Batteriemanagement: den Ladezustand schätzen
Ein Batteriemanagementsystem kennt von einer Zelle zwei Dinge: wie viel Strom fließt und welche Spannung an den Klemmen anliegt. Keins von beiden ist der Ladezustand. Der Strom liefert die Ladung nur, wenn der Stromsensor die Wahrheit sagt — und ob er das tut, sagt er nie. Die Spannung verrät etwas, aber nur über eine Kennlinie, und die ist nicht gerade.
Diese Fallstudie baut den Schätzer, den ein echtes BMS ausführt: ein erweitertes Kalman-Filter, das beide Signale beobachtet, den Offset des Signals lernt, dem es nicht trauen kann, und die Ladung zusammen mit seiner eigenen Unsicherheit meldet.
Die Zelle
Eine 18650-Lithium-Ionen-Zelle als Thévenin-Ersatzschaltung: ein ohmscher Widerstand, ein Polarisationszweig und eine Leerlaufspannung, die von der Ladung abhängt.
Die vier Zahlen unten sind ein Rechenbeispiel, kein Datenblatt. Panasonics eigenes Datenblatt für die NCR18650B nennt mindestens 3,25 Ah und begrenzt den Innenwiderstand nach oben auf 100 mΩ; weder die 3,20 Ah noch die 0,05 Ω stammen also daraus. Sie sind passend zur Abtastung gewählt, nicht passend zu einer Zelle: ein Pol bei 0,05 rad/s und zwanzig Abtastwerte pro Zeitkonstante.
| Parameter | Bedeutung | Wert |
|---|---|---|
| Kapazität | ||
| Ohmscher Widerstand | ||
| Polarisationswiderstand | ||
| Polarisationskapazität | ||
| Polarisations-Zeitkonstante |
Zwei Zustände. Einer davon — die Polarisationsspannung — ist einfach, denn sie ist nur die Differenz zwischen der Klemmenspannung und dem, was die Zelle laut Ladung anzeigen müsste. Der andere ist das Problem: Für die Ladung gibt es keine Anzeige.
Warum Zählen nicht reicht
Den Strom mit einem Integrator-Block integrieren, durch die Kapazität teilen, vom Startwert abziehen. Kein Modell, keine Kennlinie, nichts abzustimmen — und eine Stunde lang sieht das perfekt aus.
Der Haken: Das Messgerät ist nicht die Zelle. Ein Fehler im Stromsensor wird zu Ladung, die nie zurückkommt:
Die Rate folgt dem absoluten Offset in Ampere und der Kapazität. Der Last folgt sie nicht.
| Last | Sensoroffset | Drift | |
|---|---|---|---|
| 2 A | 2 % | 0,04 A | 1,25 % pro Stunde |
| 10 A | 2 % | 0,20 A | 6,25 % pro Stunde |
| 10 A | 5 % | 0,50 A | 15,6 % pro Stunde |
| 2 A | 10 % | 0,20 A | 6,25 % pro Stunde |
| 10 A | 10 % | 1,00 A | 31,3 % pro Stunde |
Die letzten beiden Zeilen sind der Punkt, die ersten beiden die Falle. Ein prozentualer Offset einer größeren Last ist ein größerer absoluter Offset, deshalb wirkt die Tabelle, als skaliere die Drift mit der Last. Hält man den absoluten Offset bei 0,20 A, beträgt die Rate 6,25 % pro Stunde, ob die Last 2 A oder 10 A ist. Ein Shunt wird in Prozent spezifiziert — darum ist dieser Fehler so leicht gemacht.
Daraus folgen zwei Dinge. Die Drift ist eine Rampe und auf einer Achse von 0…100 % Ladung unsichtbar — ein Diagramm der absoluten Ladung sieht die ganze Zeit perfekt aus, und genau das ist das Versagen. Und keine Last macht die Zahl kleiner; die ehrliche Antwort ist also kein sanfterer Strom, sondern eine zweite Meinung über die Ladung.
