State of charge estimation for lithium-based batteries

Abstract

Bu tez Lityum tabanlı piller için yakınsama performansı ve hesaplama karmaşıklığı dengelenmiş yeni bir SOC kestirim algoritması sunmaktadır. Lityum bazlı piller yüksek enerji yoğunluğuna ve dinamik tepkilere sahip olduğu için endüstride oldukça yaygın olarak tercih edilmektedir. Bu piller, belirli bir hacimde diğer hücre kimyalarına göre daha yüksek kapasite, yüksek C oranlar ve düşük iç direnç sunmaktadır. Fakat lityumun reaktif yapısı ceşitli problemlere yol açmaktadır. Bu kimyasal maddeyibir paket içerisinde muhafaza etmek, soğutmak, kontrol etmek ve takibini sağlamak oldukça zordur. Bu sebeplerden ötürü Batarya Yönetim Sistemleri hakkındaki akademik çalışmalarda pilin şarj, ömür ve güç durumunun takip edilmesine önemle yer verilmiştir. Bu tezde lityum tabanlı pillerin şarj durumunun yüksek hassasiyet ile takibine odaklanılmştır. Bir pilin açık devre konumunda iken şarj durumu tespiti yapılması oldukça kolaydır fakat yük altındaki bir pilin şarj durumunun kestirilmesinde çeşitli zorluklar ortaya çıkar. Literatürde Kalman tabanlı filtreler, özellikle EKF ve ADEKF, en iyi SOC kestirimi performansını sağlamaktadır. EKF düşük hesaplama karmaşıklığısunar fakat yakınsama zamanı uzundur. Diğer taraftan, ADEKF kısa yakınsama zamanı sunarken yüksek hesaplama karmaşıklığına sahiptir. Bu tezde bu iki algoritmanın güçlü yönlerini dengeleyen yeni bir PID kontrollü EKF algoritması sunulmuştur. Ayrıca bu tez, yakınsama performansının önemini de vurgulamaktadır.

This thesis proposes a new State of Charge (SOC) estimation method for lithium based batteries, which offers a good trade-off between convergence and computation times. Lithium-based battery packages are quite common in the automotive industry and beyond because of their high-power density and dynamic response capabilities. Per a given volume, lithium-based battery cells have much more capacity, higher C rates, and lower internal resistance than other cell chemistries. However, this comes at a cost because of lithium's reactive nature. It is hard to preserve, monitor, cool, and control lithium in a pack within a safe state. For these reasons, battery control, or in other words, Battery Management Systems (BMS) is a major topic in the literature, and estimation of SOC, State of Health (SOH), and State of Power (SOP) are considered as core subfunctions of BMS. This thesis focuses on improving SOC estimation for lithium-based batteries. SOC estimation determines the remaining charge level on the battery and is very critical for battery-powered devices. This process is relatively straightforward when the battery is in the resting state. However, it can bedifficult while the battery-powered device is operating, due to process disturbances and model uncertainties. The best performing SOC estimation methods in the literature are based on Kalman Filtering, and they are specifically Extended Kalman Filter (EKF) and Adaptive Dual Extended Kalman Filter (ADEKF). While EKF offers the shortest computation time, it results in a long convergence time. On the other hand, ADEKF offers short convergence time and long computation time. We proposePID-controlled EKF, which offers a mid-point in terms of convergence and computation times. The importance of convergence characteristics are also articulated in this thesis, especially from an automotive perspective.