מבוא לשליטה הסתגלות בניהול EV Battery

כלי רכב חשמליים (EVs) זינקו באימוץ כמו תעשיית הרכב עבור ניידות בת קיימא.מרכז למעבר זה הוא חבילת סוללות ליתיום-יון, המייצגת את המרכיב היקר ביותר מבחינה טכנית תובעני ב EV.לאורך זמן, כל הסוללות ניסיון ההידרדרות - גישה בלתי הפיכות של קיבולת ויכולת ניהול סוללה (מערכת ניהול סוללת) יעילה, לא רק עבור טווחי רכב וערעור מחדש ערך, אלא גם עבור אסטרטגיות אבטחה מתקדמות, בניגוד להפחתה של תפקוד נתונים המבוסס על בסיס יעילות, כמו גם על בסיס יעילות של מערכת בקרה מתקדמת, כמו גם על בסיס יעילות של מערכת בקרה מתקדמת של תפקוד של תפקוד של אבטחה ואפקטים של מערכת אבטחה ואפקטים של מערכת בקרה של מערכת אבטחה ואפקטים של מערכת ניהול סוללה (אפקטים).

הבנה של Battery Degradation

מכניזם אלקטרו-כימי של יכולת Fade

ההידרדרות בתאים ליתיום-יון נובעת ממספר תהליכים כימיים ופיזיים הקשורים אליו, המנגנונים העיקריים כוללים היווצרות של אינטרפאוזה מוצק (SEI) שכבת השחרור, הליתיום בשפע, פירוק חומרי קהודה, ופירוק אלקטרוליטטה (Seto-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-C) (החומר) (Squarecerecerecerecerecerecerecerecerecerecerece) (Squarecerece-flu-to-to-to-to-to-to-to-to-to-to-flu-to-to-flu-to-to-to-to-to-to-flu-to-to-to-to-to-to-to-to-flu-flu-flu-flu-to-flu-flu-to-to-to-to-to-to-to-to-to-to-to-to-to-

המונחים: Battery Degradation

בריאות סוללה באה לידי ביטוי בדרך כלל כמדינת בריאות (SoH), המוגדרת כיחס ליכולת הנוכחית לקיבולת ראשונית. קריטריון טיפוסי של סוף-חיים של סוללות EV הוא כאשר SoH טיפות ל-70-80% מהדירוג המקורי. Degradation אינו ליניארי; לעתים קרובות הוא עוקב אחר דפוס מחקר דו-phase טיפוסי: בתחילה איטי, דעך על ידי צמיחה SEI, ואחריו "נקודת ציון" מואצת, שבו שיעורי לחץ דם פעיל על ידי לחץ דם גבוהה על ידי מערכת יעילה עד לחץ דם גבוהה יותר מאשר לחץ דם יעילה על ידי לחץ דם יעילה על ידי מערכת יעילה על ידי לחץ דם יעילה על ידי לחץ דם יעילה על ידי לחץ דם גבוהה יותר מגובה על ידי מערכת יעילה על ידי לחץ דם גבוהה יותר מגובה על ידי לחץ דם גבוהה יותר מ 40% לחץ דם גבוהה יותר מאשר לחץ דם גבוהה יותר מאשר לחץ דם יעיל על ידי מערכת יעילה על ידי מערכת יעילה על ידי לחץ דם יעילה על ידי מערכת יעילה על ידי מערכת יעילה על ידי לחץ דם גבוהה.

יסודות מערכות בקרה הסתגלות

מה זה בקרת הסתגלות?

בקרה הסתגלותית היא סוג של אסטרטגיות בקרת משוב שמתאימות פרמטרים בקרי בזמן אמת להסתגל לשינויים במערכת או בסביבתה. בהקשר של ניהול סוללות EV, בקר הסתגלותי מעריך באופן מתמיד את המצב הפנימי של הסוללה - כגון התנגדות פנימית, יכולת ונפיחות טמפרטורה - ומודולים טמפרטורה - ומדכאים אלגוריתמים נוכחיים, מתח ואסטרטגיות קירור בהתאם.

המונחים: a Adaptive BMS

  1. (FLT:0) מודלב חומר: 1FLT בדרך כלל מודל מעגלי שווה ערך (ECM) או מודל אלקטרוכימי הנבא מתח, התנגדות פנימית ותגובה טמפרטורה. למערכות הסתגלות לעתים קרובות להשתמש מסנן קלמן או חוזר על פחות ריבועים כדי לעדכן פרמטרים מודל כמו גיל הסוללה.
  2. (FLT:0) אסטמטור: 1FLT:1 Algorithms כמו Extended Kalman Filter (EKF) או מסנן קלמן (UKF) להעריך SoC, SoH, טמפרטורה פנימית בזמן אמת.
  3. חוק ה-FLT:0 (Control Law: FLT:1 מבוסס על מדינות מוערכות, הבקר קובע את החיוב הטוב ביותר הנוכחי, גבולות המתח, פעולות ניהול תרמי.זה יכול לכלול שליטה חיזוי מודל (MPC) או חיזוק אסטרטגיות למידה המבוססות על למידה.
  4. (FLT:0) Actuator Interface:FLT:1 אותות השליטה נשלחים למפקח על הסיפון (OBC), DC-DC ממירר, מערכת ניהול תרמי (למשל, משאבות מגניבות, אוהדי רדיור).

