Simcenter Amesim电池老化预测新功能
1. 概述
本文旨在通过插电混动汽车的典型运行工况,验证并展示Simcenter Amesim的电池老化参数辨识工具对电池老化过程预测评估的正确性。文中插电混动汽车的使用场景为WLTC工况,采用电量消耗和电量保持两种能量管理策略,温度边界条件为法国尼斯市实际采集数据。电池建模对象为12串1并的NMC/C单体,老化试验数据来源可参考MOBICUS项目。最终通过系统仿真建模,准确预测了实车工况下的电池老化现象。
2. 工况场景说明
本文的车辆仿真对象为商用插电混动汽车,配备NMC/C高能量密度电池。原车使用的锂离子电池单体容量为15Ah,通过96串3并组成电池包。整包储能为12.5kWh,NEDC工况下提供83km续驶里程。新电池包采用NMC/C单体通过96串1成组,总体容量较原电池包偏小但具有更高的充放电功率,可为上述车辆提供45km续驶里程。首先构建车辆的日常使用场景,包括用4循环WLTC工况模拟的使用阶段、1个快充阶段和4小时的静置阶段。由此可得一天的仿真时间对应为6小时左右。温度数据来源于法国尼斯市当地的实测数据,在其基础上提高5℃对应加速老化倍速为4倍,与仿真时间相对应。
图1 电量保持型WLTC工况功率曲线
图2 电量消耗型WLTC工况功率曲线
图3 仿真温度曲线图4表明整个仿真过程中存在若干阶段中断循环老化过程的计算,对应车辆保养以及维修等必要工作。
图4 仿真过程中的老化使能与停止(0:停止老化计算;1:使能老化计算)
3. 模型建立
建立如图5所示的单体老化模型,同时加载上节所述的测试场景与工况。车辆的功率需求通过图5中的功率源表示,充电阶段的电流大小通过电流源控制,同时车辆的保养与维修中断也通过active/rest模块考虑进来。
图5 电池单体老化预测模型
4. 电池老化参数辨识
图5所示的电池单体模型包含了基于经验公式的老化预测功能,本模型所采用的数据拟合样本来源于MOBICUS项目的实验数据。MOBICUS项目基于不同温度、不同荷电状态以及不同放电倍率,对上百个NMC/C单体进行了的加速老化测试,同时定期记录单体的容量衰减值。试验结果如图6所示。
图6 NMC/C单体老化试验样本数据下面将利用上述老化数据,通过电池老化参数辨识工具,对本文电池模型进行参数化。首先,选择电池单体模型,右键选择运行“电池老化参数辨识工具”,如下图所示。
图7 启动电池老化参数辨识工具然后导入图6所示的电池老化试验结果数据,并为数据样本集指定名称。
图8 导入数据样本进入“Aging law identification”页,点击“Identify”,如下图所示。
图9 老化参数自动辨识辨识过程结束后,进入“Export”页,将辨识结果导出给Simcenter Amesim模型。选择名称为本次数据样本集的结果,点击“Export”。如下图所示。
图10 老化参数自动导出可以看到,导出完成后,老化参数已经自动加载到了电池模型上。如图11所示。
图11 电池老化参数化5. 结果对比 图8展示了电池老化现象试验与仿真的对比结果,可以看出仿真计算得到的电池容量衰减曲线与实测数据点呈现出很好的一致性,曲线变化平缓没有出现过拟合现象。由此可以验证电池老化参数拟合工具能够准确预测电池在不同工况下的老化结果。
参考文献
[1] Belaid, S., Mingant, R., Petit, M., Martin, J., Bernard, J., Strategies to Extend the Lifespan of Automotive Batteries through Battery Modeling and System Simulation: The MOBICUS Project: 2017 IEEE Vehicle Power and Propulsion Conference (VPPC). Belfort, p. 1-9.
[2] Badey Q. (2012) Etude des mécanismes et modélisation du vieillissement des batteries lithium-ion dans le cadre d'un usage automobile, PhD, Université de Paris Sud
-
汽车测试网V课堂
-
微信公众号
-
汽车测试网手机站
最新资讯
-
纽北(Nürburgring Nordschleife)赛道介
2024-11-22 09:17
-
虚拟验证先行丨集成多学科方法,让电池生产
2024-11-22 09:10
-
新品上市 | Fusion-LN 数据采集的下一个飞
2024-11-22 09:08
-
车规级V2X芯片- 汽车移动通信功能核心
2024-11-22 09:03
-
BEV端到端视觉论文合集|从不同的视角解析BE
2024-11-22 09:00