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

Resumo Técnico: Design de Conversor Cooperativo com Mecanismo de Controle Otimizado Baseado em Aprendizado Profundo para Balanceamento de Células de Bateria

Definição do Problema
O artigo aborda desafios críticos nos sistemas de gerenciamento de baterias (BMS) de veículos elétricos (VE), especificamente o problema de desbalanceamento de células em pacotes de baterias de íon-lítio. Devido a variações de fabricação, envelhecimento e disparidades de estresse operacional, as células individuais frequentemente desenvolvem discrepâncias no Estado de Carga (SOC), tensão e resistência interna. Esses desbalanceamentos levam à redução da capacidade efetiva do pacote, aceleração da degradação da capacidade e potenciais riscos de segurança, como o runaway térmico. Os métodos de balanceamento tradicionais são categorizados em abordagens passivas e ativas. O balanceamento passivo, que dissipa o excesso de energia como calor por meio de resistores, é energeticamente ineficiente e inadequado para pacotes de alto desempenho. O balanceamento ativo, utilizando eletrônica de potência para transferir energia entre as células, oferece melhor eficiência, mas frequentemente requer hardware complexo e volumoso e loops de controle separados para regulação de tensão e balanceamento de células, aumentando o custo e a complexidade do sistema. Além disso, a estimativa tradicional baseada em modelos de SOC e Estado de Saúde (SOH) tem dificuldade com a natureza não linear e variante no tempo da química da bateria sob condições ambientais dinâmicas.

Metodologia
Os autores propõem uma nova arquitetura de sistema integrando um conversor de Ponte Ativa Dupla Cooperativa (CO-DAB) de alta densidade de potência com um controlador de Rede de Balanceamento Profundo (DBNet).

1. Topologia do Conversor Cooperativo (CO-DAB):

   • O sistema utiliza uma topologia de conversor multi-entrada, saída única onde múltiplos módulos Dual Active Bridge (DAB) são conectados a células de bateria individuais.
   • Princípio de Compartilhamento de Potência: Ao contrário dos conversores step-up convencionais que processam toda a potência de saída, o CO-DAB processa apenas uma fração da potência total. Esta "potência cooperativa" é proporcional à diferença de tensão entre a tensão de saída desejada ($V_{out}$) e a tensão real do pacote de baterias ($V_{battery}$).
   • Mecanismo de Eficiência: Ao lidar apenas com a diferença de tensão, o conversor opera sob estresse de potência reduzido, permitindo um dispositivo fisicamente menor e mais eficiente. O sistema assume que o pacote de baterias entrega a maior parte da potência sem perdas, enquanto o conversor compensa a diferença.
   • Hardware: O design emprega uma topologia DAB isolada por transformador de múltiplas fases operando a 120 kHz. Utiliza Comutação de Tensão Zero (ZVS) e/ou Comutação de Corrente Zero (ZCS) para minimizar as perdas de comutação. A arquitetura aproveita a indutância de dispersão do transformador, potencialmente eliminando indutores discretos para reduzir volume e peso.

2. Mecanismo de Controle (DBNet):

   • Um único controlador de Rede de Balanceamento Profundo (DBNet) gerencia tanto a conversão step-up quanto o balanceamento de células simultaneamente, substituando a necessidade de controladores separados.
   • Arquitetura de Aprendizado Profundo: O DBNet utiliza uma estrutura de rede neural de Função de Base Radial (RBF). Ele processa entradas em tempo real (tensão da célula, corrente, temperatura) e dados históricos para tomar decisões dinâmicas de balanceamento.
   • Estratégia de Treinamento: A rede passa por um processo de treinamento em duas etapas: primeiro, otimizando os parâmetros das camadas ocultas via retropropagação paralela e aproximação estocástica, seguido por agrupamento (clustering) para determinar os centros dos receptores e parâmetros de propagação.
   • Lógica de Balanceamento: O sistema monitora as diferenças de SOC entre as células. Quando a diferença excede um limite (0,55%), o DBNet aciona pulsos de comutação específicos para transferir energia das células de SOC mais alto para as de SOC mais baixo. Ele suporta balanceamento ativo durante os modos de tração (motoring), frenagem regenerativa e carregamento, bem como balanceamento passivo durante a imobilização (standstill).

3. Estimativa de Estado:

   • O sistema emprega um Filtro de Kalman combinado com contagem de Coulomb para estimar o SOC, abordando a dificuldade da medição direta. Esta abordagem leva em conta o ruído e as mudanças dinâmicas no comportamento da bateria.

Principais Contribuições

• Topologia Integrada: O artigo introduz uma topologia CO-DAB unificada que combina o aumento de tensão (step-up) e o balanceamento de células ativo em um único estágio de conversão, reduzindo a redundância de hardware.
• Processamento de Potência Otimizado: Ao processar apenas a diferença de tensão em vez da potência total da carga, o sistema alcança uma pegada física menor e maior eficiência no nível do sistema em comparação com conversores DAB ou boost tradicionais.
• Controle por Aprendizado Profundo: A implementação do controle DBNet permite estratégias de balanceamento adaptativas e baseadas em dados que superam algoritmos estáticos ao aprender com dados operacionais históricos e em tempo real.
• Controle Unificado: O uso de um único controlador para regulação de tensão e balanceamento de células simplifica a arquitetura de controle e melhora a sincronização.

Resultados
O sistema proposto foi validado através de simulações MATLAB/Simulink e experimentos laboratoriais usando uma bancada de teste com quatro células de chumbo-ácido conectadas em série (6,2 V, 12 Ah cada) para simular um sistema de 24-48 V, 250 W.

• Eficiência: O conversor CO-DAB alcançou uma eficiência de pico de 96,4%. O sistema demonstrou que o conversor precisava extrair aproximadamente 64% da potência de saída para manter a regulação e o balanceamento, confirmando a hipótese de compartilhamento de potência.
• Desempenho: O sistema conseguiu manter uma tensão de saída estável de 48 V enquanto gerenciava o balanceamento de células através de diferentes modos operacionais (tração, frenagem regenerativa, carregamento e imobilização).
• Velocidade de Balanceamento: Em um cenário de simulação específico onde pares de células apresentavam diferenças de SOC (54,5% vs. 79,5%), o controlador DBNet balanceou todo o pacote para um SOC de 83,5% em 68 segundos.
• Gerenciamento Térmico: O monitoramento de temperatura mostrou as células estabilizando entre 26°C e 34°C, com o sistema atingindo um estado estacionário térmico onde a geração de calor equilibra a dissipação.
• Qualidade de Forma de Onda: A tensão de saída permaneceu suave e regulada, e as correntes do lado primário mostraram um compartilhamento de potência igual entre as fases, indicando uma distribuição de carga eficaz e redução de estresse de corrente.

Significância
O artigo afirma que esta abordagem integrada oferece um avanço significativo para aplicações de eletromobilidade ao abordar simultaneamente os duplos desafios da regulação de tensão e do balanceamento de células. Ao reduzir a carga de processamento de potência sobre o conversor, o sistema permite o uso de componentes menores, mais econômicos e com melhor gerenciamento térmico e confiabilidade. O uso de aprendizado profundo para o controle permite um balanceamento proativo que mitiga a degradação antes que ela impacte o desempenho, estendendo assim a vida útil da bateria e o alcance do veículo. O estudo conclui que a arquitetura CO-DAB-DBNet fornece uma solução mais eficiente, compacta e confiável para o gerenciamento de energia de VE em comparação com sistemas tradicionais de múltiplos estágios ou de balanceamento passivo.