Modelado e identificación de baterías de ion-litio y supercondensadores para su aplicación al vehículo eléctrico
- Autores: Henry Santiago Miniguano Miniguano
- Directores de la Tesis: Andrés Barrado Bautista (dir. tes.)
- Lectura: En la Universidad Carlos III de Madrid ( España ) en 2019
- Idioma: español
- Tribunal Calificador de la Tesis: Manuela González Vega (presid.), Enrique Romero Cadaval (secret.), Joaquín Vaquero López (voc.)
- Programa de doctorado: Programa de Doctorado en Ingeniería Eléctrica, Electrónica y Automática por la Universidad Carlos III de Madrid
- Materias:
- Enlaces
- Tesis en acceso abierto en: e-Archivo
- Resumen
El proceso de electrificación de los medios de transporte plantea, en la actualidad, un conjunto de desafíos relacionados con el desarrollo de sistemas de distribución de potencia y propulsión basados en el uso de energías limpias, que deben ocasionar un mínimo impacto sobre el medio ambiente. Por esta razón, los sistemas que gestionan este tipo de energías deben ser lo más eficientes posibles.
La marcada tendencia, que va desde los sistemas de propulsión basados en combustión interna a los sistemas de propulsión basados en el uso de energías alternativas, requiere de sistemas de almacenamiento que ayuden y garanticen la adecuada operación del vehículo. De esta manera, se distingue entre la fuente de energía principal, como puede ser una pila de combustible que a partir de hidrógeno y oxígeno genera energía eléctrica, y como residuo agua; y las fuentes de energías secundarias, típicamente baterías y supercondensadores, las cuales son habitualmente utilizadas en aplicaciones relacionadas con el vehículo eléctrico.
El diseño, dimensionamiento y utilización de las fuentes de energía plantea un desafío a nivel de modelado y control, asociado al constante compromiso entre complejidad y precisión. En este sentido, para la realización de la simulación del sistema, previa a su implementación, es necesario disponer del modelo de todos los elementos que componen el sistema, los cuales deben ser capaz de representar con suficiente precisión el comportamiento real de cada elemento, y como consecuencia del sistema completo, pero con unos tiempos de simulación razonables.
Las aportaciones de la presente tesis doctoral se enfocan principalmente en el vehículo eléctrico y, en particular, en la identificación, modelado y gestión de las fuentes y almacenamientos de energía. Un sistema de propulsión o de distribución de potencia generalmente está compuesto por los siguientes componentes, que se enumeran a continuación: 1) Fuente de energía principal, como las pilas de combustible tipo PEM (Proton-Exchange Membrane fuel cell), que actúan como generadores, siendo un sistema con una alta densidad de energía, y cuyos residuos son compatibles con el cuidado del medio ambiente.
2) Fuentes de almacenamiento de energía secundaria como las baterías o los supercondensadores. En el caso de las baterías, presentan una aceptable densidad de energía, siendo claves para la autonomía y estabilidad de los vehículos eléctricos. Por otro lado, los supercondensadores presentan una alta densidad potencia, que los hacen especialmente adecuado para los periodos de altas demandas o devolución de energía, como en los casos de aceleración y frenado.
3) Convertidores de corriente continua, CC-CC, y alterna, CC-CA, que permiten el intercambio y el control de la energía entre las fuentes, los sistemas de almacenamiento de energía, y en motor eléctrico como carga.
4) Un sistema de control y gestión de energía para satisfacer la demanda de la carga y garantizar un flujo seguro de energía, entre las diferentes fuentes y almacenamientos de energía.
Una vez descritos los componentes principales del sistema de distribución de potencia y propulsión, existe la necesidad de conocer el comportamiento de cada componente para así poder diseñar diferentes estrategias de dimensionamiento, control y estimación de las variables de interés.
Las unidades de almacenamiento de energía desempeñan un papel importante en el sistema de distribución de potencia y propulsión del vehículo eléctrico. En este sentido, en esta tesis doctoral se ha realizado una revisión de los diferentes modelos de baterías de ion-litio y supercondensadores, identificados en el dominio del tiempo, y disponibles en el estado de la técnica. A través de este estudio, se ha encontrado que para el proceso de identificación son necesarias tres componentes fundamentales: 1) Modelos equivalentes, que pueden ser electroquímicos, matemáticos o eléctricos, y donde este último presenta ventajas a nivel de simulación, complejidad y precisión.
