Design of Cooperative Converter with Optimized Deep Learning based Control Mechanism of Battery Cell Balancing for Automotive Applications

Resumen Técnico: Diseño de un Convertidor Cooperativo con Mecanismo de Control Optimizado Basado en Aprendizaje Profundo para el Equilibrio de Celdas de Batería

Planteamiento del Problema
El artículo aborda desafíos críticos en los sistemas de gestión de baterías (BMS) para vehículos eléctricos (EV), específicamente el problema del desequilibrio de celdas dentro de los paquetes de baterías de iones de litio. Debido a las variaciones de fabricación, el envejecimiento y las disparidades de estrés operativo, las celdas individuales suelen desarrollar discrepancias en el Estado de Carga (SOC), el voltaje y la resistencia interna. Estos desequilibrios provocan una reducción de la capacidad efectiva del paquete, una degradación acelerada de la capacidad y riesgos potenciales de seguridad, como el escape térmico. Los métodos de equilibrio tradicionales se categorizan en enfoques pasivos y activos. El equilibrio pasivo, que disipa el exceso de energía en forma de calor mediante resistencias, es ineficiente energéticamente y no es adecuado para paquetes de alto rendimiento. El equilibrio activo, que utiliza la electrónica de potencia para transferir energía entre las celdas, ofrece una mejor eficiencia, pero a menudo requiere hardware complejo y voluminoso, además de bucles de control separados para la regulación de voltaje y el equilibrio de celdas, lo que aumenta el costo y la complejidad del sistema. Además, la estimación tradicional basada en modelos de SOC y Estado de Salud (SOH) tiene dificultades con la naturaleza no lineal y variable en el tiempo de la química de la batería bajo condiciones ambientales dinámicas.

Metodología
Los autores proponen una arquitectura de sistema novedosa que integra un convertidor de Puente Activo Dual Cooperativo (CO-DAB) de alta densidad de potencia con un controlador de Red de Equilibrio Profundo (DBNet).

1. Topología del Convertidor Cooperativo (CO-DAB):

   • El sistema utiliza una topología de convertidor de una sola salida y múltiples entradas donde múltiples módulos de Puente Activo Dual (DAB) se conectan a celdas de batería individuales.
   • Principio de Compartición de Potencia: A diferencia de los convertidores elevadores convencionales que procesan toda la potencia de salida, el CO-DAB procesa solo una fracción de la potencia total. Esta "potencia cooperativa" es proporcional a la diferencia de voltaje entre el voltaje de salida deseado ($V_{out}$) y el voltaje real del paquete de baterías ($V_{battery}$).
   • Mecanismo de Eficiencia: Al manejar solo la diferencia de voltaje, el convertidor opera bajo un estrés de potencia reducido, lo que permite un dispositivo físicamente más pequeño y eficiente. El sistema asume que el paquete de baterías entrega la mayor parte de la potencia sin pérdidas, mientras que el convertidor compensa la diferencia.
   • Hardware: El diseño emplea una topología DAB aislada por transformador de fases múltiples que opera a 120 kHz. Utiliza Conmutación de Voltaje Cero (ZVS) y/o Conmutación de Corriente Cero (ZCS) para minimizar las pérdidas por conmutación. La arquitectura aprovecha la inductancia de fuga del transformador, eliminando potencialmente los inductores discretos para reducir el volumen y el peso.

2. Mecanismo de Control (DBNet):

   • Un único controlador de Red de Equilibrio Profundo (DBNet) gestiona simultáneamente tanto la conversión elevadora como el equilibrio de celdas, reemplazando la necesidad de controladores separados.
   • Arquitectura de Aprendizaje Profundo: El DBNet utiliza una estructura de red neuronal de Función de Base Radial (RBF). Procesa entradas en tiempo real (voltaje de celda, corriente, temperatura) y datos históricos para tomar decisiones de equilibrio dinámico.
   • Estrategia de Entrenamiento: La red se somete a un proceso de entrenamiento de dos etapas: primero, optimizando los parámetros de la capa oculta mediante retropropagación paralela y aproximación estocástica, seguido de un agrupamiento (clustering) para determinar los centros de los receptores y los parámetros de dispersión.
   • Lógica de Equilibrio: El sistema monitorea las diferencias de SOC entre las celdas. Cuando la diferencia supera un umbral (0.55%), el DBNet activa pulsos de conmutación específicos para transferir energía desde las celdas con mayor SOC hacia las celdas con menor SOC. Soporta el equilibrio activo durante los modos de tracción, frenado regenerativo y carga, así como el equilibrio pasivo durante la inactividad.

