Genişletilmiş Kalman sinir ağı algoritmasına dayalı pil SOC tahmini
Han Zhonghua 1, 2, Liu Shanshan 1, 2, Shi Gang 2, Dong Ting 3
(1. Bilgi ve Kontrol Mühendisliği Okulu, Shenyang Jianzhu Üniversitesi, Shenyang 110000, Liaoning;
2. Shenyang Otomasyon Enstitüsü, Çin Bilimler Akademisi, Shenyang 110000, Liaoning; 3. Çin Elektronik Standardizasyon Enstitüsü, Pekin 100007)
Otomobil lityum pillerinin şarj durumu (SOC) problemini hedefleyen Thevenin devresi eşdeğer devredir ve tahmin etmek için sinir ağı algoritması ile birlikte genişletilmiş Kalman algoritması (EKF) kullanılır. Kalman filtre algoritması tahmini sürecinde, gerçek zamanlı tahmin edilen model parametre değerlerine (en son değerler) ihtiyaç duyulur, yani model parametreleri farklı SOC'ler altında farklıdır. Geleneksel yöntem, SOC ile her bir parametre arasındaki ilişkide olağan uydurma yapmaktır Bu yöntemin uydurma sürecinde büyük bir hatası vardır. Bu sorunu çözmek için, her devre modeli parametresi ile SOC arasındaki ilişki eğrisini uydurmak için bir sinir ağı kullanılır. Deneysel sonuçlar, saf genişletilmiş Kalman algoritması ile karşılaştırıldığında, bu yöntemin kalan pil gücünü% 3'ten daha az bir hata ile doğru bir şekilde tahmin edebildiğini göstermektedir.
Lityum iyon pil SOC; genişletilmiş Kalman algoritması; sinir ağı; RC devre modeli
Çin Kütüphanesi Sınıflandırma Numarası: TM92
Bir
DOI: 10.16157 / j.issn.0258-7998.2016.07.019
Çince alıntı biçimi: Han Zhonghua, Liu Shanshan, Shi Gang, ve diğerleri.Genişletilmiş Kalman sinir ağı algoritmasına dayalı olarak pil SOC'nin tahmin edilmesi.Elektronik Teknoloji Uygulaması, 2016, 42 (7): 76-78, 82.
İngilizce alıntı biçimi: Han Zhonghua, Liu Shanshan, Shi Gang, ve diğerleri.Nöral ağ algoritmaları ile genişletilmiş Kalman filtresine dayalı pil SOC'nin tahmini. Application of Electronic Technique, 2016, 42 (7): 76-78, 82.
0 Önsöz
Yaklaşık yirmi yıllık geliştirmeden sonra, otomotiv endüstrisindeki güç pil teknolojisi olgunlaştı. Elektrikli araçlar, sıfır emisyon, sıfır kirlilik ve yüksek enerji verimliliği avantajları nedeniyle yeni enerji araçlarında büyük gelişme potansiyeline sahiptir. Bunların arasında en önemli kısım, pilin şarj durumunun izlenmesidir.
