广告
Simcenter Amesim 动力电池解决方案
2020-03-21 14:28:46· 来源：数字孪生在线 作者：康睿
1.Simcenter Amesim 动力电池系统仿真解决方案SimcenterAmesim电池相关的解决方案在国内外汽车、航空、航天等行业已经得到了广泛的应用。国内外一流的电池供应商
1.Simcenter Amesim 动力电池系统仿真解决方案
Simcenter Amesim电池相关的解决方案在国内外汽车、航空、航天等行业已经得到了广泛的应用。国内外一流的电池供应商、OEM，已经普遍采用SimcenterAmesim作为系统仿真工具，分析和预测产品的动态性能，优化产品设计方案，减少或替代物理样机试验。
Amesim基于不同的分析目标建立多级复杂度的电池模型，能模拟多种不同的工况边界下，快速分析电池系统充放电瞬态特性以及大时间尺度的老化规律，优化电池包热管理系统和充放电策略，并保证在进行实物试验前，设计方案和预期的结果一样。
图1 Amesim电池系统仿真解决方案
2. Simcenter Amesim电池系统模型应用
电池系统仿真模型常见的工程应用有如下几个方面：
1.基于预标定的电池数据库进行设计前期的快速选型匹配
2.基于试验的电池参数辨识和性能预测；
3.电池包热管理系统设计；
4.电池热失控和热蔓延分析；
5.电池老化模型及其寿命预测；
6.电池BMS系统开发、验证与标定；
7.电池包与整车负载、电气附件、电机的集成。
Amesim软件中为了降低软件建模的使用难度，提供了电池建模的多个可视化的自动化建模工具，如电池数表导入工具，特别是根据电池HPPC提供的电流和电压数据自动快速的识别电池的OCV、内阻和极化等参数，完成电池模型模型，用于进一步的热管理、整车等系统集成分析；另外，专门开发了Simcenter BDS的数据导入工具：
图2 Amesim电池快速建模工具
2.1 动力电池选型及系统匹配
Amesim 在电池库的开发过程中，提供了一系列完成标定的的不同类型（LFP-C/NCA/NMC 等）的电池模型和超级电容模型，早期开发中缺少详细电池试验和参数时，可用Amesim提供的电池预设计工具从简单的宏观性能要求参数逆向生成真实模型所需要的电池参数，包括OCV、内阻和极化等参数，完成动力电池基本选型。
例如某电池包的性能要求为电压230V，功率60KW，能量15KWh；利用电池预设计工具逆向生成的电池性能参数如下：
图3 电池预设计工具
逆向生成的电池模型可进一步用于早期的整车性能分析等。随着开发过程的不断深入，Amesim能够提供不同复杂程度的电池模型，包括简单电池模型，准稳态电池模型和动态电池模型。
图4 多级复杂度电池模型
简单电池模型中只考虑SOC对电池性能的影响。而准稳态模型参数除了soc，还依赖于温度。也可以建模仿真磁滞效应:电池充电和放电时，对应不同的开路电压值。此外，可以考虑熵的影响，它是由电池内部的化学反应引起的，可以是放热或者吸热过程,且会增加电(阻力)热流，因此，在电池及EV热管理建模分析中，为了考虑准确的系统发热边界，准稳态电池模型是合理的选择之一。
而对于高级动态电池模型，除了soc和温度的影响外，动态电流变化对性能的影响也能耦合在模型中。下图中中间绿色框图部分是所有电极的扩散过电压定义，可以根据需要定义扩散内阻串联个数，红色框图部分为除了扩散外的双极层平衡过电压定义。除了ocv是soc和T的函数外，其它的如充放电内阻和扩散内阻都是soc、T和I的函数，如下图红色框部分。
图5 高级动态电池模型等效电路
高级动态电池模型所需求的复杂参数，Amesim中提供了专用的参数识别工具，基于试验数据快速获得提取、识别曲线中所包含的OCV、极化等参数，在后续章节中将详细介绍。Amesim基于试验数据的等效电路模型，对于电池内部微观量无从了解，不能反映电池准确的特性，不能解释电池由内部变量引起的外特性变化，因此这种建模方法具有一定的局限性。从电化学原理出发，对电池内部传输、扩散、电化学反应、热力学现象分析， Amesim建立的电化学模型能深入了解电池内部的微观反应，具有更高的精度，对锂离子动力电池性能研究和提高具有重要意义。
2. 2 动态电池模型参数辨识
基于下图中软件的demo电池模型，应用电池拟合工具辨识参数。然后输入试验电流，通过对比仿真输出电压与试验电压来验证拟合效果。
图 6 电池拟合验证模型
在做拟合之前，建议输入Amesim软件中推荐的下图电流数据。分别作某一温度下（比如25摄氏度），不同恒定SOC1、SOC2、SOC3、SOC4等的短时不同倍率电流下的充放电试验。
图7 推荐的电流试验曲线
其中，每个soc下的试验，电流最好要呈一定坡度变化短时充放电，且最好做三四组不同电流的充放电试验。
Amesim开发了专门的拟合工具，具体的拟合参数识别步骤如下图所示：
图8 动态电池参数拟合识别过程
用上述过程完成不同温度的电池OCV、内阻和极化等参数识别，输入和试验电流相同的边界条件，验证根据拟合参数获得的电压变化曲线与试验的电压曲线是否一致，确保参数识别的准确性；最终将识别出的不同温度的动态电池参数合并为依赖于温度变化的MAP。
2. 3 电池包热管理
