Un commentaire sur "Simulation de batterie lithium-ion pour les systèmes de gestion de batterie : un aperçu de l'état de l'art". Modèle de batterie Objet et principaux objectifs de l'étude

Lorsqu'il s'agit de développer de nouveaux appareils high-tech et miniatures, les batteries sont le goulot d'étranglement. À l'heure actuelle, cela se fait particulièrement sentir dans le domaine de la production et de l'exploitation des véhicules électriques, dans les dispositifs de stockage d'énergie de secours pour les réseaux d'énergie et, bien sûr, dans l'électronique miniature grand public. Afin de répondre aux exigences d'aujourd'hui, les dispositifs de stockage d'énergie, qui n'ont manifestement pas suivi le développement de toutes les autres technologies, doivent fournir plus d'énergie stockée avec un grand nombre de cycles de charge-décharge, avoir une densité de stockage d'énergie élevée et fournir une dynamique élevée. performance.

Création et test de nouvelles batteries divers types est un processus difficile qui prend beaucoup de temps, ce qui le rend très coûteux. Par conséquent, pour les électrochimistes, la possibilité d'effectuer des simulations détaillées avant de se lancer dans des expériences pratiques serait une véritable aubaine. Mais, jusqu'à récemment, personne n'a été capable de créer un modèle mathématique la batterie, détaillé au niveau des atomes individuels en raison de la complexité d'un tel modèle et des limitations fonds existants modélisation mathématique.

Mais cela a maintenant changé, grâce aux travaux de deux chercheurs allemands, Wolf Dapp de l'Institute for Advanced Simulation et Martin Muser de l'Université de la Sarre. Ces scientifiques ont créé un modèle mathématique complet de la batterie et ont effectué ses calculs jusqu'au niveau des atomes individuels. Il convient de noter que d'après les résultats de la simulation, les propriétés de la "batterie mathématique" coïncident largement avec les propriétés des batteries réelles avec lesquelles nous avons tous l'habitude de traiter.

Ces dernières années, des experts dans le domaine technologies de l'information des modèles de batterie ont été créés plusieurs fois auparavant, mais tous ces modèles fonctionnaient à un niveau bien supérieur au niveau des atomes individuels et s'appuyaient sur des données et des paramètres obtenus expérimentalement, tels que la conductivité ionique et électronique, les coefficients de propagation, la densité de courant , potentiels électrochimiques, etc.

De tels modèles présentent un sérieux inconvénient - ils fonctionnent de manière extrêmement imprécise ou ne fonctionnent pas du tout lorsqu'il s'agit de nouveaux matériaux et de leurs combinaisons, dont les propriétés ne sont pas entièrement comprises ou pas du tout étudiées. Et, afin de calculer pleinement le comportement d'une batterie de nouveaux matériaux dans son ensemble, les électrochimistes doivent effectuer des simulations au niveau des molécules individuelles, des ions et des atomes.

Afin de modéliser la batterie dans son ensemble, le modèle informatique doit calculer les éventuelles modifications des potentiels énergétiques, chimiques et électrochimiques à chaque étape de calcul. C'est exactement ce que Depp et Muzra ont réussi à réaliser. Dans leur modèle, l'énergie électrique est une variable dont la valeur est déterminée par l'interaction des atomes, des liaisons entre atomes et ions à chaque étape des calculs.

Naturellement, les chercheurs ont dû faire des concessions à la réalité. La batterie mathématique est loin de la complexité de la batterie que vous pouvez sortir de votre téléphone portable. Le modèle mathématique de la "nanobatterie" se compose de seulement 358 atomes, dont 118 atomes se trouvent dans le matériau des électrodes, cathode et anode. Selon les conditions initiales, la cathode est recouverte d'une couche de 20 atomes de la substance électrolytique et il n'y a que 39 ions chargés positivement dans l'électrolyte lui-même.

Mais, malgré une telle simplicité apparente, ce modèle mathématique nécessite une puissance de calcul considérable pour ses calculs. Naturellement, toute la modélisation est effectuée dans une échelle d'unités discrètes, d'étapes, et pour un cycle complet de calculs, au moins 10 millions d'étapes sont nécessaires, chacune effectuant une série de calculs mathématiques extrêmement complexes.

Les chercheurs rapportent que le modèle qu'ils ont créé n'est qu'une preuve des principes de fonctionnement qu'ils ont utilisés, et qu'il existe plusieurs façons d'améliorer ce modèle. À l'avenir, ils vont compliquer le modèle qu'ils ont créé en présentant la solution d'électrolyte comme un ensemble de particules qui ont une position stationnaire. charge électrique. Ceci, ainsi qu'une augmentation du nombre d'atomes dans le modèle, nécessitera que le calcul du modèle puisse nécessiter la puissance du supercalculateur pas le plus faible, mais cela en vaut la peine, car une telle recherche peut conduire à la création de nouvelles sources d'énergie qui va révolutionner le domaine de l'électronique portable.

Ces dernières années, les batteries dites "intelligentes", ou autrement dit les batteries intelligentes, ont gagné en popularité. Les batteries de ce groupe sont équipées d'un microprocesseur capable non seulement d'échanger des données avec le chargeur, mais également de réguler le fonctionnement des batteries, informant l'utilisateur du degré de leurs performances. Les batteries équipées d'un système de contrôle intelligent spécialisé sont largement utilisées dans une grande variété d'équipements électriques techniques, y compris le transport électrique. Il convient de noter que le groupe des batteries intelligentes est formé principalement de batteries au lithium, bien qu'il existe parmi elles des batteries plomb-acide, nickel-cadmium scellées ou ventilées.

Les batteries intelligentes sont au moins 25 % plus chères que les batteries conventionnelles. Cependant, les batteries intelligentes diffèrent non seulement par leur prix, comme la plupart des gens le supposent, mais également par les caractéristiques du dispositif de réglage qui leur est attaché. Ce dernier garantit l'identification du type de batteries rechargeables avec le chargeur, surveille la température, la tension, le courant et le degré de charge des batteries. Une partie importante des modules de batterie lithium-ion dispose d'un système de surveillance et de contrôle intégré ( BMS), qui est responsable de l'état des batteries et les gère de manière à maximiser les performances des batteries dans diverses conditions.

Examinons plus en détail ce qu'est une batterie avec BMS. Les batteries intelligentes sont des batteries équipées d'un microcircuit spécial dans lequel des données permanentes et temporaires sont programmées. Les données permanentes sont programmées en usine et ne sont pas sujettes à modification : données relatives à la série de production BMS, son marquage, compatibilité avec le type de batteries, tension, limites de tension maximum et minimum, limites de température. Les données temporaires sont des données qui doivent être mises à jour périodiquement. Il s'agit principalement des exigences opérationnelles et des données des utilisateurs. En règle générale, il est possible de connecter le système de contrôle et d'équilibrage à un ordinateur ou à un contrôleur afin de surveiller l'état des batteries et de contrôler leurs paramètres. Certains modèles de BMS peuvent être configurés pour différents types de batteries (niveaux de tension, valeurs de courant, capacité).