Pilin şarj durumu, belirli bir deşarj oranı altında aynı koşullar altında pilin kalan kapasitesinin nominal kapasiteye oranıdır. Pilin SOC'si doğru bir şekilde tahmin edilemiyorsa, pil aşırı şarj olur veya aşırı boşalır ve pilin dahili hasar görmesine neden olur. SOC'nin doğru tahmini, elektrikli araçların normal ve sağlıklı çalışması için büyük önem taşır. Halihazırda, açık devre gerilim yöntemi, amper-saat entegrasyon yöntemi, amper-saat entegrasyon yöntemi ile birleştirilmiş açık devre gerilim yöntemi ve Kalman Carbo yöntemi gibi yurtiçi ve yurtdışında batarya SOC tahmini üzerine birçok araştırma bulunmaktadır. Bununla birlikte, pil SOC'sinin açık devre voltaj yöntemi ile tahmin edilmesi sürecinde, pilin doğru bir şekilde tahmin edilmesi için uzun süre bırakılması gerekir, bu nedenle bu yöntem çevrimiçi tahmin için uygun değildir. Amper-saat entegrasyon yönteminin dezavantajı, bataryanın başlangıç değerinin çok doğru olması gerekliliğidir ancak zaman geçtikçe ölçüm hataları birikerek yanlış tahminlere yol açacağı için bu yöntem bağımsız kullanım için uygun değildir. Amper-saat entegrasyon yöntemi ile birleştirilen açık devre gerilim yönteminin dezavantajı, çalışma koşullarının değişmesi ile batarya kapasitesinin değişmesi dolayısıyla biriken hataların oluşmasıdır. Kalman filtre algoritması, pil SOC'sini tahmin etmenin etkili bir çevrimiçi yöntemidir, ancak bu yöntem, pil modelinin doğruluğuna dayanır ve pil parametrelerine çok duyarlıdır.Pil performansı, pil çalışma sıcaklığı, şarj ve deşarj oranı gibi birçok faktörden etkilenir , Kendi kendine deşarj oranı ve döngü ömrü vb. Bu makale şu an için bu faktörleri dikkate almamaktadır. Pil SOC'nin araştırma yöntemini kapsamlı bir şekilde ele alan bu makale, pil SOC'sini tahmin etmek için sinir ağı ile birlikte Kalman filtre algoritmasını kullanır.Bu yöntem aynı zamanda pil modelinin dahili parametrelerini gerçek zamanlı olarak tahmin edebilir.
1 Eşdeğer devre modeli
Şu anda, uluslararası kabul gören eşdeğer devre modelleri şunları içerir: Rint modeli, Thevenin modeli (RC modeli), PNGV modeli, sinir ağı modeli ve Lin Chengtao, Tsinghua Üniversitesi ve diğerleri tarafından önerilen genel bir doğrusal olmayan model. Bununla birlikte, pil SOC değerlendirmesinde, pil modeli çok basit veya çok karmaşık olamaz ve modelleme için pilin özellikleriyle birleştirilmelidir. Bu makale, pilin özelliklerini etkili bir şekilde yansıtabilen, basit ve pratik olan Thevenin modelini benimser. Pil modeli Şekil 1'de gösterilmektedir.
Kirchhoff yasasına göre şekildeki akım yönünü pozitif yön olarak alarak devre denklemi elde edilebilir:
Formülde UL, pilin yük voltajıdır, Uoc pilin açık devre voltajıdır, R0 pilin iç direncidir, I pil yük akımıdır, UP RC döngüsündeki voltajdır, CP polarizasyon kapasitörüdür ve RP polarizasyon direncidir.
2 Pil SOC tahmini
Giriş bölümünde her bir tahmin yöntemi değerlendirilmiş, her bir tahmin yönteminin avantajları ve dezavantajları kapsamlı bir şekilde dikkate alınarak ve çok sayıda belge okunarak, bu aşamada daha çok kullanılan Kalman filtre algoritmasının dezavantajları olduğu, çünkü algoritma tahmin sürecinde , Model parametrelerinin en son değerinin gerçek zamanlı tahminini kullanma ihtiyacı, yani model parametreleri farklı SOC'ler altında farklıdır. Algoritma yeni SOC değerini tahmin ettikten sonra, bu zamanda her bir parametrenin değerini SOC ile parametre değeri arasındaki ilişki eğrisine göre belirlemek gerekir. Geleneksel yöntem, SOC ile her parametre arasındaki ilişki eğrisinde ortak parametre uydurma gerçekleştirmektir, ancak bu yöntemin uydurma işleminde hala büyük bir hatası vardır ve bu, pil SOC'sini tahmin etmek için algoritma kullanılırken yanlış olaya neden olur. Bu nedenle, bu makale, pil SOC'sine ve her bir parametreye uyması için sinir ağı algoritmasını kullanarak ve ardından pil SOC'sini tahmin etmek için genişletilmiş Kalman algoritmasını kullanarak bu sorunu geliştirmiştir.