动力电池组热管理系统需要各个单电池工作在合理温度范围内的同时尽量维持包内各个电池及电池模块间的温度均匀性。Simcenter Amesim软件能够针对风冷和水冷等不同冷却方案进行仿真研究，为研究和开发电池包热管理系统提供了设计指导和优化。
电池热管理是典型的电、热、和流体多物理闭环耦合问题，电池发热以后将发热量传递给本体热容，电池本体温度上升，而为了将电池温度控制在合理范围内，需要将热量带走，将温度控制在合理范围内，不管是风冷或者液冷系统，电池发热、换热后的温度对电池的性能有直接影响。
以某液冷系统电池包热管理详细说明其建模过程，首先为了考虑每个单体本身的温度差异，将电池本体离散为多个热容：
图9 电池单体热容离散模型
将离散的单体热容模型，和电池的电模型、液冷板模型集成，再将单体模型进一步的集成为电池模组热管理模型：
图10电池单体热容离散模型
完成电池模组模型的基础上，进一步将模组模型封装以增加模型的可读性，将多个模组集成为最终的电池包热管理模型。
图11 电池包热管理模型
当然集成的最终电池包热管理模型需要根据试验数据完成模型标定，准确的系统模型用于进一步的分析和预测。
电、热、和流体多物理闭环耦合问题，电池发热以后将发热量传递给本体热容，电池本体温度
2. 4 电池热失控及热蔓延分析
安全是现在电池重点关注的另一问题，一旦在一个电池中诱发了热失控之后，会在整个电池系统中间蔓延，最后形成事故。
Amesim中能够根据电池用ARC对热失控进行绝热的热失控实验数据来分析电池的热失控过程，标定电池热失控过程中的温度变化和电压变化.
图12 电池热失控模型
上述模型中，以电池ARC发热数据作为电池模型边界，标定电池中和热失控相关的参数（SEI膜分解、负极分解、正极负极以及电解液分解等参数）
图13 热失控仿真模型标定
标定的电池热失控模型，能准确反应热失控过程的自生热起始温度T1，热失控引发温度T2、热失控最高温度T3，上述模型中的自生热起始温度大约110℃，热失控引发温度大约190℃。
在单体热失控分析的基础上，可进一步分析电池包内部热失控导致的热蔓延，分析改进电池包内部的空间设计以控制单个电芯热失控可能引发的热蔓延。
图14 热蔓延仿真模型
上述模型中，当单体间距2mm时，从单体1开始，每个单体依次发生热失控；当单体间距5mm时，只有单体1发生热失控，其他单体只是温度增加，未达到热失控引发温度。
图15 不同单体间距的热蔓延分析
2.5 电池老化分析
电池老化是非常难以预测，电池化学反应过程，电池的充放电使用策略，电池温度，电池SOC对电池寿命都有显著影响，利用额定容量和内阻两个宏观指标来表征电池的老化。
电池老化主要考虑两种工况，日历老化和循环老化。Amesim中提供三个层次的老化模型，
• 静态: 用户给固定的SOH
• 动态: 用户给定电池容量的函数(= dSOHc / dt)
• 半经验：试验标定相关参数
静态老化模型在工程计算中很少使用；一般根据试验数据直接拟合动态的电池健康度关系曲线，或者标定半经验公式中的相关系数以获取准确的电池老化模型。循环老化的半经验公式如下：
式中，为循环寿命容量衰减百分比，单位为%；为指前因子，是电流I的函数；为活化能，单位为J/mol； 是无量纲常数，为衰减因子，t的单位为h。
基于试验完成动态或半经验老化模型的标定后，可进一步分析不同的电池使用环境、整车工况，以及不同充放电策略等不同电池边界对老化性能的影响，以提出改善电池寿命的方法和策略。
例如分析不同的充电策略在一年的使用过程中分别对LFP_C和NCA三元两种电池老化趋势的影响，在系统模型中定义相同的边界条件（一年中的环境温度变化），以及相同的使用工况，即每天上下班四次的NEDC使用工况。
图16 不同充放电策略对老化的影响
在上述5种不同的充放电策略中，对两类电池寿命最有利的充电策略均为早上上班前充电，但同一充电策略对两类电池寿命的影响有明显差异。
2. 6 基于模型BMS开发
基于模型的BMS开发是将控制器模型和被控对象的模型一起构成闭环而进行仿真，将会加速产品开发并提升产品质量。电池本体的行为可以在 Amesim中进行建模。控制策略部分可以利用Simulink完成，可以在一个闭环仿真平台中将Simulink中的 BMS 模型和 Amesim 中的电池被控对象模型通过共仿真的方式建立。
图17 基于Amesim模型的BMS开发
Amesim 中建立的电池被空对象模型，应用于 BMS 控制开发的不同阶段。在 MIL 测试环境中，控制和被控对象的耦合模型能在很短时间内快速验证控制策略，例如
能在几分钟内给出SOC的准备评估，同时支持代码自动生成。
另外，准确的高精度电池模型也能进一步支持在SIL和HIL阶段控制策略的开发和验证。
广告 
广告
编辑推荐
最新资讯
-
Plus为自动驾驶卡车功能添加了H.E.L.P.警报
2024-12-23 17:18
-
美国能源部发布最新版氢计划
2024-12-23 17:16
-
系统级封装（SiP）在新能源汽车领域的应用
2024-12-23 08:51
-
车载通信框架 --- 智能汽车车载通信架构浅
2024-12-23 08:40
-
全国首例！武汉车网智联公司完成智能网联测
2024-12-23 08:39
广告
广告
