Dynamische Methode zur Schätzung des Batterie-SOC?

ଲେଖକ: ଆଇଫ୍ଲୋପାୱାର - Furnizuesi portativ i stacionit të energjisë elektrike

Seit der Entwicklung der Batterietechnologie gibt es bereits viele verschiedene Methoden zur Schätzung des SOC. Es gibt nur traditionelle Methoden zur Stromintegration, Methoden zum Messen des Innenwiderstands einer Batterie, Entladetestmethoden, Methoden zur Leerlaufspannung, Lastspannungen und innovativere Methoden zum Kalman-Filtern. Fuzzy-Logik-Theorie und neuronale Netzwerke usw.

Es handelt sich derzeit um eine der gebräuchlichsten Methoden zur SOC-Schätzung im Bereich der Batteriemanagementsysteme. Im Wesentlichen geht es darum, den SOC der Batterie durch Ansammeln oder Entladen von Elektrizität zu schätzen. Gleichzeitig abhängig von der Entladerate und der Batterietemperatur. Eine gewisse Entschädigung für den geschätzten SOC.

Wenn die Batterie als SOCT0 definiert ist, wenn sich die Batterie im anfänglichen Lade- und Entladezustand befindet, dann ist die verbleibende Batteriekapazität SOC nach T: q, Q ist die Nennkapazität der Batterie und N ist die Lade- und Entladeeffizienz, auch Coulomb-Effizienz genannt, ihr Wert wird durch die Lade- und Entladerate der Batterie bestimmt, I ist der Strom von T. Die aktuelle integrierte Methode ist im Vergleich zu anderen SOC-Schätzmethoden relativ einfach und zuverlässig und der SOC-Wert der Batterie kann dynamisch geschätzt werden, sodass sie weit verbreitet ist. Allerdings weist diese Methode auch zwei Einschränkungen auf: Erstens erfordert die Stromintegralmethode vorab einen anfänglichen SOC-Wert der Batterie und erfasst den in die Batterie hinein- oder aus ihr herausfließenden Strom genau, um den Schätzfehler so gering wie möglich zu halten; zweitens basiert diese Methode nur auf den externen Merkmalen der Batterie und die Selbstentladungsrate der Batterie, der Alterungsgrad und das Lade- und Entladeverhältnis des Batterie-SOC werden bis zu einem gewissen Grad ignoriert.

Eine langfristige Verwendung kann außerdem zu einer Vergrößerung des Messfehlers führen, sodass die Einführung entsprechender Korrekturkoeffizienten zur Korrektur von Akkumulationsfehlern erforderlich ist. (2) Entladetestmethode Die Entladetestmethode besteht darin, die Batterie mit einem kontinuierlichen Konstantstrom zu entladen, bis die Abschaltspannung erreicht ist. Die für diesen Entladevorgang benötigte Zeit wird mit der Größe des Entladestroms multipliziert, das heißt mit der verbleibenden Kapazität der Batterie. Diese Methode wird im Allgemeinen als Kalibrierungsmethode für den Batterie-SOC oder bei der späteren Wartung der Batterie verwendet. Sie ist relativ einfach, zuverlässig und das Ergebnis ist relativ genau, ohne dass der Batterie-SOC-Wert bekannt ist.

Alles effektiv. Allerdings weist die Entladetestmethode zwei Mängel auf: Erstens ist der Testvorgang bei dieser Methode sehr zeitaufwändig. Zweitens muss bei dieser Methode die Zielbatterie aus dem Elektrofahrzeug ausgebaut werden, sodass die Methode nicht zur Berechnung der Leistung der Batterie im Betriebszustand verwendet werden kann. (3) Die Leerlaufspannungsmethode basiert auf der Änderungsbeziehung zwischen der Öffnungsspannung der Batterie und der OCVOTAGE (OCV) sowie der internen Lithiumionenkonzentration der Batterie und passt indirekt die entsprechende Beziehung zwischen dieser und dem Batterie-SOC an.

Bei der tatsächlichen Durchführung des Betriebs muss die Batterie nach dem Füllen mit einem festen Entladeverhältnis (im Allgemeinen 1c) entladen werden, bis die Entladung gestoppt wird und die Beziehung zwischen OCV und SOC entsprechend dem Entladevorgang ermittelt wird. Wenn sich die Batterie in einem tatsächlichen Betriebszustand befindet, kann der aktuelle Batterie-SOC ermittelt werden, indem die OCV-SoC-Beziehungstabelle entsprechend dem Spannungswert an beiden Enden der Batterie ermittelt wird. Obwohl die Methode für verschiedene Batterien effektiv ist, weist sie auch Nachteile auf: Erstens muss die Zielbatterie vor der OCV-Messung länger als eine Stunde stehen, damit sich der interne Elektrolyt in der Batterie gleichmäßig verteilt und eine stabile Endspannung erreicht wird. Zweitens befindet sich die Batterie bei unterschiedlichen Temperaturen oder hat eine unterschiedliche Lebensdauer. Obwohl der Leerlaufstromkreis gleich ist, kann der tatsächliche SOC unterschiedlich sein, und bei langfristiger Verwendung dieser Methode kann kein absolut genaues Messergebnis garantiert werden.

