哈维尔·Gazzarri MathWorks
使用Simulink电池管理系统(BMS)模型和模拟算法金宝app®和州流®, 包含:
使用Coulomb计数,扩展卡尔曼滤波器和Unscented Kalman滤波器估计充电状态。
BMS算法通过与Simscape Electrical™开发的电池组进行验证,电池组使用可配置RC元件数量的等效电路表示。用参数估计的方法对模型与实验数据的等效电路结果进行了比较。
在接下来的几分钟里,我将解释在Simulink中建模的BMS的主要组件。金宝app我们可以使用这个模型进行桌面模拟,例如,我们可以重现不同的使用周期和环境条件,以评估系统对潜在不安全条件的响应;例如,温度、电压或电流超出了建议的极限。
假设这款电池系统是电动车辆动力系的一部分。假设电池为75%充电,外部温度为15℃。在这些条件下,我们开始驾驶一段时间,然后停止并充电电池。最后,电池静坐,平衡循环踢进去。我们如何知道在这三个典型的使用阶段,电池组仍然在推荐的电气和热限制内?如果外部的温度是40℃而不是15℃,怎么办?如果初始充电状态如何是30%?是否将侵略性的驱动周期导致欠压局面?
一个模型可以让车辆设计师在模拟中测试所有这些情况,而不会对真正的电池造成损害的风险。
这是Simulink中的BMS模型。金宝app电池和它的管理系统在这个模型中参考。
在左上角,我们定义了不同的驾驶场景,这些场景决定了左下角的子系统提供的测试序列。右上方的绿灯表示是否有故障;例如,任何细胞都达到了超温状态。
系统本身具有表示BMS ECU的模型引用,其各种监视和控制算法,其连接到具有电池组和相关电路和外围设备的表示的块。该型号包含两个版本的电池组:一个小型带有6个单元系列的小型和较大的16模块包,每个模块包含6个单元系列串。在所有情况下,我们都只有一个并行字符串。我们分别致电这些架构6S-1P和96S-1P包。
让我们从电池组及其外围设备的描述开始。
左侧的变体子系统包含前面提到的两个版本的电池组:具有6个单元的小一个,大一个,具有96个细胞。让我们看看小的一张。该电池组是在Simscape中建模的,其中组件颜色告诉我们其物理域。蓝色表示电气和橙色表示热。我们可以看到6个电池串联连接,可以彼此交换热量。热布局是不对称的,在一侧绝缘的底部的细胞数6(因此没有热量在该方向上散发),并且在暴露于外部大气的顶部处的电池1,因此通过对流去除热量。这种不对称性将负责6个细胞之间的显着温差。
是什么让这个细胞代表了现实生活中的锂离子化学;说,NiMnCo ?每个细胞内部都有一个等效电路,它的拓扑结构和参数应该会给我一个与我在实验中观察到的等效的响应。等效电路元件应包括温度、SOC和可能的老化依赖性。如果您对电池特性感兴趣,可以在我们的网站上搜索电池模型,了解如何对电池进行参数估计。
在电池组旁边有一个具有被动平衡电路的子系统。由来自BMS算法的平衡逻辑命令,当它们的相应电池需要局部放电以降低其SoC时,这些开关选择性地关闭。
保持电池单元模块的平衡允许我更好地利用其总存储容量,因为我们将在几分钟内看到。
植物模型的另一个元件是该组充电器和逆变器接触器电路。在将电池组连接到充电器之前,重要的是要通过电阻预先连接它们,以防止过高的电流冲入包装并可能损坏它。此预连接需要一个特殊的序列,我们将在描述BMS算法时显示。
最后,电池厂的最后一部分是充电器和负载,两者都简单地表示在这里由电流源命令遵循充电和驱动配置文件,从模型顶层的源块。
BMS ALGO.
