Elektrikli araçlardaki lityum-iyon bataryalar için modelleme ve şarj durumunun kestirimi
Modelling and state of charge estimation for lithium-ion batteries in electric vehicles
- Tez No: 676338
- Danışmanlar: PROF. DR. MUSTAFA DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 95
Özet
Başta çevresel etmenler, petro-kimyasal fosil yakıtların oluşturduğu hava kirliliği ve araçların oluşturduğu gürültü kirliliği, yakıt maliyetlerinin artması, ek olarak dünyada fosil yakıtların giderek azalması birçok ülkeyi otomotiv dünyasındaki normları değiştirmeye itmiştir. Egzoz emisyon kaynaklı ağır regülasyonların ardından elektrikli araçlar için oluşturulan teşfikler bu konu üzerine çalışmaları hızlandırmıştır. Elektrikli motor kullanımı sebebiyle aktarma organları ve vites kutusuna ihtiyaç duyulmaması, tamir-bakım ihtiyacının fosil yakıt kullanan araçlara göre az olması, en önemlisi kilometre başı ulaşım maliyetinin düşük olması elektrikli araçların toplum tarafından kabullenmesini hızlandırmıştır. Sonuç olarak dijitalleşmenin ve akıllı teknoloji ürünlerinin rüzgarını arkasına alan elektrikli araçlar iyi bir satış başarısı yakalamış ve birçok ülkede bu alanda çalışmalar başlamıştır. Türkiye'nin de yerli otomobil çalışmasını elektrikli araç olarak sürdürmesi yakın gelecekte ülkemizde de elektrikli araç yönelimini arttıracaktır. Elektrikli araçlarda en fazla Lityum-İyon bataryalar tercih edilmektedir. Bu batarya türünün uzun süreli kullanım ömrü olması, güç/enerji yoğunluğunun yüksek olması ve ticari başarısından dolayı tedarik edilebilirliğinin kolay olması tercih edilmesinin en büyük sebeplerini oluşturur. Elektrikli araçlar yüksek güç gerektiren bataryalara ihtiyaç duyarlar, batarya hücreleri düşük gerilimlere sahip olduğu için yüksek güç ihtiyacı birbirine seri, paralel veya seri-paralel bağlı hücrelerin bir araya gelmesiyle oluşan batarya paketleriyle sağlanır. Kullanışlı yapılarına rağmen aşırı şarj, aşırı deşarj veya aşırı ısınma bataryanın performansının düşmesine, kullanım ömrünün azalmasına hatta yanmasına veya patlamasına sebep olabilir. Bu zorluklar birçok araştırma alanı yaratmıştır bunların başında da Batarya Yönetim Sistemi (BMS) gelmektedir. BMS bataryanın durumunu, parametrelerini izler ve şarj/deşarj süreçlerini düzenler. Güç taleplerini karşılamak, güvenliği-performansı arttırmak ve batarya ömrünü uzatmak için pil hücreleri arasında dengeleme gerçekleştirir. Batarya yönetimi esnasında en önemli görevlerden biri Batarya Şarj Durumudur (SOC). Aşırı şarj durumu veya derin deşarj durumları bataryalara büyük zarar vermektedir. Bu sebeple SOC'nin doğru kestirilmesindeki başarı batarya yönetimin başarısını direkt etkilemektedir. SOC'nin zaman içindeki evrimi termodinamik, elektrotun kinematiği ve araç kullanım şekline bağlıdır. Sonuç olarak SOC'in kestirimi doğrusal olmayan problemlerin çözümüyle mümkündür. Birçok dinamiğe sahip olan paketlerin sıcaklık, gerilim, akım gibi değerleri direkt ölçülebilirken batarya şarj durumu ve sağlık durumu gibi nicelikler direkt ölçülemezler bu değerleri çeşitli mühendislik yöntemleriyle tahmin etmek veya kestirimini yapmak mümkündür. Bu tez çalışmasında batarya şarj seviyesinin tahmin edilmesinde kullanılan yöntem ve modellerin karşılaştırılması yapılıp en doğru sonucu veren yöntem ve modelin ortaya çıkarılması amaçlanmıştır. Tez çalışmasının başında batarya modelleme yöntemleri; ideal modelleme yöntemi, kara kutu modelleme yöntemi, eşdeğer devre modelleme yöntemi ve elektro kimyasal modelleme yöntemi incelenmiş ve eşdeğer devre modelleme (EDM) yöntemi tercih edilmiştir. Bataryaların davranışını en doğru biçimde yansıtmak amacıyla eşdeğer devre kurulurken histerisis, batarya polarizasyon sabitleri ve ohmik kayıplar göz önünde bulundurulmuştur. Çalışmanın doğruluk-hata kontrolü, laboratuvar ortamında bataryaya uygulanan Kentsel Dinamometre Sürüş Programına UDDS (Urban Dynamometer Driving Schedule) istinaden açık devre gerilimleriyle elde edilen SOC batarya data seti referans alınarak yapılmıştır. Eş değer devre modelleme yöntemi kullanılarak 3 farklı model hazırlanmış, MATLAB üzerinde 3 farklı Kalman Filtresi algoritması koşturularak yüzdelik hata tablosu hazırlanmıştır. Kalman filtresi kurulan modelin önceki bilgileri ve giriş-çıkış bilgilerini kullanarak sistemin durum değişkenlerini kestirmeye yarayan ayrıca sistemin ölçülemeyen durumlarını tahmin etmek için kullanılan çok popüler bir filtreleme yöntemidir. Özellikle bataryada akım ve gerilim ölçümlerinde karşılaşılan gürültülü veriler üzerinde özyinelemeli olarak gerçek zamanlı çalışarak hataları minimize eder. Tahmin ve düzeltme olarak iki ana bölüme ayrılır. Kullanılan Kalman filtrelerinin farklı sonuçlar vermesi yöntemlerin temelde aynı mantık da çalışmasına rağmen içeriğinin birbirlerinden oldukça farklı olmasından kaynaklanır. Oluşturulan Kalman Filtresi algoritmalarından, Genişletilmiş Kalman Filtresi (EKF) yönteminde jakobiyen matrisleri Taylor Serisi açılımı kullanılarak oluşturulur. Jakobiyen matrisleri içindeki doğrusallaştırmalar Taylor serisi birinci dereceden en büyük ifadelerinden meydana gelir. Bu durum ise mevcut lineer olmayan modelin lineerleştirilmesi ve yakınsamada hataya sebebiyet vermesine yol açmıştır. Kullanılan ikinci yöntem Kokusuz Kalman Filtresi (UKF) yönteminde ise karmaşık jakobiyen matrisleri yer almaz. Lineerleştirme yapılmadığı için EKF'ye göre daha iyi sonuçlar verir. Kokusuz Kalman Filtresi sistem durumlarını kestirmek için, çeşitli sigma noktaları belirler ve bu noktaları doğrusal olmayan fonksiyon üzerinde koşturarak sistem durumlarını kestirir. Son yöntemde ise Adaptif Kalman Filtresi (AKF) kullanılmış bu yöntemde ise kalman filtresi verilerini oluşturan sistem ve ölçüm gürültüleri yinelemeli olarak sisteme dahil olmuştur en iyi sonucu bu yöntem vermiştir.