Le système de gestion de la batterie (BMS) est un système électronique qui contrôle le processus de charge/décharge de la batterie, est responsable de la sécurité de son fonctionnement, surveille l'état de la batterie et évalue les données de santé secondaires.

BMS (système de gestion de batterie)- il s'agit d'une carte électronique qui est placée sur la batterie afin de contrôler le processus de charge/décharge de celle-ci, surveiller l'état de la batterie et de ses éléments, contrôler la température, le nombre de cycles de charge/décharge et protéger les composants de la batterie . Le système de contrôle et d'équilibrage permet un contrôle individuel de la tension et de la résistance de chaque élément de la batterie, distribue les courants entre les composants de la batterie pendant le processus de charge, contrôle le courant de décharge, détermine la perte de capacité due au déséquilibre et assure une connexion/déconnexion sûre de la charge.

Sur la base des données reçues, le BMS effectue l'équilibrage de charge des cellules, protège la batterie contre les courts-circuits, les surintensités, les surcharges, les décharges excessives (tension élevée et excessivement basse de chaque cellule), la surchauffe et l'hypothermie. La fonctionnalité de BMS permet non seulement d'améliorer le mode de fonctionnement des batteries, mais également de maximiser leur durée de vie. Lors de la détermination de l'état critique de la batterie, le système de gestion de la batterie réagit en conséquence, interdisant l'utilisation de la batterie dans le système électrique - l'éteint. Dans certains modèles de BMS, il est possible de conserver un registre (données d'enregistrement) sur le fonctionnement de la batterie et leur transfert ultérieur vers un ordinateur.

Les batteries au lithium fer phosphate (appelées LiFePO4), largement supérieures aux autres batteries à technologie lithium-ion en termes de sécurité, de stabilité et de performances, sont également équipées de circuits de contrôle BMS. Le fait est que les batteries lithium-fer-phosphate sont sensibles à la surcharge, ainsi qu'à la décharge en dessous d'une certaine tension. Afin de réduire le risque d'endommagement des cellules de batterie individuelles et de défaillance de la batterie dans son ensemble, toutes les batteries LiFePO4 sont équipées d'un circuit d'équilibrage électronique spécial - un système de gestion de batterie (BMS).

La tension sur chacune des cellules combinées dans une batterie au lithium-fer-phosphate doit être dans certaines limites et être égale entre elles. La situation est telle que la capacité idéalement égale de toutes les cellules qui composent une seule batterie est un phénomène plutôt rare. Même une petite différence de quelques fractions d'ampère-heure peut provoquer une différence de niveau de tension lors du processus de charge / décharge à l'avenir. La différence de niveau de charge / décharge des cellules d'une seule batterie LiFePO4 est assez dangereuse, car elle peut détruire la batterie.

Lorsque les cellules sont connectées en parallèle, la tension sur chacune d'elles sera approximativement égale : les cellules plus chargées pourront en tirer des cellules moins chargées. Lorsqu'ils sont connectés en série, il n'y a pas de répartition uniforme de la charge entre les cellules, de sorte que certains éléments restent sous-chargés, tandis que d'autres sont rechargés. Et même si la tension totale à la fin du processus de charge est proche de l'idéal, en raison même d'une petite recharge de certaines cellules de la batterie, des processus destructeurs irréversibles se produiront. Pendant le fonctionnement, la batterie ne donnera pas la capacité requise et, en raison de la répartition inégale de la charge, elle deviendra rapidement inutilisable. Les cellules dont le niveau de charge est le plus bas deviendront une sorte de "point faible" de la batterie : elles céderont rapidement à la décharge, tandis que les cellules de batterie de plus grande capacité ne subiront qu'un cycle de décharge partielle.

La méthode d'équilibrage permet d'éviter les processus destructeurs négatifs dans la batterie. Le système de contrôle et d'équilibrage des cellules BMS garantit que toutes les cellules reçoivent la même tension à la fin de la charge. Lorsque le processus de charge approche de la fin, le BMS effectue un équilibrage en shuntant les cellules chargées ou transfère l'énergie des cellules avec une tension plus élevée aux cellules avec une tension plus faible. Contrairement à l'équilibrage actif, avec l'équilibrage passif, les cellules qui ont presque complètement reconstitué la charge reçoivent moins de courant ou sont exclues du processus de charge jusqu'à ce que toutes les cellules de la batterie aient un niveau de tension égal. Le système de gestion de la batterie (BMS) maximise la durée de vie de la batterie grâce à l'équilibrage, au contrôle de la température et à d'autres fonctions.

Habituellement, les magasins vendent des batteries préfabriquées prêtes à l'emploi avec BMS, cependant, certains magasins et entreprises offrent toujours la possibilité d'acheter des composants de batterie séparément. Parmi eux se trouve la société "Electra". Elektra est la première entreprise en Ukraine qui a décidé de fournir et de créer un marché de cellules de batterie pour l'auto-assemblage et la conception de batteries lithium-fer-phosphate (LiFePO4) dans notre pays. Le principal avantage de l'auto-assemblage de batteries à partir de cellules individuelles est la possibilité d'obtenir un kit de batterie préfabriqué au plus près des demandes de l'utilisateur en termes de paramètres de fonctionnement et de capacité. Lors de l'achat de composants pour l'assemblage d'une batterie LiFePO4, il est important de faire attention non seulement à la correspondance des cellules de la batterie entre elles, mais également de regarder les paramètres BMS : tension, courant de décharge, le nombre de cellules pour lesquelles il est conçu. Le fonctionnement d'une batterie lithium-fer-phosphate implique également l'utilisation d'un seul chargeur conforme à son type. Sa tension doit être égale à la tension totale de la batterie.

24v 36v 48v 60v

Les principaux objectifs de l'utilisation du BMS (Battery Management System) en tant que régulateur de batterie :

Protéger les cellules de la batterie et l'ensemble de la batterie contre les dommages ;

Augmentation de la durée de vie de la batterie ;

Maintenir la batterie dans un état dans lequel il sera possible d'effectuer au maximum toutes les tâches qui lui sont assignées.

Fonctions du BMS (Battery Management System)

1. Surveillance de l'état des cellules de la batterie en termes de :

- tension: tension totale, tension de cellule individuelle, tension de cellule minimale et maximale ;

- températures : température moyenne, température de l'électrolyte, température de sortie, température des cellules de batterie individuelles, cartes BMS(la carte électronique, en règle générale, est équipée à la fois de capteurs de température internes qui surveillent la température du dispositif de contrôle lui-même et de capteurs externes qui sont utilisés pour contrôler la température de cellules de batterie spécifiques);

- charge et profondeur de décharge ;

- courants de charge/décharge ;

- facilité d'entretien

Le système de contrôle et d'équilibrage de la cellule peut stocker en mémoire des indicateurs tels que le nombre de cycles de charge/décharge, la tension maximale et minimale de la cellule, la valeur maximale et minimale du courant de charge et de décharge. Ce sont ces données qui vous permettent de déterminer l'état de santé de la batterie.

