Lityum İyon Pil Paketleri İçin Gerçek Zamanlı İzleme ve SOC Tahmininin Verimli Bir Şekilde Uygulanması

Soyut

Bu çalışma, gömülü uygulamalarda pil enerji yönetiminin güvenliği ve verimliliği açısından çok önemli olan lityum iyon pillerin şarj durumunun izlenmesini ele almaktadır. Pillerin şarj durumunun doğru anlaşılması, pillerin güvenli kullanımı ve performansı açısından belirleyici önem taşıyor. Araştırma ekibi, Spartan 6 FPGA üzerinde konuşlandırılan Kalman filtresini temel alan bir gözlemci algoritması geliştirdi ve uyguladı. Algoritma, başlangıçtaki tahmini değer ile gerçek durum arasında bir sapma olsa bile pilin şarj durumunu doğru bir şekilde tahmin edebilir. Bu makale özellikle hızlı hesaplamada FPGA'nın avantajlarını vurgulamaktadır; bu, FPGA'nın pil yönetim sistemlerinde (BMS) verimli bir yardımcı bileşen olarak hizmet etmesini ve çok sayıda pilin şarj durumunu daha düşük bir maliyetle izlemesini sağlar. Bu gözlemcinin düşük maliyetli FPGA üzerinde uygulanması, elektrikli araçlar gibi uygulamalarda pil yönetim sistemlerinin maliyetinin düşürülmesi açısından büyük önem taşıyor. Ayrıca gözlemci modelinin etkinliği, sıkı simülasyon ve gerçek zamanlı testler yoluyla doğrulanmıştır. Bu çalışma, lityum iyon pillerin şarj durumunu doğru bir şekilde tahmin etmek için etkili bir yöntem önermekte ve çeşitli uygulamalarda pil enerjisinin etkili yönetimi için güçlü bir destek sağlamaktadır.

1. Giriş

Enerji yönetimi ve SOC tahmininin önemi:Enerji yönetimi, pil ömrünü ve genel sistem performansını etkilediği için gömülü uygulamalarda, özellikle de pille çalışan cihazlarda çok önemlidir. Lityum iyon piller, yüksek enerji yoğunluğu, düşük kendi kendine deşarj oranı ve uzun çevrim ömrü nedeniyle yaygın olarak kullanılmaktadır. Pil güç kaynağı sisteminin güvenliğini ve verimliliğini sağlamak için SOC'nin doğru tahmini önemlidir. Yanlış tahmin, pilin aşırı şarjına, aşırı deşarjına ve erken arızasına yol açabilir. Bununla birlikte, lityum iyon pillerin doğrusal olmayan ve zamanla değişen özellikleri SOC tahminini oldukça zorlaştırmaktadır, bu nedenle model tabanlı ve veriye dayalı yaklaşımlar da dahil olmak üzere çeşitli tahmin yöntemleri önerilmiştir.

Akü Yönetim Sistemi ve SOC Tahmin Yöntemi

Akü Yönetim Sistemi (BMS), akü durumunu izleyen ve şarj ve deşarj sürecini kontrol eden akü paketinin önemli bir bileşenidir. Doğru SOC tahmini, pil kullanımını optimize etmeye, aşırı şarjı ve aşırı deşarjı önlemeye yardımcı olan temel işlevlerinden biridir. Algoritmanın yüksek hassasiyeti, sağlamlığı ve düşük hassasiyetli sensör hatalarını, pil parametresi yanlış tahminini ve düşük hesaplama gücü gereksinimlerini karşılaması gerekir. Doğru SOC tahminine ulaşmak için kullanılan modelleme ve tahmin teknikleri arasında elektrokimya, eşdeğer devreler ve veriye dayalı yöntemler bulunur. Elektrokimyasal modeller doğrudur ancak hesaplama açısından pahalıdır ve uzmanlık bilgisi gerektirir; gözlemciye dayalı yöntemler ise nispeten basittir ve iyi bir doğruluğa sahiptir.

