从系列:混合动力电动汽车
哈维尔Gazzarri,MathWorks公司
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。
这个任务是可信任的,其测量电流,电压和每个电池的温度和控制该冷却,平衡和功率的组的元素的电池管理系统,以及操作用于启动和关闭电源断开断路器。
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。
在先前的视频中,我们显示了如何创建一个电池单元的等效电路,以及如何使用控制温度的实验数据进行参数化它。我们看到,每个估计过程的结果是等效电路的参数的向量。随着对不同层次的SOC的不同的值。
重复该估计过程在不同温度下产生矩阵的查找类型输出所述OCV,电阻和元件作为电荷和温度的状态的函数的电容。以这种方式创建的电池单元块,现在可以像它的建筑体现了我们的设计需求和规格的模型系统的一部分。
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。
通常情况下,平衡是通过两种方式来完成。使用欺骗性方法,通常被称为被动平衡,其中来自在顶部单元格中的过量电荷通过连接的电阻放血
与每个单独的小区平行。并使用尼姑消散方法,通常被称为主动平衡,其中来自某些细胞中过量电荷需要速率其他小区之间重新分配。
今天,我们将看到被动平衡的一个例子。平衡系统的设计者决定时平衡,充电时,放电过程中,或两者,和在什么SOC幅度做平衡。在这种情况下,我们将负责在整个SOC范围内做到这一点。
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,虽然最高温度不从安全角度考虑的关注,很可能是在温度的差异将导致最火的比一个在较低温度下更快速地降低,加剧了不平衡。
这表明,需要积极的热管理,以保持温差尽可能低。最后,让我们来探讨逻辑控制的平衡过程。状态流是Simulink的顶部上库的加载,专门设计的模型状态逻辑的算法。金宝app
这里的每个块表示其间的一些变量被分配到特定的值的状态。在这种情况下,虽然这样的输出信号供给MOSFET栅极。基于对应于各个小区,MATLAB函数源和它们基于它们的相对SOC状态流的OCV值的决定哪个MOSFET激活减缓该单元的充电。
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。
SOC的准确估计是在宝马各种原因至关重要。其中,药物里程焦虑。如果你驾驶的电动车,你需要知道它需要多长时间为你必须得充电电池。不同于传统的车辆燃料箱,可直接测量其电平,电池的SOC不能被使用间接方法测定。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,让我们来谈谈硬件实现的控制算法。一个必需的步骤,以在硬件中实现一个Simulink的算法是产生金宝app一个可嵌入的C代码。我们可以这样做自动
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:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。