Une charge incorrecte est l'une des causes les plus courantes de défaillance de la batterie. Le contrôle de la charge est donc l'une des principales fonctions du microcontrôleur BMS.

2. Informatique intelligente. Sur la base des points ci-dessus, BMS évalue :

Courant de charge maximal autorisé ;

Courant de décharge maximal autorisé ;

La quantité d'énergie fournie en raison de la charge ou perdue lors de la décharge ;

Résistance interne de la cellule ;

Le temps de fonctionnement total de la batterie pendant le fonctionnement (nombre total de cycles de fonctionnement).

3. Messager. Le BMS peut fournir les données ci-dessus à des dispositifs de contrôle externes via une communication filaire ou sans fil.

4. Protecteur. Le BMS protège la batterie en l'empêchant de dépasser les limites de fonctionnement sûres. BMS garantit la sécurité de la connexion/déconnexion de la charge, la gestion flexible de la charge, protège la batterie contre :

surintensité ;

Surtension (pendant la charge);

Chutes de tension en dessous du niveau autorisé (pendant la décharge);

surchauffe;

hypothermie;

fuite de courant.

BMS peut empêcher un processus dangereux pour la batterie en l'influençant directement ou en envoyant un signal approprié sur l'impossibilité d'utilisation ultérieure de la batterie au dispositif de contrôle (contrôleur). Le système de surveillance intelligent (BMS) déconnecte la batterie de la charge ou du chargeur lorsqu'au moins un des paramètres de fonctionnement est hors plage.

5. Équilibrage. L'équilibrage est une méthode de répartition uniforme de la charge entre toutes les cellules d'une batterie, maximisant ainsi la durée de vie de la batterie.

BMS empêche la surcharge, la sous-charge et la décharge inégale des cellules de batterie individuelles :

Réaliser un "mélange" d'énergie des cellules les plus chargées vers les moins chargées (équilibrage actif) ;

En réduisant à un niveau suffisamment bas l'alimentation en courant d'une cellule pratiquement complètement chargée, en même temps que les cellules de batterie moins chargées continuent à recevoir un courant de charge normal (principe du shunt),

Fournir un processus de charge modulaire ;

En ajustant les courants de sortie des cellules de batterie connectées à l'appareil électrique.

Afin de protéger le panneau BMS des effets négatifs de l'humidité et de la poussière, il est recouvert d'un mastic époxy spécial.

Les batteries ne disposent pas toujours d'un seul système de contrôle et d'équilibrage. Parfois, au lieu d'une seule carte BMS connectée via des fils sortants à la batterie et au contrôleur, plusieurs cartes électroniques de régulation interconnectées sont utilisées à la fois, chacune contrôlant un certain nombre de cellules et alimentant les données sortantes vers un seul contrôleur.

D'un point de vue pratique, BMS peut effectuer bien plus que la simple gestion de la batterie. Parfois ce système électronique peut participer au contrôle des paramètres du mode de fonctionnement du véhicule électrique, et effectuer des actions appropriées pour contrôler sa puissance électrique. Si la batterie est impliquée dans le système de récupération d'énergie de freinage du véhicule électrique, le BMS peut également réguler le processus de charge de la batterie pendant les décélérations et les descentes.

