В, номінальна напруга однієї батареї 3,6 В, загальна ємність 2,5 А·год, використовує літій-іонний акумулятор Samsung 25R 18650, позитивний електрод — суміш NCA і Хімікати NMC, негативний електрод — графіт, параметри моделі батареї визначаються за технологією періодичного титрування постійного струму GITT, як показано на малюнку 4). Припускаючи температуру батареї 25 градусів C і постійні параметри, алгоритм EKF розроблено з використанням блоків Simulink (як показано на малюнку 5) і оптимізовано для продуктивності та використання ресурсів через конвеєр, мультиплексування/згортання з розділенням часу та індивідуальну точність.

Технологія тимчасового мультиплексування:Акумуляторна батарея, що досліджується, містить 5 послідовно з’єднаних літій-іонних батарей, і існує два методи оцінки SOC кожної батареї. Одна з них полягає в розробці конструкції з п’ятьма моделями батарей, але через високі вимоги до ресурсів вона не підходить для додатків у режимі реального часу та потребує дорожчої та багатої ресурсами FPGA. Другий метод заснований на мультиплексуванні з часовим поділом (див. рисунок 6), з кожним часом вибірки Te '=0.02 секунди. Після того, як струм акумуляторної батареї та напруга батареї оцифровані АЦП плати MicroAutoBox DSP, кінцевий автомат надсилає дані на FPGA для виконання алгоритму EKF. Після завершення алгоритму оцінений і виправлений SOC, матриця коваріації помилок і напруга дифузії надсилаються назад до DSP. Подальші зусилля будуть зосереджені на перевірці спостерігача за допомогою моделювання, що має вирішальне значення для забезпечення точності та ефективності спостерігача перед розгортанням на FPGA.

4. Перевірка Xilinx спостерігачів

Процес перевірки:Алгоритм перевірено за допомогою бібліотеки системного генератора, спеціально розробленої для програмування FPGA. Ця бібліотека дозволяє програмувати FPGA за допомогою блоків Simulink, а обробку даних можна виконувати в режимі з плаваючою або фіксованою комою. Чим вища точність, тим більші вимоги до ресурсів FPGA. Щоб збалансувати точність результатів і використання ресурсів, у цьому дослідженні було обрано представлення зі знаком у режимі фіксованої коми, зокрема у форматі Fix32_16 (15 біт для цілої частини, 16 біт для десяткової частини та 1 біт для знака) . Основною перевагою використання цієї бібліотеки Xilinx є простота її реалізації на FPGA без необхідності складного програмування VHDL.

Оцінка діяльності та результати

Продуктивність спостерігача на основі EKF оцінюється за допомогою кривої струму розряду 1C (2,5A). Фактичний SOC ініціалізується на 100%, а початкове оцінене значення SOC SOC-0 встановлюється на 0% (SOC-0 є регульованим параметром, який може досягти широкого діапазону передбачувана ініціалізація SOC). Еталонне значення SOC отримується з кулонметра, ініціалізованого правильним початковим SOC і номінальною ємністю. Для перевірки розташуйте розроблений оцінювач під кривою струму ступінчастого розряду 1C.

Результати показують, що, незважаючи на те, що початкове розрахункове значення відрізняється від фактичного початкового значення SOC, розрахункове SOC все одно збігається з фактичним SOC батареї, вказуючи на те, що спостерігач EKF може виправити погану оцінку SOC і змусити розрахунковий SOC збігатися з фактичним значення. Однак представлення з фіксованою точкою, яке використовується в реалізації, обмежує кількість використовуваних бітів, що призводить до помилок оцінки, і помилки можуть накопичуватися під час поточного процесу інтеграції під час прогнозування змінних стану, що призводить до великого діапазону помилок між оціненими та фактичними значеннями . Однак, поки абсолютна похибка становить менше 5%, фільтр вважається ефективним і може точно оцінити змінні стану.

