Abstrak
Di bidang kendaraan listrik, kinerja sistem manajemen baterai (BMS) dan masa pakai baterai yang efektif merupakan pertimbangan utama. Untuk meningkatkan masa pakai baterai, baterai perlu diseimbangkan secara berkala. Secara tradisional, penyeimbangan baterai terutama bergantung pada teknologi penyeimbang pasif, yang mengubah kelebihan energi menjadi energi panas untuk mencapai keseimbangan antar baterai. Namun, metode ini tidak hanya menyebabkan masalah pengelolaan panas, tetapi juga mengurangi efisiensi baterai secara keseluruhan.
Artikel ini mengusulkan strategi penyeimbangan aktif inovatif yang menggunakan algoritma filter Kalman untuk mengoptimalkan efisiensi BMS, yang secara efektif mengatasi kekurangan teknologi penyeimbangan pasif. Tujuan utamanya adalah membangun sistem yang dapat mengatur pengisian dan pengosongan baterai secara seragam, sehingga memperpanjang masa pakai baterai. Sistem telah merancang rangkaian penyeimbang aktif yang menggunakan algoritma filter Kalman untuk secara akurat memperkirakan keadaan setiap baterai dan menghitung arus pengisian dan pengosongan yang optimal berdasarkan pada algoritma tersebut, untuk mencapai keseimbangan yang efisien antar baterai.
Latar belakang penelitian, rencana dan hasil
1. Latar belakang penelitian dan motivasi
Latar belakang pengembangan kendaraan listrik dan pentingnya sistem manajemen baterai: Perhatian global terhadap pencemaran lingkungan dan kenaikan harga bahan bakar yang disebabkan oleh emisi gas buang mobil menyoroti perlunya penggunaan kendaraan listrik. Inovasi Sistem Manajemen Baterai (BMS) telah menjadikan kendaraan listrik sebagai kandidat kuat untuk transportasi masa depan, namun BMS masih memiliki banyak hal yang perlu ditingkatkan guna meningkatkan efisiensi dan keandalan.
Elemen kunci dan tantangan sistem manajemen baterai
Pentingnya estimasi SOC dan SOH: Memperkirakan status pengisian daya (SOC) dan status kesehatan (SOH) baterai secara akurat sangat penting untuk pengoperasian BMS yang andal dan efisien. SOC mengukur kapasitas yang tersedia pada baterai relatif terhadap kondisi terisi penuh, sedangkan SOH menunjukkan tingkat penuaan baterai, yang mencerminkan perbedaan kapasitas penyimpanan energi antara kondisi terisi penuh saat ini dan kondisi produksi.
Tantangan dan Persyaratan Keseimbangan dalam Desain Paket Baterai: Merancang paket baterai yang aman dan hemat energi sangatlah menantang, karena memerlukan tegangan DC ratusan volt dan daya ratusan kilowatt, yang terdiri dari sejumlah besar baterai secara seri dan paralel. Namun, karena cacat produksi dan penuaan, parameter baterai tidak sesuai, sehingga mengurangi kapasitas efektif baterai. Oleh karena itu, BMS dan sirkuit penyeimbang eksternal diperlukan untuk memanfaatkan energi setiap baterai secara penuh. Rangkaian penyeimbangan baterai dibagi menjadi penyeimbangan pasif dan aktif. Penyeimbangan pasif mengubah energi baterai menjadi energi panas melalui resistor shunt untuk mencegah pengisian berlebih, sedangkan penyeimbangan aktif menggunakan konverter DC/DC atau metode transfer daya lainnya untuk mentransfer energi antar baterai secara langsung. Menerapkan sirkuit penyeimbang aktif dapat meningkatkan keselamatan, daya tahan, kinerja pengisian dan pengosongan, serta efisiensi pemanfaatan energi paket baterai.
2. Usulkan sebuah rencana
Arsitektur keseluruhan dan prinsip kerja: Arsitektur skema yang diusulkan (lihat Gambar 1) mencakup estimasi SOC (menggunakan algoritma filter Kalman yang diperluas), pengontrol BMS, dan rangkaian pemerataan aktif. Pengontrol merasakan SOC setiap baterai dan mengirimkan sinyal ke sirkuit penyeimbang aktif untuk mentransfer muatan dari baterai SOC tinggi ke baterai SOC rendah, yang pada akhirnya menyeimbangkan muatan setiap baterai dalam paket baterai.
Metode estimasi SOC
Proses Algoritma Extended Kalman Filter: Estimasi SOC mengadopsi algoritma Extended Kalman Filter, yaitu proses berulang yang mempertimbangkan noise dan kesalahan pada instrumen dan estimasi. Pertama, tentukan berbagai atribut dan ketergantungannya pada baterai, dan gunakan model parameter yang disamakan untuk merancang model rangkaian ekivalen baterai.
Dengan menganalisis rangkaian menggunakan Hukum Tegangan Kirchhoff (KVL), diperoleh persamaan tegangan terminal:
Menerapkan hukum arus Kirchhoff (KCL) untuk menurunkan persamaan cabang RC, berdasarkan hubungan antara SOC baterai dan arus rangkaian:
Tetapkan model ruang keadaan waktu kontinu, lalu ubah menjadi model ruang keadaan waktu diskrit (menggunakan rumus diskritisasi bentuk tertutup untuk memproses matriks korelasi dan vektor), dan terakhir terapkan algoritma filter Kalman untuk estimasi SOC (termasuk persamaan keadaan dan persamaan pengukuran, kebisingan adalah proses Gaussian rata-rata nol yang independen, perhitungan mencakup langkah pembaruan waktu dan pembaruan pengukuran).