Science militaire Méthode aérobalistique d'augmentation de l'efficacité balistique des bombes d'aviation guidées. Mots clés : distance de vol, bombe aviation guidée, aile supplémentaire. Fomitcheva Olga Anatolievna, candidate [courriel protégé], Russie, Tula, Tula State University of technical science, docent, UDC 621.354.341 MODÈLE MATHÉMATIQUE DE FONCTIONNEMENT D'UN SYSTÈME DE CHAUFFAGE DE BATTERIE UTILISANT UN ÉLÉMENT DE CHAUFFAGE CHIMIQUE Е.I. Lagutina L'article présente un modèle mathématique du processus de maintien de la batterie dans un état thermique optimal à basse température ambiante grâce à l'utilisation d'un élément chauffant chimique. Mots clés : contrôle de la température, transfert de chaleur par convection, batterie de stockage, élément chauffant chimique, modèle mathématique. À ce stade du développement des armes et des équipements militaires, il est difficile d'imaginer la conduite réussie des hostilités avec des pertes propres minimales sans système unifié contrôle des troupes. Compte tenu du dynamisme toujours croissant des opérations de combat, la base du système de commandement et de contrôle des troupes au niveau tactique de commandement et de contrôle est constituée par les équipements radio. Ce rôle de l'équipement radio dans le système de contrôle, à son tour, oblige à accorder une attention particulière aux batteries de l'équipement radio - la batterie, comme base de leur fonctionnement ininterrompu. Compte tenu des caractéristiques climatiques de notre pays (présence d'un grand pourcentage de territoires à climat majoritairement froid, possibilité de mener avec succès des opérations militaires dans certaines zones opérationnelles de l'Extrême-Orient uniquement pendant les mois d'hiver), le maintien de la température thermique optimale le mode de fonctionnement de la batterie à basse température ambiante est l'une des tâches les plus importantes. . Ce sont les conditions de fonctionnement économes en ressources des batteries qui déterminent en grande partie le fonctionnement stable du système de communication et, par conséquent, la réussite des missions de combat. 105 Nouvelles de TulGU. Sciences techniques. 2016. Numéro. 4 À l'heure actuelle, de nombreux dispositifs de contrôle de la température ont été développés. Mais les inconvénients communs pour eux sont principalement la consommation d'énergie relativement élevée (et ils sont alimentés par la batterie elle-même) et la nécessité d'une participation humaine au contrôle du processus de contrôle de la température. Compte tenu des inconvénients ci-dessus, dans le dispositif de thermostatisation développé, en combinaison avec un boîtier calorifuge, comme principal moyen de maintenir le mode de fonctionnement thermique optimal de la batterie, il est proposé d'utiliser un élément chauffant chimique à base de sursaturé acétate de sodium trihydraté NaCH3COO 3H2O avec une température de transition de phase à l'équilibre Тf = 331 K et une chaleur latente de transition de phase rt = 260 kJ/kg, qui est stable dans des conditions de surfusion avec l'introduction de petits additifs et peut être surfondue, selon les données, jusqu'à à T = 263 K. Une recherche de brevets a montré un très petit nombre de brevets décrivant des accumulateurs de chaleur à transition de phase) qui utilisent des liquides surfondus comme matériaux de stockage de chaleur (HAM). Cela témoigne de l'absence pratique dans ce domaine de solutions techniques homologuées permettant de mettre en œuvre un processus maîtrisé de dégagement de chaleur précédemment accumulée. Considérant également que la chaleur spécifique de la transition de phase du TAM sélectionné est assez grande et qu'en même temps il est capable de se surfondre à des températures très basses, il devient nécessaire de mener une étude informatique indépendante de cette substance afin d'identifier son applicabilité pratique. Le problème de Stefan, qui est un problème de distribution de température dans le corps en présence d'une transition de phase, ainsi que la localisation des phases et la vitesse de déplacement de leur interface, a été pris comme base pour construire un modèle mathématique de la TAFP. Pour simplifier, nous considérerons un problème plan (lorsque la surface de transition de phase est un plan). Du point de vue classique, c'est un problème de physique mathématique et se réduit à résoudre les équations suivantes : 2 dT1 2 d T1 = a1. pour 0< x < ξ, 2 dτ dx 2 dT2 2 d T2 = a2 . для ξ < x < ∞, dτ dx 2 с дополнительными условиями T1 = C1 = const < Tф при x = 0, T2 = C = const > Tf et conditions de transition de phase 106 à τ = 0, (1) (2) (3) (4) Izvestiya TulGU. Sciences techniques. 2016. Numéro. 4 2. Dans les processus de transition de phase TAM réversibles, fusion et cristallisation à τ=0, les limites de phase se forment, le champ de température TAM dans la phase de croissance est linéaire, et la température de la phase évanescente est égale à la température de transition de phase. 3. Il n'y a pas de conductivité thermique du TAM dans le sens longitudinal. 4. Le processus de transformation de phase TAM est supposé être unidimensionnel. Dans ce cas, les joints de phase sont de forme inchangée et à chaque instant ce sont des surfaces cylindriques situées concentriquement par rapport aux parois du logement de l'élément chauffant chimique. 5. Les pertes de chaleur dans l'environnement du TAFP lors de son déchargement et pour chauffer les parties de la station radio adjacentes au boîtier de la batterie ne sont pas prises en compte. 6. Les coefficients de transfert (transfert de chaleur, transfert de chaleur, conductivité thermique) et les capacités thermiques spécifiques sont constants et ne dépendent pas de la température. Le processus d'échange de chaleur par convection entre HAM et les parois du corps de l'élément chauffant chimique est décrit par l'équation , W; ak est le coefficient de transfert de chaleur du HAM au corps de l'élément chauffant chimique, W/(m2 K) ; Fc - zone de contact de HAM avec la paroi interne du corps de l'élément chauffant chimique, m2; Тtam(τ) est la température du matériau de stockage de chaleur, K ; Тк(τ) est la température de la paroi du logement de l'élément chauffant chimique, K. À τ>0, les équations suivantes sont valides : τ) q fois (τ) = ρ tv ⋅ r ⋅ ⋅ Fk, (13) t r d (τ) z(τ) est l'épaisseur de la couche de HAM cristallisé à l'instant τ, m ; 3 ρ sv t est la densité de TAM dans la phase solide, kg/m. L'hypothèse admise sur la description de l'état thermique du corps d'un élément chauffant chimique en fonction de sa température moyenne permet de ne pas calculer les champs de vitesse locaux et les coefficients de transfert de chaleur en différents points. Alors, pour τ>0, l'équation suivante est valide : q fois (τ) = a t ⋅ Ft (Ttam (τ) − Tc (τ)) , (14) , W/(m2 K) ; Ft – surface d'échange de chaleur, m2 ; En tenant compte du fait que la chaleur fournie au boîtier de l'élément chauffant chimique va augmenter son énergie interne et des pertes de chaleur dans le boîtier de la batterie, à τ>0 l'équation suivante a lieu : TV (τ) − T0) , (15 ) dτ où Sk est la capacité calorifique totale du corps de l'élément chauffant chimique en contact avec le corps de la batterie, J/K ; ab est le coefficient de transfert de chaleur entre les parois de l'élément chauffant chimique et la surface de la batterie, W/(m2 K) ; Fv est la surface du boîtier de l'élément chauffant chimique en contact avec le boîtier de la batterie, m2; T0 est la température initiale de la batterie, K. La dernière équation décrivant le processus de fonctionnement du système TAFP - le cas de la batterie à τ>0, est l'équation d'équilibre : q fois (τ) = av ⋅ Sk ⋅ (Tk (τ) − Tv (τ)) . (16) Le système d'équations (11 - 16) est un modèle mathématique du fonctionnement du système de chauffage du boîtier de batterie lors de la décharge de TAFP. Les fonctions inconnues qu'il contient sont qraz(τ), z(τ), Тк(τ), TV(τ), Тmam(τ). Puisque le nombre de fonctions inconnues est égal au nombre d'équations, ce système est fermé. Pour le résoudre dans le cas considéré, on formule les conditions initiales et aux limites nécessaires : q fois (0) = 0   0 ≤ z (τ) ≤ δ ; z (0) = 0  t (17)  Tk (0) ≈ Tf   TB (0) = Tv (0) = Tr (0) = T0 où δ t est l'épaisseur du boîtier de la batterie, m ; TB – température de la batterie au temps τ, K. Par transformations algébriques des équations (11 – 17), on obtient un système composé de deux équations différentielles : E − D ⋅ Tк (τ) dz (τ) (18) = , dτ N ⋅ ( W + B ⋅ z (τ)) dTc (τ) E − D ⋅ Tc (τ) = − I ⋅ Tc (τ) + M , (19) dτ Z + Y ⋅ z (τ) où B, W, D , E, I, M, N, Z, Y sont des constantes calculées par les formules (20 – 28) : B = av ⋅ a t ⋅ Fv ⋅ Fc, (20) 109 Izvestiya TulGU. Sciences techniques. 2016. Numéro. 4 W = (une t ⋅ Fk + av ⋅ Fv) ⋅ λtv t ⋅ Fk, D = B ⋅ λtv t ⋅ Fk, E = D ⋅ Tf, une ⋅F I= B B, SB M = I ⋅ T0 , (21 ) ( 22) (23) (24) (25) (26) N = ρ tv t ⋅ rr ⋅ Fk, Z = W ⋅ SB, (27) Y = B ⋅ SB. (28) 2 où aB est la diffusivité thermique de la batterie, m/s, FB est la surface de la batterie en contact avec l'élément chauffant chimique, m2 ; SB est la capacité calorifique de la batterie, J/K. En analysant le système d'équations différentielles, on peut conclure qu'elles ne sont pas linéaires. Pour résoudre ce système avec des conditions initiales et aux limites, il convient d'utiliser des méthodes numériques, par exemple la méthode Runge-Kutta du quatrième ordre mise en œuvre à l'aide du programme informatique Mathcad pour Windows. Références 1. Étude de la possibilité d'utiliser des liquides surfondus comme matériaux de stockage de chaleur dans des accumulateurs thermiques à transition de phase installés sur des véhicules mobiles pour le préchauffage de leurs moteurs en hiver : rapport de recherche (final) / Voen. ing.-tech. un-t ; mains V.V. Shulgin ; rép. Interprète : A.G. Melentiev. SPb., 2000. 26 p. N° 40049-L. Inv. N° 561756-OF. 2. Bulychev V.V., Chelnokov B.C., Slastilova S.V. Accumulateurs de chaleur à transition de phase à base d'alliages Al-Si // Izvestia des établissements d'enseignement supérieur. Métallurgie ferreuse. N° 7. 1996. S. 64-67. 3. Étude de la possibilité d'utiliser des liquides surfondus comme matériaux de stockage de chaleur dans des accumulateurs thermiques à transition de phase installés sur des véhicules mobiles pour le préchauffage de leurs moteurs en hiver : rapport de recherche (étape intermédiaire n° 3) / Voen. ing.-tech. un-t ; mains V.V. Shulgin ; rép. Interprète : A.G. Melentiev. SPb., 2000. 28 p. N° 40049-L. Inv. N° 561554-OF. 4. S. V. Patankar et D. B. Spalding, Transfert de chaleur et de masse dans les couches limites, Ed. acad. Académie des sciences de la BSSR A.V. Lykov. M. : Énergie, 1971. 127 p. 5. Mathcad 6.0 Plus. Calculs financiers, d'ingénierie et scientifiques en Environnement Windows 95/ traduction de l'anglais. M.: Maison d'information et d'édition "Filin", 1996. 712 p. 110 Sciences militaires spéciales Lagutina Elizaveta Igorevna, adjointe au département des communications radio, relais radio, troposphériques, satellites et filaires, [courriel protégé], Russie, Ryazan, École supérieure de commandement aéroporté de Ryazan MODÈLE MATHÉMATIQUE DU SYSTÈME DE FONCTIONNEMENT RÉCHAUFFANT LA BATTERIE À L'AIDE D'UN ÉLÉMENT DE CHAUFFAGE CHIMIQUE E.I. Lagutina Dans l'article, le modèle mathématique du processus de maintien de la batterie dans des conditions thermiques optimales à basse température ambiante à l'aide d'un élément chauffant chimique. Mots clés : contrôle de la température, transfert de chaleur par convection, batterie, élément chauffant chimique, modèle mathématique. Lagutina Elizaveta Igorevna, adjointe du département de la communication radio, relais radio, troposphérique, satellite et filaire, [courriel protégé], Russie, Ryazan, École supérieure de commandement aéroporté de Ryazan Nikanorov Dans cet article, une analyse comparative a été réalisée avec la détermination du domaine d'application rapide des modèles mathématiques des processus dynamiques des gaz dans les volumes d'écoulement, obtenus sur la base des lois de conservation de la masse, de l'énergie et de la quantité de mouvement, obtenus pour les paramètres intégraux moyens du milieu. Mots clés : appareil à gouverner aérodynamique, loi de conservation, modèle mathématique, système d'alimentation, volume d'écoulement. L'article considère une approche de construction de modèles de processus de dynamique des gaz basée sur les lois de conservation de base pour les fonctions et les paramètres thermodynamiques qui sont des moyennes intégrales sur le volume et la surface. Un modèle mathématique pour les processus dynamiques des gaz dans un volume d'écoulement a été obtenu. Cet article considère des modèles du niveau suivant d'idéalisation : 1. Un modèle de processus quasi-statiques dans un volume d'écoulement pour des fonctions et des paramètres thermodynamiques intégraux moyens. Considérons le processus se produisant dans le volume w0 (Fig. 1), en le supposant quasi-statique, c'est-à-dire en supposant que la vitesse du gaz dans le volume, ainsi que la vitesse du processus mécanique de déformation de la surface de contrôle, est négligeable par rapport aux taux de transfert du milieu à travers la surface de contrôle du volume . 111

