Один комментарий к “Моделирование литий-ионных аккумуляторов для систем управления батареями: обзор текущего состояния”. Модель аккумуляторной батареи Математические модели разряда аккумуляторов свинцовых

Подробности Опубликовано 28.01.2020

Обновление тематических коллекций в ЭБС «Лань»

ЭБС «Лань» информирует о том, что за ноябрь и декабрь 2019 года обновлены доступные нашему университету тематические коллекции в ЭБС «Лань»:
Инженерно-технические науки - Издательство «Лань» - 29
Математика - Издательство «Лань» - 6
Физика - Издательство «Лань» - 5
Ознакомиться с полным списком новой литературы Вы можете .
Надеемся, что новая коллекция литературы будет полезна в учебном процессе.

Режим работы библиотеки в период сессии

Подробности Опубликовано 09.01.2020

Уважаемые студенты и сотрудники университета! В период сессии (с 09.01.2020) библиотека работает:

абонементы: пн.-пт. с 10:00 до 18:00
читальные залы №1 и №2: пн.-пт. с 10:00 до 17:00
фотографирование на читательские билеты: пн.-пт. с 11:00 до 16:00, пом. 11-30 (1 корпус, 1 этаж).

С новым, 2020 годом!

Подробности Опубликовано 27.12.2019

Дорогие читатели! Коллектив библиотеки поздравляет вас с Новым годом и Рождеством! От всей души желаем счастья, любви, здоровья, успехов и радости вам и вашим семьям!
Пусть грядущий год подарит вам благополучие, взаимопонимание, гармонию и хорошее настроение.
Удачи, процветания и исполнения самых заветных желаний в новом году!

На правах рукописи

ИОАНЕСЯН АЛЕКСЕЙ ВИЛЬЯМОВИЧ

МОДЕЛИРОВАНИЕ НЕСТАЦИОНАРНЫХ РЕЖИМОВ РАБОТЫ АККУМУЛЯТОРНОЙ БАТАРЕИ ЭЛЕКТРОМОБИЛЯ

Специальность 05.09.03 - Электротехнические комплексы и системы

Диссертации на соискание ученой степени

Кандидата технических наук

Москва - 2009

Работа выполнена на кафедре «Электротехника и электрооборудование» в Московском автомобильно-дорожном институте (государственном техническом университете)

Ведущая организация: Федеральное государственное унитарное предприятие научно-исследовательский и экспериментальный институт автомобильной электроники и электрооборудования (ФГУП НИИАЭ), г. Москва.

Защита состоится 24 ноября 2009 г. в 10 00 часов на заседании диссертационного совета Д.212.126.05 при Московском автомобильно-дорожном институте (государственном техническом университете) по адресу:

125329 ГСП А-47, Москва, Ленинградский пр., д.64.

С диссертацией можно ознакомиться в библиотеке МАДИ(ГТУ)

Ученый секретарь

Диссертационного совета,

Кандидат технических наук, доцент Михайлова Н.В.

Общая характеристика работы

Актуальность проблемы

Автомобиль является источником выделения около 200 различных газов и химических соединений, ухудшающих экологическое состояние окружающей среды. Рост объемов производства и парка автомобилей в мире приводит к увеличению эмиссии отработавших газов, главным образом, в крупных городах. Кроме того, автомобили являются одним из основных потребителей углеводородного топлива, запасы сырья, для изготовления которого ограничены. Ужесточение экологических требований к автомобилям, сопровождаемое ростом цен на углеводородное топливо, активизировало работы по созданию альтернативных видов транспорта и в том числе электромобилей (ЭМ).

В настоящее время крупнейшие производители автомобилей (General Motors, Ford, Daimler-Chrysler, Toyota, Honda, Nissan, Mazda и др.) ведут интенсивные работы по проектированию и производству электромобилей. По таким характеристикам как запас хода и грузоподъёмность некоторые современные модели электромобилей вплотную приближаются к традиционным автомобилям, однако основным их недостатком является высокая стоимость.

Характеристики электромобиля и его стоимость в значительной степени определяются параметрами используемой энергетической установки и, в частности, аккумуляторной батареи (АБ). Для оптимизации параметров энергетической установки, расчёта характеристик электромобиля и определения его эффективности в сравнении с традиционным автомобилем основными инструментами являются математическое и имитационное моделирование.

Наиболее сложной задачей при построении модели электромобиля является моделирование работы АБ при её нестационарном разряде и заряде на электромобиле. Расчетное определение и анализ параметров АБ, кроме того, требуется в системе управления АБ на электромобиле, которая обеспечивает оптимальные условия работы, увеличивает срок службы, предотвращает перезаряд и чрезмерный разряд, обеспечивает безопасность эксплуатации и информирует водителя о степени заряженности и других параметрах батареи.

Диссертация посвящена разработке моделей движения электромобиля и исследованию нестационарных режимов работы аккумуляторной батареи электромобиля, что представляется весьма актуальным в настоящее время.

Цель и основные задачи исследования

Целью настоящей работы является создание обобщенной имитационной модели движения электромобиля и выбор характеристик АБ под заданные режимы движения электромобиля.

В соответствии с поставленной в диссертации целью решаются задачи:

анализ и систематизация методов и моделей расчета характеристик АБ;
формализация методики обработки и анализа статистических данных и имитационных экспериментов по анализу характеристик разряда;
разработка имитационной модели нестационарного движения электромобиля;
разработка методики интеграции разнородных компонентов ЭМ;
постановка и решение задач оптимизации на имитационной модели.

Методы исследования

Теоретической основой диссертационной работы являются общая теория систем, методы оптимизации, случайные процессы, имитационное моделирование, исследование операций, регрессионный анализ, дисперсионный анализ и другие.

Научная новизна

Научную новизну работы составляют методы и модели нестационарных режимов работы АБ электромобиля. На защиту выносятся:

агрегированное процессное представление имитационной модели нестационарного движения ЭМ;
модели нестационарных случайных процессов динамики движения ЭМ и заряда/разряда АБ;
модели классификации типов АБ и задачи выбора типов для заданных характеристик движения ЭМ;
программная реализация имитационной модели ЭМ;
алгоритмы оптимизации на имитационной модели ЭМ.

Обоснованность научных положений, рекомендаций и выводов, изложенных в работе, определяется корректным использованием современных математических методов, согласованным сравнительным анализом экспериментальных зависимостей с результатами имитационного эксперимента. Достоверность положений и выводов диссертации подтверждена положительными результатами внедрения разработок в ряде крупных организаций.

Практическая ценность и реализация результатов работы

Научные результаты, полученные в диссертации, доведены до практического использования. Разработан программно-моделирующий комплекс, позволяющий в интерактивном режиме использовать оперативные данные о состоянии процессов для принятия решений по выбору характеристик АБ электромобиля. Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения в ЗАО «МС ЛОГИСТИКА», ГНПП «КВАНТ», а также используются в учебном процессе в МАДИ (ГТУ). Результаты внедрения и эксплуатации подтвердили работоспособность и эффективность разработанных методов.

Апробация работы

Содержание разделов диссертации докладывалось и получило одобрение:

на республиканских и межрегиональных научно-технических конференциях, симпозиумах и семинарах (2003-2009 гг.);
на заседании кафедры «Электротехника и электрооборудование» МАДИ (ГТУ).

Структура работы соответствует списку перечисленных задач, содержит описание разработанных методов, моделей и методик.

Во введении обосновывается актуальность работы, определена цель и поставлены основные задачи исследования.

В первой главе диссертации классифицированы современные АБ, определены их основные характеристики. Проведена систематизация известных методов расчета характеристик АБ и дана оценка возможности их применения при моделировании нестационарного нагружения.