Daher ist die Leerlaufspannungsmethode dieselbe wie die Entladetestmethode und gilt nicht für die Schätzung des Ladezustands der Batterie im laufenden Betrieb. (4) Kalman-Filtermethode Die KALMAN-Filtermethode ist eine neue Art optimierter Selbstregressionsdaten, die in den „Neuen Errungenschaften der linearen Filter- und Prognosetheorie“ der 1960er Jahre gefiltert wurden. Algorithmus.

Das Wesentliche des Algorithmus besteht darin, dass der Zustand des komplexen dynamischen Systems gemäß dem Prinzip des minimalen Mittelwerts optimiert werden kann. Nichtlineare dynamische Systeme werden im Kalman-Filterverfahren linear in ein Zustandsraummodell des Systems integriert. Bei der eigentlichen Anwendung wird das System mit dem beobachteten Wert der aktuellen Zeit aktualisiert, gefolgt vom beobachteten Wert der aktuellen Zeit.

Modus „Prognose – Messung – Korrigiert“, wodurch die Abweichungen und Störungen des zufälligen Systems eliminiert werden. Wenn der SOC des Antriebsstrangs mithilfe der Kalman-Filtermethode geschätzt wird, wird die Batterie in ein Zustandsraummodell in Form eines Stromversorgungssystems umgewandelt und der SOC wird zu einer Zustandsvariablen innerhalb des Modells. Das etablierte System ist ein lineares diskretes System.

Da die Kalman-Filtermethode nicht nur den anfänglichen Fehler des Systems korrigiert, sondern auch das Systemrauschen wirksam unterdrücken kann, ist sie von erheblichem Anwendungswert bei der SOC-Berechnung von Batterien für Elektrofahrzeuge unter Betriebsbedingungen. Allerdings weist diese Methode auch zwei Mängel auf: Erstens hängt die Genauigkeit der SOC-Schätzung bei der Kalman-Filtermethode weitgehend von der Genauigkeit des Batteriemodells ab, und die Betriebseigenschaften der Batterie selbst sind stark nichtlinear. Nach der Linearisierung der Kalman-Filtermethode treten zwangsläufig Fehler auf, und selbst wenn das Modell etabliert ist, ist das geschätzte Ergebnis nicht unbedingt zuverlässig. Zweitens ist die verwendete Methode sehr kompliziert, der Rechenaufwand ist extrem groß, und die Berechnungsdauer ist lang, und es werden hohe Anforderungen an die Hardwareleistung gestellt. (5) Neuronale Netzwerkmethode Die neuronale Netzwerkmethode ist ein Analogon des menschlichen Gehirns und seiner Neuronen, die zur Verarbeitung eines neuen Algorithmustyps für nichtlineare Systeme verwendet werden.

Es ist keine eingehende Untersuchung der internen Struktur der Batterie erforderlich, sondern es müssen lediglich im Voraus zahlreiche Arbeitseigenschaften der Zielbatterie extrahiert werden. Erfassen Sie den SOC-Wert im Lauf der Ausgabeprobe und geben Sie ihn in das mithilfe der Methode erstellte System ein. Die Methode ist in der späteren Verarbeitung relativ einfach, d. h., sie kann den Fehler der Kalman-Filtermethode wirksam vermeiden, um das Batteriemodell als Linearisierung zu erstellen, und kann die dynamischen Parameter der Batterie in Echtzeit ermitteln.

Allerdings ist der Vorarbeitsumfang der neuronalen Netzwerkmethode relativ groß und es sind viele und umfassendere Zielbeispieldaten erforderlich, um das System zu trainieren. Die Methode der Trainingsdaten und des Trainings hat großen Einfluss auf die Schätzgenauigkeit des SOC. Darüber hinaus wird die Methode unter den komplexen Einflüssen von Batterietemperatur, Selbstentladungsrate und Batteriealterung verwendet, um den SOC-Wert desselben Batteriesatzes über einen langen Zeitraum zu schätzen, und auch ihre Genauigkeit wird stark nachlassen.

Daher ist diese Methode bei der SOC-Schätzung der Leistungsbatterie nicht sehr verbreitet.