Prinsip konverter buck boost: Konverter buck boost adalah konverter DC-DC, dan tegangan keluaran bisa lebih rendah atau lebih tinggi dari tegangan masukan. Ketika saklar dihidupkan (MOSFET tertutup, dioda mati), induktor menyimpan energi; Ketika saklar dimatikan (MOSFET dimatikan, dioda dihidupkan), induktor melepaskan energi ke beban, dan tegangan keluaran meningkat. Mode kerjanya dibagi menjadi dua situasi.
Mekanisme kerja rangkaian penyeimbang aktif: Pada rangkaian penyeimbang aktif, pengontrol merasakan ketidakseimbangan SOC antar baterai, menentukan arah transfer muatan, dan mengirimkan sinyal PWM untuk mengontrol sakelar. Jika pengontrol mendeteksi bahwa baterai atas N perlu mentransfer energi ke baterai bawah N-1, maka pengontrol akan mengirimkan sinyal ke sakelar S2N. Setelah induktor menyimpan energi hingga nilai maksimum, sakelar ditutup, tegangan induktor dibalik, dan dioda D_N-1 dibias maju. Energi ditransfer ke baterai N-1 melalui dioda, dan sebaliknya.
3. Hasil simulasi
Validasi algoritma estimasi SOC: Di Matlab, SOC yang diperkirakan dengan algoritma filter Kalman yang diperluas konsisten dengan kurva SOC aktual dari waktu ke waktu, yang menunjukkan bahwa algoritma tersebut telah berhasil digunakan untuk memperkirakan SOC baterai.
Evaluasi Efektivitas Rangkaian Penyeimbang Aktif: Menggunakan model simulasi Matlab dari rangkaian penyeimbang aktif dengan konverter buck boost, SOC awal baterai atas dan bawah ditetapkan masing-masing ke 23% dan 20%. Setelah simulasi, SOC keseimbangan akhir baterai atas dan bawah masing-masing adalah 21,39% dan 21,4%, mendekati rata-rata SOC awal dan berhasil mencapai penyeimbangan muatan. Dengan mengubah parameter seperti nilai induktansi, siklus, dan siklus kerja, ditemukan bahwa terdapat trade-off antara waktu penyeimbangan dan SOC penyeimbangan akhir. Misalnya, ketika nilai induktansi menurun, siklus meningkat, atau siklus kerja berubah, waktu keseimbangan dan SOC akhir akan berubah. Secara khusus, semakin kecil nilai induktansi, semakin besar siklusnya, dan perubahan siklus kerja dalam rentang tertentu, semakin pendek waktu keseimbangan, tetapi SOC akhir juga akan terpengaruh sampai batas tertentu.
| L (induktansi) dalam H | Waktu yang dibutuhkan untuk menyeimbangkan dalam hitungan detik | SOC Akhir (%) |
| 1 | 423 | 21.45 |
| 0.5 | 228 | 21.4 |
| 0.1 | 80 | 21.02 |
| 0.01 | 39 | 20.16 |
| 0.001 | 34 | 21.5 |
| Periode | Waktu yang dibutuhkan untuk menyeimbangkan dalam hitungan detik | SOC Akhir (%) |
| 1 | 329 | 21.44 |
| 1.5 | 228 | 21.4 |
| 2 | 187 | 21.36 |
| 2.5 | 143 | 21.34 |
| Siklus tugas (%) | Waktu yang dibutuhkan untuk menyeimbangkan dalam hitungan detik | SOC Akhir (%) |
| 30 | 594 | 21.45 |
| 40 | 340 | 21.43 |
| 50 | 228 | 21.4 |
| 60 | 72 | 21.2 |
| 70 | 51 | 20.93 |
Ringkasan
Penelitian tentang Teknologi Penyeimbangan Aktif: Artikel ini berfokus pada teknologi penyeimbang aktif dari keseimbangan tingkat pengisian daya baterai tunggal dalam kemasan baterai. Selama penyelesaian proyek, rangkaian penyeimbang aktif dirancang dan simulasi rangkaian dilakukan untuk mendapatkan hasil yang diharapkan.
Pemilihan metode estimasi SOC: Beberapa metode estimasi SOC baterai tunggal dipelajari, dan metode filter Kalman yang diperluas akhirnya diadopsi karena keakuratannya dalam memperkirakan parameter nonlinier.
Verifikasi penelitian: Secara keseluruhan, proyek ini telah berhasil menunjukkan efektivitas penyeimbangan aktif dalam meningkatkan kinerja baterai dan mengurangi risiko keselamatan. Melalui simulasi, rangkaian penyeimbang aktif dapat mencapai keadaan keseimbangan yang mendekati SOC rata-rata untuk baterai dengan SOC awal yang berbeda, yang menunjukkan bahwa rangkaian tersebut dapat secara efektif meningkatkan kinerja baterai dan mengurangi bahaya keselamatan yang mungkin disebabkan oleh ketidakseimbangan baterai.
Pentingnya mempertimbangkan persyaratan spesifik: Studi ini juga menekankan perlunya mempertimbangkan secara cermat persyaratan spesifik sistem baterai dan aplikasinya ketika menentukan sistem penyeimbang aktif yang paling sesuai. Sistem baterai yang berbeda (seperti paket baterai yang terdiri dari berbagai jenis baterai dan persyaratan penggunaan baterai dalam skenario aplikasi yang berbeda) mungkin memiliki persyaratan yang berbeda untuk sistem penyeimbangan aktif, seperti penekanan yang berbeda pada kecepatan penyeimbangan, akurasi penyeimbangan, kehilangan energi, dll. Oleh karena itu, skema penyeimbangan aktif yang paling sesuai perlu dipilih sesuai dengan situasi aktual untuk mencapai kinerja dan keselamatan yang optimal.