现在让我们关注BMS算法。电池管理系统的这一部分监控、保护、限制和报告来自电池组的测量结果。
左侧的子系统使用各个电池电压和温度来计算最大允许充电和放电电流水平。当电池处于低SOC时,其电压低,并且重要的是防止电池提供大量电流,因为这将导致可能低于电池制造商指定的截止电压的过大电压降.将模块中的最小电池电压与该较低阈值进行比较并将其除以该单元计算的最大内部电阻值,我们计算基于电压的电流阈值。
我们还知道,当温度过高或过低时,限制电流输送或电流摄入是很重要的。使用具有上升或下降s形廓线的查找表,我们可以根据温度指定当前阈值并调制允许的电流输出。这对于避免电池材料在高温充放电和低温充电都是非常重要的,因为在冰点以下是不允许这样做的。
然后将这两个阈值彼此进行比较,最低的是电流限制。
标记为State Machine的子系统定义BMS的主要操作状态。这里使用statflow表示,这是一个用于设计状态逻辑的Simulink附加工具箱。金宝app在statflow中,我们使用代表活动或不活动状态的组件,这些状态取决于条件,我们在状态中编写的文本是在进入状态、处于状态期间或没有退出状态时执行的代码。
状态机有四种并行状态(并行意味着它们可以同时处于活动状态):
SOC估计
在我们需要停下来充电之前,我们知道我们的汽车还能行驶多久,这取决于对电池SOC的准确估计。这是非常重要的,它比传统的汽车燃油表设计更具挑战性,后者的测量是直接的。在电池系统中,我们不测量电荷状态,这是不能直接测量的;我们实际上测量的是其他东西,希望我们测量的是与SOC相关的东西。
第三子系统包含三种不同的充电质量方法。在实践中,BMS开发人员只会选择其中一个,但在这里我们展示了所有三个来说明他们的个人优点和限制。第一种方法是知道库仑计数,包括集成进入的电流并离开小区以跟踪电荷状态随时间。这种方法的好处是其简单性和非常低的计算成本。它的缺点包括电流传感器误差的累积,并且由于缺少电压测量的反馈而无法从错误的初始条件中恢复。
本文实现的第二和第三种SOC估计方法是无迹卡尔曼滤波器和扩展卡尔曼滤波器。两者都是非线性卡尔曼滤波器的变体,它们依赖单元单元的模型来预测由电流刺激产生的终端电压,通过将预测与终端电压的测量进行比较来估计内部单元状态(其中的SOC)。EKF和UKF之间的选择通常是基于系统非线性的严重程度。在这种情况下,唯一的非线性是由OCV-SOC关系给出的,它是一个温和的关系,因此预期EKF应该给出充分的结果。
卡尔曼滤波算法分为状态更新和测量更新两部分。状态更新根据先前的状态值和输入预测当前状态,而测量更新使用新获得的数据修正该预测。我们使用的电池模型是用MATLAB脚本实现的,与我们用来模拟电池组的等效电路相对应。
需要考虑的下一个任务是平衡。重要的是要使单个电池单元保持在相同的充电状态,否则具有最高SOC级别的单元将限制我们可以进入包装的充电量,使系统未充分利用。该状态逻辑计算最高和最低电池电压之间的电压差,并根据该差异是否超过设计值,激活被动平衡。BALACE命令是一个布尔矢量,指示要激活的漏洞电阻,以便小区SOC慢慢减少。用所有小区进行这一点,但是SoC最低的一个,最终使所有SOC的融合在规定的公差中。
现在让我们再看一下模拟结果。
在该驱动充电平衡序列示例中,我们首先观察各个电池电压随电流进出而变化。在模拟开始时,它们略有不同,因为我们用轻微的SOC不平衡初始化模型。在模拟结束时,由于平衡,值会聚彼此相吻合。
目前怎么样?查看收费周期。在恒流阶段,充电期间电流降低,因为与规定的4.4V限制相比,模块电池的最大电压足够高,过大的电流可能会驱动电压超过阈值,显著限制电池的寿命。由于我们是根据电池电池查找表中的最大电阻值来计算电流极限的,所以我们是保守的。一个不太保守的限流计算可以使用在估计的SOC和温度下的实际电池电池电阻,因为这个信息在所有的操作条件下都是可用的。
温度曲线在最热和最冷的单元之间显示出显著的差异。其主要原因是模组布局在热行为上的不对称。6号电池比1号电池热得多,因为它的一边是隔热的。即使在这个模拟过程中达到的最高温度并不是安全方面的直接问题,这里显示的温差最终将导致6号电池比1号电池的降解速度快得多,导致电池条件的不均匀。因此,需要主动的热管理来保持热差异在几摄氏度之内。
右上方的图表显示了同一电池单元的三个SOC估计轨迹,每个轨迹用不同的方法执行。黄色表示库仑计数,蓝色表示UKF,橙色表示EKF。在此仿真中,初始SOC为75%,但SOC估计器被初始化为80%以评估其恢复能力。很明显,CC从来没有这样做,因为它没有办法认识到它是错误的,因为没有电压信息。另一方面,两种KF算法都能在模拟时间的第一个小时内从初始误差中恢复,其中EKF优于UKF。
最后,另外两个范围指示BMS状态和六个平衡命令信号中的每一个。
总之,我们使用了Simulink, statflow,金宝app Simscape和Control System Toolboxes来设计一个使用建模和仿真的电池管理系统。
您还可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。