Progetta battery management system con la simulazione numerica

I veicoli elettrici sono destinati a diventare la forma di trasporto più utilizzata nel prossimo futuro e le batterie ricaricabili saranno il cuore pulsante di questi veicoli. I pacchi batteria devono essere costantemente monitorati e gestiti al fine di mantenere la sicurezza, l'efficienza e l'affidabilità dell’insieme delle parti che compongono un veicolo elettrico.

Un sistema di gestione della batteria conosciuto come BMS, dall’inglese Battery Management System, fa tutto questo ed è costituito da un indicatore del livello di carica della batteria, un algoritmo di ricarica ottimale e circuiti di bilanciamento sia lato elettrico, sia lato termico. Il circuito BMS utilizza tre misure provenienti dalla batteria, tensione, corrente e temperatura, al fine di stimare stati e parametri cruciali del pacco batterie, come l'impedenza, la capacità, lo stato di carica, lo stato di salute, la perdita di potenza e la vita utile rimanente. Queste stime sono importanti per il corretto funzionamento degli algoritmi di carica ottimali, per le strategie di carica e del bilanciamento termico e, infine, per i meccanismi di sicurezza della batteria. Un utile approccio, consiste in una caratterizzazione accurata, una stima robusta degli stati e dei parametri della batteria, oltre che delle strategie di controllo ottimale.

In questo articolo vedremo le principali sfide ingegneristiche, come la simulazione può essere la soluzione e quali vantaggi derivano da questo approccio.

Un sistema di gestione della batteria (BMS) garantisce la sicurezza, l'efficienza e l'affidabilità di un sistema alimentato a batteria. La ricerca sul BMS è stata molto intensa negli ultimi due decenni e sono stati ottenuti significativi miglioramenti in termini di sicurezza, efficienza e affidabilità dei sistemi di batterie.

Nel corso del tempo sono emerse due scuole di approcci per i Battery Management System; uno in cui la batteria viene gestita attraverso il modello di un circuito equivalente (ECM) e l'altro che cerca di modellarlo attraverso modelli elettrochimici.

Tuttavia, la maggior parte dei sistemi pratici adotta la prima soluzione per la maggiore semplicità.

 

Le principali sfide ingegneristiche per i sistemi di Battery Management System

Le principali sfide della ricerca affrontate dagli attuali BMS sono tre: sicurezza, efficienza e affidabilità. Nello sviluppo di batterie agli ioni di litio, le batterie sono suscettibili alla fuga termica che è un processo chimico irreversibile innescato da diverse condizioni tra cui sovratensione e alta temperatura. L'esigenza di caricare velocemente la batteria, che è importante nelle applicazioni dei , aumenta la possibilità di fuga termica e problemi di sicurezza. Ci sono problemi di vasta portata che influenzano l'efficienza di accumulo di energia in batterie; Ad esempio, l'efficienza di carica è la percentuale dell'energia totale necessaria durante la ricarica; i requisiti di ricarica rapida comportano un notevole spreco di energia sotto forma di calore. È noto che le singole celle di un pacco batteria si sbilanciano nel livello di carica nel tempo causando problemi di sicurezza e affidabilità;

le celle in corto circuito sono un'altra causa comune di problemi di sicurezza e affidabilità nelle batterie agli ioni di litio. Una sfida emergente per i sistemi di gestione delle batterie si presenta sotto forma di riutilizzo delle batterie, questo è un tema importante visto che le vendite di veicoli elettrici stanno per crescere di quasi il 500% nei prossimi 10 anni.

SOC (State of Charge) - Stato di Carica di un Pacco Batterie

Gli algoritmi BMS tentano di migliorare l'efficienza delle batterie in diversi modi; algoritmi di ricarica ottimali mirano a ridurre la quantità di spreco di calore e il degrado dello stato di salute; Fanno una stima precisa del SOC (dall’inglese State of Charge, stato di carica), impiegando degli algoritmi che aiutano a migliorare l'efficienza e a progettare configurazioni minime del pacco batteria in base a specifiche esigenze.

Lo stato dell’arte degli algoritmi BMS dipendono fortemente da precedenti caratterizzazioni effettuate in laboratorio; di conseguenza, sono efficaci solo per il primo utilizzo delle batterie.

Considerando il fatto che il primo utilizzo della batteria altera le sue caratteristiche elettrochimiche, approcci BMS tradizionali che si basano sulla modellazione empirica, nell'ipotesi che batterie della stessa chimica e dimensione abbiano simili caratteristiche, saranno inadeguati a gestire le batterie usate.

SOH (State of Health) - Stato di Salute dei sistemi di Accumulatori

La tecnologia BMS attuale è inadeguata per prevedere con precisione lo stato di salute SOH (dall’inglese State of Health) di una batteria. Le scelte disponibili sono: o sostituire prematuramente la batteria o attendere fino a che si verifichi un guasto. Entrambe queste scelte hanno conseguenze indesiderabili: la sostituzione prematura causerà un aumento dei costi per l'utente finale ed eccessivo spreco per l'ambiente; aspettare avrà un impatto negativo sulla sicurezza e la qualità dell'esperienza per l'utente finale.

Ricarica Ottimale per le Batterie

Lo stato dell'arte nella ricarica delle batterie è primitivo: richiede tempo, è poco efficiente ed è ancora poco sicuro rispetto al rifornimento di benzina. La ricerca sugli algoritmi di ricarica ottimale OCA (dall’inglese Optimal Charging Algorithms) ha ricevuto un impulso significativo. Uno dei metodi di ricarica più comuni è il mantenimento di una corrente costante. Poiché viene utilizzata una bassa corrente di carica, richiede un lungo tempo di carica (circa 10 ore); il tempo di ricarica può essere ridotto aumentando la corrente di carica, tuttavia, poiché questo farà sì che il terminale della batteria raggiunga una tensione superiore alla soglia di sicurezza, allora la corrente più elevata che viene applicata nella fase iniziale deve essere ridotta quando la tensione del terminale supera un valore di soglia. Di conseguenza, lavorare a corrente costante e tensione costante è diventato uno degli approcci ampiamente utilizzato per la ricarica rapida. Per accorciare il tempo di ricarica e perpetuare la durata del ciclo della batteria viene utilizzata una ricarica a corrente costante in più fasi. Un'altra strategia che è possibile utilizzare è la strategia di ricarica boost, in cui viene applicata una corrente molto elevata a batterie quasi completamente scariche. Nei metodi di ricarica a impulsi, la batteria è esposta a periodi molto brevi di riposo o addirittura di scarica intenzionale durante il processo di carica.

Secondo alcuni studi, si ottiene una ricarica ottimale semplificando il problema per essere nella forma di un problema di ottimizzazione con la funzione obiettivo di massimizzare la carica entro 30 min. Attraverso l'uso di un algoritmo di carica a corrente costante multistadio. è stato anche proposto un protocollo di tensione universale, il suo obiettivo è migliorare l'efficienza di carica e la durata del ciclo applicando un determinato profilo di carica, questo profilo viene determinato in base al SOH della batteria, che viene stimato durante il processo di ottimizzazione. per trovare l'ottimo nella strategia di ricarica, viene utilizzato un approccio di ottimizzazione tenendo conto della funzione di costo, del tempo di ricarica e della perdita di energia. Tuttavia, non è stata presentata una soluzione analitica; si dà piuttosto una soluzione numerica al problema. Molti altri approcci sono presentati in letteratura per la ricarica delle batterie, come il data mining, algoritmi genetici e strategie basate su reti neurali, o utilizzando il sistema di carica Grey-predicted.

Caratterizzazione Rapida di una Batteria 

Due importanti caratterizzazioni richieste in un BMS sono le caratterizzazioni SOC e SOH. Nella caratterizzazione SOC, il tutto è modellato raccogliendo un ciclo completo di dati (batteria completamente carica → batteria completamente scarica →batteria completamente carica). Mentre lo stato dell'arte per la caratterizzazione SOH richiede centinaia e persino migliaia di cicli di raccolta dati. Ciò rende la caratterizzazione SOC e SOH un processo che richiede tempo. Quindi, è importante trovare modi per ridurre i tempi di caratterizzazione.

Un approccio per ridurre il tempo di caratterizzazione è farlo in tempo reale mentre la batteria è in uso. Degli svantaggi di questi approcci sono dovuti al fatto che devono essere impiegati modelli più semplici (a causa dei limiti computazionali nel BMS) per la stima in tempo reale; questo porterà alla perdita di precisione. In secondo luogo, diverse fonti di errore possono accumularsi da altri parametri stimati. Affinché il modello copra l'intera gamma SOC, la batteria deve essere sottoposta a un profilo di scarica/carica completo: e questo nella realtà non può essere garantito. Rispetto alla caratterizzazione SOC, la caratterizzazione SOH è quasi impossibile da eseguire in tempo reale. Tuttavia, la tecnologia IoT odierna offre un'alternativa soluzione per la caratterizzazione in tempo reale. Ad esempio un BMS connesso in cloud può raccogliere dati da numerose batterie per stimare parametri cruciali per la gestione in tempo reale dei pacchi batteria.

Riutilizzo Batterie

Mentre i governi corrono verso la riduzione delle emissioni di gas serra, la gente viene incoraggiata ad utilizzare i veicoli elettrici. Di conseguenza, la sviluppo di batterie agli ioni di litio (Li-ion) dovrebbe aumentare molto rapidamente nei prossimi decenni a causa del loro uso previsto nei veicoli elettrici. I pacchi batteria utilizzati nei veicoli elettrici dovrebbero essere sostituiti quando raggiungono circa l'80% della loro capacità originale, poiché l'autonomia è una caratteristica importante nei sistemi elettrificati. Tuttavia, non è ancora ben compreso come l'utilizzo influisca sulle caratterizzazioni di SOC e SOH di un pacco batteria. Le condizioni ambientali e di utilizzo influiscono sulle caratteristiche della batteria; in base a come, quando e dove un veicolo elettrico è stato utilizzato, il suo pacco batteria potrebbe avere significative differenze in affidabilità, efficienza e sicurezza rispetto ad un altro pacco batteria, dello stesso lotto, realizzato dallo stesso produttore.