Was die Spannung verrät
Nimmt man den Strom weg, kommt die Zelle zur Ruhe. Die Polarisationsspannung klingt ab, und an den Klemmen bleibt die Leerlaufspannung — eine Funktion der Ladung und von nichts sonst.
In der Simulation wird dieser nichtlineare Zusammenhang mit einem 1D-LookupTable-Block mit kubischer oder linearer Interpolation abgebildet.
Das ist der Zugang. Aber die Kennlinie ist nicht gerade, und wie gerade sie ist, schwankt enorm:
| SOC | gegenüber dem Plateau | |
|---|---|---|
| 0–10 % | 5,00 V pro Ladungseinheit | 8,3× |
| 10–20 % | 1,50 | 2,5× |
| 20–90 % | 0,60 – 0,90 | das Plateau |
| 90–100 % | 0,60 | 1,0× |
Dieselben 10 % Ladung sind am unteren Ende der Kurve ein halbes Volt wert und in der Mitte sechs Millivolt. Der Faktor 8,3 ist keine Kuriosität: Er bestimmt direkt die Beobachtbarkeit des Modells. Mit der Messzeile und einer diagonalen Systemmatrix ist die Beobachtbarkeitsdeterminante
Die Ladung ist also genau so lange beobachtbar, wie die Kurve nicht flach ist, und wie gut, skaliert mit ihrer Steigung.
Ein linearer Beobachter — und wo er versagt
Der klassische Schätzer nimmt die Messung, zieht ab, was das Modell erwartet, und korrigiert den Zustand mit einer Verstärkung aus den beiden Rauschpegeln. Das ist die richtige Maschinerie, und sie lässt Ihnen eine Entscheidung: Der Zusammenhang zwischen Ladung und Spannung ist gekrümmt, also linearisiert der Schätzer ihn.
Einmal. Das Modell wird affin:
Die Steigung ist eine Wahl. Der Achsenabschnitt in der Klammer ist eine zweite — und die entscheidet, wo sich das Filter einpendelt, denn ein linearer Beobachter konvergiert dorthin, wo sein eigenes Messmodell die gemessene Spannung reproduziert, und dort ist die Zelle nicht.
An einem Arbeitspunkt linearisieren, in Ruhe bleiben — das Ergebnis ist ein systematischer Fehler, keine Verzögerung:
| Tangente bei | Wahre Ladung | Bleibender Fehler |
|---|---|---|
| 0,45 | 0,05 | −53,3 % |
| 0,45 | 0,85 | +7,5 % |
| 0,05 | 0,45 | −28,8 % |
| 0,05 | 0,05 | −0,0 % |
Mit der Tangente bei 45 % und der wahren Ladung bei 5 % kommt die Schätzung bei −0,48 zur Ruhe: eine Ladung, die keine Zelle haben kann. Nur eine Tangente nahe am wahren Arbeitspunkt ergibt einen kleinen Fehler — die Wahl des Arbeitspunkts ist also eine Entscheidung, die man den ganzen Lauf lang bezahlt.
Ein zweites, kontraintuitives Detail: Der Schaden kommt von einer zu steilen Tangente, nicht von einer zu flachen. Bei falscher Steigung glaubt das Filter einer verrauschten Messung viel mehr, als es sollte; seine Verstärkung bricht ein, die Schätzung kriecht — und sie bleibt 63 % neben der Wahrheit stehen, die letzte Zeile der Tabelle oben. Eine zu flache Tangente ist vergleichsweise harmlos: Die Innovation ist groß genug, um die Schätzung trotzdem zur Wahrheit zu ziehen.