Характеристики ЭМ в основном определяются показателями бортовых источников электрической энергии. В составе энергетических установок ЭМ наибольшее распространение получили свинцово-кислотные (PbAcid), никель-кадмиевые (Ni-Cd), никель-металлогидридные (Ni-MH) АБ и батареи на основе лития (Li-Ion, Li-Metal, Li-Polimer)

Анализируя характеристики различных типов АБ, заявленные производителями, можно выделить две группы: батареи высокой энергии (тяговые), применяемые на "чистых" электромобилях и выcокомощные (импульсные) батареи.

Удельная энергия батарей первой группы достигает для свинцово-кислотных 35 Вт∙ч/кг; никель-кадмиевых – 45 Вт∙ч/кг. Эти батареи отличаются небольшой стоимостью, однако их использование значительно снижает эксплуатационные характеристики и ограничивает область использования ЭМ.

Перспективными являются никель-металлгидридные АБ E m =80 Вт∙ч/кг, P m =200 Вт/кг, литий-ионные АБ E m =140 Вт∙ч/кг, P m =420 Вт/кг и их разновидность с полимерным электролитом (Li-Polimer) E m =205 Вт∙ч/кг, P m =420 Вт/кг. Значения удельной энергии приводятся для 3-x часового режима разряда, а значения мощности соответствуют импульсу длительностью 30 с при 80% степени заряженности.

Приведенных удельных характеристик батарей недостаточно для сравнения эффективности их использования на ЭМ, поэтому основной задачей диссертации является моделирование нестационарного нагружения АБ на ЭМ, для которой предлагается модель “черного ящика” с использованием классических методов планирования эксперимента.

По исследуемым параметрам (входным и выходным) можно выделить следующие группы методов:

методы описания семейства разрядных кривых – зависимость U =f(I , t ) при заданном постоянном значении температуры (T =const);
вычисление максимального времени разряда (ёмкости батареи) в зависимости от тока разряда ;
методы упрощённого расчёта нестационарного разряда АБ, т.е. разряда при изменяющемся во времени разрядном токе или потребляемой мощности [t m =f(I ), I =var или t m =f(P) P =var];
определение момента окончания разряда АБ на данном токе, что находит применение не только при моделировании ЭМ, но и в системе управления АБ непосредственно на борту ЭМ;
комплексные методы, определяющие зависимости U =f(I , t , T ) и t m =f(I ).

Проведенный в работе анализ показал, что разделение методов моделирования работы АБ на описание процесса разряда и заряда весьма условно, поскольку большинство методов расчёта семейства разрядных кривых применимы и для описания временных зарядных характеристик.

Наиболее известным является метод аналитического описания разрядных характеристик АБ, предложенный Шефердом. Данный метод позволяет описать зависимость U = f(I ,t ) в виде:

(1)

где Е s - начальное напряжение разряда, В; K - коэффициент поляризации, Ом∙см; N - внутреннее сопротивление элемента, Ом∙см; Q - количество (ёмкость) активного материала, А∙ч/элемент; I - ток разряда, А; t - время разряда, ч; А - эмпирический коэффициент, В; В - эмпирический коэффициент; С - коэффициент, (В∙см)/(А∙сек).

Основной недостаток метода заключается в том, что коэффициенты подбираются для определенного диапазона разрядных токов и при выходе за этот диапазон погрешность аппроксимации значительно увеличивается.

Одним из наиболее простых и точных способов оценки характеристик АБ при её нагружении изменяющимся во времени током является метод Хокси. В основе метода лежит соотношение Пейкерта, определяющее зависимость максимальной ёмкости батареи (времени разряда) от тока разряда

где I 1 , I 2 … I z – значения токов на участках графика разряда I =f(t ); t 1 , t 2 ... t z - время разряда соответствующими токами I 1 , I 2 … I z .

В данной модели график тока I =f(t ) представляет кусочно-постоянную функцию, разделенную на z участков. Для рабочего диапазона токов определяются коэффициенты Пейкерта. Для решения уравнения Хокси используется поисковый алгоритм определения t m при условии равенства единице правой части уравнения.

Применяя данный метод к расчёту электромобиля, задав в качестве исходного графика I =f(t ) изменение тока батареи в цикле движения, можно рассчитать максимальное количество циклов, которые выполнит электромобиль до полного разряда батареи N ц =t m /t ц , где t ц – длительность одного цикла.

В работе на основании имитационного эксперимента была проведена оценка точности нескольких методов упрощенного расчета нестационарного нагружения АБ при движении ЭМ в цикле SAE j 227С (табл.1.). Рассматривался ЭМ с АБ OPTIMA YellowTop D 1000 S (на ЭМ устанавливалось 10 последовательно соединённых АБ общей массой 195 кг).

Результаты расчёта движения электромобиля

	Количество циклов	t m , ч	I экв , А	L , км
Метод Хокси	13,8	0,31	114	7,5
Метод эквивалентного тока	15,6	0,35	103	8,5
Метод “Fractional Utilization”	16,9			9,1
Имитационная модель движения ЭМ	14,6		132	7,9

Проведенное исследование показало согласованность результатов имитационного моделирования и результатов по Хокси. Однако необходимо учитывать, что значительную неточность может внести разбиение исходного графика нагрузки на интервалы с постоянным значением тока или мощности.

На основе проведенных в диссертации исследований для моделирования нестационарного нагружения АБ при различных режимах и условиях движения ЭМ предлагается использование гибридных аналитико-имитационных моделей на основе декомпозиционного подхода, который базируется на следующих аксиомах теории сложных систем: Иерархия: если  0 подсистема системы  и (…) - мера сложности, то ( 0)(), т.е. подсистема не может быть более сложной, чем система в целом. Параллельное соединение: если = 1  2 ….. k , т.е.  является параллельным соединением подсистем , то
. Последовательное соединение: если = 1 + 2 +…+ k , т.е.  является последовательным соединением подсистем  i , то () ( 1)+( 2)+... ( k). Соединение с обратной связью (ОС): если присутствует операция ОС  из подсистемы  2 в подсистему  1 , то ()( 1)+( 2)+( 2  1). Перечисленные свойства сложной системы допускают возможность снижения ее видимой сложности путем объединения отдельных переменных в подсистемы. При такой декомпозиции преследуется цель упростить анализ системы, рассматривая ее как слабо связанную совокупность взаимодействующих подсистем.

Во второй главе ставится и решается задача формализации принципов построения имитационной моделиЭМ. Под функционированием понимается процесс изменения ее состояния во времени. Моделирование процесса в целом должно включать модель дорожного полотна, модели взаимодействия колеса с дорожным полотном, модели самой машины, трансмиссии и других, причем все они связаны между собой и вложены одна в другую (рис.2.).

Предполагается, что система – это множество параметров
(влажность, угол поворота и др.). Каждый параметр q i принимает множество числовых значений (q i). Определим состояние процесса в целом, как s j =, где q i j (q i). Процесс Z есть четверка: Z =S , T , F ,  >, где S - пространство состояний; T - множество времен изменения состояний; F - фазовая характеристика процесса, определяемая как преобразование состояния во времени F:T  S,  - отношение линейного порядка на T .

Интервал времени моделирования передвижения ЭМ равен [t Н, t К ], где
,
. Предполагая, что на отдельных участках ЭМ ведет себя достаточно равномерно, возможна декомпозиция всего процесса на подпроцессы. Подпроцесс есть подмножество процесса Z на интервале времени [t i ; t j ]. Понятие подпроцесса позволяет рассматривать процесс в виде некоторой последовательности подпроцесов. Для обеспечения корректности описаний функционирования как системы в целом, так и ее компонентов, вводится ряд операций над процессами.