פונקציות מפתח של שליטה הסתגלות בניהול Degradation

תקנות טמפרטורה

הטמפרטורה היא הגורם החיצוני המשפיע ביותר עבור הזדקנות הסוללה.עבור כל 10 מעלות צלזיוס מעל 25 מעלות צלזיוס, שיעור הקיבולת דועעע יכול בערך כפול. מערכות בקרה הסתגלות להשתמש במודלים תרמיים וחיישנים בזמן אמת כדי לקבוע כוח טעינה ולהפעיל לולאות קירור או חימום.לדוגמה, במהלך טעינה מהירה, BMS עשוי להגביל את זרם אם טמפרטורות תאים עולה על סף בטיחות.

ניהול והכשרה נוכחית

מגבלות המתח החלות במהלך הטעינה (מתח הנוכחי-constant, CC-CV) הן קריטיות.אפילו התחממות קלה יתר-המתח יכול להאיץ את אלגוריתם הבקרה ההסתגלות באופן דינמי את המתח הטעינה המקסימלי כמו גיל הסוללה, כי תאים בגילאים מבוגרים יש תנופה גבוהה יותר והם רגישים יותר ללחץ באופן דומה, הפרופיל הנוכחי יכול להיות מעוצב כדי למנוע שיעורי גבוה ב- SoC נמוך וגבוה, כאשר הם נמצאים בפרוטוקול CCFD2CV קבוע, לעומת 2FD.

מדינת אופטימיזציה

הפעלת הסוללה בערכי SoC קיצוניים - קרוב ל 0% או 100% - גורמת ללחץ מכני גבוה יותר על אלקטרודות מאיצה את הפירוק אלקטרוליטי.שליטה הסתגלותית יכול להמליץ לאכוף "אזור חיץ" סביב טווח SoC הנתביע. לדוגמה, במהלך נסיעה יומית, BMS עשוי להגביל את המטרה SoC ל 80% (אלא אם כן נסיעה ארוכה יותר צפויה) לשמר את מחזור החיים בטעינה, יתר על ידי לחיצה על גבי מערכת ההפעלה, לחץ דם, לחץ דם, לעתים קרובות יותר, לחץ על "סולם" כדי להתאים את הנקה" (SoC) לתקני סוללה "סולם" (SoC) כדי להתאים את הנקה," לחץ על גבי "סולק" (SoC" כדי להתאים את הנקה," (SoC) ל" (SoC) ל" לחץ על מנת להתאים את הנקה מחדש, לחץ על מנת להתאים את דפוסי הנקה, כדי להתאים את דפוסי הנקה, לחץ על מנת להתאים את הנקה מחדש, "סולמטית" (SoC) לתקני סוללה, לעתים קרובות יותר, כדי לתקן את הנקה, "סולמטילטרה-" (אלא אם כן," (SoC) לתקני סוללה, "סולמטילכאורה, "סולמטילטרה

חיי מחזוריים והתאמה

למערכות בקרה מותאמות משלבות מודלים חיזוייים אשר מעריכים את החיים שימושיים (RUL) בהתבסס על ספירת מחזור מצטברת, טמפרטורה ממוצעת, טעינה / דיסיעה היסטוריה, והזדקנות לוח שנה אלה מתעדים כל הזמן את הסוללות.עם מידע זה, המערכת יכולה להתאים פרופילים תפעוליים מיושמים - לדוגמה, על ידי צמצום הכוח המקסימלי של המכונית כאשר בריאות הסוללה יורדת מתחת לסף, המסחר בפסגות לביצועים ארוכים לשימוש ב-F באופן מיטבי, יכול לטעון לתובנות כגון:

היתרונות של בקרת הסתגלות ב EVs

סוללה מורחבת Lifespan

היתרון העיקרי של שליטה אדפטיבית הוא עלייה ניכרת בחיי שירות הסוללה.מחקרי שדה מטסלה ניסן עם אלגוריתמי BMS הסתגלות הראו כי סוללות בכלי רכב באמצעות שימוש over-the-air (OTA) אסטרטגיות טעינה מעודכנים שנשמרו 5-10% יותר קיבולת לאחר 200 אלף ק"מ בהשוואה לאלה ללא עדכונים כאלה.זה מתורגם למאות דולרים בעלויות חלופיות עבור צרכנים ומנהלים.