3. Estimación de Estado:

   • El sistema emplea un Filtro de Kalman combinado con el conteo de Coulomb para estimar el SOC, abordando la dificultad de la medición directa. Este enfoque tiene en cuenta el ruido y los cambios dinámicos en el comportamiento de la batería.

Contribuciones Clave

• Topología Integrada: El artículo introduce una topología CO-DB unificada que combina la elevación de voltaje y el equilibrio de celdas activo en una sola etapa de conversión, reduciendo la redundancia de hardware.
• Procesamiento de Potencia Optimizado: Al procesar solo el diferencial de voltaje en lugar de la potencia total de la carga, el sistema logra una huella física más pequeña y una mayor eficiencia a nivel de sistema en comparación con los convertidores DAB o boost tradicionales.
• Control de Aprendizaje Profundo: La implementación del control DBNet permite estrategias de equilibrio adaptativas y basadas en datos que superan a los algoritmos estáticos al aprender de los datos operativos históricos y en tiempo real.
• Control Unificado: El uso de un único controlador para la regulación de voltaje y el equilibrio de celdas simplifica la arquitectura de control y mejora la sincronización.

Resultados
El sistema propuesto fue validado mediante simulaciones en MATLAB/Simulink y experimentos de laboratorio utilizando un banco de pruebas con cuatro celdas de plomo-ácido conectadas en serie (6.2 V, 12 Ah cada una) para simular un sistema de 24-48 V, 250 W.

• Eficiencia: El convertidor CO-DAB alcanzó una eficiencia máxima del 96.4%. El sistema demostró que el convertidor solo necesitaba extraer aproximadamente el 64% de la potencia de salida para mantener la regulación y el equilibrio, confirmando la hipótesis de compartición de potencia.
• Desempeño: El sistema mantuvo con éxito un voltaje de salida estable de 48 V mientras gestionaba el equilibrio de celdas en diferentes modos operativos (tracción, frenado regenerativo, carga y parada).
• Velocidad de Equilibrio: En un escenario de simulación específico donde los pares de celdas tenían diferencias de SOC (54.5% vs. 79.5%), el controlador DBNet equilibró todo el paquete a un SOC de 83.5% en 68 segundos.
• Gestión Térmica: El monitoreo de temperatura mostró que las celdas se estabilizaron entre 26°C y 34°C, alcanzando el sistema un estado estacionario térmico donde la generación de calor se equilibró con la disipación.
• Calidad de la Forma de Onda: El voltaje de salida se mantuvo suave y regulado, y las corrientes del lado primario mostraron una compartición de potencia equitativa entre las fases, indicando una distribución de carga efectiva y una reducción del estrés de corriente.

Significancia
El artículo afirma que este enfoque integrado ofrece un avance significativo para las aplicaciones de electromovilidad al abordar simultáneamente los desafíos duales de la regulación de voltaje y el equilibrio de celdas. Al reducir la carga de procesamiento de potencia sobre el convertidor, el sistema permite el uso de componentes más pequeños, rentables y con una mejor gestión térmica y confiabilidad. El uso de aprendizaje profundo para el control permite un equilibrio proactivo que mitiga la degradación antes de que afecte el rendimiento, extendiendo así la vida útil de la batería y el rango del vehículo. El estudio concluye que la arquitectura CO-DAB-DBNet proporciona una solución más eficiente, compacta y confiable para la gestión de la potencia de los vehículos eléctricos en comparación con los sistemas tradicionales de múltiples etapas o de equilibrio pasivo.