Оценка состояния заряда батареи (SOC)
Распространенные модели аккумуляторов
Процесс электрохимической реакции силовых батарей сложен, на него влияют многочисленные и неопределенные факторы. Математическое моделирование этого процесса представляет собой междисциплинарную и много-задачу, которая всегда была ключевым направлением и задачей как для научных кругов, так и для промышленности. Входное возбуждение (ток нагрузки) и выходные данные (напряжение и температура) силовой батареи являются конечными измеримыми параметрами для системы управления силовой батареей. Точное моделирование необходимо для более точного описания внешних характеристик аккумуляторных батарей, разработки надежных алгоритмов оценки состояния аккумуляторных батарей и разработки оптимальных систем управления энергопотреблением для транспортных средств на новой энергии. Обычные модели аккумуляторных батарей в основном делятся на электрохимические модели, модели эквивалентных схем и модели машинного обучения.
(1) Электрохимическая модель
В середине-1990-х годов М. Дойл, Т.Ф. Фуллер и Дж. Ньюман из Калифорнийского университета в Беркли создали псевдо-двух-модель (P2D), основанную на теории пористых электродов и концентрированных растворов, заложив основу для разработки моделей электрохимических механизмов. Эта модель использует ряд дифференциальных уравнений в частных производных и алгебраических уравнений для точного описания диффузии и миграции ионов лития внутри аккумуляторной батареи, электрохимических реакций на поверхности активных частиц, закона Ома и сохранения заряда, а также других электрохимических явлений. На сегодняшний день большинство электрохимических моделей выведены и развиты на основе этой модели. Электрохимическая модель — это модель из первых принципов, которая может точно моделировать не только внешние характеристики силовой батареи, но также распределение и изменения внутренних характеристик (таких как концентрация ионов лития в электродах и электролите, а также перенапряжение реакции, которые трудно измерить). По сравнению с другими моделями аккумуляторных батарей электрохимические модели могут более подробно описывать микроскопические реакции внутри аккумуляторной батареи и иметь более явный физический смысл.
Модели P2D универсальны и масштабируемы, применимы к типам аккумуляторов с различными системами материалов и могут быть разработаны и расширены в более сложные много-модели сопряжения полей. Поэтому модели P2D играют незаменимую роль при моделировании аккумуляторов. Однако они содержат сложные дифференциальные уравнения в частных производных и многочисленные электрохимические параметры, что предъявляет высокие требования к вычислительным возможностям системы управления батареями (BMS). В настоящее время для решения P2D-моделей в основном используются численные методы, такие как метод конечных разностей, метод конечных элементов и метод конечных объемов.
(2) Модель эквивалентной схемы
Модель эквивалентной схемы использует традиционные элементы схемы, такие как резисторы, конденсаторы и источники постоянного напряжения, для формирования схемы цепи, описывающей внешние характеристики силовой батареи. Эта модель использует источник напряжения для представления термодинамически равновесной электродвижущей силы силовой батареи и RC-цепь для описания динамических характеристик силовой батареи. Модель эквивалентной схемы хорошо применима к различным рабочим состояниям силовой батареи, и можно вывести уравнения состояния модели, что облегчает анализ и применение. Модель эквивалентной схемы широко используется в моделировании и исследованиях транспортных средств на новой энергии, а также в системах управления зданием-на основе моделей. На рисунке 7-27 показана типичная модель эквивалентной схемы силовой батареи, состоящей из n RC-сетевых структур, называемая моделью n-RC. Данная модель состоит из трех частей:
1) Источник напряжения: напряжение разомкнутой-цепи аккумуляторной батареи обозначается $U_{oc}$.
2) Омическое внутреннее сопротивление: Контактное сопротивление материалов электродов силовой батареи, электролита, изолирующего резистора и различных компонентов обозначается $R_o$.
3) RC-сеть: Динамические характеристики силовой батареи, включая поляризационные характеристики и диффузионные эффекты, описываются поляризационным сопротивлением $R_p$ и поляризационной емкостью $C_p$, где $i=0, ..., n_s$.
На рисунке 7-27 Up представляет напряжение поляризации силовой батареи.
На основе закона Кирхгофа по напряжению и закона тока, а также связи между изменением напряжения конденсатора и током уравнение-пространства состояний модели схемы можно выразить следующим образом:
Обычно используемые модели эквивалентных схем силовой батареи, такие как модель Ринта, модель Тевенина и модель двойной поляризации (DP), являются частными случаями модели эквивалентной схемы n-RC, когда n=0, n=1 и n=2 соответственно, и широко используются в алгоритмах оценки и управления состоянием аккумуляторной батареи.
(3) Модели машинного обучения
Модели машинного обучения не требуют знания внутреннего состава батареи и конкретных механизмов реакции; им нужно только получить исторические данные о работе батареи (ток, напряжение, температура и т. д.). По сути, они устанавливают функции нелинейного сопоставления между переменными с помощью методов,-управляемых данными. Основным преимуществом модели этого типа является ее применимость к различным типам батарей, ее хорошая универсальность и способность полностью моделировать нелинейные характеристики поведения батареи.
В области управления и контроля аккумуляторных батарей используемые методы машинного обучения в основном включают нечеткую логику, нейронные сети, машины опорных векторов и их комбинированные алгоритмы. В марте 2016 года победа AlphaGo над чемпионом мира по го Ли Седолем вдохнула новую жизнь в глубокое обучение, вызвав новую волну исследований и приложений, которые также были применены к управлению батареями. При наличии достаточного количества данных об аккумуляторе для обучения этот тип модели может обеспечить хорошие прогнозные характеристики. Однако этой модели не хватает физического смысла, она не поддается интерпретации, а ее производительность сильно зависит от количества и качества обучающих данных, что затрудняет гарантию ее надежности и устойчивости при применении к системам управления батареями.