Процесс Z 1 =S 1 , T 1 , F 1 ,  1 > представляет свертку процесса Z , если он получен в результате следующих преобразований: а) произведено полное разбиение интервала определения процесса Z на n подинтервалов [ j ,  j+1 ], где j=1..n, причем  1 =t Н ,  n+1 =t К . Тогда мы получим разбиение процесса Z на n подпроцессов Z j (j=1..n); б) поставим в соответствие каждому подпроцессу Z j одно значение состояния из множества S 1 и одно значение времени  j из интервала [ j ,  j+1 ]. Операция развертки является обратной по отношению к операции свертки: процесс Z является разверткой процесса Z 1 . Процесс Z 1 является проекцией процесса Z на координатное пространство
(обозначение
), если Q 1 Q.

Пусть заданы процессы Z 1 =, T 1 , F 1 ,  1 > и Z 2 =, T 2 , F 2 ,  2 >. Процесс Z =, T , F , > является объединением процессов Z 1 и Z 2 (обозначение Z = Z 1 Z 2), если: S Q является объединением пространств и
.

Введенные операции позволяют создать формализованное описание как отдельных составляющих процессов (профиль дороги, динамическое изменение характеристик движения и др.), так и взаимодействие компонентов всей системы.

Модель движения ЭМ включает компоненты, приведенные ниже.

Модель механической части

При движении ЭМ по участку дороги с сухим ровным асфальтобетонным покрытием без уклона сила сопротивления движению F c складывается из силы сопротивления качению F ск и силы сопротивления воздуха F св :

(4)

где f – коэффициент сопротивления качению; m – полная масса электромобиля, кг; g – ускорение свободного падения, м/с 2 , K v – коэффициент сопротивления воздуха, Н∙с 2 /м 4 ; S – поверхность обдува, м 2 ; V – скорость ЭМ, км/ч;

Сила сопротивления движению создаёт на колесе ЭМ момент сопротивления, который с учетом передаточных чисел трансмиссии приводится к валу электродвигателя с учетом КПД трансмиссии.

Таким образом, момент сопротивления движению на валу электродвигателя
где r к – радиус качения колеса, м; i тр – передаточное число трансмиссии; тр – КПД трансмиссии.

Кроме того модель механической части должна учитывать движение ЭМ по участку дороги с уклоном (подъёмом или спуском) и сопротивление движению обусловленное неровностями дороги. При моделировании движения ЭМ на спусках следует учитывать рекуперацию энергии торможения.

Модель электродвигателя

В качестве тягового электродвигателя ЭМ в работе рассматривался двигатель постоянного тока (ДПТ). При всех известных недостатках этого типа двигателей, ДПТ позволяет регулировать частоту вращения в широких пределах наиболее простыми способами. Кроме того, используя двигатель независимого возбуждения, можно смоделировать множество рабочих характеристик различных типов, изменяя напряжение и задавая любые законы изменения тока возбуждения в функции тока якоря.

Момент на валу электродвигателя определяется на основании:

(5)

Полезная мощность Р 2 определяется из разности Р 2 = Р 1 - P п , где Р 1 - потребляемая от аккумуляторной батареи мощность; P п - суммарная мощность потерь в электродвигателе.

В имитационной модели электродвигателя суммарная мощность потерь рассчитывается на каждом шаге, на основании конструктивных параметров ДПТ и полученной при испытаниях характеристики холостого хода Е = f (I в) при постоянной частоте вращения вала электродвигателя.

Несмотря на тенденцию к использованию на ЭМ в качестве тяговых электродвигателей асинхронных двигателей или бесконтактных двигателей на постоянных магнитах, рассмотрение ДПТ остается наиболее удобным и вполне достаточным при решении задач имитационного моделирования ЭМ для получения картины нагружения АБ.

Модель системы управления

Управлять частотой вращения вала электродвигателя постоянного тока независимого возбуждения можно тремя путями: изменением напряжения на якоре, изменением магнитного потока или изменением сопротивления в цепи якоря. Для моделирования разгона ЭМ использовались первые два способа, сочетание которых принято называть двухзонным регулированием. Для упрощения расчёта ток якоря при разгоне поддерживался постоянным: на первом этапе – за счёт повышения напряжения, на втором – за счёт уменьшения магнитного потока. При достижении определённой скорости движения магнитный поток фиксируется, что обеспечивает через некоторое время выход электромобиля на режим движения с установившейся скоростью.

Регулирование напряжения на двигателе U Д может производиться с помощью тиристорного устройства управления методом широтно-импульсного регулирования; при этом скважность   изменяется от 0 до 1:

(6)

где U Б - напряжение батареи, В; t - длительность импульса напряжения U Д , с; T – период повторения импульсов, с.

Модель режимов движения

В работе смоделировано движение электромобиля, как в стандартном испытательном цикле SAE j 227 С, так и в режиме, сформированном на основании экспериментальных графиков движения. Цикл SAE j 227 С является одним из наиболее напряженных. Пробег за цикл составляет 537 м, средняя скорость движения - 25 км/ч, среднее ускорение при разгоне 0,74 м/с 2 , при торможении - 1,23 м/с 2 .

На основании экспериментальных графиков движения разработана методика формирования режима движения путем случайного выбора циклов и формирования случайной их последовательности. Таким образом, имитировалось неупорядоченное городское движение.

Режимы движения, полученные на основании экспериментальных данных, существенно отличаются от режимов движения в цикле SAE j 227 C, в частности, при расчете для реальных режимов движения получен меньший удельный расход энергии (260 Вт·ч/км), чем для движении в цикле (390 Вт·ч/км).

Модель аккумуляторной батареи

В первой главе диссертационной работы были рассмотрены известные методы аппроксимации разрядных кривых АБ при постоянных значениях тока. Эти методы являются статическими, т.е. не учитывают изменение режима разряда аккумуляторной батареи, постоянно происходящего на электромобиле. При моделировании нестационарного нагружения АБ необходимо учитывать зависимость максимальной емкости батареи от тока разряда. Для этого наиболее подходящим является уравнение Пейкерта (2).

На рис.3. представлен упрощенный алгоритм, позволяющий определить напряжение на АБ на каждом шаге расчета в имитационной модели движения электромобиля.

Данный подход к расчету нестационарного разряда АБ может быть распространен и на описание нестационарного заряда происходящего при рекуперативном торможении.

Конечной целью разработки модели электромобиля является определение его эксплуатационных показателей и характеристик АБ в заданном режиме движения. В качестве основных параметров были приняты следующие:

пробег (запас хода);
расход энергии при движении;
расход энергии на единицу пути и грузоподъёмности;
удельная энергия, отданная батареей.

Исходными данными для расчета являются:

параметры батареи и (или) накопителя энергии: семейство временных разрядных и зарядных характеристик для значений тока в рабочем диапазоне при постоянной температуре, масса батарейного модуля и дополнительного оборудования, количество устанавливаемых модулей и др.;
параметры электродвигателя: номинальные ток и напряжение, сопротивление якорной цепи и обмотки возбуждения, конструктивные данные, характеристика холостого хода и др.;
параметры базового автомобиля: полная масса, передаточные числа коробки передач и главной передачи, КПД трансмиссии, момент инерции и радиус качения колёс, коэффициент сопротивления воздуха, площадь обтекаемой поверхности, коэффициент сопротивления качению, грузоподъёмность и др.;
параметры режима движения.

В третьей главе диссертационной работы проведен анализ экспериментов и модельных данных на разработанной имитационной модели и решается задача выбора параметров АБ.

При моделироваении движения ЭМ в цикле SAE j 227 C были получены результаты со структурой данных представленной в табл.2.