5. Результати впровадження FPGA реального часу

Перевірка в реальному часі (з використанням попередньо записаних даних):Перед фактичним тестуванням акумулятора змоделюйте тестування, використовуючи попередньо записані дані струму/напруги акумулятора. Результати тесту показують, що спостерігач має хорошу продуктивність у реальному часі. Крива струму розряджається з кроком струму 1C (2,5A), а SOC ініціалізується на 0%. Еталонне значення SOC отримується за допомогою правильно ініціалізованого кулонметра. Порівняно з результатами моделювання Xilinx, продуктивність спостерігача подібна в обох випадках, а фільтр Калмана, реалізований на FPGA, успішно зменшує похибку між виміряною напругою та оціненою напругою, змушуючи оцінене SOC збігатися до точного значення, яке не може вимірювати безпосередньо.

Спостерігач за експериментальною перевіркою

Тестування однієї батареї:Після перевірки в режимі реального часу з використанням попередньо записаних даних подальше тестування проводиться під час фактичного розряду акумулятора. Використовуючи тестову платформу, показану на малюнку, запустіть спостерігач під час розряджання батареї, щоб оцінити точність оцінки SOC. Генеруючи цикли імпульсів струму як задане значення для програмованих активних навантажень для розряджання батареї, експериментальні результати показують, що на початку поточного циклу фільтр може коригувати початковий SOC 0%. Коли напруга зменшується, SOC також зменшується, і система може автоматично це виправити. Однак у процесі оцінки є коливання, головним чином через шум вимірювання датчика, що вимагає більш плавного фільтра.

Тестування акумуляторної батареї:Оскільки дослідницька батарея складається з 5 послідовно з’єднаних батарей, необхідно розробити оцінювач для тестування всієї батареї. Використовуючи технологію мультиплексування з часовим розподілом у модель фільтра Калмана, цикл імпульсу струму з періодом 3200 с і амплітудою -2.5A генерується як програмоване значення параметра активного навантаження для акумулятора розрядка. Результати показують, що спостерігач може точно оцінити напругу та SOC кожної батареї в усьому акумуляторному блоку. На основі п’яти кривих можна визначити SOC і напругу кожної батареї, що має значні переваги порівняно з попередніми дослідженнями, які оцінюють лише загальну напругу та SOC акумуляторної батареї. Спостерігач SOC має час виконання 2,5 мкс і типовий період вибірки 0,1 с. Мікросхема Spartan 6 має достатньо часу для виконання кількох оцінок SOC і спостереження за іншими станами (наприклад, внутрішньою температурою) протягом одного періоду вибірки. Реалізація FPGA не споживала значної кількості ресурсів, і, незважаючи на складність програми, наявні ресурси FPGA не були використані повністю.

6. Підведення підсумків

У сфері вбудованих програм керування енергоспоживанням має вирішальне значення для оптимізації енергоспоживання та продовження терміну служби акумулятора. Це вимагає від нас можливості точного моніторингу стану зарядки батареї. Це дослідження зосереджено на розробці спостерігача стану для оцінки напруги та стану зарядки кожної батареї в літій-іонному акумуляторі. Спостерігач використовує алгоритм фільтрації Калмана, який підходить для літій-іонних акумуляторів, і має можливість виправити стан заряду, якщо початкове оцінене значення не відповідає фактичному стану заряду. Реалізація цього складного алгоритму на недорогій FPGA Spartan 6 (ціною менше 20 євро) виявилася високоефективною, здатною контролювати роботу кількох батарей одночасно, тим самим зменшуючи вартість систем керування батареями.

Результати експерименту демонструють, що спостерігач може точно оцінити напругу та стан заряду кожної батареї, демонструючи значні переваги порівняно з попередніми дослідженнями, які могли оцінити лише напругу та стан заряду всієї батареї. Низький час виконання та споживання ресурсів спостерігача роблять його потужним інструментом для моніторингу та керування літій-іонними акумуляторами в реальному часі, придатним для різних сценаріїв застосування. Незважаючи на те, що під час впровадження виникли такі проблеми, як шум у даних, ці проблеми можна ефективно вирішити, застосувавши відповідні методи фільтрації для забезпечення точності результатів. Загалом це дослідження внесло значну цінність у сферу систем керування акумуляторами та відкрило нові шляхи для майбутніх досліджень.