IOANESYAN ALEXEY VILYAMOVICH

SIMULATION DE MODES DE FONCTIONNEMENT NON STATIONNAIRE D'UNE BATTERIE DE VEHICULE ELECTRIQUE

Spécialité 05.09.03 - Complexes et systèmes électriques

Mémoires pour un diplôme

Candidat en sciences techniques

Moscou - 2009

Le travail a été effectué au Département de "Génie électrique et équipement électrique" de l'Institut de l'automobile et de la route de Moscou (Université technique d'État)

Organisation chef de file : Institut fédéral de recherche et d'expérimentation sur les entreprises unitaires de l'État fédéral pour l'électronique et l'équipement électrique automobiles (FSUE NIIAE), Moscou.

La soutenance aura lieu le 24 novembre 2009 à 10h00 lors d'une réunion du Conseil de thèse D.212.126.05 à l'Institut de l'automobile et de la route de Moscou (Université technique d'État) à l'adresse :

125329 GSP A-47, Moscou, Leningradsky pr., 64.

La thèse peut être trouvée dans la bibliothèque de MADI (GTU)

Secrétaire scientifique

conseil de thèse,

Candidat en sciences techniques, professeur agrégé Mikhailova N.V.

description générale du travail

Pertinence du problème

Actuellement, les plus grands constructeurs automobiles (General Motors, Ford, Daimler-Chrysler, Toyota, Honda, Nissan, Mazda, etc.) travaillent intensivement sur la conception et la production de véhicules électriques. Selon des caractéristiques telles que la réserve de marche et la capacité de charge, certains modèles modernes les véhicules électriques se rapprochent des voitures traditionnelles, mais leur principal inconvénient est leur coût élevé.

Les caractéristiques d'un véhicule électrique et son coût sont en grande partie déterminés par les paramètres de la centrale électrique utilisée et, en particulier, la batterie de stockage (AB). Pour optimiser les paramètres d'une centrale électrique, calculer les caractéristiques d'un véhicule électrique et déterminer son efficacité par rapport à une voiture traditionnelle, les principaux outils sont la modélisation mathématique et la simulation.

La tâche la plus difficile dans la construction d'un modèle de véhicule électrique est de simuler le fonctionnement d'un AB pendant sa décharge et sa charge non stationnaires sur un véhicule électrique. Le calcul et l'analyse des paramètres de la batterie sont également requis dans le système de gestion de la batterie d'un véhicule électrique, qui fournit des conditions de fonctionnement optimales, augmente la durée de vie, empêche la surcharge et la décharge excessive, assure la sécurité de fonctionnement et informe le conducteur de l'état de charge et autres paramètres de la batterie.

La thèse est consacrée au développement de modèles de déplacement d'un véhicule électrique et à l'étude des modes de fonctionnement non stationnaires de la batterie d'un véhicule électrique, ce qui semble très pertinent à l'heure actuelle.

