从系列:混合动力电动汽车
哈维尔·加扎里,MathWorks
探索电池组电热建模与仿真。在本视频中,你将学习:
你好,每个人。我的名字是Javier Gazzarri,我是MathWorks的一名应用工程师,专门从事电池系统的设计和分析,使用建模和仿真。我是一名机械工程师,本科毕业于布宜诺斯艾利斯大学,硕士和博士毕业于英属哥伦比亚大学。
在七年前加入MathWorks之前,我在加拿大的政府工作了多年,在加拿大温哥华的国家研究委员会燃料电池神经化研究所研究低温燃料电池。现代电池系统,尤其是基于锂离子化学的电池系统,需要仔细监测和控制每个电池的状态,以确保操作安全、良好的性能和可接受的耐久性。
该任务由电池管理系统负责,该系统测量每个电池的电流、电压和温度,控制电池组的冷却、平衡和电源元件,并操作断路器以启动和断电。
本视频展示了典型的电池管理系统任务示例,如平衡、热分析和SOC估计。我们将从一个简单的三年1P电池组架构模型开始,低SOC和自动平衡。我们将展示Simulink如何为电金宝app池组和平衡电路塑造物理工厂和控制器,并提供电学和热学行为方面的结果。
其次,我们将展示非线性观测器如何跟踪细胞的电荷状态。与前面示例中使用的单元格相同,在这个示例中用于创建真实植物的模型。
在之前的视频中,我们演示了如何创建电池单元等效电路,以及如何使用受控温度实验数据对其进行参数化。我们看到,每个估计过程的结果都是等效电路参数的向量。不同级别的SOC具有不同的值。
在不同温度下重复该估算过程会产生一种查找类型的矩阵,该矩阵输出元件的OCV、电阻和电容,作为电荷状态和温度的函数。以这种方式创建的电池单元块现在可以成为系统的一部分,如模型,其架构反映了我们的设计需求和规范。
我们今天要分享的第一个例子反映了BAMS的重要任务之一,细胞平衡。循环使用电池组最终会导致单个电池失去平衡。不同细胞的热量效率是导致这个问题的一个典型原因,表现为不同的SOC水平和不同的细胞。
这种情况是不可取的,因为它限制了进入或离开电池组的总能量,因为最弱的电池限制了从整个系统中可以提取的电量。最强的电池会限制系统充电的范围。
通常,平衡是通过两种方式之一完成的。使用一种欺骗的方法,通常被称为被动平衡,在这种方法中,来自顶部电池的多余电荷通过连接的电阻器排出
与每个单独的单元并行。使用一种非耗散方法,通常称为主动平衡法,其中一些电池的多余电荷在需要速率的其他电池中重新分配。
今天我们将看到一个被动平衡的例子。平衡系统的设计者决定何时进行平衡,在充电期间,在放电期间,或两者同时进行,以及在什么SOC范围内进行平衡。在这种情况下,我们将在整个SOC范围内进行充电。
让我们看看模型结构。这个Sim金宝appulink模型使用Simscape组件来表示一个具有3S 1P拓扑的小型电池组,3个单元串联,一个平行串。位于中心的电池组从左边的任何一个源接受充电。
我们将在这里展示的充电剖面称为CCCV充电,恒流,恒压。在恒流控制下,通常以C大于2的速率进行初始充电阶段。一旦跨终端测量的电压达到标称满充电OCV,系统就会以该电压值为设定值改变为电压控制值。
充电持续到电流达到预定的低阈值。从电流控制到电压控制的变化是通过我们可以在左下方看到的开关完成的。进入电池块内部,我们可以看到三个电池串联连接。在右边,我们看到平衡电路,其中包括出血电阻和晶体管选择性开关旁路支路根据电池的相对SOC。
在适当的情况下,电阻器转移部分充电电流,从而降低它们所连接的电池的充电速率,使下面的电池赶上。控制信号,在MOSFET门的指令来自右边的逻辑块,我们稍后会回来。
细胞左边的橙色块代表相邻细胞之间的对流传热。这些块被连接到每个电池的热部分,然后连接到等效电路的热部分。热的产生被认为只是双重作用的结果。
热连接是不对称的,因为在底部的细胞是热绝缘的一面,而在顶部的细胞是通过对流传热块连接到大气。进一步深入到电池块,我们看到了3 RC电路的参数,我们使用Mollica关系技术在之前的视频中解释过。
每个元件都有温度和电荷状态的输入端口。在这些输入上,是块内二维查找带孔的入口点。所述输出板的内阻与所述内阻的参与相对应。