Özet (Çeviri)
Environmental factors, air pollution caused by petro-chemical fossil fuels, noise pollution caused by vehicles, increasing fuel costs, and the gradual decrease of fossil fuels in the world have pushed many countries to change the automotive industry norms. Accelerated the work on this issue after heavy regulations originating from exhaust emissions, and the incentives created for electric vehicles. USA, China, England, and many European countries have decided to ban partially or completely the entry of vehicles with high emission values into the city for the near future. These sanctions and incentives such as tax exemptions, free highways and low parking fees applied by some countries in the purchase of electric vehicles contributed positively to the acceleration of the process. The fact that there is no need for a drivetrain and gearbox due to the use of electric motors, the need for repair and maintenance is less compared to vehicles using fossil fuels, and most importantly the low transportation cost per kilometer has accelerated the acceptance of electric vehicles by the society. As a result, electric vehicles which are supported by digitalization and smart technology products, have achieved good sales success. Studies in this field have started in many countries. Turkey's continuation of a domestic automobile is as an electric vehicle will increase the tendency of electric vehicles in our country soon. Lithium-Ion batteries are mostly preferred in electric vehicles. The main reasons for choosing this type of battery are that it has a long service life, has a high power/energy density, and is easy to supply due to its commercial success. Electric vehicles need batteries that require high power, since the battery cells have low voltages, the high power requirement is provided by battery packs formed by the combination of cells connected in series, parallel, or in series-parallel. Despite their useful structure, overcharging, over-discharging or overheating can cause the battery to decrease in performance, reduce its lifespan or even burn or explode. These challenges have created many research areas. The Battery Management System (BMS) is the foremost among them. BMS monitors battery states, parameters and regulates charge/discharge processes. It performs balancing between battery cells to meet power demands, increase safety performance and extend battery life. One of the most important tasks during battery management is Battery State of Charge (SOC). Overcharge or deep discharge conditions cause too much damage to the batteries. For this reason, the success in estimating the SOC directly affects the success of battery management. The evolution of SOC over time is dependent on thermodynamics, electrode kinematics, and depends on vehicle usage. As a result, the estimation of SOC is possible by solving nonlinear problems. While the values such as temperature, voltage, and current of packages with many dynamics can be measured directly, quantities such as battery state of charge and health cannot be measured directly. SOC is one of the most important phenomena of battery management. Accurate estimation of SOC saves the battery from overcharge and deep discharge situations, contributes to the life of the battery, facilitates thermal management, and ensures safe use of the battery. Especially in autonomous driving mode, knowing the state of charge well provides long-range. For these reasons, the low error in the estimation of SOC directly affects the battery management system. This thesis, aimed to compare the methods and models used in estimating the battery charge level and to reveal the method and model that gives the most accurate result. Battery modeling methods at the beginning of the thesis; ideal modeling method, black box modeling method, equivalent circuit modeling method, and electrochemical modeling method were examined, and equivalent circuit modeling (EDM) method was preferred. Hysteresis, battery polarization constants and ohmic losses were taken into account while establishing the equivalent circuit in order to reflect the behavior of the batteries in the most accurate way. The accuracy-error control of the study was carried out with reference to the SOC battery data set obtained with open circuit voltages based on the Urban