Özetle, bu makale, gerçek duruma göre pilin SOC'sini hesaplamak için sinir ağı yöntemiyle birlikte genişletilmiş Kalman algoritmasını seçer. Sinir ağı, her pil parametresi (Uoc, R0, RP, CP, P) ve SOC arasındaki ilişki eğrisine uymak için kullanılır ve ardından pil SOC'sini tahmin etmek için Kalman filtre algoritmasını kullanır.
2.1 Devre alanı denklemi
Akü eşdeğer devre modeli Thevenin devresine göre, amper-saat entegrasyon yöntemi ile birlikte, sistemin durum değişkenleri, kalan pil kapasitesi (SOC) ve iki RC döngüsünün uç voltajı UP olarak seçilir. Akü akımını i (t) uyarma olarak ve akü terminal voltajı UL'yi çıkış olarak alın.
Durum denklemi şu şekilde ifade edilebilir:
2.2 Sinir ağı uydurma
Şu anda, yapay sinir ağı akıllı kontrol alanında bir sıcak nokta haline geldi; basit bir yapıya, güçlü çalışabilirliğe, güçlü kendi kendine adaptasyona, kendi kendine öğrenmeye ve diğer avantajlara sahiptir, bu nedenle işlev yaklaşımı, örüntü tanıma ve akıllı kontrol gibi geniş bir alan yelpazesine sahiptir. Uygulamalar. Bu makale, polarizasyon kapasitansı CP, zaman sabiti ve diğer parametreler ile SOC arasındaki ilişkiyi uydurmak için bir sinir ağı algoritması kullanır; bu, polinom uydurmanın büyük hata olgusunun üstesinden gelir ve tahmini Şekil 2'de gösterildiği gibi daha doğru hale getirir.
2.3 Kalman filtre algoritması
Pil modelinin durum denklemi:
2.4 Genişletilmiş Kalman filtre algoritması
Kalman filtresi esas olarak doğrusal ayrık sistemlerle başa çıkmak için kullanılır ve bu makalede tasarlanan sistem doğrusal olmayan bir sistemdir ve genişletilmiş Kalman filtre algoritması (EKF) kullanılmalıdır.
Doğrusal olmayan bir sistem için sistem denklemi şöyledir:
3 Algoritma doğrulama
Pili oda sıcaklığında (25 ) bir ortama yerleştirin ve pili 1 / 3C deşarj akımı ile sabit bir akımda boşaltın. Pilin SOC'sini tahmin etmek ve popüler genişletilmiş Kalman algoritmasının (EKF) tahmin sonuçlarını sırasıyla gerçek pil SOC'si ile karşılaştırmak için sinir ağı algoritmasıyla birlikte genişletilmiş Kalman algoritmasını kullanın.Bu makalede yeni algoritma tarafından tahmin edilen sonuçların görülebileceği görülmektedir. Daha kesin. Şekil 3, iki algoritmanın tahmini deneysel sonuçlarıdır.
Sabit akım deşarj işleminin karşılaştırma sonucu, pilin SOC'sini tahmin etmek için EKF ile Sinir ağı algoritması kullanmanın etkisinin saf EKF'den daha iyi olduğunu göstermektedir. Şekil 3 (c) hatasından, bu yazıda tahmin edilen hatanın% 3 dahilinde olduğu görülebilir ki bu, tek başına EKF tarafından tahmin edilen% 5 hatadan çok daha küçüktür.
