Моделирование и моделирование лития с высокой плотностью энергии

Научные отчеты, том 12, Номер статьи: 9800 (2022) Цитировать эту статью

2861 Доступов

Подробности о метриках

Литий-ионный аккумулятор, аккумулятор с высокой плотностью энергии, широко применяется в электрических и электронных устройствах, компьютерах, гибридных электромобилях и электромобилях. В данной статье представлено многократное обнаружение неисправностей литий-ионного аккумулятора с использованием двух нелинейных фильтров Калмана. Разработана дискретная нелинейная математическая модель литий-ионного аккумулятора и для оценки параметра модели использован фильтр Калмана без запаха (UKF). Возникновение множественных неисправностей, таких как перезарядка, чрезмерная разрядка и короткое замыкание между аккумуляторами между ячейками, влияет на изменение параметров модели системы. Параллельные комбинации некоторых UKF (банков фильтров) сравнивают изменение параметров модели между нормальной и неисправной ситуацией и генерируют остаточный сигнал, указывающий на различную неисправность. Результаты моделирования нескольких статистических тестов были выполнены для диагностики неисправностей на основе остатков и расчета пороговых значений. Затем производительность UKF сравнивается с расширенным фильтром Калмана (EKF) с той же моделью батареи и сценарием неисправности. Результаты моделирования доказывают, что модель UKF реагирует лучше и быстрее, чем модель EKF, при диагностике неисправностей.

Батарея, источник энергии, используется человечеством с момента ее изобретения более двухсот лет назад. После множества разработок современные аккумуляторы стали легче по весу, имеют более высокую энергоемкость, улучшенные функции безопасности, более длительный срок службы и нашли пригодность для широкого спектра потребительских и промышленных применений1,2. Литиевые батареи были модифицированы в литий-ионные, чтобы сделать их перезаряжаемыми, и применяются в электрических устройствах, компьютерах, гибридных электромобилях, электромобилях и т. д. Учитывая такие аспекты, как надежность и безопасность электромобилей, важно контролировать состояние литий-ионных батарей. клетки во время работы. Этим можно управлять путем сбора необходимых данных и последующей оценки состояния элементов с помощью системы управления батареями (BMS)3,4. Производительность элемента батареи зависит от тока, напряжения и температуры, а состояние элементов включает состояние заряда (SOC)5,6,7, состояние работоспособности (SOH)8,9,10 и состояние энергии (SOE)11. и остаточный срок полезного использования (RUL)12,13. Неисправности в электромобиле обозначаются как (а) перезаряд, (б) чрезмерный разряд, (в) внутреннее и внешнее короткое замыкание. Внутреннее и внешнее короткое замыкание аккумулятора приводит к выделению огромного количества тепла, которое вызывает перегрев. Необнаруженные неисправности аккумулятора носят необратимый характер и могут привести к серьезным повреждениям14,15. Чтобы свести подобные ситуации к нулю, важно быстро и точно диагностировать неисправность аккумулятора. Из литературы видно, что диагностика неисправности литий-ионного аккумулятора вызывает растущий интерес среди исследователей как в промышленности, так и в академической сфере. Исследователи приложили усилия, направленные на обнаружение различных неисправностей аккумуляторов с использованием передовых методологий и методов. Одним из таких методов является диагностика неисправностей с участием наблюдателя, которая обеспечивает повышенную надежность благодаря способности избегать потери информации о неисправности батареи. Это может быть достигнуто из-за неизвестных помех и неправильного начального состояния. Неотъемлемые преимущества более низкой стоимости и высокой гибкости делают методы диагностики неисправностей на основе моделей жизнеспособным решением для точной диагностики неисправностей16. Наблюдатель Люенбергера (LO), использующий серию наблюдателей уменьшенного порядка17, может быть применен к аккумуляторной батарее для обнаружения неисправностей. Некоторые исследователи предложили анализ неисправностей короткого замыкания на основе моделей с использованием передовых методов, таких как вдавливание18, проникновение гвоздей19, изготовление с дефектными структурами20 и термический выход из-под контроля при экстремально высоких температурах21. В другой модели выходные напряжения и фактические выходные напряжения аккумуляторов можно сравнивать в процессе работы электромобиля, и система сигнализации сработает, когда абсолютное значение разницы напряжений превысит пороговое значение22,23. Кроме того, фильтр Калмана находит эффективное применение для диагностики неисправностей литий-ионных аккумуляторов24,25, в частности, когда оптимальный фильтр демонстрирует высокую надежность с шумным сигналом. Методы обнаружения неисправностей на основе моделей, обладающие очень высокой надежностью, могут использоваться для точного обнаружения неисправностей аккумуляторной батареи. Диагностика неисправностей литий-ионных аккумуляторов на основе адаптивного фильтра Калмана находится на рассмотрении многих исследователей26,27,28. Адаптивный фильтр Калмана может оценивать состояние параметров батареи путем регулировки ковариации шума процесса и измерения, что невозможно в случае расширенного фильтра Калмана, где информация о статистике шума считается необходимым условием для правильного функционирования фильтра. В противном случае это может привести к к неточным результатам. В последнее время обсуждается перезарядка и переразряд батареи29. Обсуждается обзорный документ о механизмах неисправностей, особенностях неисправностей и процедурах диагностики30.