Результаты факторного анализа (табл.3.) показали, что уже три фактора определяют 97% информации, что позволяет существенно сократить количество латентных факторов и, соответственно, размерность имитационной модели.

Результаты расчета основных показателей работы ЭМ при разгоне.


1	2	3	4	5	6	7	8	9	10	11	12
1,00	129,93	25,21	250,00	7,2	19,49	120,11	3,00	280,92	0,46	4487,4	0,02
2,00	129,80	41,11	250,00	7,2	19,58	121,19	6,23	583,47	1,81	12873,1	0,32

38,00	116,73	116,30	111,73	3,4	26,36	23,40	47,53	4449,17	393,5	828817,1	-

Результаты факторного анализа (табл.3.) показали, что уже три фактора дают 97% информации, что позволяет существенно сократить количество латентных факторов и соответственно размерность имитационной модели.

Для уточнения аналитического представления разрядных характеристик АБ 6ЭМ-145, из которых сформирована аккумуляторная батарея электромобиля общей массой 3,5т и массой батареи 700 кг, с целью изучения возможности кратковременного подзаряда АБ в течение рабочей смены и, как следствие, увеличения пробега, был проведен эксперимент по испытанию батареи 6ЭМ-145 по специальной программе. Эксперимент проводился в течение 2 месяцев на 2-х батареях 6ЭМ-145.

Информативность абстрактных факторов

	Собственное значение	Процент дисперсии	Накопленные собственные значения	Накопленный процент дисперсии
1	8,689550	78,99591	8,68955	78,9959
2	1,173346	10,66678	9,86290	89,6627
3	0,832481	7,56801	10,69538	97,2307
4	0,235172	2,13793	10,93055	99,3686

Испытания проводились по следующей методике:

Заряд двухступенчатым током 23А и 11,5А (рекомендуемый заводом- изготовителем аккумуляторных батарей)
Контрольный разряд (по рекомендации завода изготовителя) током 145А до минимального значения напряжения 9В.
Заряд до 20%,50% и 80% степеней заряженности токами 23,45 и 95А.
Разряд током 145А до минимального значения напряжения 9В.

В качестве измеряемых и вычисляемых величин были: снятая емкость, зарядная емкость, степень заряженности, коэффициенты полезного действия по емкости и энергии и др.

Итоги множественной регрессии практически для всех зависимых переменных показали статистически значимые результаты (коэффициент корреляции был равен R =0,9989, а F -отношение F (2,6)=1392,8). В результате показана возможность правомерного использования линейных моделей.

Первый этап разгона рассчитывается при значении магнитного потока Ф = Ф max = 0,0072 Вб и поддержании тока якоря на постоянном уровне I я = I я1 = 250 А. Этот этап начинается в момент времени t = 0 и заканчивается при достижении скважности равной 1. Постоянные величины для данного этапа разгона: ток возбуждения I в = a ∙Ф max 3 + b ∙Ф max 2 + c ∙Ф max =10,68 А и напряжение на обмотке возбуждения U в = I ∙R ов

В соответствии с принципом двухзонного регулирования, увеличение частоты вращения вала электродвигателя при полном напряжении можно осуществить с помощью ослабления магнитного поля. Это реализуется в электронном регуляторе тока, управляющем независимой обмоткой возбуждения. Второй этап разгона начинается в момент времени, соответствующий  =1 и заканчивается при достижении электромобилем заданной скорости. Начальными значениями V , n , U д и др. являются результаты расчёта последнего шага разгона при полном потоке, когда  =1.

Результаты множественной регрессии

	Статис-тика	Стандарт-ная ошибка	Оценка Пара-метра регресс-сии	Стандар-тная ошибка	Статис- тика Стьдента на доверитель-ный интервал	уровень ошибки принятия значимо-сти парамет-ра регрессии
Свобод-ный член			-0,267327	1,944346	-0,13749	0,895142
A	0,005475	0,019047	0,006819	0,023722	0,28744	0,783445
V3	0,999526	0,019047	1,233841	0,023513	52,47575	0,000000

Торможение электромобиля может быть механическим или рекуперативным. Последний этап движения в цикле начинается в момент времени t = t a + t cr + t co и заканчивается когда t = t a + t cr + t co + t b . Торможение в цикле SAE j 227 C происходит с постоянным замедлением, которое можно определить как: а=V выб /(3,6∙t b ) м/с 2 , где V выб - скорость к концу выбега, км/ч

Проведенные в диссертационной работе имитационные эксперименты по оценке характеристик движения ЭМ показали, что условно-нестационарный случайный процесс характеристик хорошо аппроксимируется процессом с автоковариационной функцией вида:

где r 1 (t) и r 2 (t) соответственно равны:

(9)

Получены аналитические выражения для описания условно-нестационарного процесса. Пусть вектор-столбец S=(S 0 , S -1 , ... , S -m ) T определяет значения характеристик передвижения (t ) в моменты St =  t 0 , t -1 ,…, t - m  , (t 0 >t -1 >.. >t -m ). Тогда математическое ожидание равно:

где D  (t) = (r(t-t 0 ), r(t-t -1 ), ... , r(t-t -m ) вектор-строка ковариаций;

D  =||cov((t i ), (t j ))||=||r(t i -t)||, i,j=0..-m - матрица ковариаций предыстории процесса в моменты t i , t j ; r(t) - автокорреляционная функция стационарного режима передвижения.

В качестве алгоритмов управления режимами движения ЭМ в диссертации выбраны алгоритмы стохастической аппроксимации. Пусть X векторная переменная в R N , для которой выполняются условия:

1. Каждой комбинации управляемых параметров X соответствует случайная величина Y характеристик передвижения с математическим ожиданием M Y(X) .

2. M Y(X) имеет единственный максимум, и вторые частные производные  2 M Y /x i x j ограничены на всей области изменения режимов управления.

3. Последовательности {a k } и {c k } удовлетворяют условиям:

а)

, б)

, в)

, г)

(12)

4. Рекуррентная последовательность случайных режимов управления определяется на основании переход по знаку приращения: .

5. Вектор Y k изменения характеристик передвижения определяется на основании реализации случайных значений текущих режимов X k в соответствии с одним из планов П 1 , П 2 или П 3:

П 1 =[X k , X k +c k E 1 , . . . , X k +c k E i , . . . , X k +c k E N ] T - центральный план;

П 2 =[X k +c k E 1 , X k -c k E 1 , . . . X k +c k E N , X k -c k E N ] T - симметричный план;

П 3 =[X k , X k +c k E 1 , X k -c k E 1 , . . . X k +c k E N , X k -c k E N ] T .- план c центральной точкой, где .

6. Дисперсия оценки характеристик передвижения  k 2 при каждой комбинации режимов X k ограничена  k 2  2
Проведенные в диссертации исследования показали, что при выполнении перечисленных условий последовательность выбранных режимов управления X k с вероятностью 1 сходится к оптимальным значениям.

В результате проведенной формализации алгоритм функционирования управляемой имитационной модели передвижения ЭМ представляет собой следующую последовательность действий:

1. Начальная настройка модели и выбор начальных режимов передвижения X 0 , k =0.

2. При заданной комбинации режимов X k в его локальной окрестности в соответствии с одним из планов П i (i=1,2,3) генерируются выборочные траектории характеристик передвижения ( Xk,l (t| s k )) l=1 L длительностью T каждая из общего начального состояния s k .

3. Вычисляются среднеинтегральные оценки характеристик для всех l =1 …L при общем начальном состоянии s k :

6. Задается начальное состояние s k +1 следующего интервала управления, равное конечному состоянию одного из процессов предыдущего шага.

7. В соответствии с выбранным критерием останова выполняется переход к пункту 2, либо к окончанию моделирования.

