Aktív akkumulátor-kiegyensúlyozás: A hatékony akkumulátor-kezelő rendszer fő mozgatórugójának elemzése

Absztrakt

Az elektromos járművek területén az akkumulátorkezelő rendszerek (BMS) teljesítménye és az akkumulátorok effektív élettartama kulcsfontosságú szempont. Az akkumulátor élettartamának növelése érdekében rendszeresen ki kell egyensúlyozni az akkumulátorokat. Hagyományosan az akkumulátor kiegyensúlyozása főként passzív kiegyensúlyozási technológián alapul, amely a felesleges energiát hőenergiává alakítja az akkumulátorok közötti egyensúly megteremtése érdekében. Ez a módszer azonban nemcsak hőkezelési problémákat okoz, hanem csökkenti az akkumulátorcsomag általános hatékonyságát is.

Ez a cikk egy innovatív aktív kiegyensúlyozási stratégiát javasol, amely a Kalman-szűrő algoritmust használja a BMS hatékonyságának optimalizálására, hatékonyan orvosolva a passzív kiegyensúlyozási technológia hiányosságait. A fő cél egy olyan rendszer kiépítése, amely egységesen tudja kezelni az akkumulátor töltését és kisütését, ezáltal meghosszabbítva az akkumulátor élettartamát. A rendszer kialakított egy aktív kiegyenlítő áramkört, amely a Kalman-szűrő algoritmus segítségével pontosan megbecsüli az egyes akkumulátorok állapotát, és ez alapján kiszámítja az optimális töltő- és kisütési áramot, az akkumulátorok közötti hatékony egyensúly érdekében.

Kutatási háttér, terv és eredmények

1. Kutatási háttér és motiváció

Az elektromos járművek fejlesztési háttere és az akkumulátor menedzsment rendszerek jelentősége: A környezetszennyezésre és a gépjárművek kipufogógáz-kibocsátása miatti üzemanyagár-emelkedésre irányuló globális figyelem rávilágít az elektromos járművek alkalmazásának szükségességére. A Battery Management Systems (BMS) innovációja az elektromos járműveket a jövő közlekedési eszközeinek erős jelöltjévé tette, de a BMS-ben még számos fejlesztési terület van a hatékonyság és a megbízhatóság növelése érdekében.

Az akkumulátor menedzsment rendszer kulcselemei és kihívásai

Az SOC és SOH becslés jelentősége: Az akkumulátor töltöttségi állapotának (SOC) és egészségi állapotának (SOH) pontos becslése döntő fontosságú a BMS megbízható és hatékony működéséhez. A SOC az akkumulátor rendelkezésre álló kapacitását a teljesen feltöltött állapotához viszonyítva méri, míg az SOH az akkumulátor elöregedésének mértékét jelzi, tükrözve az energiatárolási kapacitás különbségét az aktuális teljesen feltöltött állapot és a gyártási állapot között.

Kihívások és kiegyensúlyozási követelmények az akkumulátorcsomag tervezésében: A biztonságos és energiahatékony akkumulátorcsomag megtervezése rendkívül nagy kihívás, mivel több száz voltos egyenfeszültséget és több száz kilowatt teljesítményt igényel, amely nagyszámú soros és párhuzamos akkumulátorból áll. A gyártási hibák és az öregedés miatt azonban az akkumulátor paraméterei nem egyeznek, ami csökkenti az akkumulátorcsomag effektív kapacitását. Ezért BMS-re és külső kiegyensúlyozó áramkörökre van szükség az egyes akkumulátorok energiájának teljes kihasználásához. Az akkumulátor kiegyensúlyozó áramkörei passzív és aktív kiegyensúlyozóra vannak osztva. A passzív kiegyenlítés az akkumulátor energiáját hőenergiává alakítja át söntellenállásokon keresztül, hogy megakadályozza a túltöltést, míg az aktív kiegyenlítés DC/DC átalakítókat vagy más energiaátviteli módszereket használ az energia közvetlen átvitelére az akkumulátorok között. Az aktív kiegyenlítő áramkör megvalósítása javíthatja az akkumulátorcsomagok biztonságát, tartósságát, töltési és kisütési teljesítményét, valamint energiafelhasználási hatékonyságát.

2. Javaslatot tenni egy tervre

Általános architektúra és működési elv: A javasolt séma architektúra (lásd az 1. ábrát) tartalmazza az SOC becslést (kibővített Kalman szűrő algoritmus használatával), a BMS vezérlőt és az aktív kiegyenlítő áramkört. A vezérlő érzékeli az egyes akkumulátorok SOC-értékét, és jeleket küld az aktív kiegyenlítő áramkörnek, hogy a töltést a magas SOC-elemekről az alacsony SOC-akkumulátorokra vigye át, végül kiegyensúlyozza az akkumulátorcsomagban lévő egyes akkumulátorok töltöttségét.

SOC becslési módszer

Kibővített Kálmán-szűrő algoritmus-folyamat: Az SOC-becslés az Extended Kalman-szűrő algoritmust alkalmazza, amely egy ismétlődő folyamat, amely figyelembe veszi a zajt és a hibákat a műszerben és a becslésben. Először is, határozza meg az akkumulátor különféle attribútumait és azok függőségeit, és egy összevont paraméter-modellt használjon az akkumulátor egyenértékű áramköri modelljének megtervezéséhez.