But et principaux objectifs de l'étude

Conformément à l'objectif fixé dans la thèse, les tâches suivantes sont résolues :

• 
  analyse et systématisation des méthodes et modèles de calcul des caractéristiques des batteries ;
• 
  formalisation de la méthode de traitement et d'analyse des données statistiques et des expériences de simulation pour analyser les caractéristiques du rejet ;
• 
  développement d'un modèle de simulation du mouvement non stationnaire d'un véhicule électrique ;
• 
  développement d'une méthodologie d'intégration de composants EM hétérogènes ;
• 
  
• 
  définition et résolution de problèmes d'optimisation sur un modèle de simulation.

Méthodes de recherche

Nouveauté scientifique

• 
  représentation de processus agrégée du modèle de simulation du mouvement non stationnaire de l'EM ;
• 
  modèles de processus aléatoires non stationnaires de la dynamique du mouvement EM et de la charge/décharge AB ;
• 
  les modèles de classification des types AB et le problème du choix des types pour des caractéristiques données du mouvement EM ;
• 
  implémentation de logiciels modèle de simulation EM ;
• 
  algorithmes d'optimisation sur le modèle de simulation EM.

Valeur pratique et mise en œuvre des résultats des travaux

Approbation de travail

• 
  aux conférences, colloques et séminaires scientifiques et techniques républicains et interrégionaux (2003-2009) ;
• 
  lors d'une réunion du département "Génie Electrique et Equipement Electrique" MADI (GTU).

Dans l'introduction la pertinence du travail est justifiée, l'objectif est déterminé et les principales tâches de l'étude sont fixées.

Dans le premier chapitre mémoire classé AB moderne, défini leurs principales caractéristiques. La systématisation des méthodes connues de calcul des caractéristiques de AB a été réalisée et une évaluation de la possibilité de leur application dans la modélisation du chargement non stationnaire a été donnée.

Les caractéristiques de l'EM sont principalement déterminées par les indicateurs des sources d'énergie électrique embarquées. Batteries plomb-acide (PbAcid), nickel-cadmium (Ni-Cd), nickel-hydrure métallique (Ni-MH) et batteries à base de lithium (Li-Ion, Li-Métal, Li-Polymère)

En analysant les caractéristiques des différents types de batteries, déclarées par les constructeurs, on peut distinguer deux groupes : les batteries à haute énergie (de traction) utilisées dans les véhicules électriques « propres » et les batteries à haute puissance (à impulsions).

L'énergie spécifique des batteries du premier groupe atteint 35 Wh/kg pour les batteries au plomb ; nickel-cadmium - 45 Wh / kg. Ces batteries se distinguent par leur faible coût, mais leur utilisation réduit considérablement les performances et limite la portée de l'EM.

Les batteries nickel-hydrure métallique sont prometteuses E m=80 W∙h/kg, P m=200 W/kg, batteries lithium-ion E m=140 W∙h/kg, P m=420 W/kg et leur version électrolyte polymère (Li-Polymer) E m=205 W∙h/kg, P m=420W/kg. Les valeurs d'énergie spécifiques sont données pour un mode de décharge de 3 heures, et les valeurs de puissance correspondent à une impulsion de 30 s à 80 % de charge.

Les caractéristiques spécifiques données des batteries ne suffisent pas à comparer l'efficacité de leur utilisation sur EM, par conséquent la tâche principale de la thèse est de modéliser le chargement non stationnaire de AB sur EM, pour lequel un modèle de "boîte noire" est proposé en utilisant des méthodes de planification des expériences.

Selon les paramètres étudiés (entrée et sortie), on distingue les groupes de méthodes suivants :

• 
  méthodes de description d'une famille de courbes de débit - dépendance tu=f( je, t) à une valeur de température constante donnée ( J= const);
• 
  calcul du temps de décharge maximal (capacité de la batterie) en fonction du courant de décharge ;
• 
  méthodes de calcul simplifié du débit AB non stationnaire, c'est-à-dire décharge avec un courant de décharge ou une consommation d'énergie variable dans le temps [ t m=f( je), je=var ou t m=f(P) P=var] ;
• 
  détermination du moment de la fin de la décharge AB à un courant donné, qui est utilisé non seulement dans la simulation EM, mais également dans le système de contrôle AB directement à bord de l'EM ;
• 
  méthodes complexes qui déterminent les dépendances tu=f( je, t, J) et t m=f( je).

La plus célèbre est la méthode de description analytique des caractéristiques de décharge de AB, proposée par Shepherd. Cette méthode permet de décrire la dépendance tu= f( je,t) comme:

Le principal inconvénient de la méthode est que les coefficients sont sélectionnés pour une certaine plage de courants de décharge, et lorsque cette plage est dépassée, l'erreur d'approximation augmente considérablement.

L'une des méthodes les plus simples et les plus précises pour évaluer les caractéristiques d'un AB lorsqu'il est chargé avec un courant variant dans le temps est la méthode de Hoxsey. La méthode est basée sur la relation de Peukert, qui détermine la dépendance de la capacité maximale de la batterie (temps de décharge) sur le courant de décharge

où je 1 , JE 2 … JE z sont les valeurs des courants dans les sections du graphique de décharge je=f( t); t 1 , t 2 ...t z- temps de décharge avec les courants correspondants je 1 , JE 2 … JE z .

Dans ce modèle, le graphique actuel je=f( t) représente une fonction constante par morceaux divisée en z sections. Les coefficients de Peukert sont déterminés pour la plage de fonctionnement des courants. Pour résoudre l'équation de Hoxsey, un algorithme de recherche est utilisé pour déterminer t mà condition que le côté droit de l'équation soit égal à l'unité.

Postuler cette méthode au calcul d'un véhicule électrique, en prenant comme graphique initial je=f( t) changement du courant de la batterie dans un cycle de conduite, vous pouvez calculer le nombre maximum de cycles qu'une voiture électrique effectuera avant que la batterie ne soit complètement déchargée N c =t m /t c, où t c est la durée d'un cycle.

Dans le travail, sur la base d'une expérience de simulation, une évaluation a été faite de la précision de plusieurs méthodes de calcul simplifié du chargement non stationnaire d'un AB lors du mouvement d'un EM dans le cycle SAE j 227C (tableau 1.) . L'EM avec AB OPTIMA YellowTop D 1000 S a été considéré (10 AB connectés en série avec une masse totale de 195 kg ont été installés sur l'EM).

Les résultats du calcul du déplacement d'un véhicule électrique

Sur la base des recherches menées dans la thèse pour modéliser le chargement non stationnaire de AB sous divers modes et conditions de mouvement EM, il est proposé d'utiliser des modèles hybrides de simulation analytique basés sur l'approche de décomposition, qui est basée sur les axiomes suivants de la théorie des systèmes complexes : Hiérarchie : si  0 est un sous-système du système  et ( …) est une mesure de complexité, alors ( 0)(), soit un sous-système ne peut pas être plus complexe que le système dans son ensemble. Connexion en parallèle : si = 1  2 ….. k , c'est-à-dire  est connexion parallèle sous-systèmes , alors
. Liaison série : si = 1 + 2 +…+ k , c'est-à-dire  est une connexion série des sous-systèmes  i , puis () ( 1)+( 2)+... ( k). Connexion de retour (FC) : s'il y a une opération de retour  du sous-système  2 au sous-système  1, alors ()( 1)+( 2)+( 2  1). Les propriétés énumérées d'un système complexe offrent la possibilité de réduire sa complexité apparente en combinant des variables individuelles en sous-systèmes. Avec une telle décomposition, le but est de simplifier l'analyse du système, en le considérant comme un ensemble faiblement couplé de sous-systèmes en interaction.