这种能量被转换为热块内部的热流源,而热块又与热质量相连接。让我们运行这个模型,看看它是如何工作的。左上角的图显示了总电压和电流,在这里我们可以确定恒流和恒压周期。在右上角,我们是SOC水平。
一开始它们的价格很低,只有10%的不同,但随着它们的增加,它们会慢慢接近对方,直到它们的价值足够接近,充电可以不平衡地进行。左下角的图表显示了细胞的温度演化。温度积聚是不均匀的,因为流经每个电阻的电流在每个时刻都不相同,这可以从右边的范围中观察到。也因为之前描述的不对称热拓扑。
观察他们的结果,我们可以看到,尽管从安全角度来看,最高温度不值得关注,但温差很可能会导致最热的电池比温度较低的电池降解更快,从而加剧不平衡。
这表明需要进行主动热管理,以尽可能降低温差。最后,让我们探讨控制平衡过程的逻辑。Stateflow是Simulink之上的一个附加库,专门为状态逻辑算法建模而设计。金宝app
这里的每个块表示将某些变量指定给特定值的状态。在这种情况下,虽然如此,输出信号馈送MOSFET栅极。根据每个单元对应的OCV值,一个MATLAB函数为它们提供源,并根据它们的相对SOC状态流决定激活哪个MOSFET以降低该单元的充电速度。
重要的是要注意,这里OCV是很容易得到的,因为该植物是模拟的。在实际应用中,OCV应该根据终端电压测量值,通过估计的内阻上的电压降来校正。
一旦在仿真中实现了状态流逻辑,我们就可以使用C-core自动生成来在硬件中实现算法,而不需要用c重写算法。本文模拟了电池的循环充放电特性和非线性的基于卡尔曼滤波的SOC估计方法。
由于各种原因,准确估计SOC在BMW中至关重要。其中,用药范围焦虑。如果你驾驶的是电动汽车,你需要知道需要多长时间才能给电池充电。与可直接测量液位的传统车辆燃油箱不同,无法使用间接方法测量蓄电池的SOC。例如,OCV估计、库仑计数或两者的组合。
这些方法都有其缺点,有时不能有效地应用。例如,放电曲线非常平坦的电池。估计电荷状态的一种更高级的方法是使用观察者。通常是一个卡尔曼滤波器,它接收来自电池的输入和输出信号,并使用电池模型和递归算法计算内部状态。
在这个例子中,我们使用无迹卡尔曼滤波器,一种来自控制系统工具箱的非线性估计器。由于OCV和SOC之间的关系,我们需要一个非线性观测器。UKF要求至少两个函数作为参数。状态转移和测量函数。
前者描述状态和输入之间的关系,而阶梯则产生作为状态和输入函数的系统输出。这些函数可以是MATLAB或Simulink的函数块,本例中使用的金宝app是梯形。状态转移函数根据当前输入计算状态的演化。
这个计算需要先前使用温度和电流信号的等效电路参数的计算,这些信号通过非线性查找表来描述我们在之前的视频中估计的电池。在这个块有一个故障的状态更新方程为四个状态,即SOC,和三个电压跨RC组件。
测量函数以OCV和剩余等效电路元件上的单个电压降之和之间的差值来计算终端电压。在这种情况下不需要额外的功能,因为测量功能和没有内存。
运行该模型,我们观察到电池的电池受到交替充放电电流循环。SOC估计初始值为60%,但实际值为50%。经过大约两个小时的模拟时间,算法收敛到真值。
最后,让我们谈谈控制算法的硬件实现。在硬件中实现Simulink算法的一个必要步骤是生成可嵌入的C代码。我们可以自动做到这一点金宝app
从控制器块使用构建的命令。这将把框图转换成C语言,在代码中添加注释以实现双向导航。
在这个视频中,我们展示了如何创建一个电池系统模型,该模型具有电池管理系统的典型任务。细胞平衡和SOC估计。在之前的视频中创造的单元电池现在被用于不同的设计案例。Simulink中的物理建模库元素提供了一种直观的方法,以灵活的方式创建电池电路,并金宝app将工厂和控制器结合在一个单一的环境中。
在第一个例子中,一个简单的3S 1P电池组,开始时SOC很低,并且失去了平衡。金宝appSimulink、statflow和Simscape支持充电和平衡策略的设计,包括用于嵌入式实现的自动核心生成。
最后,我们展示了一个非线性卡尔曼滤波应用于单元电池的荷电状态估计。感谢您的收看。
你也可以从以下列表中选择一个网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。