שיפור הבטיחות

על ידי הגבלת מתח תרמי וחשמלי באופן פעיל, שליטה הסתגלות מפחיתה את הסיכון של בריחה תרמית - תגובת שרשרת קטסטרופלית הנגרמת על ידי מעגלים קצרים פנימיים או כשלון מפרידים.גילוי בזמן אמת של מתח או ⁇ טמפרטורה בלתי שגרתית מאפשר למערכת להזיז סגר מגן או להפחית את הזרם לפני התנאים להיות מסוכנים.

ביצועים משופרים

בקרה הסתגלותית מסייעת לשמור על משלוח חשמל גבוה גם ככל גילי הסוללה.לדוגמה, במהלך האצה מהירה, המערכת יכולה באופן זמני לאפשר תוספת הנוכחית גבוהה יותר של תאים בריאים יחסית תוך הגבלת חלשים, איזון החבילה מונעת מתח סאג ומבטיחה היענות לרכב עקבי לאורך חיי הסוללה.

חיסכון בעלויות

חיי סוללה מורחבים הם פחות תחליף ועלויות בעלות נמוכות יותר. עבור יצרני EV, שיפור תוחלת החיים מפחית את תביעות האחריות. עבור משתמשי הקצה, שמירה על SoH גבוה יותר משמרת את הערך של כלי הרכב.בנוסף, בקרה הסתגלותית יכולה להתאים יעילות אנרגיה על ידי צמצום אובדן התנגדות פנימית, לתרגם לעלייה קלה בטווח הנהיגה עבור תשלום.

אתגרים וסחר-offs

מורכבות

אלגוריתמים מתקדמים (למשל, מסננים לא ליניאריים קאלמן, מסננים חלקיקים או מודלים ברשת עצבית) דורשים משאבים חישוביים משמעותיים על גבי לוח זמנים (למשל, Infineon AURIX או NXP S32K) מסוגלים, שילוב שליטה אדפטימטיבית במערכות רגישות בעלות יכול להיות מאתגר.

חיישנים ו רעש

בקרה הסתגלותית מסתמכת רבות על נתוני חיישן אמינים - מתח, הנוכחית, וטמפרטורת מדידות. Noise, סחף, או מרידות במדדים אלה יכולים לעתים קרובות להפחית דיוק estimation ולהוביל לפעולות שליטה תת-אופטימיות. שגרות חשונות חישה ועצמיות משמשים לעתים קרובות כדי להקטין את הבעיות הללו.

מודל רובוסטנטיות מעבר לתא צ'מיסטיצ'יפס

כימאים שונים של תאים (NMC, LFP, NCA, LTO) מציגים התנהגויות שונות של השפלה.מודל הסתגלותי עבור NMC עשוי לא להופיע היטב עבור סוללות LFP, אשר יש פרופילי מתח שטוח יותר רגישות נמוכה של DoD. יצרנים חייב להטביע מספר מודלים או לאמץ גישה מבוססת פיזיקה גנרית יותר כי מתאמת באינטרנט.

אימות בטיחות וביטוח

מערכות הסתגלות שמשנות פרמטרים של שליטה בזמן אמת דורשות אימות נרחב לבטיחות תפקודית (ISO 26262), רגאולטורים ויצרניות הרכב חייבות להבטיח שהאלגוריתם אינו דוחף באופן בלתי נמנע את הסוללה לאזורים לא בטוחים.זה אומר לעתים קרובות כי התאמות הסתגלות מוגבלות בתוך המעטפה שמרנית, הגבלת היתרון הפוטנציאלי בטווח הקצר.

פיתוחים עתידיים ודרכים מחקר

Machine Learning and AI-Driven control

ההתקדמות האחרונה בלמידה עמוקה ולמידה חיזוקית (RL) פתחה דרכים חדשות לניהול סוללות הסתגלותי.במקום להשתמש במודל פיזיקה פשוט, סוכן RL יכול ללמוד מדיניות טעינה אופטימלית מהנתונים ההיסטוריים ומשוב בזמן אמת.לדוגמה, חוקרים ב-FLT:0MITFLT:1 פיתחה מודל למידה מופחת כי הפחית זמן על ידי 50% מבלי לגרום להפחתה של אופטימיזציה דינמית של פרופיל AI- כזה יכול להתאים במדויק לגישות סטנדרטיות יותר מאשר להזדקנות.

בקרת חשמל וחשמל

הדור הבא של BMS הסתגלות יהיה קשר הדוק עם ניהול חשמלי תרמי. במקום לטפל בקירור כמערכת נפרדת, בקרים חיזויים ימחקו את הסוללה לפני אירוע מהיר המבוסס על לוח זמנים נהיגה או טעינה (התקבל באמצעות מערכות ניווט). גישה הוליסטית זו יכולה למזער מתח תרמי ולשפר את החיים מחזוריים.