2) Perfiles de identificación que permitan obtener las características estáticas y dinámicas del modelo equivalente, así como los valores de los parámetros que lo componen.
3) El algoritmo de identificación para la optimización matemática de la función coste del modelo matemático, ya sea de manera offline u offline.
Mediante una adecuada identificación de los parámetros del modelo, se puede plantear una comparativa entre los modelos de baterías y supercondensadores, disponible en estado de la técnica, para extraer las ventajas e inconveniente de cada modelo, y seleccionar aquel que mejor se adapte a cada aplicación.
El proceso de identificación propuesto pretende ser sencillo, práctico y suficientemente general, y tiene en cuenta las herramientas software de uso general disponibles, en concreto Simulink® Design Optimization™/Sinscape de MATLAB®. Estas herramientas se usan para la identificación paramétrica de modelos matemáticos, que describen el comportamiento de un sistema, a partir de los datos observados. Para ilustrar el procedimiento, se ha desarrollado y mostrado un ejemplo sencillo basado en la identificación de un circuito RC, con el fin de comparar los datos de validación medidos, con la salida del modelo simulado, en base a los parámetros estimados.
El procedimiento de identificación de sistemas con Matlab, tiene la limitación que depende de los métodos y algoritmos de optimización propios de Simulink. Sin embargo, esto permite el desarrollado de un procedimiento, para la identificación del valor de los parámetros de los modelos que representan el comportamiento de un sistema o componente, a partir de los datos experimentales medidos, sin necesidad de un conocimiento profundo en optimización matemática.
El modelado de baterías se ha centrado en aquellas baterías con tecnología de Ion-litio, por su aplicabilidad al vehículo eléctrico. Se ha desarrollado un estudio comparativo de los cinco modelos más representativos de baterías, como el modelo Shepherd, el modelo no lineal, el modelo PNGV (Partnership for a New Generation of Vehicles), el modelo de Thevenin 3RCH (Tercer Orden con Histéresis) y el modelo de Thevenin 3RC(SOC) (Tercer Orden Dependiente del SOC), disponibles en el estado actual de la técnica, para su aplicación a vehículos eléctricos. En todos los casos, los parámetros del modelo se han obtenido a partir del procedimiento de identificación de parámetros general descrito anteriormente.
El primer resultado obtenido, indica que el procedimiento de identificación utilizado para la parametrización de todos los modelos, proporciona errores aceptables en todos los casos, en los tiempos de simulación utilizados, aunque se detectan diferencias en la posible aplicación de los distintos modelos.
El resultado de la comparación de modelos de baterías, indica que el modelo de Shepherd es muy simple, y puede ser utilizado como una primera aproximación, necesitando solamente la curva de descarga de la batería a corriente constate. Sin embargo, cuando se utiliza durante simulaciones de largos períodos de tiempo, este modelo produce un error de tensión acumulativa y no puede representar los picos de tensión de la respuesta de la batería. Por otro lado, el modelo PNGV es excelente para una simulación de corto plazo, sin embargo, una vez más, en simulaciones de largos periodos de tiempo, produce un error acumulativo de tensión, debido al incremento de tensión en el condensador que representa las características de tensión no lineal, el cual es dependiente del estado de carga. El modelo RC no lineal no refleja con precisión las características dinámicas de la batería y su precisión es limitada.
Los modelos eléctricos de baterías como el 3RCH y 3RC(SOC) no muestran un error acumulativo en simulaciones de largos períodos de tiempo, y los errores en la tensión simulada es menor que los modelos anteriores. El 3RCH incluye el fenómeno de histéresis, que depende de la química de la batería, y es más simple de estimar que el modelo 3RC(SOC), que es más complejo y preciso. Por lo tanto, puede concluirse, que ambos modelos tienen mayor precisión y robustez que el resto de los modelos analizados, para mostrar la tensión estática y dinámica de la batería.
