Elektrikli araç batarya yönetim sistemlerinde şarj durumu tahmini ve uygulamaları

Abstract

Elektrikli araçlar, çevreye duyarlı ulaşım çözümlerinin temelini oluşturmakta ve fosil yakıt bağımlılığını azaltarak sürdürülebilir mobiliteyi mümkün kılmaktadır. Bu araçların temel enerji kaynağını oluşturan lityum-iyon bataryaların güvenli, verimli ve uzun ömürlü şekilde kullanımı için Batarya Yönetim Sistemleri (BMS) büyük önem arz etmektedir. BMS'in en kritik görevlerinden biri olan Şarj Durumu (SOC) tahmini, hem kullanıcı deneyimi hem de enerji yönetimi açısından doğrudan etkilidir. Bu tez çalışması kapsamında, bir elektrikli araçta kullanılan lityum iyon batarya hücresinin modellenmesi ve bu modele dayalı olarak SOC tahmini gerçekleştirilmiştir. Çalışma kapsamında referans hücre olarak Molicel P45B tipi 21700 formatında yüksek performanslı bir silindirik lityum-iyon hücresi seçilmiştir. Hücre modellemesinde, batarya davranışının hem statik hem de dinamik etkilerini temsil edebilen 2. dereceden Thevenin eşdeğer devre modeli kullanılmıştır. Bu model, bir adet ohmik direnç, iki adet RC paralel ağı ile hücrenin gerilim-zaman tepkisini yüksek doğrulukla temsil etmektedir. Model parametrelerinin belirlenmesi için hem statik hem de dinamik testler gerçekleştirilmiştir. Statik testlerde, hücre çok düşük bir deşarj oranı olan C/30 akım ile tamamen deşarj edilerek açık devre gerilim (OCV) ile SOC arasındaki ilişki ortaya çıkarılmıştır. OCV-SOC eğrisi, modelin gözlem fonksiyonunun temelini oluşturmuştur. Dinamik karakteristiklerin elde edilmesi için ise Hybrid Pulse Power Characterization (HPPC) testleri uygulanmıştır. Bu testlerden elde edilen akım-gerilim-zaman verileri üzerinden R₀, R₁, R₂, C₁ ve C₂ parametreleri hesaplanmıştır. Parametrelerin daha hassas bir şekilde optimize edilebilmesi adına MATLAB ortamında LSQCURVEFIT fonksiyonu ve algoritması kullanılmıştır. Bu sayede, test verileri ile modelin terminal gerilim çıktısı arasındaki fark minimize edilmiş ve doğruluk artırılmıştır. Modelin geçerliliği, aynı yük profiline sahip gerçek hücre verileri ile karşılaştırılarak test edilmiş, RMS hata değerinin 15.7 mV olduğu hesaplanılmıştır. Bu değer, modelin yeterince hassas ve güvenilir olduğunu göstermektedir. Model doğrulandıktan sonra SOC tahmini için filtreleme algoritmalarına geçilmiştir. İlk olarak, yaygın olarak kullanılan Genişletilmiş Kalman Filtresi (GKF) algoritması uygulanmıştır. GKF algoritması, sistemin doğrusal olmayan yapısını doğrusal yaklaşımlarla yaklaşık olarak temsil eder. Bu yöntem ile elde edilen tahmini SOC değerlerinin, gerçek değerlere göre RMS hatası %2.652 hata oranına sahip olduğu görülmüştür. Ancak, GKF'nin doğrusal varsayımları nedeniyle bazı anlık değişimlere karşı duyarlılığı zayıf kalmıştır. Daha yüksek doğruluk hedefiyle bu çalışmada ayrıca Sigma Noktaları Kalman Filtresi uygulanmıştır. SNKF algoritması, sistemin doğrusal olmayan özelliklerini sigma noktaları ile daha hassas temsil ederek daha güvenilir tahminler üretmiştir. Aynı veri seti üzerinde yapılan SNKF uygulamasında, SOC RMS hata oranı %1,080 seviyelerine düşürülmüştür. Sonuçlar karşılaştırıldığında, GKF algoritmasının özellikle ani yük değişimleri ve yüksek dinamikli senaryolarda daha yüksek sapmalar gösterdiği, bunun temel nedeninin lineerleştirme sırasında oluşan hata birikimleri olduğu anlaşılmıştır. SNKF ise sistemin doğrusal olmayan yapısını daha isabetli modellediğinden ötürü daha kararlı ve doğru tahminler sunmuştur. Bu tez çalışması sonucunda, hafif elektrikli araçlar için kullanılabilecek bir hücre modellemesi ve bu modele dayalı olarak yüksek doğruluklu SOC tahmini gerçekleştirilmiştir. Elde edilen bulgular, batarya sistemlerinin daha güvenilir ve ekonomik şekilde izlenmesine katkı sunmakta; aynı zamanda gerçek zamanlı uygulamalara da uygun bir temel oluşturmaktadır.