Dans le deuxième chapitre la tâche de formaliser les principes de construction d'un modèle de simulation d'EM est posée et résolue. Le fonctionnement est compris comme le processus de changement de son état dans le temps. La modélisation du processus dans son ensemble devrait inclure un modèle de la chaussée, des modèles de l'interaction de la roue avec la chaussée, des modèles de la machine elle-même, de la transmission et d'autres, qui sont tous interconnectés et imbriqués les uns dans les autres (Fig. . 2.).

Il est entendu que système est un ensemble de paramètres
(humidité, angle de rotation, etc.). Chaque paramètre q i prend un ensemble de valeurs numériques ( q je). Définir avec condition processus dans son ensemble, comme s j =, où q je j ( q je). Traiter Z ils sont quatre: Z=S, J, F,  >, où S- territoire de l'État; J- ensemble de temps de changement d'état ; F- phase caractéristique du processus, définie comme la transformation de l'état dans le temps F:T S,  - relation d'ordre linéaire sur J.

L'intervalle de temps pour modéliser le mouvement de l'EM est [ t H, t K ], où
,
. En supposant que EM se comporte assez uniformément dans certains domaines, il est possible de décomposer l'ensemble du processus en sous-processus. Sous-processus il y a un sous-ensemble du processus Z sur l'intervalle de temps [ t je ; t j]. Le concept de sous-processus permet de considérer un processus comme une séquence de sous-processus. Pour garantir l'exactitude des descriptions du fonctionnement du système dans son ensemble et de ses composants, un certain nombre d'opérations sur les processus sont introduites.

Traiter Z 1 \u003d S 1, J 1 , F 1 ,  1 > représente la convolution du processus Z, s'il est obtenu à la suite des transformations suivantes : a) une partition complète de l'intervalle de définition du processus Z en n sous-intervalles [ j ,  j+1 ], où j=1..n, et  1 = t H,  n+1 = t À . Ensuite, nous obtenons une partition du processus Z pour n sous-processus Z j(j=1..n); b) mettre en conformité avec chaque sous-processus Z j une valeur d'état de beaucoup S 1 et une valeur de temps  j de l'intervalle [ j ,  j+1 ]. L'opération de balayage est l'inverse de l'opération de convolution : le processus Z est un balayage de processus Z 1 . Traiter Z 1 est une projection de processus Zà l'espace de coordonnées
(notation
), si Q 1 Q

Soit les processus donnés Z 1 =, J 1 , F 1 ,  1 > et Z 2 =, J 2 , F 2 ,  2 >. Traiter Z=, J, F, > est l'union des processus Z 1 et Z 2 (désignation Z=Z 1 Z 2) si : S Q est la réunion des espaces et
.

Les opérations introduites permettent de créer une description formalisée à la fois des composants individuels des processus (profil de la route, changement dynamique des caractéristiques du trafic, etc.) et de l'interaction des composants de l'ensemble du système.

Le modèle de mouvement EM comprend les composants ci-dessous.

Modèle mécanique

La force de résistance au mouvement crée un moment de résistance sur la roue EM, qui, compte tenu des rapports de démultiplication de la transmission, est amenée à l'arbre moteur, compte tenu de l'efficacité de la transmission.

Ainsi, le moment de résistance au mouvement sur l'arbre du moteur
où r k – rayon de roulement de la roue, m ; je tr - rapport de transmission; tr - efficacité de transmission.

De plus, le modèle de la partie mécanique doit prendre en compte le mouvement de l'EM le long d'une section de la route avec une pente (montée ou descente) et la résistance au mouvement due à la rugosité de la route. Lors de la modélisation du mouvement des VE dans les descentes, la récupération de l'énergie de freinage doit être prise en compte.

Modèle de moteur

Le moment sur l'arbre du moteur est déterminé sur la base de :

(5)

Dans le modèle de simulation du moteur électrique, la perte de puissance totale est calculée à chaque étape, sur la base des paramètres de conception du moteur à courant continu et de la caractéristique de ralenti obtenue lors des tests E = F(je c) à fréquence de rotation constante de l'arbre moteur.

Malgré la tendance à utiliser des moteurs asynchrones ou des moteurs à aimants permanents sans contact comme moteurs de traction sur les EM, la prise en compte de la DCT reste la plus pratique et tout à fait suffisante lors de la résolution de problèmes de simulation EM pour obtenir une image de la charge AB.

Modèle de système de contrôle

Régulation de la tension du moteur tu ré peut être effectuée à l'aide d'un dispositif de commande à thyristor par la méthode de régulation de la largeur d'impulsion ; tandis que le cycle de service   passe de 0 à 1 :

(6)

Modèle de mode de conduite

Sur la base des schémas de mouvement expérimentaux, une méthode de formation du mode de mouvement a été développée par sélection aléatoire de cycles et formation de leur séquence aléatoire. Ainsi, le trafic urbain désordonné a été imité.

Les modes de mouvement obtenus sur la base de données expérimentales diffèrent considérablement des modes de mouvement du cycle SAE j 227 C, en particulier lors du calcul pour modes réels déplacement, une consommation d'énergie spécifique plus faible (260 Wh/km) a été obtenue que pour un déplacement en cycle (390 Wh/km).

Modèle de batterie

Dans la Fig.3. un algorithme simplifié est présenté qui permet de déterminer la tension de la batterie à chaque étape de calcul dans le modèle de simulation du mouvement d'un véhicule électrique.

Cette approche du calcul de la décharge AB non stationnaire peut également être étendue à la description de la charge non stationnaire qui se produit lors du freinage régénératif.

Le but ultime du développement d'un modèle de véhicule électrique est de déterminer ses performances et les caractéristiques de sa batterie dans un mode de conduite donné. Les paramètres suivants ont été retenus comme paramètres principaux :

• 
  kilométrage (réserve de marche);
• 
  consommation d'énergie pendant le mouvement;
• 
  consommation d'énergie par unité de voie et capacité de charge ;
• 
  énergie spécifique délivrée par la batterie.