Dynamometer Driving Program UDDS applied to the battery in the laboratory environment. Using the equivalent circuit modeling method, 3 different models were prepared, and a percentile error table was prepared by running 3 different Kalman Filter algorithms on MATLAB. The Kalman filter is a very popular filtering method used to estimate the state variables of the system by using the previous information and input-output information of the established model and also to predict the unmeasured states of the system. Especially in the battery, it minimizes errors by working recursively on noisy data encountered in current and voltage measurements in real-time. It is divided into two main parts as prediction and correction. Although the methods work in the same logic, the contents are quite different from each other for this reason Kalman filters are used to give different results. Among the generated Kalman Filter algorithms, Jacobian matrices are created using the Taylor Series expansion in the Extended Kalman Filter (EKF) method. Linearization in Jacobian matrices The Taylor series consists of first-order maximum expressions and includes all partial derivatives of a vector. This situation leads to linearization of the existing nonlinear model and causes errors in convergence. The second method used is the Unscented Kalman Filter (UKF) method, which does not include complex Jacobian matrices. It gives better results than EKF as it is not linearized. Unscented Kalman Filter determines various sigma points to predict system states and estimates system states by running these points on a nonlinear function. The mean, covariance, and probable higher-order moments of these points are chosen to match the Random Gaussian variable. The mean and covariance can be recalculated from these points on the function, giving more accurate results than the classical function linearization method. The basic idea in this method, to provide an approximation to the probability distribution rather than the function itself. In general, this strategy not only reduces computational complexity but also increases estimation accuracy by producing more accurate and faster results. Limitation on the UKF, The reason is that this filter has a lower limit of safe propagation of sigma points, which expresses the distance between points in the state space. Having sigma point spreads below this limit does not guarantee to obtain positive semi-definite correlation matrices. In addition, this distance increases depending on the size of the state space, and the resulting high sigma propagation may cause sampling of non-local features, which may cause various problems in highly nonlinear models. In the last method, Adaptive Kalman Filter (AKF) is used and in this method, system and measurement noises that make up the Kalman Filter data are included in the algorithm recursively. Noise characteristics are one of the factors that directly affect the Kalman Filter performance, since the noise values were revised during the estimation, this method gave the best results. The Kalman Filter recursive logic is followed to add a recursive update rule for the process noise covariance and the measurement noise covariance. The derivation of these rules is based on the covariance matching method. The rule is a scaled value of the previous covariance matrix and a correction covariance error term. This error calculates at each sample using the available state covariance error information and information from the most recent measurements. In addition, updates can tune the algorithm to get the best performance of process noise covariance and the measurement noise covariance matrices.
Benzer Tezler
- Nominal capacity calculation for lithium-ion batteries with advanced algorithms
Lityum-iyon bataryalarda gelişmiş yöntemlerle batarya güncel kapasite kestirimi
HARUN NALBANT
Yüksek Lisans
İngilizce
2022
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. METİN GÖKAŞAN
- Elektrikli araçlardaki lityum iyon bataryalar için şarj durumu tahmini
State of charge estimation for lithium-ion batteries in electric vehicles
EGE ANIL BOSTAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Ana Bilim Dalı
DOÇ. DR. VOLKAN SEZER
- Reinforcement learning based battery thermal management controller for electric vehicle charge time optimization using horizon data
Ufuk verileri kullanılarak takviyeli öğrenme tabanlı batarya termal yönetim kontrolü ile elektrikli araçlarda şarj süresinin iyileştirilmesi
YUNUS TURHAN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT YILMAZ
- Li-iyon batarya modelinin en uygunlaştırılması ve batarya bozunumunun incelenmesine katkılar
Contributions to optimization of Li-ion battery models and analysis of battery degradation
HAKAN İNCESU
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DERYA AHMET KOCABAŞ
- Modelling and state of charge estimation for lithium-ion batteries
Lityum-iyon bataryalarda modelleme ve şarj durumu kestirimi
OZAN ÖZAY
Yüksek Lisans
İngilizce
2019
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA