A novel hybrid model to describe hysteresis in Li-Ion batteries of electric vehicles

Elektrofahrzeuge sind auf Straßen weltweit zu einem vertrauten Anblick geworden, angetrieben durch ein globales Bestreben, die Luftverschmutzung durch herkömmliche Benzinmotoren zu reduzieren. Im Herzen jedes Elektroautos liegt eine Batterie, ein komplexes chemisches System, das Energie speichert und sie freisetzt, um das Fahrzeug anzutreiben. Unter den verschiedenen verfügbaren Typen sind Lithium-Ionen-Batterien die Standardwahl, da sie effizient, langlebig und leicht wieder aufladbar sind. Diese Batterien sind jedoch keine perfekten Behälter für Energie; sie besitzen einen subtilen, aber signifikanten Fehler, der als Hysterese bekannt ist. Dieses Phänomen tritt auf, wenn die Spannung der Batterie – der elektrische Druck, der den Strom durch einen Schaltkreis drückt – beim Laden nicht denselben Weg verfolgt wie beim Entladen. Für eine bestimmte Menge gespeicherter Energie ist die Spannung beim Laden etwas höher als beim Entladen. Diese Diskrepanz erzeugt eine Schleife in den Daten, was es schwierig macht, genau zu wissen, wie viel Energie zu jedem gegebenen Zeitpunkt noch in der Batterie vorhanden ist.

Die genaue Verfolgung dieser verbleibenden Energie, bekannt als Ladezustand (State of Charge), ist entscheidend für die Sicherheit und Langlebigkeit eines Elektrofahrzeugs. Wenn der Computer eines Autos nicht präzise bestimmen kann, wie voll die Batterie ist, könnte er unerwartet die Leistung unterbrechen oder, schlimmer noch, zulassen, dass die Batterie überladen wird, was zu Schäden oder Bränden führen kann. Um dies zu lösen, verlassen sich Ingenieure auf Batteriemanagementsysteme, die mathematische Modelle verwenden, um das Verhalten der Batterie vorherzusagen. Dennoch haben bestehende Modelle oft Schwierigkeiten mit der spezifischen Form der Hystereseschleife bei Lithium-Ionen-Batterien. Diese Schleifen sind nicht symmetrisch; sie sind asymmetrisch und komplex und trotzen den einfachen, ausgewogenen Formen, die viele traditionelle Gleichungen zu beschreiben versuchen. Diese Komplexität hat es schwierig gemacht, ein Modell zu erstellen, das sowohl genau genug ist, um nützlich zu sein, als auch einfach genug, um schnell auf dem Computer eines Autos zu laufen.

In einer aktuellen Studie schlugen die Forscher Khogesh K. Rathore und Saurabh Biswas einen neuen Weg vor, um dieses Problem anzugehen, indem sie zwei verschiedene mathematische Ansätze in einem einzigen Hybridmodell kombinierten. Anstatt zu versuchen, das Verhalten der Batterie in eine einzige starre Form zu zwingen, verschmolzen sie ein bekanntes Modell, das für mechanische Systeme verwendet wird, mit einem neueren Modell, das darauf ausgelegt ist, Asymmetrie zu handhaben. Der erste Teil ihrer Kombination, das Bouc-Wen-Modell, ist ein Werkzeug, das ursprünglich entwickelt wurde, um zu beschreiben, wie Materialien unter Belastung deformiert werden und sich wieder erholen, wie etwa das Biegen von Metall. Der zweite Teil ist ein spezialisiertes Modell, das die ungleichmäßige Natur der Hystereseschleife berücksichtigt, insbesondere die Art und Weise, wie sich die Kurve je nach Energieaufnahme oder -abgabe unterschiedlich verformt und verschiebt. Durch das Zusammenrechnen der Ausgaben dieser beiden Modelle schufen die Forscher einen neuen Rahmen, der die einzigartigen, asymmetrischen Schleifen realer Batterien nachbilden konnte.

Um zu testen, ob dieser neue Ansatz funktionierte, wandte das Team ihn auf vier verschiedene Datensätze experimenteller Daten an, die aus früheren Studien zu Lithium-Ionen-Batterien stammten. Diese Datensätze repräsentierten reale Lade- und Entladezyklen. Mithْe einer Standard-Computermethode zur Anpassung der Einstellungen des Modells verfeinerten die Forscher das Hybridsystem so lange, bis seine Vorhersagen so eng wie möglich mit den experimentellen Daten übereinstimmten. Die Ergebnisse waren beeindruckend. Das neue Modell war in der Lage, die komplexen, asymmetrischen Schleifen aller vier Testfälle mit hoher Präzision nachzuzeichnen. Die maximalen prozentualen Fehler bei der Anpassung wurden über die verschiedenen Fälle hinweg mit 2,7 %, 1,2 %, 3,9 % und 0,9 % angegeben. Entscheidend war, dass die Forscher diese Genauigkeit mit exakt demselben Satz von neun internen Parametern für jeden einzelnen Test erreichten, was bewies, dass das Modell robust war und nicht nur eine glückliche Anpassung für eine spezifische Batterie darstellte.

Die Studie zeigt, dass dieser hybride Ansatz eine praktische Lösung für eine hartnäckige ingenieurtechnische Herausforderung bietet. Im Gegensatz zu vielen bestehenden Modellen, die entweder zu kompliziert für den Echtzeitbetrieb oder zu einfach, um das wahre Verhalten der Batterie zu erfassen, findet diese neue Methode ein Gleichgewicht. Sie ist rechentechnisch einfach, was bedeutet, dass sie sehr wenig Rechenleistung erfordert, und dennoch erfasst sie die wesentlichen Merkmale der Hystereseschleife, einschließlich ihrer Asymmetrie. Die Forscher merken an, dass ihr Modell zwar die Hauptlade- und Entladezyklen erfolgreich beschreibt, zukünftige Arbeiten jedoch erforderlich sein werden, um es für komplexere Szenarien zu verfeinern, wie etwa Teilladungen, bei denen die Batterie aufgefüllt wird, bevor sie vollständig leer ist. Für den Moment jedoch bietet diese Arbeit ein klares, zuverlässiges Werkzeug, das Ingenieuren helfen kann, bessere Batteriemanagementsysteme zu bauen, um sicherzustellen, dass Elektrofahrzeuge sicher, effizient und einsatzbereit bleiben.