طراحی و صحه‌گذاری روشی نامبتنی-بر-مدل برای حفظ عملکرد ایمن باتری در خودروی‌برقی بوسیله شبیه‌سازی سخت‌افزار-در-حلقه

نوع مقاله: مقاله علمی پژوهشی

نویسندگان

1 دانشکده مهندسی مکانیک، دانشگاه تهران، تهران

2 استاد دانشکده مهندسی مکانیک / دانشگاه تهران

3 دانشگاه تهران*مهندسی مکانیک

4 استادیار، دانشکده مهندسی خودرو، دانشگاه علم و صنعت ایران

5 پژوهشکده خودرو، سوخت و محیط زیست، دانشگاه تهران، تهران

چکیده

این مقاله به ارایه روشی برای حفظ محدوده ولتاژ ایمن باتری در خودروی برقی می‌پردازد. در روش پیشنهادی با استفاده از مقدار لحظه‌ای ولتاژ باتری، محدودسازی حداکثر گشتاور موتور کششی بر اساس یک ارتباط سیگنالینگ بین سیستم مدیریت باتری (BMS) و واحد کنترل خودرو انجام می‌شود. عملکرد روش پیشنهادی مبتنی بر دقت مدل‌سازی باتری نیست و برای شرایط مختلف عمر باتری قابل استفاده است. عملکرد روش پیشنهادی بوسیله بستر تست سخت‌افزار-در-حلقه برای یک اتوبوس هیبرید الکتریکی سری مورد ارزیابی قرار گرفته است و نتایج شبیه‌سازی حاکی از بهبود عملکرد نسبت به روش‌های متداول موجود برای شرایط مختلف عمر باتری است.

کلیدواژه‌ها

موضوعات


[1]   Abada, S., Marlair, G., Lecocq, A., Petit, M., Sauvant-Moynot, V., and Huet, F., “Safety Focused Modeling of Lithium-ion Batteries : A Review”, J. Power Sources, Vol. 306, pp. 178–192, (2016).

 

[2]   Lu, L., Han, X., Li, J., Hua, J., and Ouyang, “A Review on the Key Issues for Lithium-Ion Battery Management in Electric Vehicles”, J. Power Sources, Vol. 226, pp. 272–288, (2013).

 

[3]   Xing, Y., Ma, E. W. M., Tsui, K. L., and Pecht, “Battery Management Systems in Electric and Hybrid Vehicles”, Energies, Vol. 4, No. 11, pp. 1840–1857, (2011).

 

[4]   Waag, W., Fleischer, C., and Sauer, D. U., “Critical Review of the Methods for Monitoring of Lithium-ion Batteries in Electric and Hybrid Vehicles”, J. Power Sources, Vol. 258, pp. 321–339, (2014).

 [5]  Fleischer, C., Waag, W., Bai, Z., and Sauer, D. U., “On-line Self-learning Time Forward Voltage Prognosis for Lithium-ion Batteries using Adaptive Neuro-fuzzy Inference System”, J. Power Sources, Vol. 243, pp. 728–749, (2013).

 

[6]   Waag, W., Fleischer, C., and Sauer, D. U., “Adaptive On-line Prediction of the Available Power of Lithium-ion Batteries”, J. Power Sources, Vol. 242, pp. 548–559, (2013).

 

[7]   Juang, L.W., Kollmeyer, P.J., Jahns, T.M., and Lorenz, R.D., “Implementation of Online Battery State-of-power and State-of-function Estimation in Electric Vehicle Applications”, 2012 IEEE Energy Convers. Congr. Expo. ECCE 2012, pp. 1819–1826, Raleigh, USA, (2012).

 

[8]   Li, X., Sun, J., Hu, Z., Lu, R., Zhu, C., and Wu, G., “A New Method of State of Peak Power Capability Prediction for Li-ion Battery”, In 2015 IEEE Vehicle Power and Propulsion Conference (VPPC), pp. 1–5, Montreal, Canada, (2015).