Universalità delle Batterie

Lo stato dell'arte dei BMS è vincolato a una particolare chimica, produttore e dimensione della batteria su cui sarà applicato, quindi gli attuali BMS non sono universali; questo limita la scelta delle batterie e si traduce in un aumento dei costi; inoltre, un BMS così tarato non consente di riutilizzare pacchi di batteria. Nelle applicazioni più piccole, come quelle domestiche, i caricabatterie personalizzati generano eccessivo ingombro e rifiuti ambientali.

I primi a pensare ai sistemi di batterie universali sono stati i progettisti di caricabatterie che hanno dovuto affrontare l'enorme numero di diversi prodotti chimici e tipi di batterie che ogni applicazione richiede; questo aumenta la quantità di rifiuti elettronici e si aggiunge al costo del dispositivo. Quindi, il problema del caricabatterie universale ha ricevuto particolare attenzione negli ultimi anni. Con il cloud computing, è possibile ottenere una maggiore universalità della batteria e dei BMS, aprendo la strada al riutilizzo ottimale e alla riduzione dell’ingombro.

Autovalutazione dei Battery Management System

L’autovalutazione del sistema di gestione della batteria è un problema molto impegnativo poiché non esiste nessun modello matematico provato per rappresentare le complesse caratteristiche di una batteria agli ioni di litio, queste caratteristiche includono il degrado di potenza, il degrado della capacità dell’accumulatore, gli effetti della temperatura sui parametri, l'invecchiamento, l'isteresi e gli effetti a riposo. La valutazione degli algoritmi BMS richiede tempo per trovare soluzioni efficienti. In particolare, occorre tenere presente i seguenti aspetti:

• spesso l’autovalutazione del BMS viene eseguita in un ambiente di laboratorio. Mentre per l’autovalutazione in tempo reale attraverso i dati devono essere sviluppati approcci guidati, diversi da quelli visti in fase di sperimentazione;
• La maggior parte delle prove sperimentali viene eseguita a temperatura costante. Mentre per la valutazione di un buon BMS è necessaria la presenza di graduali e rapidi sbalzi di temperatura.
  
  

La soluzione ai problemi comuni dei Battery Management System

Tutte queste problematiche possono essere affrontate con approcci basati sulla simulazione numerica. Oggi esistono soluzioni software in grado di affrontare lo studio delle batterie a diversi livelli e grado di dettaglio, secondo un approccio innovativo chiamato MSMD (Multi Scale Multi Dimensional) che consente di indagare la fenomenologia elettrochimica andando ad esaminare un intero pacco batterie fino ad una singola cella. Un simile approccio permette di tenere conto anche di fenomeni termici legati al raffreddamento e alla tenuta in sicurezza dei dispositivi.

Tra le soluzioni all’avanguardia che esistono nel campo della simulazione numerica, vi sono i modelli di ordine ridotto, anche chiamati ROM (dall’inglese Reduced Order Model). Questi, non sono altro che modelli matematici, allenati secondo precisi algoritmi, che si focalizzano sui parametri più importanti e approssimano il modello di dettaglio di ordine maggiore, che in questi casi potrebbe essere un modello agli elementi finiti FEM. I ROM sono potenti strumenti di risoluzione quando si ha bisogno di valutare in tempi molto brevi, o in maniera preliminare una dato scenario. Nel contesto BMS, i ROM consentono di interpretare il comportamento equivalente di un pacco batteria e portare queste informazioni in una logica di sistema, che oggi risulta fondamentale per ottenere una risposta dinamica e progettare un buon Battery Management System.  

Viste le possibilità delle tecnologie IoT, oggi una delle soluzioni più innovative alle problematiche legate allo sviluppo e alla produzione di un BMS è rappresentato dalla pionieristica tecnologia dei digital twin.

La simulazione numerica porta il tuo Battery Management System ad un livello superiore

Utilizzare quindi l’approccio della simulazione numerica è quello più adatto perché è stato concepito per affrontare problematiche non trascendendo dalla loro natura multidisciplinare e multi-scala. Come abbiamo potuto vedere le problematiche legate allo sviluppo di BMS implicano l’esplorazione e l’indagine di un numero elevatissimo di casi. Nonostante gli scenari di indagine siano molteplici, caratterizzati da svariate condizioni operative e ambientali, la simulazione consente di ridurre i tempi ed i costi legati alla fase di test.

La simulazione fornisce uno strumento completo di qualificazione e mitigazione dei rischi per i prodotti alimentati a batteria. In particolare del rischio di eventi/guasti termici attraverso valutazioni dei fornitori, revisioni del progetto e valutazione dei sistemi di gestione delle batterie.

Inoltre i digital twin, vere e proprie repliche digitali degli asset fisici, possono essere utilizzati per inquadrare per via numerica il SOC e di conseguenza il SOH. Inoltre in tema di ricarica, permette di utilizzare e testare in maniera cibernetica i diversi algoritmi per ottimizzare la fase di carica-scarica. Questo permette anche di raccogliere un insieme di dati di gran lunga maggiore a parità di arco temporale, rispetto alle convenzionali soluzioni sperimentali.