SOC tahmin yöntemleri iki kategoriye ayrılır:açık döngü ve kapalı döngü tahmini. Coulomb sayımı gibi açık döngü yöntemleri basittir ancak başlangıçta SOC bilgisi, yavaş dinamikler ve düşük güvenilirlik gerektirir; açık devre voltajı yöntemleri ise doğrudur ancak pilin uzun süre boşta bırakılmasını gerektirir. Kapalı döngü yöntemleri temel olarak Model Tahminli Kontrol (MPC) ve bununla ilgili yöntemleri (Genişletilmiş Kalman Filtresi (EKF), Çift Genişletilmiş Kalman Filtresi (DEKF), Uyarlanabilir Genişletilmiş Kalman Filtresi (AEKF), Uyarlanabilir Hibrit Algoritma (AMA), Durum Gözlemcisi, Genelleştirilmiş Genişletilmiş Durum Gözlemcisi (GESO), Bulanık Mantık Yöntemi ve Sinir Ağı) yanı sıra H-sonsuzluk filtresi, Kayan Mod Gözlemcisi gibi yöntemler (SMO), Parçacık Filtresi (PF) bazlı yöntemler ve Kalman Filtresinin çeşitleri (Kokusuz Kalman Filtresi (UKF) ve Sigma Noktası Kalman Filtresi (SPKF) gibi).

EKF ve FPGA'nin SOC tahmininde uygulanması:Çevrimiçi SOC tahmini için çeşitli yöntemler vardır ve durum gözlemcileri (özellikle EKF) sağlamlıkları nedeniyle popülerdir. Pil yönetiminde EKF özyinelemeli algoritması, SOC'yi tahmin etmek için pil modellerini ve ölçüm verilerini birleştirebilir. Ancak mikrodenetleyicilerle karmaşık algoritmaların uygulanması maliyetlidir ve çoklu pil sistemleri için uygun olmayabilir. BMS maliyetleri (izleme ve dengeleme dahil) akü paketi fiyatlarının %30'una ulaşabilir. Bu nedenle, bu çalışma, sahada programlanabilir kapı dizileri (FPGA'ler) kullanılarak seri halinde birden fazla aküye sahip elektrikli araç aküleri için SOC tahmin algoritmasının hızlı hesaplanmasına odaklanmaktadır. FPGA'lerin endüstriyel alanda etkili olduğu kanıtlanmıştır. Bu çalışmanın amacı, başlangıçtaki hatalı SOC tahminini düzeltebilecek, düşük maliyetli ve verimli bir Spartan 6 FPGA üzerinde EKF algoritmasına dayalı bir gözlemci uygulamaktır. Hızlı gözlem süresi, aynı FPGA ile birden fazla pilin eşzamanlı olarak gözlemlenmesini sağlayarak, izlenmesi gereken elektrikli araçların veya diğer pil SOC sistemlerinin BMS maliyetini azaltır. Makalenin sonraki bölümlerinde sırasıyla lityum iyon pil modeli, gözlemci tasarımı, FPGA uygulaması, Xilinx ortamında simülasyon, deneysel sonuçlar, araştırma sonuçları ve gelecekteki çalışmalar tanıtılacaktır.

2. Şarj durumu gözlemcisi

Pil Modeli

Elektrokimyasal hücrelerin dinamik davranışını doğru bir şekilde temsil etmek için çeşitli modelleme yöntemleri vardır. Elektrokimyasal modeller pil performansını tahmin etmeye ve yaşlanma mekanizmalarını anlamaya yardımcı olsa da pilin başlangıç ​​ve sınır koşullarını gerektirir, hesaplama açısından karmaşıktır ve gerçek zamanlı uygulamalar için uygun değildir. Bu nedenle, elektrokimya alanında uzman olmayanlar için uygun ve gerçek zamanlı olarak uygulanması kolay, eşdeğer devreyi (EEC) temel alan basitleştirilmiş bir model geliştirildi. Ancak model tanımayı kolaylaştırmak için elektrokimyasal olayların pil seviyesinde dikkate alınması gerekir.