В четвертой главе проведена апробация разработанных методов и моделей.

При выборе размеров АБ, устанавливаемой на ЭМ, для оптимизации соотношения между грузоподъёмностью и пробегом электромобиля используют понятие транспортной работы A=G Э ∙L т∙км, где G Э – грузоподъёмность ЭМ, т; L – запас хода ЭМ (пробег). Грузоподъёмность ЭМ G Э =G 0 - m б / 1000 т, где G 0 = G А – m – грузоподъёмность шасси, определяемая по грузоподъёмности базового автомобиля G А c учётом массы m , высвобождаемой при замене ДВС на систему электропривода, т; m б – масса источника энергии, кг. Значение пробега L электромобиля в общем случае рассчитывается по известной в литературе формуле
км, где E m - удельная энергия источника тока, Вт∙ч/кг;  - удельный расход энергии при движении, Вт∙ч/км. В результате для транспортной работы справедливо:

т∙км,

(15)

где: коэффициент
км/кг.

На основании разработанной имитационной модели был проведен расчет движения ЭМ на базе автомобиля ГАЗ 2705 "ГАЗель" с грузоподъёмностью G 0 =1700 кг. Расчёт проводился для источников, собранных из 10 последовательно соединённых блоков батарей OPTIMA D 1000 S. Число параллельно соединённых батарей в каждом блоке изменялось от 1 до 8. Таким образом, с шагом 20 кг изменялась масса источника энергии в теоретически возможных пределах от 0 до G А .

Расчёты были проведены для движения в цикле S АЕ j 227 С и для движения с постоянной скоростью. На рис.4. показаны теоретическая и полученная при имитационном моделировании зависимости транспортной работы от массы аккумуляторной батареи.

По результатам расчёта максимум транспортной работы достигается при массе батарей, несколько большей, чем половина грузоподъёмности. Это объясняется возрастанием удельной энергии E m источника тока с увеличением его ёмкости.

Цикл S АЕ j 227 С является одним из самых напряжённых испытательных циклов, безостановочный режим движения напротив, один из самых легких. Исходя из этого, можно предположить, что графики, соответствующие промежуточным режимам движения, будут располагаться в области, ограниченной соответствующими кривыми, а максимум транспортной работы при работе на батарее OPTIMA D1000S лежит в диапазоне от 920 до 926 кг.

В заключении представлены основные результаты работы.

Приложение содержит документы об использовании результатов работы.

Основные выводы и результаты работы

Проведена классификация АБ и анализ известных методов расчета характеристик АБ. Дана оценка возможности их применения при моделировании нестационарного заряда и разряда АБ.
На основе проведенных в диссертации исследований для моделирования нестационарного нагружения АБ при различных режимах и условиях движения ЭМ предложено использование декомпозиционного подхода, который позволяет интегрировать гибридные аналитико-имитационные модели, включая модели механической части, системы управления, режимов движения и другие.
В работе поставлена и решена задача формализации принципов построения имитационной модели ЭМ с использованием процессного описания объектов и компонентов системы, позволяющая, имитировать нестационарные режимы движения ЭМ и их влияние на нестационарные характеристики нагружения АБ.
Проведен факторный анализ характеристик разгона, который показал, что уже три фактора объясняют 97% информации. Это позволило существенно сократить количество латентных факторов модели и тем самым размерность имитационной модели.
Разработана методика проведения эксперимента по сравнительному анализу характеристик разряда аккумуляторных батарей и проведены эксперименты. Полученные экспериментальные данные показали, что практически для всех зависимых переменных правомерно использование линейных моделей.
Проведенные имитационные эксперименты по оценке характеристик движения ЭМ показали, что нестационарный случайный процесс характеристик хорошо аппроксимируется процессом с гиперэкспоненциальной автоковариационной функцией. Получены аналитические выражения для описания характеристик условно-нестационарного процесса.
Для решения задач оптимизации на имитационной модели в качестве алгоритмов управления выбраны алгоритмы стохастической аппроксимации, которые обеспечивают высокую скорость сходимости в условиях больших дисперсий характеристик движения.
Разработан программно-моделирующий комплекс, который внедрен для практического применения в ряде предприятий, а также используется в учебном процессе в МАДИ(ГТУ).

Публикации по теме диссертационной работы

Результаты исследований опубликованы в 6 печатных работах.

Иоанесян А.В. Методы расчёта характеристик аккумуляторных батарей для электромобилей / Е.И.Сурин, А.В.Иоанесян // Материалы научно-методической и научно исследовательской конференции МАДИ (ГТУ). –М., 2003. – С.29-36.
Иоанесян А.В. Методы определения окончания разряда и заряда аккумуляторной батареи на электромобиле / Иоанесян А.В. // Электротехника и электрооборудование транспорта. – М.: 2006, №6 - стр. 34-37.
Иоанесян А.В. Основные параметры аккумуляторных батарей для электромобилей / А.В. Иоанесян // Методы и модели прикладной информатики: межвуз сб. науч. тр. МАДИ (ГТУ). – М., 2009. – С.121-127.
Иоанесян А.В. Модель механической части электромобиля / А.В. Иоанесян // Методы и модели прикладной информатики: межвуз сб. науч. тр. МАДИ (ГТУ). – М., 2009. – С.94-99.
Иоанесян А.В. Обобщенная имитационная модель движения электромобиля / А.В. Иоанесян // Принципы построения и особенности использования мехатронных систем: сб. науч. тр. МАДИ (ГТУ). – М., 2009. – С.4-9.
Иоанесян А.В. Модели нестационарных процессов движения электромобиля / А.В. Иоанесян // Принципы построения и особенности использования мехатронных систем: сб. науч. тр. МАДИ (ГТУ). – М., 2009. – С.10-18.

Сегодня в России наблюдается рост производителей автономных электротранспортных средств малой и средней мощности. К таковым относятся не только электромобили и городской транспорт. Электротяга успешно используется для реализации погрузчиков, складской и сельскохозяйственной техники, в рыболовной и охотничьей сферах для бесшумной охоты и рыбалки (багги, лодки, квадроциклы), а также в спортивной и развлекательной сферах.

Производители большинства данных транспортных средств используют электропривод средней мощности и литиевые аккумуляторы в качестве источников питания. Для обеспечения корректной и безопасной работы такой системы требуется контроль заряда каждой ячейки аккумуляторной батареи. Большинство производителей использует для этого готовые системы контроля (BMS ) зарубежного производства (КНР, США, Германия).

Наиболее эффективные литиевые источники питания, широко используемые в электротранспорте, по природе своей выдают рабочее напряжение порядка 3,2…4 В. Для обеспечения работы электропривода на большем напряжении их соединяют последовательно. При такой конфигурации в батарее, в случае изменения параметров одной или нескольких ячеек, может возникать дисбаланс – перезаряд, переразряд ячеек, достигающий в худшем случае 30%. Такой режим существенно (в разы) снижает ресурс аккумуляторной батареи.

Система BMS позволяет осуществлять контроль и балансировку заряда последовательно и параллельно-последовательно соединенных аккумуляторных ячеек батареи автономного электротранспортного средства.

Можно выделить 2 основных типа балансировок аккумуляторных ячеек: активная и пассивная.

При достижении порового напряжения система пассивной балансировки начинает рассеивать энергию на резисторе в виде тепла, при этом процесс заряда прекращается, далее достигнув напряжения нижнего порога система вновь начинает заряд всей батареи. Процесс заряда прекращается, когда напряжение всех ячеек находится в требуемом диапазоне.