Das erweiterte Kalman-Filter
An der Maschinerie ändert sich nichts. Eine Zeile ändert sich: Statt die Steigung am Anfang einzufrieren, liest man sie dort ab, wo die Schätzung gerade ist:
Die Kurve wird nicht einmal linearisiert und dann geglaubt. Sie wird neu linearisiert, an dem Punkt, den das Filter erreicht hat, sodass die verwendete Empfindlichkeit die tatsächlich vorhandene ist. Das EKF ist ein KalmanFilter, das zugibt, dass es nähert. In BlockWerk steckt dieser Echtzeit-Batterieschätzer im eigenen Block BatterySocEkf.
| Tangente bei | Wahre Ladung | Linearer Fehler | EKF-Fehler |
|---|---|---|---|
| 0,45 | 0,05 | −53,3 % | 0,0 % |
| 0,45 | 0,85 | +7,5 % | −0,0 % |
| 0,05 | 0,45 | −28,8 % | −0,0 % |
| 0,05 | 0,85 | −63,1 % | +0,0 % |
Ein Satz und , beide Bereiche, nirgends ein Fehler. Und das EKF ist nicht überall schneller: Im steilen Teil braucht es 71 s gegenüber 2 s beim linearen Filter. Die Neulinearisierung ist genau dort vorsichtig, wo die Messung wirklich aussagekräftig ist. Dieser Kompromiss ist Thema des Abstimmungsschritts, kein Makel, den man verstecken müsste.
Von der falschen Antwort aus starten
Interessant ist nicht, dass das Filter einem geduldigen Experiment zustimmt, sondern dass es die Ladung aus dem Nichts findet: Schätzung startet bei 0,50, wahre Ladung 0,90, Zelle in Ruhe, nichts so abgestimmt, dass es leicht wird.
Es konvergiert in etwa drei Sekunden. Nicht „irgendwann“ — die Einschwingkurve über der Zeit ist der ganze Sinn dieses Schritts, und danach liegen beide Kurven übereinander.
Das EKF hat eine echte Schwäche, und die soll benannt werden. Das Filter startet auf dem flachen Plateau, wo die Kurve wenig verrät; die erste Korrektur wird mit kleiner Steigung berechnet und schießt in den steilen Ausläufer über. Dort ist die Steigung 8,3-mal größer — aber die bereits geschrumpfte Kovarianz wurde für die falsche Steigung berechnet, und eine geschrumpfte Kovarianz bedeutet eine kleine Verstärkung. Es erholt sich, langsam. Deshalb beträgt die Einschwingzeit etwa 3 s bei 0,45, 71 s bei 0,05 und 71 s bei 0,15.
Abstimmung
ist, was das Modell zugibt, nicht zu wissen. ist, was der Sensor zugibt, nicht zu wissen. Die Verstärkung ist der Streit zwischen beiden, und es gibt keine Einstellung, die richtig ist — nur eine, die für die Lage der Zelle richtig ist.
Erhöhen Sie , stützt sich das Filter auf sein Modell: glatt und langsam im Bemerken. Senken Sie es, stützt es sich auf die Spannung: reaktionsschnell, und es glaubt dem Rauschen. verschiebt die andere Seite derselben Waage und ist subtiler. Der Ladungszustand ist fast ein reiner Integrator, sein dominanter Fehler ist also die Verstärkung des Stromsensors — konstant und multiplikativ statt weiß. Ein additives ist gar kein Sensorrauschen, sondern zugegebener Modellfehler. Es ist eine Dichte pro Sekunde und summiert sich:
| σ nach einer Stunde | Was es darstellt | |
|---|---|---|
| 1e-6 | 6,0 % Ladung | mehr Scheinunsicherheit als die Messgröße selbst |
| 1e-8 | 0,6 % Ladung | nicht modellierte Drift: Temperatur, Alterung |
Die Frage der Abtastung
Beide Filter laufen mit 1 Hz, dort, wo ein BMS lebt. Das liegt bequem innerhalb der Anforderung, nicht an der Grenze: Der schnellste Pol der Strecke ist ; das ergibt 20 Abtastwerte pro Zeitkonstante und den Faktor 63 Reserve zur Nyquist-Grenze. Der einzige Pol im diskreten Modell liegt bei 0,9512; das Filter ist unbedingt stabil, es gilt keine Schrittweitengrenze.