Con el modelo 3RCH se obtiene un equilibrio entre complejidad, robustez y precisión. Considerando estos resultados, el modelo Shepherd se recomienda para simulaciones de cortos periodos de tiempo y como una primera aproximación, y el modelo 3RCH para simulaciones de medio y largos períodos de tiempo.
Por otro lado, en el área del modelado de supercondensadores, se han obtenido los parámetros de los seis modelos circuitales de supercondensadores seleccionados del estado de la técnica: Stern-Tafel, Zubieta, Serie, Paralelo, Línea de Transmisión y Thevenin, los cuales han sido implementados en Simulink o Simscape.
Previamente, al estudio comparativo de los seis modelos de supercondensador, se utilizan diferentes perfiles de corriente de identificación, ofreciendo la posibilidad de analizar la influencia de cada uno de estos perfiles en la precisión y robustez de cada modelo.
Los resultados experimentales obtenidos de los seis modelos y tres perfiles de corriente de identificación muestran, que tanto el modelo como el perfil de corriente de identificación son críticos para obtenerse una adecuada precisión y robustez, en la predicción de la respuesta temporal del supercondensador.
De la comparación entre los resultados experimentales y los resultados de la simulación obtenidos con los modelos, se puede concluir que, en general, a mayor complejidad del perfil de identificación, mayor precisión y robustez del modelo en cuestión. Así, el perfil de corriente de identificación con mayor dinamismo, ha obtenido la mejor precisión en cada modelo que permite su aplicación.
Los resultados para una simulación de pocos ciclos del perfil de verificación muestran, que la mayoría de los modelos estimados proporcionan suficiente precisión. Sin embargo, en una simulación de larga duración, las diferencias entre modelos, así como entre los perfiles de corriente utilizados en su identificación, llega a ser muy importante, haciendo que algunos modelos acumulen errores a lo largo de los ciclos, entre las tensiones simuladas y real. Este error acumulado hace que, los modelos afectados no representen correctamente la tensión real del supercondensador que modelan.
De los resultados de comparación se obtiene, que el modelo Stern-Tafel es apropiado para una simulación corta, y como primera aproximación, identificado con un pulso de corriente. Para simulaciones más complejas, se recomienda el Modelo Serie, con el menor error con respecto a la medida real, seguido por el Modelo Paralelo.
No obstante, aunque el Modelo Serie proporciona el menor error relativo, el Modelo Zubieta ofrece mejor compromiso entre complejidad y precisión. En definitiva, si se quiere utilizar un modelo de supercondensador simple y suficientemente preciso, la mejor opción es utilizar el Modelo de Zubieta, identificando sus parámetros a partir de un perfil de corriente relativamente complejo, con suficiente variación de amplitud y frecuencia, como el perfil de corriente más dinámico.
A partir del estudio de los modelos de baterías y supercondensadores, con el método de identificación realizado, se ha podido verificar la importancia de la señal de identificación, en el proceso de modelado. Es por esta razón, que en esta tesis también se propone una nueva señal de identificación pseudoaleatoria compuesta, denominada Pulso-PRBS (Pseudorandom Binary Sequence), que presenta como bondad la capacidad de cubrir en amplitud y frecuencia a la señal de verificación o señal de funcionamiento real del sistema, reduciendo, de esta manera, el error de los modelos que utilizan perfiles de identificación convencionales, habitualmente utilizados en baterías y supercondensadores.
El método de carga o descarga con pulsos de corriente, utilizados comúnmente para la identificación de baterías o supercondensadores, no cubre completamente el espectro en magnitud y frecuencia del perfil de verificación que se utilizan para la comprobación de estos modelos, por lo que los modelos identificados a partir estos perfiles de identificación, no consiguen la precisión suficiente como para reproducir el comportamiento de las baterías y supercondensadores, fielmente, aunque pueden ser válido para algunas de las aplicaciones.
Para resolver esta deficiencia y reducir el error de precisión del modelado, se ha diseñado una señal de identificación denominada pulso-PRBS, basada en la respuesta espectral del perfil de verificación a utilizar. Esta nueva señal de identificación es fácil de reproducir, y el procedimiento de identificación de parámetros se simplifica con la herramienta de optimización de Simulink, utilizando un algoritmo de identificación basado en mínimos cuadrados.
