Elektrikli araçlarda lityum iyon bataryaların sıcaklık ve akım etkisine bağlı olarak istatistiksel yöntemlerle şarj doluluk oranı tahmininin yapılması

Abstract

Bataryaların şarj durumu tahmini hem güvenlik hem de verimlilik açısından oldukça kritik bir konudur. Özellikle yüksek enerji yoğunluğuna sahip lityum iyon bataryaların aşırı şarj durumunda ortaya çıkan patlama ve yangın riski ve elektrikli araçların hemen hemen hepsinde lityum iyon batarya kullanıldığı gerçeği göz önünde bulundurulduğunda hatalı şarj durumu tahmininin ne kadar ciddi sorunlara yol açabileceği tahmin edilebilir. Bu sebeple yıllardır var olan ve elektrikli araçlar ile birlikte daha da önem kazanan şarj durumu tahmini son yıllarda araştırmacıların ilgisini çekmeyi başarmıştır. Basit batarya uygulamalarında (insan hayatını riske atmayan, doğruluk oranının çok önemli olmadığı batarya uygulamaları) ucuz ve kolay uygulanabilir oldukları için geleneksel şarj durumu tahmin algoritmaları tercih edilmektedir. Elektrikli araçlarda şarj durumu tahmin doğruluk oranının yükseltilmesi talebiyle araştırmacılar birçok karmaşık yöntem geliştirmiştir. Bunlardan en popüler olanlardan bir tanesi kalman filtresi tabanlı yöntemlerdir. Kalman filtresi ve uzantıları şarj durumu tahmini için bir batarya modeline ihtiyaç duymaktadır. Genellikle eşdeğer devre modeli ile birlikte kullanılan kalman filtresi algoritmalarının doğruluk oranı batarya modellinin doğruluk oranı ile orantılıdır. Bu yüzden araştırmacılar batarya modelleri üzerinde de çalışarak model doğruluk oranını artırmaya çalışmışlardır. Bunu yapmanın en iyi yollarından bir tanesi bataryayı etkileyen çevresel ve kimyasal faktörleri göz önünde bulundurmaktır. Bu çalışma kapsamında elektrikli araçlar için akım ve sıcaklığa bağlı batarya şarj durumu (SoC) tahmin algoritması önerilmiştir. Önerilen yöntemde SoC tahmin doğruluk oranını artırmak için eşdeğer devre modelinde sıcaklık ve akım değişimi etkisi göz önünde bulundurulmuştur. Üçüncü dereceden bir eşdeğer devre modeli kullanılarak batarya modelinde batarya karakteristiği en iyi şekilde benzetilmeye çalışılmıştır. Önerilen yöntemde SoC tahmininde yaygın olarak kullanılan ve yüksek doğruluk oranına sahip UKF algoritması kullanılmıştır. Eşdeğer devre parametrelerinin tahmin edilebilmesi için belirli akım ve sıcaklık koşullarında lityum iyon batarya numuneleri anlık deşarj yöntemi ile test edilmiştir. Her sıcaklık ve akım değeri için elde edilen test sonuçları toplanarak parametre tahmin algoritması yardımı ile üçüncü dereceden eşdeğer devre modelinin parametreleri tahmin edilmiştir. Tahmin edilen parametreler üç boyutlu arama tabloları haline getirilerek batarya modelinde kullanılmışlardır. Batarya parametrelerinin tahmini, batarya eşdeğer devre modelinin kurulması ve UKF SoC tahmin algoritmasının oluşturulması için MATLAB Simulink yazılımından faydalanılmıştır. Eşdeğer devre modeli ve SoC tahmin algoritması Simulink ortamında bir araya getirilerek önerilen algoritmanın modeli oluşturulmuştur. Önerilen algoritma benzetim ortamına olgunlaştırıldıktan sonra gömülü sistem araçları kullanılarak STM32F401RE geliştirme kartına yüklenmiştir Önerilen yöntem hem benzetim çalışması hem de uygulamalı yöntemlerle test edilerek yöntemin başarısı gözlemlenmiştir. Yöntemin ticari bir geliştirme kartı üzerinde uygulanabilmesi yöntemin ticarileşmesi açısından umut vericidir. Benzetim ve deneysel doğrulama testleri incelendiğinde önerilen yöntem geleneksel yöntemlerin önüne geçmektedir. Önerilen yöntemin mutlak hatasının %3'ün altında olması bu yöntemin elektrikli araçlarda uygulanabileceğini göstermektedir.Battery state of charge estimation is a critical issue in terms of both safety and efficiency. Considering the explosion and fire risks that occur in the event of overcharging lithium-ion batteries with high energy density and the fact that lithium-ion batteries are used in almost all electric vehicles, it is clear that how serious problems can be caused by incorrect state of charge estimation. Because of that, state of charge estimation, which has existed for years and has become more important with electric vehicles, has attracted the attention of researchers in recent years. Traditional state of charge estimation algorithms is preferred because they are cheap and easy to apply in simple battery applications (battery applications that do not endanger human life and where accuracy is not very important). Researchers have developed many complex methods with the demand to increase the state of charge estimation accuracy rate in electric vehicles. One of the popular method is Kalman filter-based methods. Kalman filter and its extensions require a battery model for state of charge estimation. The accuracy rate of Kalman filter algorithms, which are usually used together with the equivalent circuit model, is proportional to the accuracy rate of the battery model. Therefore, researchers have tried to increase the model accuracy rate by improving battery models. To do this, the environmental and chemical factors that affect the battery are required to be considered. In this study, a current and temperature dependent battery state of charge estimation algorithm is proposed for electric vehicles. In the proposed method, the effect of temperature and current change in the equivalent circuit model is considered in order to increase the SoC estimation accuracy rate. A third-order equivalent circuit model was used to simulate a real battery characteristic in the battery model. The UKF algorithm, which is widely used in SoC estimation and has a high accuracy rate, was used in the proposed method. In order to estimate the equivalent circuit parameters, lithium-ion battery samples were tested by pulse discharge method under certain current and temperature conditions. The test results obtained for each temperature and current value were collected and the parameters of the third-order equivalent circuit model were estimated by the parameter estimation algorithm. The estimated parameters were combined into three-dimensional lookup tables and used in the battery model. MATLAB Simulink software was used to estimate the battery parameters, establish the battery equivalent circuit model and create the UKF SoC estimation algorithm. The equivalent circuit model and the SoC estimation algorithm were combined in the Simulink environment and the proposed algorithm model was created. After the proposed algorithm was matured in the simulation environment, it was loaded onto the STM32F401RE development board using embedded system tools. The success of the proposed method was observed by testing it with both simulation and experimental assessment methods. The implementation of the proposed method on a commercial development board is promising in terms of commercialization of the method. When the simulation and experimental verification tests are examined, the proposed method surpasses traditional methods. Absolute error of the proposed method is below 3%. This result prove that this method can be applied in electric vehicle applications.