בקרת הסתגלות בענן

רבים מודרניים כבר יש קישוריות ענן.על ידי העלאת נתוני סוללה לשרתי ענן, יצרנים יכולים להפעיל מודלים מורכבים יותר (למשל, תאומים דיגיטליים) שעדכון הפרמטרים של BMS המקומי מעת לעת.זה מנקה חישוב מהרכב ומאפשר למידה רחבה של צי.Over-the-air (טא) עדכונים יהפכו נפוצים לשיפור האלגוריתמים ההסתגלות כפי שממצאים חדשים מופיעים.

Wireless BMS ו- Cell-Level control

מערכות ניהול סוללות אלחוטיות (wBMS) לחסל את רתום המתפתל בין בקרים מודולים, המאפשר ניטור גרפי יותר.שליטה הסתגלות ברמת התא (במקום רמת מודול) יכול למזער את ההידרדרות של תאים חלשים על ידי הפצת עומס יותר באופן שווה. חברות כמו FLT:0Texas InstrumentsFLT:1 להציע פתרונות עבור אלגוריתמים אלחוטיים התומכים אלגוריתמים הסתגלות.

דוגמאות מעשיות ו Case Studies

BMS של טסלה

טסלה הייתה חלוצה בניהול סוללות הסתגלותיות.כלי הרכב שלהם משלבים BMS מתוחכמת, אשר לומדת מההתנהגות של כל סוללת סוללה Pack.לדוגמה, התכונה "Double-Click" מאפשרת למשתמש להגדיר מקסימום SoC, אבל המערכת מתאימה לטמפרטורה מסובבת ודפוסי ההידרדרות ההיסטוריים.טסלה משתמשת גם בעדכונים כדי להתאים את עקומות הטעינה - למשל, העדכון של 2020 שמגביל את תנאי הטעינה על בסיס זמני הטעינה המבוססים על גבי טייפ.

ניהול הירוממים של ניסן עלון

בתחילה חסר לנו מערכת ניהול תרמי נוזלי.מודלים מוקדמים סבלו מהידרדרות מהירה באקלים חם.דורות תת-קרקעיים כללו BMS אשר מוגבל באופן אדפטי כוח טעינה מהיר כאשר הסוללה הייתה חמה, עוזר להאט את היכולת דועכת.זהו צורה פשוטה אך יעילה של שליטה הסתגלותית - החל את כוח הטעינה המבוסס על משוב טמפרטורה.

סוללה שניה-חיים וניהול הסתגלות

לאחר פרישת הרכב, סוללות EV הן לעתים קרובות repurpose עבור אחסון אנרגיה נייח.שליטה הסתגלות היא קריטית באותה מידה כאן, שכן יכולת הסוללה ומניעה להשתנות נרחב. A מפותחת היטב BMS יכול להאריך את החיים השני על ידי עוד 5-10 שנים על ידי אופטימיזציה מחזורי תשלום / חיוב עבור תנאי SoH הספציפיים.

מסקנה

בקרה הסתגלותית עברה מתפיסת מחקר מתפתחת לצורך מעשי עבור כלי רכב חשמליים מודרניים.כמו כימיה סוללות מתפתחת ואימוץ EV מאיצה, היכולת לנהל באופן דינמי טעינה, ניתוק, תנאים תרמיים ישפיעו ישירות על אמינות הרכב, בטיחות ועלות. בעוד אתגרים חישוב, דיוק חיישן, ומודל עמידות לפיתוח מודל, המסלול יהיה ברור: EVs יסתמך על מערכות חכמות יותר, הסתגלותיות, כי כל יצרניות ניהול סוללות נשארות על פני זמן, ולא יתאים את היכולת של ניהול סוללות אמיתי, אלא רק על פני זמן, ולפתח את מערכות ניהול סוללות זמן, ולפתח את זה זמן, ולפתח את זה זמן, ולפתח את זה זמן, ולפתח את זה זמן, ולפתח את זה זמן, ולפתח את זה זמן, ולפתח את זה זמן, ולפתח את זה זמן, ולפתח את זה זמן, ולפתח את זה זמן, ולפתח את זה זמן, ולפתח את זה זמן, ולפתח את זה זמן, ולפתח את זה זמן, זה זמן, ולפתח את זה זמן, ולפתח את זה זמן, זה זמן, ולפתח את זה זמן, ולוודא את זה זמן, ומודל חזק יותר ויותר בטוח, זה זמן של ספקולטיבית ברירה יעילה יותר ויותר בטוח, ולפתח את זה זמן,