4. Sonuç
Bu makale, batarya SOC'sini tahmin etmek için genişletilmiş bir Kalman kombine sinir ağı algoritması önermektedir, hata% 3'ten azdır ve hata,% 5'lik standart genişletilmiş Kalman algoritmasına kıyasla azaltılır. Bu algoritma, amper-saat entegrasyon yönteminin başlangıç değerine duyarlı olması sorununu çözebilir, ancak bu yöntem pil ömrü faktörlerini ve kendi kendine deşarj faktörlerini dikkate almamaktadır.Birincisi, elektrikli araçların fiili çalışması üzerinde önemli bir etkiye sahiptir.Bu nedenle, gelecekteki çalışmalarda Pil döngü ömrünün ana faktörü daha fazla dikkate alınacaktır. Deneyler, algoritmanın pil SOC'sini çevrimiçi olarak% 3'ten daha düşük bir tahmin doğruluğu ile tahmin edebileceğini göstermektedir. Bu araştırma, sonraki araştırmalar için iyi bir temel oluşturdu.
Referanslar
SCROSATI B, GARCHE J. Lityum piller: Durum, beklentiler ve gelecek Güç Kaynakları, 2010, 195 (9): 2419-2430.
Meng Liangrong.Elektrikli araç pillerinin mevcut durumu ve gelişme eğilimi Pil Endüstrisi, 2006, 11 (3): 202-206.
Tan Xiaojun.Elektrikli Araç Gücü Pil Yönetim Sisteminin Tasarımı Guangzhou: Sun Yat-sen University Press, 2011.
Ma Youliang, Chen Quanshi, Qi Zhanning.Elektrikli araçlar için batarya SOC'nin tanımı ve tespit metodu, Journal of Tsinghua University (Natural Science Edition), 2001, 41 (11): 95-97.
Shi Wei, Jiang Jiuchun, Li Suoyu ve diğerleri.Lityum demir fosfat pilin SOC tahmin yöntemi üzerine araştırma.Elektronik Ölçüm ve Cihaz Dergisi, 2010, 24 (8): 769-774.
Yin Andong, Zhang Wanxing Sinir ağına dayalı lityum demir fosfat pilin SOC tahmini üzerine araştırma. Journal of Electronic Measurement and Instrument, 2011, 25 (5): 433-437.
Ling Guowei, Yapay Sinir Ağı Teorisine Dayalı Elektrikli Araçlar için Li-ion Güç Pil Paketlerinin Akıllı Yönetim Sistemi Araştırması Tianjin: Tianjin Üniversitesi, 2006.
He Yao. Güç lityum pil paketinin durum tahmin stratejisi ve yönetim sistemi teknolojisi araştırması Hefei: Çin Bilim ve Teknoloji Üniversitesi, 2012.
Jiang Jiuchun, Wen Feng, Wen Jiapeng ve diğerleri. Saf elektrikli araçlar için lityum iyon pillerin modellemesi ve model parametresi tanımlaması.Elektrik Gücü Bilimi ve Teknolojisi Dergisi, 2010, 25 (1): 67-74.
Lin Chengtao, Qiu Bin, Chen Shiquan Akım girişli elektrikli araç aküsü eşdeğer devre modellerinin karşılaştırması Chinese Journal of Mechanical Engineering, 2005, 41 (12): 76-81.
Sun Dong, Chen Xikun, Mao Huafu Ayrık kayan mod gözlemciye dayalı lityum pil şarj durumu tahmini.Çin Elektrik Mühendisliği Derneğinin Bildirileri, 2015 (1): 185-191.
Sheng Zhongbiao, Tong Xiaorong. Eğri uydurmada BP sinir ağının uygulaması. Bilim Teknolojisi ve Mühendisliği, 2011, 1 (28): 55-57.
Chen Guang, Ren Zhiliang, Sun Haizhu. En küçük kareler eğri uydurma ve Matlab gerçekleştirme Ordnance Industry Automation, 2005, 24 (3): 107-108.
SAEED S, REZA G, BOR Y L. Model uyarlamalı genişletilmiş Kalman filtresine dayanan eski Li-ion piller için yeni bir yerleşik şarj durumu tahmin yöntemi. Journal of Power Sources, 2014, 245 (1): 337-344.
CHARKHGARD M, FARROKHI M. Sinir ağları ve EKF kullanan lityum iyon piller için şarj durumu tahmini Endüstriyel Elektronik üzerine IEEE İşlemleri, 2010, 57 (12): 4178-4187.