Az áramkört a Kirchhoff-féle feszültségtörvény (KVL) segítségével elemezve a kapocsfeszültség-egyenlet származtatható:

A Kirchhoff-féle jelenlegi törvény (KCL) alkalmazása az RC elágazás egyenletének levezetésére, az akkumulátor SOC és az áramköri áram közötti kapcsolat alapján:

Hozzon létre egy folytonos idő-állapottér-modellt, majd alakítsa át diszkrét idejű állapottér-modellre (a korrelációs mátrix és a vektorok feldolgozásához zárt formájú diszkretizációs képletet használjon), végül alkalmazza a Kálmán-szűrő algoritmusát az SOC becslésére (beleértve az állapotegyenleteket, ill. mérési egyenletek, a zaj független nulla átlag Gauss-folyamat, a számítás időfrissítési és mérésfrissítési lépéseket tartalmaz).

A buck boost konverter elve: A buck boost konverter egy DC-DC konverter, és a kimeneti feszültség lehet alacsonyabb vagy magasabb, mint a bemeneti feszültség. A kapcsoló bekapcsolásakor (MOSFET zárva, dióda kikapcsolva) az induktor energiát tárol; Amikor a kapcsoló ki van kapcsolva (MOSFET ki van kapcsolva, dióda be van kapcsolva), az induktor energiát ad le a terhelésnek, és a kimeneti feszültség nő. Működési módja két helyzetre oszlik.

Az aktív kiegyenlítő áramkör működési mechanizmusa: Az aktív kiegyenlítő áramkörben a vezérlő érzékeli az akkumulátorok közötti SOC egyensúlyhiányt, meghatározza a töltés átvitelének irányát, és PWM jeleket küld a kapcsoló vezérlésére. Ha a vezérlő észleli, hogy a felső N akkumulátornak energiát kell átadnia az alsó N akkumulátornak-1, akkor jelet küld az S2N kapcsolónak. Miután az induktor a maximális értékre tárolja az energiát, a kapcsoló zárva van, az induktor feszültsége megfordul, és a D_N-1 dióda előre feszített. Az energia a diódán keresztül kerül az N-1 akkumulátorba, és fordítva.

3. Szimulációs eredmények

SOC becslési algoritmus érvényesítése: A Matlabban a kiterjesztett Kalman-szűrő algoritmus által becsült SOC összhangban van a tényleges SOC időbeli görbével, jelezve, hogy az algoritmust sikeresen alkalmazták az akkumulátor SOC becslésére.

Az aktív kiegyenlítő áramkör hatékonyságának értékelése: Egy buck boost konverterrel rendelkező aktív kiegyenlítő áramkör Matlab szimulációs modelljét használva a felső és alsó akkumulátorok kezdeti SOC-ját 23%-ra, illetve 20%-ra állítottuk. A szimuláció után a felső és az alsó akkumulátor végső kiegyensúlyozott SOC értéke 21,39%, illetve 21,4% volt, ami közel volt a kezdeti átlagos SOC-hoz, és sikeresen elérte a töltéskiegyenlítést. Az olyan paraméterek megváltoztatásával, mint az induktivitás érték, a ciklus és a munkaciklus, azt találták, hogy kompromisszum van a kiegyenlítési idő és a végső kiegyensúlyozó SOC között. Például amikor az induktivitás értéke csökken, a ciklus növekszik vagy a munkaciklus megváltozik, a kiegyenlítési idő és a végső SOC ennek megfelelően változik. Pontosabban, minél kisebb az induktivitás értéke, minél nagyobb a ciklus, és a munkaciklus egy bizonyos tartományon belül változik, annál rövidebb a kiegyenlítési idő, de a végső SOC is bizonyos mértékig hatással lesz.

Összegzés

Kutatás az aktív kiegyensúlyozó technológiáról: Ez a cikk az akkumulátorcsomagok egy akkumulátor töltöttségi szintjének egyensúlyának aktív kiegyensúlyozási technológiájára összpontosít. A projekt befejezése során egy aktív kiegyenlítő áramkört terveztek, és áramköri szimulációt végeztek a várt eredmények elérése érdekében.

SOC becslési módszerek kiválasztása: Több egyelemes SOC becslési módszert tanulmányoztam, és végül a kiterjesztett Kálmán-szűrő módszert alkalmazták a nemlineáris paraméterek becslésének pontossága miatt.

Kutatási ellenőrzés: Összességében a projekt sikeresen bizonyította az aktív kiegyensúlyozás hatékonyságát az akkumulátor teljesítményének javításában és a biztonsági kockázatok csökkentésében. A szimuláció révén az aktív kiegyenlítő áramkör az átlagos SOC-hoz közeli egyensúlyi állapotot érhet el a különböző kezdeti SOC-jú akkumulátorok esetében, jelezve, hogy hatékonyan javíthatja az akkumulátor teljesítményét és csökkentheti az akkumulátor kiegyensúlyozatlansága által okozott biztonsági kockázatokat.

A konkrét követelmények figyelembevételének fontossága: A tanulmány azt is hangsúlyozza, hogy a legmegfelelőbb aktív kiegyenlítő rendszer meghatározásakor alaposan mérlegelni kell az akkumulátorrendszerek és alkalmazások speciális követelményeit. A különböző akkumulátorrendszerek (például a különböző típusú akkumulátorokból álló akkumulátorcsomagok és az akkumulátorhasználati követelmények a különböző alkalmazási forgatókönyvekben) eltérő követelményeket támasztanak az aktív kiegyensúlyozó rendszerekkel szemben, például eltérő hangsúlyt helyezhetnek a kiegyenlítési sebességre, a kiegyenlítési pontosságra, az energiaveszteségre stb. a legmegfelelőbb aktív kiegyensúlyozási sémát az aktuális helyzetnek megfelelően kell kiválasztani az optimális teljesítmény és biztonság elérése érdekében.