Batteriemodellierung

Die Batteriemodellierung beschreibt den Prozess zur Erstellung mathematischer oder rechnergestützter Modelle, die das Verhalten einer Batterie unter unterschiedlichen Bedingungen abbilden. Die Batteriemodellierung ist entscheidend für die Entwicklung, Regelung und Optimierung von Batterien in unterschiedlichen Anwendungen, etwa in Elektrofahrzeugen, erneuerbaren Energiesystemen und der Unterhaltungselektronik.

Batteriemodellierung mit Simulink und Simscape Battery

Es gibt drei unterschiedliche Arten von Batteriemodellen: Ersatzschaltbildmodelle (ECMs), elektrochemische Modelle und datengetriebene Modelle. Sie können diese Modelle mithilfe der Produkte Simscape Battery™ und Simulink^® erstellen und Simulationen durchführen.

Ersatzschaltbildmodelle

Batterie-ECMs verwenden elektrische Schaltungselemente wie Widerstände, Kondensatoren und Spannungsquellen, um das dynamische Verhalten einer Batteriezelle nachzubilden. Aufgrund ihrer Einfachheit und Recheneffizienz werden ECMs für die Entwicklung von Batteriemanagementsystemen (BMS) und für Systemsimulationen eingesetzt. Simscape Battery bietet einen vordefinierten ECM-Block, den Battery Equivalent Circuit Block, mit dem die elektrothermische Dynamik einer Batterie modelliert wird. Die Schaltungselemente im Battery Equivalent Circuit Block sind als Lookup-Tabellen ausgeführt und hängen von Temperatur, Ladezustand (SOC) und Strom ab.

Darüber hinaus unterstützt der Battery Equivalent Circuit Block die Berücksichtigung von Batterieschleifenhysterese bei der Leerlaufspannung (OCV), Batteriedegradation (Zyklenalterung und kalendarische Alterung) sowie die Fehlersimulation. Es werden drei Arten von Fehlern unterstützt: zusätzlicher Widerstandsfehler, interner Kurzschlussfehler und exotherme Reaktionen. Sie können exotherme Reaktionsfehler einspeisen, um ein thermisches Durchgehen zu simulieren und dieses mithilfe des Accelerating-Rate-Calorimetry-(ARC-)Tests zu charakterisieren.

Elektrochemische Batteriemodelle

Elektrochemische Batteriemodelle sind mathematische Modelle, die die internen physikalischen und chemischen Prozesse einer Batterie während des Ladens und Entladens beschreiben. Im Vergleich zu ECMs liefern elektrochemische Batteriemodelle detaillierte Einblicke in die internen Batterieprozesse; dadurch eignen sie sich besonders für die Zellauslegung, für Degradationsstudien, für die Optimierung von Schnellladeströmen sowie für eine genauere Leistungsprognose unter extremen Betriebsbedingungen.

Simscape Battery umfasst den Battery Single Particle Block, mit dem eine Batterie mithilfe eines Einteilchenmodells mit Elektrolytdynamik (SPMe) abgebildet wird.

Datengetriebene Batteriemodelle

Datengetriebene Batteriemodelle nutzen empirische Daten sowie Methoden wie Systemidentifikation, Machine Learning und Deep Learning, um das Verhalten von Batterien zu simulieren und vorherzusagen. Sie eignen sich besonders, wenn interne Dynamiken analytisch nur schwer zu erfassen sind, wie etwa bei Degradationsmechanismen von Batterien in der Alterungsmodellierung. Datengetriebene Batteriemodelle eignen sich für das Flottenmanagement von Elektrofahrzeugen, die Predictive Maintenance, komplexe Diagnosen und weitere Anwendungen, bei denen große Datensätze verfügbar sind und die Prognose der Batterielebensdauer präzisieren.

Mithilfe von Deep Learning können Sie Zustandsmodelle niedriger Ordnung und nichtlineare Zustandsraummodelle erstellen. Die Trainingsdaten für solche Modelle können aus Experimenten stammen oder aus Simulationen hochgenauer Modelle, etwa aus FEA-Batteriemodellen.

Zellcharakterisierung

Die Zellcharakterisierung ist der Prozess, bei dem ein Batteriemodell an experimentelle Daten angepasst wird. Sie stellt sicher, dass die Modellparameter das tatsächliche Verhalten der Batterie unter unterschiedlichen Betriebsbedingungen widerspiegeln. Diese Parameter ändern sich in der Regel abhängig von der Produktgeneration, dem Zelllieferanten und dem Alter der Batterie.

Die Charakterisierung dieser Zellen ist von großer Bedeutung, da der BMS-Algorithmus das Batteriemodell verwendet, um Regelparameter festzulegen, so etwa die Parameter eines Kalman-Filters zur SOC-Schätzung oder Leistungsgrenzen in Abhängigkeit von SOC und Temperatur, um Unter- oder Überspannungszustände zu vermeiden. In einer späteren Phase der BMS-Entwicklung können Ingenieure dasselbe Batteriemodell für Closed-Loop-Systemsimulationen auf Systemebene einsetzen – sowohl auf dem Desktop als auch in Echtzeit.

Der Zellcharakterisierungsprozess umfasst die Festlegung der im Batterietestlabor durchzuführenden Tests sowie die Optimierung der Modellparameter, sodass die vom Modell vorhergesagte Spannung gut mit der experimentell gemessenen Spannung übereinstimmt. Für die Tests müssen Stromprofile, wie beispielsweise zur Hybrid Pulsed Power Characterization (HPPC), das Batteriesystem ausreichend anregen, sodass genügend Informationen zur Identifikation der Batteriemodellparameter gewonnen werden können.

Für den Optimierungsprozess können Sie das Problem auf unterschiedliche Art und Weise formulieren – je nachdem, ob die für die Optimierung verwendete Jacobi-Matrix numerisch oder analytisch bestimmt wird. Um die Genauigkeit von Batteriemodellen mit diesen identifizierten Parametern zu überprüfen, wird ein Validierungsschritt empfohlen. Dabei wird die Genauigkeit der Spannungsprognose unter einem Fahrzyklus-Stromprofil mit der experimentell gemessenen Spannung verglichen.

Sie können ECM-Modelle mithilfe von MATLAB^®- und Simulink-Produkten charakterisieren:

• Simscape Battery umfasst Objekte und Funktionen zur Parameterschätzung auf Basis von HPPC-Daten. Simscape Battery enthält grundlegende Optimierungsmethoden zur Schätzung von ECM-Parametern. Sie können außerdem Methoden aus anderen Toolboxes auswählen, etwa die tfest-Funktion aus der System Identification Toolbox™. Diese alternativen Optimierungsmethoden bieten häufig fehlerresistentere Verfahren zur Parameterschätzung als die standardmäßig verwendete Optimierungsmethode. Um diese Optimierungsmethoden zu nutzen, benötigen Sie eine Lizenz für die jeweils erforderliche Toolbox. 
• Die MBC Optimization App (CAGE) in der Model-Based Calibration Toolbox™ ermöglicht eine effizientere Parameterschätzung und benötigt für ein 3RC-ECM-Modell nur wenige Minuten.

Zur Charakterisierung des SPMe-Batteriemodells können Sie Simulink Design Optimization verwenden, um die Parameter gruppenweise und in einer Abfolge abnehmender Einflussstärke zu schätzen.