Пассивная балансировка – система однонаправленная, она может только поглощать заряд ячейки. Активная система балансировки использует двунаправленные преобразователи постоянного тока, тем самым позволяя из более заряженной ячейки направлять энергию в более разряженную ячейку под управлением микроконтроллера BMS . Матричный коммутатор обеспечивает маршрутизацию зарядов в ячейку или из нее. Коммутатор подключен к DC-DC преобразователю, который регулирует ток, он может быть и положительный, когда ячейку нужно зарядить, отрицательный, когда необходимо разрядить. Вместо использования резистора и рассеивания тепла, величина тока перетекающего при зарядке-разрядке контролируется алгоритмом балансировки нагрузки.

Наиболее широкое распространение получили аналоговые системы пассивной балансировки. На рисунке приведена типовая система и её характеристики.

Нами была разработана математическая модель аккумуляторной батареи, состоящей из 16 LiFePO 4 ячеек, контроль заряда которой осуществлялся посредством пассивной BMS . Математическая модель аккумуляторной LiFePO 4 ячейки в системе Matlab — Simulink учитывает нелинейные зарядочные и разрядочные характеристики батареи, соответствующие данному типу ячеек, внутреннее сопротивление, а также текущий уровень максимальной емкости, изменяющийся во время жизненного цикла ячейки.

К каждой из ячеек параллельно был подключен пассивный балансир. Для управления процессом заряда и балансировки был последовательно включен ключ, открытие и закрытие которого осуществлялось по команде, поступающей от BMS . Исследование проводилось для заключительного этапа заряда аккумуляторной батареи от идеального источника напряжения.

Осциллограммы процесса заряда АКБ, состоящей из 16 LiFePO4 ячеек, одна из которых была «повреждена» и имела меньшую емкость

На рисунке приведен случай, когда у одной из ячеек были изменены параметры, в частности, моделировался случай потери емкости и увеличения внутреннего сопротивления, что может случиться в реальной жизни, например, в результате удара или вследствие перегрева.

Поврежденная ячейка заряжается быстрее и первой достигает требуемого напряжения. Однако, дальнейший заряд ее не происходит. По выше описанному принципу начинает работать балансир. Остальные ячейки, обозначенные зеленым цветом в момент остановки процесса заряда сохраняют текущий уровень емкости, а в момент его возобновления продолжают заряжаться.

Когда уровень напряжения всех ячеек достигает требуемого диапазона, процесс заряда останавливается

пробег (запас хода);
расход энергии при движении;
расход энергии на единицу пути и грузоподъёмности;
удельная энергия, отданная батареей.

Исходными данными для расчета являются:

параметры батареи и (или) накопителя энергии: семейство временных разрядных и зарядных характеристик для значений тока в рабочем диапазоне при постоянной температуре, масса батарейного модуля и дополнительного оборудования, количество устанавливаемых модулей и др.;
параметры электродвигателя: номинальные ток и напряжение, сопротивление якорной цепи и обмотки возбуждения, конструктивные данные, характеристика холостого хода и др.;
параметры базового автомобиля: полная масса, передаточные числа коробки передач и главной передачи, КПД трансмиссии, момент инерции и радиус качения колёс, коэффициент сопротивления воздуха, площадь обтекаемой поверхности, коэффициент сопротивления качению, грузоподъёмность и др.;
параметры режима движения.

Результаты расчета основных показателей работы ЭМ при разгоне.


1	2	3	4	5	6	7	8	9	10	11	12
1,00	129,93	25,21	250,00	7,2	19,49	120,11	3,00	280,92	0,46	4487,4	0,02
2,00	129,80	41,11	250,00	7,2	19,58	121,19	6,23	583,47	1,81	12873,1	0,32

38,00	116,73	116,30	111,73	3,4	26,36	23,40	47,53	4449,17	393,5	828817,1	-

Информативность абстрактных факторов

	^ Собственное значение	Процент дисперсии	Накопленные собственные значения	Накопленный процент дисперсии
1	8,689550	78,99591	8,68955	78,9959
2	1,173346	10,66678	9,86290	89,6627
3	0,832481	7,56801	10,69538	97,2307
4	0,235172	2,13793	10,93055	99,3686

Испытания проводились по следующей методике:

Заряд двухступенчатым током 23А и 11,5А (рекомендуемый заводом- изготовителем аккумуляторных батарей)
Контрольный разряд (по рекомендации завода изготовителя) током 145А до минимального значения напряжения 9В.
Заряд до 20%,50% и 80% степеней заряженности токами 23,45 и 95А.
Разряд током 145А до минимального значения напряжения 9В.

Результаты множественной регрессии

	Статис-тика	Стандарт-ная ошибка	^ Оценка Пара-метра регресс-сии	Стандар-тная ошибка	Статис- тика Стьдента на доверитель-ный интервал	уровень ошибки принятия значимо-сти парамет-ра регрессии
Свобод-ный член			-0,267327	1,944346	-0,13749	0,895142
A	0,005475	0,019047	0,006819	0,023722	0,28744	0,783445
V3	0,999526	0,019047	1,233841	0,023513	52,47575	0,000000

(9)

Получены аналитические выражения для описания условно-нестационарного процесса. Пусть вектор-столбец S=(S 0 , S -1 , ... , S -m ) T определяет значения характеристик передвижения (t ) в моменты St=t 0 ,t -1 ,…,t - m  , (t 0 >t -1 >.. >t -m ). Тогда математическое ожидание равно:

где D  (t) = (r(t-t 0 ), r(t-t -1 ), ... , r(t-t -m ) вектор-строка ковариаций;

В качестве алгоритмов управления режимами движения ЭМ в диссертации выбраны алгоритмы стохастической аппроксимации. Пусть ^ X векторная переменная в R N , для которой выполняются условия:

1. Каждой комбинации управляемых параметров X соответствует случайная величина Y характеристик передвижения с математическим ожиданием M Y(X) .

2. M Y(X) имеет единственный максимум, и вторые частные производные  2 M Y /x i x j ограничены на всей области изменения режимов управления.

3. Последовательности {a k } и {c k } удовлетворяют условиям:

а)

, б)

, в)

, г)

(12)

П 1 =[X k , X k +c k E 1 , . . . , X k +c k E i , . . . , X k +c k E N ] T - центральный план;

П 2 =[X k +c k E 1 , X k -c k E 1 , . . . X k +c k E N , X k -c k E N ] T - симметричный план;

П 3 =[X k , X k +c k E 1 , X k -c k E 1 , . . . X k +c k E N , X k -c k E N ] T .- план c центральной точкой, где .

1. Начальная настройка модели и выбор начальных режимов передвижения X 0 , k =0.

2. При заданной комбинации режимов X k в его локальной окрестности в соответствии с одним из планов П i (i=1,2,3) генерируются выборочные траектории характеристик передвижения ( Xk,l (t|s k )) l=1 L длительностью T каждая из общего начального состояния s k .

В четвертой главе проведена апробация разработанных методов и моделей.

При выборе размеров АБ, устанавливаемой на ЭМ, для оптимизации соотношения между грузоподъёмностью и пробегом электромобиля используют понятие транспортной работы A=G Э ∙L т∙км, где G Э – грузоподъёмность ЭМ, т; L – запас хода ЭМ (пробег). Грузоподъёмность ЭМ G Э =G 0 - m б / 1000 т, где G 0 =G А – m – грузоподъёмность шасси, определяемая по грузоподъёмности базового автомобиля G А c учётом массы m, высвобождаемой при замене ДВС на систему электропривода, т; m б – масса источника энергии, кг. Значение пробега L электромобиля в общем случае рассчитывается по известной в литературе формуле
км, где E m - удельная энергия источника тока, Вт∙ч/кг;  - удельный расход энергии при движении, Вт∙ч/км. В результате для транспортной работы справедливо:

т∙км,

(15)

где: коэффициент
км/кг.