Durante el diseño de la señal pulso-PRBS se obtiene información sobre el ancho de banda y duración del pulso apropiados, para obtener la precisión óptima en el procedimiento de identificación. Los resultados obtenidos al utilizar la señal de identificación pulso-PRBS, en comparación con la señal de identificación pulso, han sido favorables en todos los casos, siendo especialmente destacados para el caso del modelo aplicado al supercondensador. En este sentido, el error cuadrático medio para el supercondensador se ha mejorado por encima de un 50%, para cualquiera de los dos perfiles de verificación utilizados. En el caso de la batería, el error cuadrático medio se ha mejorado por encima del 17%, para ambos perfiles de verificación.
Finalmente, los modelos seleccionados e identificados se utilizan en el diseño del control de la energía de un sistema completo, en el que se precisan de uno o varios convertidores CC-CC, para la gestión de la energía asociada a cada fuente, sea principal o secundaria.
Los convertidores electrónicos de potencia son fundamentales para la conversión, gestión e intercambio de energía entre los sistemas de generación y almacenamiento de energía, tales como pilas de combustible, baterías y supercondensadores. La utilización de convertidores de potencia aislados o no aislados dependerá en cada caso del tipo de aplicación. Los sistemas de distribución de potencia de los vehículos eléctricos puros e híbridos, requieren de convertidores bidireccionales para su funcionamiento. Uno de estos convertidores, utilizado en sistemas donde se precisa elevado rendimiento sin aislamiento galvánico, es el convertidor reductor-elevador no invertido (NIBB). El diseño y control de este convertidor requiere del conocimiento de los diferentes modos de funcionamiento, para su optimización.
El convertidor reductor-elevador no invertido, NIBB, ofrece varias ventajas respecto a otras topologías, ya que permite un valor de tensión de entrada menor o mayor que su salida, mediante un número reducido de componentes, y un nivel de estrés de tensión en sus semiconductores reducido. Esto justifica que esta topología se utilice ampliamente en aplicaciones de cargadores de baterías, micro-redes, sistemas de tracción, entre otras.
El funcionamiento de NIBB consiste en conmutar sus cuatro interruptores de manera complementaria y simultánea, funcionando en modo Buck-Boost para todo el rango de funcionamiento. Este tipo de modulación si bien es simple, conlleva mayores pérdidas en comparación con los modos Buck y Boost, siendo necesario reducir estos niveles de pérdidas si se desea obtener una mejora en la eficiencia del convertidor.
Cuando el convertidor NIBB trabaja en modo Buck y debe pasar a modo Boost, pasa por una zona de transición, que a nivel de implementación puede provocar problemas de inestabilidad. Así en la literatura, para reducir la zona de transición, o Buck-Boost, al mínimo se proponen diversas técnicas de control y compensación, desde las más complejas hasta las más óptimas. Existen diferentes tipos de modulaciones, sin embargo, en esta tesis se elige una técnica de modulación basada en el escalado en magnitud de dos ondas portadoras, permitiendo diseñar una zona de transición, que consigue obtener la operación del convertidor en todo su rango de funcionamiento. Además, se incorpora una técnica adicional con histéresis para mejorar las transiciones entre un modo y otro.
Adicionalmente, se utiliza la técnica de Feedforward para simplificar la planta del lazo interno de corriente reduciendo la complejidad y optimizando su comportamiento dinámico. Para el cálculo de control se ha utilizado el software comercial SmartCtrl.
Los resultados obtenidos en la simulación en PSIM y Simulink demuestran la efectividad de la técnica de control aplicada al convertidor en todos sus modos de funcionamiento, tanto en modo conmutado, como promediado. También se muestra la precisión de los modelos parametrizados mediante el procedimiento presentado y la señal de identificación propuesta.
La simulación del sistema completo, que incluye tanto el modelo de pilas de combustible y batería, como una combinación de las diferentes estrategias incluidas en el control, ha logrado obtener un sistema estable, y una adecuada distribución de la energía, cumpliendo con las especificaciones del sistema.