 

[9]   Pei, L., Zhu, C., Wang, T., Lu, R., and Chan, C.C., “Online Peak Power Prediction Based on a Parameter and State Estimator for Lithium-ion Batteries in Electric Vehicles”, Energy, Vol. 66, pp. 766–778, (2014).

 

[10] Feng, T., Yang, L., Zhao, X., Zhang, H., and Qiang, J., “Online Identification of Lithium-ion Battery Parameters Based on an Improved Equivalent-circuit Model and Its Implementation on Battery State-of-power Prediction”, J. Power Sources, Vol. 281, pp. 192–203, (2015).

 

[11] Fleischer, C., Waag, W., Heyn, H. M., and Sauer, D. U., “On-line Adaptive Battery Impedance Parameter and State Estimation Considering Physical Principles in Reduced Order Equivalent Circuit Battery Models”, J. Power Sources, Vol. 260, pp. 276–291, Aug (2014).

 

[12] Fleischer, C., Waag, W., Heyn, H.M., and Sauer, D.U., “On-Line Adaptive Battery Impedance Parameter and State Estimation Considering Physical Principles in Reduced Order Equivalent Circuit Battery Models Part 2, Parameter and State Estimation”, J. Power Sources, Vol. 262, pp. 457–482, Sep (2014).

 

[13] Burgos-Mellado, C., Orchard, M. E., Kazerani, M., Cárdenas, R., and Sáez, D., “Particle-filtering-based Estimation of Maximum Available Power State in Lithium-ion Batteries”, Appl. Energy, Vol. 161, pp. 349–363, (2016).

 

[14] Kim, Y., Salvi, A., Siegel, JB., Filipi, ZS., Stefanopoulou, AG., and Ersal, T., “Hardware-in-the-loop Validation of a Power Management Strategy for Hybrid Powertrains”, Control Eng. Pract, Vol. 29, pp. 1–9, Jun (2014).

 

[15] Wang, L., Zhang, Y., Yin, C., Zhang, H., and Wang, C., “Hardware-in-the-loop Simulation for the Design and Verification of the Control System of a Series–parallel Hybrid Electric City-bus”, Simul. Model. Pract. Theory, Vol. 25, pp. 148–162, Jun (2012).

 

[16]    Zheng, F., Jiang, J., Sun, B., Zhang, W., and Pecht, M., “Temperature Dependent Power Capability Estimation of Lithium-ion Batteries for Hybrid Electric Vehicles”, Energy, Vol. 113, pp. 64–75, (2016).

[17] Xiong, R., He, H., Sun, F., and Zhao, K., “Online Estimation of Peak Power Capability of Li-ion Batteries in Electric Vehicles by a Hardware-in-loop Approach”, Energies, Vol. 5, No. 5, pp. 1455–1469, (2012).

 

[18] Waag, W., Fleischer, C., and Sauer, D. U., “Critical Review of the Methods for Monitoring of Lithium-ion Batteries in Electric and Hybrid Vehicles”, J. Power Sources, Vol. 258, pp. 321–339, (2014).

 

[19] Esfandyari, M.J., Esfahanian, V., Hairi Yazdi, M.R., and Nehzati, H., “Design and Implementation of a Model-in-the-loop Simulator for Verification of the Vehicle Control Software in a Series Hybrid Electric Bus”, Modares Mech. Eng., Vol. 14, No. 12, pp. 13–22, (2015).

 

[20] Esfahanian, V., Esfandyari, M.J., Hairi Yazdi, M.R., and Nehzati, H., “Design and Implementation of a Real-time Simulator for Hardware-in-the-loop Testing of a Hybrid Electric Bus Central Control Unit”, in FISITA World Automotive Congress, Maastricht, Netherlands, (2014).

 

[21]      Esfandyari, M.J., Hairi Yazdi, M.R., Esfahanian, V., and Nehzati, H., “Design of a Real-time Simulator of the Engine-generator for a Series Hybrid Electric Bus”, Modares Mech. Eng, Vol. 14, No. 4, pp. 200–206, (2014).