В заключении представлены основные результаты работы.

Приложение содержит документы об использовании результатов работы.
^

Основные выводы и результаты работы

Проведена классификация АБ и анализ известных методов расчета характеристик АБ. Дана оценка возможности их применения при моделировании нестационарного заряда и разряда АБ.
На основе проведенных в диссертации исследований для моделирования нестационарного нагружения АБ при различных режимах и условиях движения ЭМ предложено использование декомпозиционного подхода, который позволяет интегрировать гибридные аналитико-имитационные модели, включая модели механической части, системы управления, режимов движения и другие.
В работе поставлена и решена задача формализации принципов построения имитационной модели ЭМ с использованием процессного описания объектов и компонентов системы, позволяющая, имитировать нестационарные режимы движения ЭМ и их влияние на нестационарные характеристики нагружения АБ.
Проведен факторный анализ характеристик разгона, который показал, что уже три фактора объясняют 97% информации. Это позволило существенно сократить количество латентных факторов модели и тем самым размерность имитационной модели.
Разработана методика проведения эксперимента по сравнительному анализу характеристик разряда аккумуляторных батарей и проведены эксперименты. Полученные экспериментальные данные показали, что практически для всех зависимых переменных правомерно использование линейных моделей.
Проведенные имитационные эксперименты по оценке характеристик движения ЭМ показали, что нестационарный случайный процесс характеристик хорошо аппроксимируется процессом с гиперэкспоненциальной автоковариационной функцией. Получены аналитические выражения для описания характеристик условно-нестационарного процесса.
Для решения задач оптимизации на имитационной модели в качестве алгоритмов управления выбраны алгоритмы стохастической аппроксимации, которые обеспечивают высокую скорость сходимости в условиях больших дисперсий характеристик движения.
Разработан программно-моделирующий комплекс, который внедрен для практического применения в ряде предприятий, а также используется в учебном процессе в МАДИ(ГТУ).

Публикации по теме диссертационной работы

Результаты исследований опубликованы в 6 печатных работах.

Иоанесян А.В. Методы расчёта характеристик аккумуляторных батарей для электромобилей / Е.И.Сурин, А.В.Иоанесян // Материалы научно-методической и научно исследовательской конференции МАДИ (ГТУ). –М., 2003. – С.29-36.
Иоанесян А.В. Методы определения окончания разряда и заряда аккумуляторной батареи на электромобиле / Иоанесян А.В. // Электротехника и электрооборудование транспорта. – М.: 2006, №6 - стр. 34-37.
Иоанесян А.В. Основные параметры аккумуляторных батарей для электромобилей / А.В. Иоанесян // Методы и модели прикладной информатики: межвуз сб. науч. тр. МАДИ (ГТУ). – М., 2009. – С.121-127.
Иоанесян А.В. Модель механической части электромобиля / А.В. Иоанесян // Методы и модели прикладной информатики: межвуз сб. науч. тр. МАДИ (ГТУ). – М., 2009. – С.94-99.
Иоанесян А.В. Обобщенная имитационная модель движения электромобиля / А.В. Иоанесян // Принципы построения и особенности использования мехатронных систем: сб. науч. тр. МАДИ (ГТУ). – М., 2009. – С.4-9.
Иоанесян А.В. Модели нестационарных процессов движения электромобиля / А.В. Иоанесян // Принципы построения и особенности использования мехатронных систем: сб. науч. тр. МАДИ (ГТУ). – М., 2009. – С.10-18.

В последние годы популярность обрели так называемые "разумные" аккумуляторы, или иными словами Smart batteries. Аккумуляторы этой группы оснащаются микропроцессором, способным не только обеспечивать обмен данными с зарядным устройством, но и регулировать работу аккумуляторных батарей, информировать пользователя о степени их работоспособности. Аккумуляторы, комплектуемые специализированной системой интеллектуального регулирования, находят широкое применение в самом разном техническом электрооборудовании, включительно и электротранспортном. Примечательно, что группу интеллектуальных батарей образовывают преимущественно литийсодержащие аккумуляторы, хоть и встречаются среди них герметизированные или вентилируемые свинцово-кислотные, никель-кадмиевые.

Разумные батареи, как минимум, на 25% дороже обычных аккумуляторов. Однако интеллектуальные аккумуляторы отличаются не только ценой, как большинство предполагает, но и особенностями прилагаемого к ним регулировочного устройства. Последнее гарантирует идентификацию типа аккумуляторных батарей с зарядным устройством, отслеживает температуру, напряжение, ток, степень заряда аккумуляторов. Значительная часть литий-ионных батарейных модулей имеет встроенную систему мониторинга и управления (BMS ), которая отвечает за состояние аккумуляторов и управляет ими таким образом, чтобы максимально сохранить работоспособность аккумуляторных батарей в различных условиях.

Рассмотрим же более подробно, что такое аккумуляторная батарея с BMS. Разумные батареи - это аккумуляторы, оборудованные специальной микросхемой, в которой запрограммированы постоянные и временные данные. Постоянные данные программируются ещё на заводе-изготовителе и не подлежат изменению: данные, касаемые производственной серии BMS, её маркировки, совместимости с типом аккумуляторных батарей, вольтажа, максимальных и минимальных пределов напряжения, температурных границ. Временные же данные – это данные, подлежащие периодическому обновлению. К ним относятся преимущественно эксплуатационные требования и пользовательские данные. Как правило, предусматривается возможность подключения системы управления и балансировки к компьютеру или контроллеру с целью мониторинга состояния батарей и контроля их параметров. Некоторые модели BMS могут настраиваться под разные типы батарей (уровни их напряжения, значения тока, емкость).

Система управления батареи (BMS) – электронная система, которая управляет заряд/разрядным процессом аккумуляторной батареи, отвечает за безопасность её работы, проводит мониторинг состояния батареи, оценку вторичных данных работоспособности.

BMS (Battery Management System) – это электронная плата, которая ставится на аккумуляторную батарею с целью контроля процесса её заряда/разряда, мониторинга состояния аккумулятора и его элементов, контроля температуры, количества циклов заряда/разряда, защиты составных аккумуляторной батареи. Система управления и балансировки обеспечивает индивидуальный контроль напряжения и сопротивления каждого элемента аккумулятора, распределяет токи между составными аккумуляторной батареи во время зарядного процесса, контролирует ток разряда, определяет потерю емкости от дисбаланса, гарантирует безопасное подключение/отключение нагрузки.

На основе получаемых данных BMS выполняет балансировку заряда ячеек, защищает аккумулятор от короткого замыкания, перегрузки по току, перезаряда, переразряда (высокого и чрезмерно низкого напряжения каждой ячейки), перегрева и переохлаждения. Функциональность BMS позволяет не только улучшить режим эксплуатации аккумуляторных батарей, но и максимально увеличить срок их службы. При определении критического состояния батареи Battery Management System соответственно реагирует, выдавая запрет на использование аккумуляторной батареи в электросистеме - отключает её. В некоторых моделях BMS предусмотрена возможность ведения реестра (записи данных) о работе аккумуляторной батареи и их последующей передачи на компьютер.

Литий-железо-фосфатные аккумуляторы (известные как LiFePO4), что существенно превосходят ряд иных аккумуляторный батареи литий-ионной технологии с точки зрения безопасности, стабильности и производительности, также комплектуются схемами управления BMS. Дело в том, что литий-железо-фосфатные батареи чувствительны к перезаряду, а также разряду ниже определенного напряжения. С целью уменьшения риска повреждения отдельных аккумуляторных ячеек и выхода батареи в целом из строя все LiFePO4 аккумуляторы оснащаются специальной электронной схемой балансировки – системой управления батареями (BMS).