Bu çalışmada kullanılan EEC modeli, bir açık devre voltaj kaynağı (OCV), elektrolit ve bağlantı direnci gibi yüksek frekans olaylarını temsil eden bir R Ω direncinin yanı sıra yük aktarımı dinamik direncini ve düşük frekansı simüle eden bir paralel devre R1C1'i içerir. difüzyon fenomeni. Gerçek zamanlı hesaplamaları basitleştirmek için, Te=0.1 saniyelik bir örnekleme periyoduyla difüzyon olayını simüle etmek için tek bir RC devresi kullanılır; bu, dinamik yük aktarımı nedeniyle (yaklaşık 10 ms) örnekleme periyoduyla karşılaştırıldığında göz ardı edilebilir. ). Pil modeli durum denklemi, formül 1'de gösterildiği gibi SOC'ye genişletilir:

(Qnom nominal kapasiteyi, V1 R1C1 devresindeki voltajı, SOC şarj durumunu, Ubat akü terminal voltajıdır), ayrık durumlu akü modeli formül 2'de gösterildiği gibi SOC'ye genişletilir:

Kalman filtresine dayalı SOC gözlemcisi

SOC doğrudan ölçülemez ve bu sorunu çözmek için Genişletilmiş Kalman Filtresi (EKF) yaygın olarak kullanılır. Doğru bir pil modeli ve belirli bir gürültü aralığında SOC'yi tahmin etme yeteneği gerektirir. EKF, tahmin için SOC içeren bir batarya modeli durum denklemini (Formül 1) kullanarak belirli bir Te örnekleme zamanında durum değişkenlerini başlatır ve tahmin eder. Gözlemci performansı, model belirsizliği wk ve gerilim ölçüm belirsizliği vk dikkate alınarak ölçüm ve modele olan güvene bağlıdır (Formül 3):

Bunların beyaz gürültü, Gauss gürültüsü olduğu ve ortalamalarının sıfır olduğu varsayıldığında, sırasıyla durum ve ölçüm gürültüsünün Q ve R kovaryans matrislerine dahil edilirler.

Pil modelini SOC'ye genişletmenin doğrusal olmaması nedeniyle (OCV, SOC ile ilişkili olduğundan), her örnekleme zamanında Jacobian matrisini hesaplayarak onu doğrusallaştırmak gerekir (Formül 4):

Kalman kazancını doğrusallaştırın ve hesaplayın (Formül 5):

Kovaryans matrisini güncelleyin (Formül 6):

Son olarak durum vektörünü tahmin etmek için en uygun kazanç düzeltmesini kullanın (Formül 7):

EKF parametreleri aşağıdaki tabloda özetlenmiştir.

3. FPGA uygulaması

FPGA mimari tasarımı:FPGA, işleme kaynaklarından (farklı mantık blokları halinde gruplandırılmış bellek, mantık ve kayıtlar gibi) ve programlanabilir ara bağlantı kaynaklarından oluşur. Programlarken mantık bloklarının işlevlerini belirlemek ve ara bağlantı ağını düzenlemek gerekir. Bu çalışma, mantık blokları düzenli dikdörtgen yapıda olan ve programlanabilir ara bağlantı noktaları aracılığıyla (yatay ve dikey kanallardan oluşan) bir yönlendirme ağına bağlanan matris programlanabilir devre mimarisine odaklanmaktadır. FPGA, önceden tasarlanmış temel pillerden ve ara bağlantılardan oluşur ve kullanıcılar, uygulama gereksinimlerini karşılayan özel donanım mimarilerini programlayabilir ve oluşturabilir. Endüstriyel alanda yüksek verim ve düşük gecikmeli işleme yetenekleri sergiler ve esnekliği performansı artırabilir, maliyetleri azaltabilir ve ölçeklenebilirliğe sahip olabilir. Yapılandırılabilir paralel hesaplama için FPGA kullanımı, algoritma yürütme süresini azaltır, ancak programlama, gözlemcinin temel doğruluğunu korurken, algoritma zaman/alan performansı ve veri formatı bit seçimi dahil olmak üzere fiziksel özelliklerin optimizasyonunu gerektirir.