Strecke und Filter werden getrennt und exakt diskretisiert, über dasselbe Intervall:
Ein exaktes mit einem Vorwärts-Euler- zu mischen ist ein echter Fehler, keine Unordnung: Der zweite Term liegt 2,52 % über dem exakten Wert (der exakte liegt 2,46 % darunter) — und so oder so taucht diese Differenz in der Innovation des Beobachters auf, wo das Filter sie nicht von einem Modellfehler unterscheiden kann. Der Block berechnet die Diskretisierung — einschließlich des Rauschens, nach Van Loan — aus den Parametern neu; ändert man die Kapazität der Zelle oder die Abtastzeit, ändert sich das Modell des Schätzers mit.
Weiterführende Literatur
Das Modell dieser Fallstudie ist nicht aus dem Nichts beschrieben. Das Paket thevenin des US National Renewable Energy Laboratory nennt dieselben Gleichungen wie dieser Leitfaden —
$$\frac{d\,SOC}{dt} = \frac{-I\,\eta}{3600\,Q_{\max}} \qquad
\frac{dV_j}{dt} = -\frac{V_j}{R_jC_j} + \frac{I}{C_j} \qquad
V_{\text{cell}} = V_{\text{OCV}}(SOC) - \sum_j V_j - I R_0$$
— mit dem Hysterese-Term auf null, wofür die Anpassung mit zwei Zweigen unten gedacht ist.
- Randall, C. R. thevenin: Equivalent circuit models in Python (NREL, SWR-24-132).
BSD-3-Clause.
— die Modellbeschreibung, mit den Gleichungen oben und den Zellparametern als
Eingaben. Die vier Zahlen dieses Leitfadens stammen nicht daraus; sie sind ein
Rechenbeispiel.
- Thévenin-Ersatzschaltbilder von Lithiumzellen; die Erweiterung auf zwei Zweige und
die zweite RC-Zeitkonstante, die ein Modell mit einem Zweig weglässt
- Erweiterte und iterierte erweiterte Kalman-Filter im Batteriemanagement und die
Rolle der OCV-Steigung für die erreichbare Beobachtbarkeit
- Das normierte Innovationsquadrat — die Zahl, die zeigt, ob das angenommene und
zu denen der Zelle passen
Selbst ausprobieren
Der letzte Schritt der interaktiven Fallstudie ist ein Spielplatz, und die beiden
Regler, an denen es sich zu ziehen lohnt, sind die, um die es in diesem Leitfaden geht:
- Messrauschvarianz und Prozessrauschen , die beiden Größen aus der
Tabelle oben. Beide haben logarithmische Schieberegler, denn vier Dekaden auf einer
linearen Skala würden jede sinnvolle Einstellung ins erste Zwanzigstel drängen.
- Die wahre Ladung der Zelle. Bei 15 % braucht die Schätzung 71 s bis zu demselben
Punkt, den sie bei 90 % in 28 s erreicht — aus dem Grund im Plateau-Absatz oben.
Last, Sensoroffset und das Eigenrauschen des Sensors sind ebenfalls da; um diese drei
geht es in Schritt 2 der Lektion.
Siehe auch
- BatterySocEkf: Erweitertes Kalman-Filter zur Schätzung des Ladezustands.
- KalmanFilter: Allgemeiner zeitdiskreter linearer Zustandsschätzer und Beobachter.
- LookupTable: 1D-Interpolation der nichtlinearen Leerlaufspannung .
- Integrator: Zustandsintegration beim Coulomb-Counting und Aufbau der Drift.
- uPlotDisplay: Echtzeit-Verlauf der Schätzung, Wahrheit gegen Schätzfehler und -Grenzen.
- Simulink-Alternative: Schnelle BMS-Simulation und Algorithmen-Prototypen im Browser ohne teure Toolbox-Lizenzen.
- Scilab- & Xcos-Alternative: Moderne Umgebung für Regelung und Schätzung ohne Installation.
- Regelungstechnik auf Chromebook & iPad: Mobile Simulation in der Batterietechnik-Ausbildung.
- Leitfaden zur interaktiven Simulation: Solver, Abtastzeit und zeitdiskrete Schleifen.