Напряжение на каждой из ячеек, объединенных в литий-железо-фосфатную батарею, должно находиться в определенных пределах и быть равным между собой. Ситуация же такова, что идеально равная емкость всех ячеек, входящих в состав единого аккумулятора, - довольно редкое явление. Даже малое различие на пару долей ампер-часов может спровоцировать в дальнейшем различие уровня напряжения при зарядно/разрядном процессе. Разница в уровне заряда/разряда ячеек единой LiFePO4 батареи довольно опасна, так как может погубить аккумулятор.

При параллельном соединении ячеек напряжение на каждой из них будет приблизительно равным: более заряженные элементы смогут вытягивать менее заряженные. При последовательном же соединении равномерного распредения заряда между ячейками не происходит, в результате чего одни элементы остаются недозаряженными, а другие перезаряжаются. И даже, если общее напряжении по завершении зарядного процесса будет близко к идеальному, вследствиедаже небольшогоперезаряда некоторых ячеек в батарее будут происходить необратимые разрушительные процессы. Аккумуляторная батарея в процессе эксплуатации не будет отдавать требуемой емкости, и по причине неравномерного распредения заряда быстро придет в негодность. Ячейки с наименьшим уровнем заряда станут своеобразным "cлабым местом" аккумулятора: они будут быстро поддаваться разряду, в то время, когда аккумуляторные элементы большей емкости будут проходить только частичный разрядный цикл.

Избежать негативных разрушительных процессов в аккумуляторной батарее позволяет метод балансировки. Система управления и балансировки ячеек BMS следит за тем, чтобы все ячейки в конце зарядки получали равное напряжении. При подходе зарядного процесса к концу BMS делает балансировку шунтированием зарядившихся ячеек или же переносит энергию элементов с большим напряжением к элементам с меньшим напряжением. В отличии от активной, при пассивной балансировке практически полностью восполнившие заряд ячейки получают меньший ток или исключаются из зарядного процесса до момента, пока все элементы аккумулятора не будут иметь равный уровень напряжения. Система управления батареей (BMS), производя балансировку, а также обеспечивая контроль температуры и выполнение ряда иных функций, максимально продлевает срок службы аккумулятора.

Обычно магазины продают уже готовые сборные аккумуляторные батареи с BMS, однако некоторые магазины и фирмы все же предоставляют возможность приобретения аккумуляторных составных по отдельности. К их числу относится и фирма «Электра». Электра – первая фирма в Украине, решившаяся на поставку и создание рынка аккумуляторных элементов для самостоятельной сборки и конструирования литий-железо-фосфатных аккумуляторных батарей (LiFePO4) в нашей стране. Главное преимущество самостоятельной сборки батарей из отдельных ячеек состоит в возможности получения сборного аккумуляторного комплекта максимально приближенного к запросам пользователя с точки зрения рабочих параметров и емкости. При покупке комплектующих для сборки LiFePO4 батареи важно обращать внимание не только на соответствие аккумуляторных ячеек между собой, но и смотреть на параметры BMS : напряжение, ток разряда, количество ячеек, на которое она рассчитана. Эксплуатация литий-железо-фосфатной аккумуляторной батареи также предусматривает использование исключительно зарядного устройства, отвечающего ей по типу. Его напряжение должно быть равным общему напряжению аккумуляторной батареи.

24v 36v 48v 60v

Основные цели применения BMS(BatteryManagementSystem) в качестве регулятора работы аккумуляторной батареи:

Защита аккумуляторных клеток и целой батареи от повреждений;

Увеличение срока службы батареи;

Поддержание аккумулятора в состоянии, при котором станет максимально возможным выполнение всех возложенных на него задач.

ФункцииBMS (Battery Management System)

1. Контроль за состоянием элементов аккумуляторной батареи с точки зрения:

- напряжения: общее напряжение, напряжение отдельных ячеек, минимальное и максимальное напряжение ячейки;

- температуры: средняя температура, температура электролита, температура на выходе, температура отдельных аккумуляторных "клеток", платы BMS (электронная плата, как правило, оснащается как внутренними температурными датчиками, проводящими мониторинг температуры непосредственно регулировочного устройства, так и внешними, которые используются для контроля температуры конкретных элементов батареи);

- заряда и глубины разряда;

- токов заряда /разряда;

- исправности

Система управления и балансировки ячеек может хранить в памяти такие показатели, как количество циклов заряда/разряда, максимальное и минимальное напряжение ячеек, максимальное и минимальное значение тока заряда и разряда. Именно эти данные и позволяют определять состояние исправности аккумуляторной батареи.

Неправильный заряд – одна из наиболее распространенных причин выхода аккумуляторной батареи из строя, поэтому контроль заряда является одной из основных функций микроконтроллера BMS.

2. Интеллектуально-вычислительная. На основе вышеперечисленный пунктов BMS проводит оценку:

Максимального допустимого тока заряда;

Максимального допустимого тока разряда;

Количества энергии, поставляемой вследствие зарядки, или же теряемой при разряде;

Внутреннего сопротивления ячейки;

Суммарной наработки аккумуляторной батареи в процессе эксплуатации (общего количества циклов работы).

3. Связная. BMS может подавать вышеуказанные данные на внешние управляющие устройства путем проводной или же беспроводной коммуникации.

4. Защитная. BMS защищает батарею, предотвращая её выход за пределы безопасной работы. BMS гарантирует безопасность подключения/отключения нагрузки, гибкое управление нагрузкой, защищает аккумуляторную батарею от:

Перегрузки по току;

Перенапряжения (во время зарядки);

Падения напряжения ниже допустимого уровня (во время разряда);

Перегрева;

Переохлаждения;

Утечки тока.

BMS может предотвратить опасный для аккумуляторной батареи процесс путем непосредственного влияния на неё или же подачи соответствующего сигнала о невозможности последующего использования аккумулятора к управляющему устройству (контроллеру). Система интеллектуального мониторинга (BMS) отключает аккумуляторную батарею от нагрузки или зарядного устройства при выходе хотя бы одного из рабочих параметров за границы допустимого диапазона.

5. Балансировка. Балансировка – это метод равномерного распределения заряда между всеми ячейками аккумуляторной батареи, благодаря чему максимально продлевается срок службы аккумулятора.

BMS предотвращает чрезмерный перезаряд, недозаряд и неравномерный разрядный процесс в отдельных аккумуляторных ячейках:

Осуществляя "перетасовку" энергии от наиболее заряженных клеток к менее заряженным (активная балансировка);

Снижая до достаточного низкого уровня поступление тока к практически полностью заряженной ячейке, одновременно с тем, когда менее заряженные аккумуляторные клетки продолжают получать нормальный зарядный ток (принцип шунтирования),

Обеспечивая процесс модульной зарядки;

Регулируя выходные токи ячеек аккумулятора, подключенного к электроустройству.

С целью защиты платы BMS от негативного воздействия влаги и пыли её покрывают специальным эпоксидным герметиком.

Не всегда аккумуляторы имеет только одну систему управления и балансировки. Иногда вместо одной платы BMS, подсоединяемой при помощи выходящих проводов к аккумуляторной батарее и контроллеру, используется сразу несколько связанным между собой регулировочных электронных плат, каждая из которых управляет определенным количеством ячеек и подает выходящие данные к единому контроллеру.

С практической точки зрения BMS могут выполнять значительно больше функций, нежели просто управление работой батареи. Иног да эта электронная система может принимать участие в контроле параметров режима работы электрического транспортного средства, и осуществлять соответствующие действия по управлению его электрической мощностью. Если аккумуляторная батарея участвует в работе системы рекуперации энергии при торможении электрического транспортного средства, то BMS также может регулировать процесс подзарядки батареи при замедлении и спусках.