¿Cómo identifica el SOE previsto para las baterías de iones de litio en función de las condiciones de funcionamiento de los vehículos eléctricos?

Liu Weilong, Wang Lifang, Wang Liye, Laboratorio de Claves de Transmisión de Energía y Electrónica de Potencia de la Academia de Ciencias de China, investigadores de la Academia de Ciencias de la Universidad de China, señalaron en 2018 la primera fase de los procedimientos de electrotécnica que el estado energético (SOE ) es el indicador de estado importante de la batería de energía del automóvil eléctrico, que afecta directamente el rango de los automóviles eléctricos, afectado significativamente por las condiciones de trabajo del automóvil eléctrico.

Para estimar, basado en las condiciones de trabajo de los autos eléctricos, método de estimación SOE a SOE, algoritmo de reconocimiento de modo, lanza la condición de investigación del algoritmo de predicción, basado en el método de estimación del estado de energía residual de la batería (SOR) del modelo, basado en el algoritmo de reconocimiento de estado de funcionamiento de la teoría de la entropía de la información, la aplicación de la teoría del algoritmo de predicción de la cadena de Markov, se establece la construcción del modelo del sistema del vehículo eléctrico de conducción, la simulación para los modos de conducción del vehículo eléctrico correspondiente predicción de la batería, la implementación basada en las condiciones de trabajo del reconocimiento del vehículo eléctrico y Se estima la predicción de SOE. Los resultados de la simulación demuestran la eficacia del método propuesto.

En la actualidad, el automóvil eléctrico se ha convertido en una industria de investigación y del automóvil candente, pero el problema de la "ansiedad de autonomía" de las inundaciones limita su desarrollo [1], el estado cargado (estado de carga, SOC) como indicadores de la energía restante de la batería. de los parámetros es ampliamente utilizado en coches eléctricos, tiene que alertar a los usuarios sobre la función de carga oportuna.

Pero como resultado de la batería de energía bajo las condiciones de funcionamiento del voltaje de descarga de una tendencia a la baja, hace que la batería de energía SOC en un rango más grande de energía (W * h), la capacidad de suministro se reduzca, por lo tanto, en el proceso del índice SOC de ejecución del automóvil eléctrico mostró una tendencia a la baja acelerada. SOC como parámetros del indicador de carga, fácil de causar el tiempo de carga de un juicio erróneo, causó inconvenientes a los usuarios de automóviles eléctricos.

Estado de energía de la batería de alimentación (Estado de energía, SOE) como el parámetro de escala de la unidad W xh del automóvil eléctrico, la proporción de la energía residual es una descripción directa de la capacidad de suministro de energía de la batería, como el parámetro indicador de carga del usuario del automóvil eléctrico.

En la actualidad, el método de estimación de SOE de la batería para la aplicación del algoritmo de estimación de SOC suele extenderse, la batería se estima en función de la relación de mapeo del SOC y el SOE SOE [2, 3], se obtiene mediante la conversión de SOC de SOE no es precisa, sin embargo , esto se debe a la energía de la batería en la práctica, con el cambio de las condiciones del tráfico del vehículo conducirá a diferentes grados de pérdida de energía, haga el cambio en la energía de suministro real para generar energía de la batería. Por lo tanto, basándose en la predicción de los estados de energía restantes disponibles (SOE) de la batería del ciclo de conducción futuro del vehículo, tiene un significado más práctico.

La historia y la predicción de las condiciones futuras del tráfico es la premisa del reconocimiento de las condiciones del tráfico, este trabajo se llevó a cabo en base a las condiciones de trabajo de las baterías de iones de litio de reconocimiento de vehículos eléctricos en la investigación de estimación de SOE.

El modelo de batería es la base para estimar el estado de la batería, se puede dividir en modelo de mecanismo electroquímico principal (4, 5), modelo de experiencia [6, 7] y [8, 9] tres tipos de modelo de circuito equivalente. Entre ellos, debido al modelo de circuito equivalente es fácil de analizar la aplicación, una buena comunidad de ventajas, ha logrado una amplia gama de aplicaciones.

Algoritmo de estimación de SOE basado en el modelo de circuito equivalente de batería, basado en el modelo del algoritmo de estimación del estado de energía residual de la batería (State of Residual Energy, SOR), basado en el algoritmo de reconocimiento de la condición de ejecución de la teoría de la entropía de la información y el algoritmo de predicción basado en el teoría del ciclo de conducción de la cadena de Markov; Construya el modelo de vehículo eléctrico, obtenga las condiciones de predicción de la batería, para estimar en función de las condiciones de trabajo de identificación y predicción de SOE; Los resultados del análisis de simulación, verifican la precisión del algoritmo.


Figura 1 Estructura del modelo de circuito equivalente de batería de iones de litio

Figura 2 modelo de sistema de vehículo eléctrico

Figura 3 un algoritmo de estimación de SOE de batería

Conclusión

Este artículo presenta una especie de algoritmo de estimación de SOE basado en las condiciones de trabajo del reconocimiento de vehículos eléctricos y la predicción de la batería de iones de litio.

En primer lugar, basándose en la teoría del espectro de impedancia del electrodo, se construye un modelo de circuito equivalente de batería de orden diferente y se aplica el algoritmo GA para implementar la identificación de los parámetros del modelo;

En segundo lugar, basado en AUKF, presenta el algoritmo de estimación de SOR basado en un modelo de batería de diferentes órdenes, los resultados de la simulación muestran que el algoritmo puede lograr una rápida convergencia;

Una vez más, el algoritmo FCMIE realiza la identificación del ciclo de conducción del vehículo eléctrico y la condición del algoritmo de predicción basado en la teoría de la cadena de Markov, la condición de funcionamiento del pronóstico del automóvil eléctrico, los resultados de la simulación muestran que el algoritmo para predecir el efecto de las condiciones es bueno;

Finalmente, la integración del modelo de circuito equivalente de batería de orden diferente en el modelo de sistema de vehículo eléctrico, la simulación para obtener los vehículos eléctricos de batería correspondientes para predecir la condición de funcionamiento de la predicción, la batería de pérdida de energía de la batería en los casos de cálculo, y luego para estimar la batería de SOE.

SOE estima el error de partido dentro del 2,45%, el algoritmo de estimación de SOE de batería propuesto tiene un buen efecto.

La página contiene el contenido de la traducción automática.