Ekipman ve Yazılım:Bu çalışma, prototip tasarımı için güvenilir ve sağlam olan dSPACE'in MicroAutoBox II (MABXII) donanım platformunu kullanarak gerçek zamanlı bir sistemde bir pil takımının Şarj Durumunu (SOC) tahmin etmek için Genişletilmiş Kalman Filtresi (EKF) uygulamayı amaçlamaktadır. ve otomotiv endüstrisinde testler. Yerleşik Xilinx Spartan-6 FPGA'si (XC6SLX150), yüksek performansa ve düşük güç tüketimine sahiptir (ana özellikler Tablo 2'de gösterilmektedir), bu da onu bu uygulama için uygun kılmaktadır. SOC gözlemcisi bu FPGA üzerinde uygulanır ve 5 seri bağlantılı lityum iyon pilden oluşan bir pil paketindeki ayrı pillerin SOC'sini test eder (pil paketi parametreleri: 18V'luk toplam nominal voltaj, 3,6V'luk tek pilin nominal voltajı, genel kapasite) 2,5Ah, Samsung 25R 18650 lityum iyon pil kullanılarak, pozitif elektrot NCA ve NMC kimyasallarının bir karışımıdır, negatif elektrot grafittir, pil modeli parametreleri sabit akımla tanımlanır aralıklı titrasyon teknolojisi GITT, Şekil 4'te gösterildiği gibi). 25 derece C pil sıcaklığı ve sabit parametreler varsayılarak EKF algoritması, Simulink blokları (Şekil 5'te gösterildiği gibi) kullanılarak geliştirildi ve boru hattı, zaman bölmeli çoğullama/katlama ve özelleştirilmiş hassasiyet yoluyla performans ve kaynak kullanımı için optimize edildi.

Zaman bölmeli çoğullama teknolojisi:İncelenmekte olan pil paketi 5 seri bağlantılı lityum iyon pil içerir ve her pilin SOC'sini tahmin etmek için iki yöntem vardır. Bunlardan biri, beş pil modeliyle bir tasarım geliştirmektir ancak kaynak gereksinimlerinin yüksek olması nedeniyle gerçek zamanlı uygulamalara uygun değildir ve daha pahalı ve kaynak bakımından zengin FPGA gerektirir. İkinci yöntem, her örnekleme süresi Te '=0.02 saniye olan zaman bölmeli çoğullamaya (bkz. Şekil 6) dayanmaktadır. Akü paketi akımı ve akü voltajı MicroAutoBox DSP kartı ADC tarafından sayısallaştırıldıktan sonra durum makinesi, EKF algoritmasını yürütmek için verileri FPGA'ya gönderir. Algoritma tamamlandıktan sonra tahmin edilen ve düzeltilen SOC, hata kovaryans matrisi ve difüzyon voltajı DSP'ye geri gönderilir. Sonraki çabalar, FPGA'ya konuşlandırılmadan önce gözlemcinin doğruluğunu ve etkinliğini sağlamak için çok önemli olan simülasyon yoluyla gözlemcinin doğrulanmasına odaklanacaktır.

4. Xilinx'in gözlemcileri doğrulaması

Doğrulama süreci:Algoritma, FPGA programlama için özel olarak tasarlanmış bir sistem oluşturucu kitaplığı kullanılarak doğrulanır. Bu kütüphane, Simulink bloklarını kullanarak FPGA programlamaya izin verir ve veri işleme, kayan nokta veya sabit nokta modunda yapılabilir. Doğruluk ne kadar yüksek olursa, FPGA kaynak gereksinimleri de o kadar büyük olur. Sonuçların doğruluğunu ve kaynak kullanımını dengelemek için bu çalışma, sabit nokta modunda işaretli bir temsili, özellikle de Fix32_16 biçimini (tam sayı kısmı için 15 bit, ondalık kısım için 16 bit ve işaret için 1 bit) seçmiştir. . Bu Xilinx kütüphanesini kullanmanın temel avantajı, karmaşık VHDL programlamaya ihtiyaç duymadan FPGA üzerinde uygulanmasının kolaylığıdır.

Performans değerlendirmesi ve sonuçları

Gözlemcinin EKF'ye dayalı performansı, 1C deşarj akımının (2,5A) akım eğrisi aracılığıyla değerlendirilir. Gerçek SOC, %100 olarak başlatılır ve başlangıçtaki tahmini SOC değeri SOC-0, %0'a ayarlanır (SOC-0, geniş bir aralıkta değerler elde edebilen ayarlanabilir bir parametredir) tahmini SOC başlatma). SOC referans değeri, doğru başlangıç ​​SOC'si ve nominal kapasiteyle başlatılan bir coulomb ölçüm cihazından elde edilir. Doğrulama için tasarlanan tahminciyi 1C akım adımlı deşarj akımı eğrisinin altına yerleştirin.

Sonuçlar, başlangıçtaki tahmini değerin gerçek SOC başlangıç ​​değerinden farklı olmasına rağmen, tahmini SOC'nin hala pilin gerçek SOC'sine yakınsadığını göstermektedir; bu da EKF gözlemcisinin zayıf SOC tahminini düzeltebileceğini ve tahmini SOC'yi gerçek değere yakınsamasını sağlayabileceğini göstermektedir. değer. Bununla birlikte, uygulamada kullanılan sabit nokta gösterimi, kullanılan bit sayısını sınırlayarak tahmin hatalarına yol açar ve mevcut entegrasyon süreci sırasında durum değişkenlerini tahmin ederken hatalar birikebilir, bu da tahmini ve gerçek değerler arasında geniş bir hata aralığına neden olur. . Ancak mutlak hata %5'ten az olduğu sürece filtrenin etkili olduğu kabul edilir ve durum değişkenlerini doğru bir şekilde tahmin edebilir.

5. Gerçek zamanlı FPGA uygulama sonuçları

Gerçek zamanlı doğrulama (önceden kaydedilmiş verileri kullanarak):Gerçek pil testinden önce, pilin önceden kaydedilmiş akım/voltaj verilerini kullanarak testi simüle edin. Test sonuçları, gözlemcinin iyi bir gerçek zamanlı performansa sahip olduğunu göstermektedir. Akım eğrisi 1C'lik bir akım adımıyla (2,5A) boşaltılır ve SOC, %0'ye başlatılır. SOC referans değeri, doğru şekilde başlatılan bir Coulomb ölçer ile elde edilir. Xilinx'in simülasyon sonuçlarıyla karşılaştırıldığında, gözlemcinin performansı her iki durumda da benzerdir ve FPGA üzerinde uygulanan Kalman filtresi, ölçülen voltaj ile tahmin edilen voltaj arasındaki hatayı başarılı bir şekilde azaltarak tahmini SOC'nin, mümkün olmayan doğru bir değere yakınsamasını sağlar. doğrudan ölçülecektir.

Deneysel doğrulama gözlemcisi

Tek akü testi:Önceden kaydedilmiş veriler kullanılarak gerçek zamanlı doğrulamanın ardından, pilin fiili deşarjı sırasında daha ileri testler gerçekleştirilir. Şekilde gösterilen test platformunu kullanarak, SOC tahmininin doğruluğunu değerlendirmek için pili boşaltırken gözlemciyi çalıştırın. Pili boşaltmak için programlanabilir aktif yüklerin ayar değeri olarak akım darbe döngüleri oluşturarak, deneysel sonuçlar, mevcut döngünün başlangıcında filtrenin %0'lik başlangıç ​​SOC'sini düzeltebildiğini göstermektedir. Gerilim azaldıkça SOC de azalır ve sistem bunu otomatik olarak düzeltebilir. Ancak tahmin sürecinde esas olarak sensör ölçüm gürültüsünden dolayı daha düzgün bir filtre gerektiren salınımlar vardır.

Pil paketi testi:Araştırma bataryası 5 seri bağlı bataryadan oluştuğundan batarya paketinin tamamının test edilebilmesi için bir tahmincinin geliştirilmesi gerekmektedir. Zaman bölmeli çoğullama teknolojisini Kalman filtre modeline dahil ederek, pil için programlanabilir aktif yük ayar değeri olarak 3200 saniyelik bir periyoda ve -2.5A genliğe sahip bir akım darbe döngüsü oluşturulur. deşarj. Sonuçlar, gözlemcinin tüm pil paketindeki her bir pilin voltajını ve SOC'sini doğru bir şekilde tahmin edebildiğini gösteriyor. Beş eğriye dayanarak, her bir pilin SOC'si ve voltajı belirlenebilir; bu, yalnızca pil paketinin genel voltajını ve SOC'sini tahmin eden önceki çalışmalara kıyasla önemli avantajlara sahiptir. SOC gözlemcisinin yürütme süresi 2,5 µs ve tipik örnekleme periyodu 0,1 sn'dir. Spartan 6 çipi, birden fazla SOC tahmini gerçekleştirmek ve bir örnekleme periyodu içerisinde diğer durumları (iç sıcaklık gibi) gözlemlemek için yeterli zamana sahiptir. FPGA uygulaması önemli miktarda kaynak tüketmemiş ve programın karmaşıklığına rağmen mevcut FPGA kaynaklarından tam olarak yararlanılamamıştır.

6. Özet

Gömülü uygulamalar alanında, enerji tüketimini optimize etmek ve pil ömrünü uzatmak için enerji yönetimi çok önemlidir. Bu, pilin şarj durumunu doğru bir şekilde izleyebilmemizi gerektirir. Bu çalışma, bir lityum iyon pil paketindeki her bir pilin voltajını ve şarj durumunu tahmin etmek için bir durum gözlemcisi geliştirmeye odaklanmaktadır. Gözlemci, lityum iyon pillere uygun Kalman filtreleme algoritmasını benimser ve başlangıçtaki tahmini değer gerçek şarj durumuyla tutarsız olduğunda şarj durumunu düzeltme yeteneğine sahiptir. Bu karmaşık algoritmanın düşük maliyetli bir Spartan 6 FPGA (fiyatı 20 Euro'nun altında) üzerinde uygulanmasının yüksek verimli olduğu, aynı anda birden fazla pili izleyebildiği ve böylece pil yönetim sistemlerinin maliyetini düşürdüğü kanıtlanmıştır.

Deneysel sonuçlar, gözlemcinin her bir pilin voltajını ve şarj durumunu doğru bir şekilde tahmin edebildiğini ve yalnızca tüm pil takımının voltajını ve şarj durumunu tahmin edebilen önceki çalışmalara kıyasla önemli avantajlar sağladığını göstermektedir. Gözlemcinin düşük yürütme süresi ve kaynak tüketimi, onu çeşitli uygulama senaryolarına uygun, lityum iyon pil paketlerinin gerçek zamanlı izlenmesi ve kontrolü için güçlü bir araç haline getirir. Uygulama sürecinde veri gürültüsü gibi zorluklarla karşılaşılsa da, sonuçların doğruluğunu sağlamak için uygun filtreleme teknikleri benimsenerek bu sorunlar etkili bir şekilde çözülebilir. Genel olarak bu çalışma, pil yönetim sistemleri alanına önemli bir değer kattı ve gelecekteki araştırmalar için yeni yollar açtı.