• 
  paramètres de la batterie et (ou) du dispositif de stockage d'énergie: une famille de caractéristiques de décharge et de charge temporaires pour les valeurs de courant dans la plage de fonctionnement à température constante, le poids du module de batterie et des équipements supplémentaires, le nombre de modules installés, etc.;
• 
  paramètres du moteur : courant et tension nominaux, résistance du circuit d'induit et de l'enroulement d'excitation, données de conception, caractéristique à vide, etc. ;
• 
  paramètres du véhicule de base : poids brut, rapports de démultiplication de la boîte de vitesses et du pont, efficacité de la transmission, moment d'inertie et rayon de roulement des roues, coefficient de résistance à l'air, surface carénée, coefficient de résistance au roulement, capacité de charge, etc. ;
• 
  paramètres du mode de conduite.

Lors de la simulation du mouvement EM dans le cycle SAE j 227 C, les résultats ont été obtenus avec la structure de données présentée dans le tableau 2.

Les résultats de l'analyse factorielle (tableau 3.) ont montré que déjà trois facteurs déterminent 97% de l'information, ce qui peut réduire considérablement le nombre de facteurs latents et, par conséquent, la dimension du modèle de simulation.

Les résultats du calcul des principaux indicateurs de performance de l'EM lors de l'overclocking.

1	2	3	4	5	6	7	8	9	10	11	12
1,00	129,93	25,21	250,00	7,2	19,49	120,11	3,00	280,92	0,46	4487,4	0,02
2,00	129,80	41,11	250,00	7,2	19,58	121,19	6,23	583,47	1,81	12873,1	0,32
38,00	116,73	116,30	111,73	3,4	26,36	23,40	47,53	4449,17	393,5	828817,1	-

Les résultats de l'analyse factorielle (tableau 3.) ont montré que déjà trois facteurs fournissent 97% des informations, ce qui peut réduire considérablement le nombre de facteurs latents et, par conséquent, la dimension du modèle de simulation.

Clarifier la présentation analytique des caractéristiques de décharge de l'AB 6EM-145, à partir de laquelle la batterie d'un véhicule électrique d'une masse totale de 3,5 tonnes et d'une masse de batterie de 700 kg est formée, afin d'étudier la possibilité de court- recharge à terme de l'AB pendant un quart de travail et, par conséquent, une augmentation du kilométrage, une expérience a été menée pour tester la batterie 6EM-145 selon un programme spécial. L'expérience a été réalisée pendant 2 mois sur 2 batteries 6EM-145.

Informativité des facteurs abstraits

1. 
   Charge avec courant à deux étages 23A et 11,5A (recommandé par le fabricant de la batterie)
2. 
   Contrôlez la décharge (comme recommandé par le fabricant) avec un courant de 145A à une valeur de tension minimale de 9V.
3. 
   Chargez jusqu'à 20%, 50% et 80% degrés de charge avec des courants de 23,45 et 95A.
4. 
   Courant de décharge 145A à une valeur de tension minimale de 9V.

Les résultats de la régression multiple pour presque toutes les variables dépendantes ont montré des résultats statistiquement significatifs (le coefficient de corrélation était égal à R\u003d 0,9989, et F-attitude F(2,6)=1392,8). En conséquence, la possibilité d'une utilisation légitime des modèles linéaires est démontrée.

La première étape d'accélération est calculée à la valeur du flux magnétique F= F maximum= 0,0072 Wb et maintien du courant d'induit à un niveau constant je je = je i1 = 250 A. Cette étape débute au moment t= 0 et se termine lorsque le rapport cyclique est égal à 1. Constantes pour cette phase d'accélération : courant d'excitation je dans = un∙F maximum 3 + b∙F maximum 2 + c∙F maximum\u003d 10,68 A et tension sur l'enroulement d'excitation tu dans = je∙R vo

Conformément au principe de la régulation à deux zones, l'augmentation de la vitesse de l'arbre moteur à pleine tension peut être obtenue en affaiblissant le champ magnétique. Ceci est implémenté dans un régulateur de courant électronique qui contrôle un enroulement d'excitation indépendant. La deuxième phase d'accélération commence au moment correspondant à  =1 et se termine lorsque le véhicule électrique atteint la vitesse réglée. Valeurs initiales V, n, tu ré et d'autres sont les résultats du calcul de la dernière étape d'accélération à plein débit, lorsque  =1.

Résultats de la régression multiple

Le freinage des véhicules électriques peut être mécanique ou régénératif. La dernière étape du cycle commence à l'heure t= t un + t cr + t co et se termine lorsque t= t un + t cr + t co + t b. Le freinage dans le cycle SAE j 227 C se produit avec une décélération constante, qui peut être définie comme : a= V sélectionnez /(3.6∙ t b) m/s 2 , où V vyb - vitesse jusqu'à la fin du run-out, km/h

Les expériences de simulation menées dans le travail de thèse sur l'estimation des caractéristiques du mouvement de l'EM ont montré que le processus aléatoire conditionnellement non stationnaire des caractéristiques est bien approximé par un processus avec une fonction d'autocovariance de la forme :

où r 1 (t) et r 2 (t) sont respectivement égaux à :

ré  =||cov( (t je ),  (t j ))||=||r(t je -t)||, je,j=0..-m - matrice de covariance de l'historique du processus à des instants t je , t j ; r(t) - fonction d'autocorrélation du mode de déplacement stationnaire.

Des algorithmes d'approximation stochastique ont été sélectionnés comme algorithmes de contrôle pour les modes de mouvement EM dans la thèse. Laisser X variable vectorielle dans R N, pour lequel les conditions suivantes sont satisfaites :

1. Chaque combinaison de paramètres contrôlés X correspond à une variable aléatoire Oui caractéristiques de mouvement avec espérance mathématique M Y(X).

2. M Y(X) a un seul maximum, et des dérivées partielles secondes  2 M Oui/x i x j sont limités sur toute la zone de changement de modes de commande.

3. Séquences ( un k) et ( c k) remplissent les conditions :

un) , b) , dans) , G) .

(12)

5. Vecteur  Oui k de changements dans les caractéristiques de mouvement est déterminé en fonction de la mise en œuvre de valeurs aléatoires des modes actuels X k selon l'un des plans P 1 , P 2 ou P 3:

P 1 =[X k , X k+c k E 1 , . . . , X k+c k E je , . . . , X k+c k E N ] T - plan central;

P 2 =[X k+c k E 1 , X k-c k E 1 , . . . X k+c k E N, X k-c k E N ] T - plan symétrique;

P 3 =[X k , X k+c k E 1 , X k-c k E 1 , . . . X k+c k E N, X k-c k E N ] T .- plan avec un point central, où .

6. Dispersion de l'évaluation des caractéristiques de mouvement  k 2 pour chaque combinaison de modes X k limité  k 2  2
Les études menées dans la thèse ont montré que dans les conditions ci-dessus, la séquence des modes de contrôle sélectionnés X k avec probabilité 1 converge vers les valeurs optimales.

À la suite de la formalisation effectuée, l'algorithme de fonctionnement du modèle de simulation contrôlée du mouvement EM est la séquence d'actions suivante :

1. Configuration initiale du modèle et sélection des modes de mouvement initiaux X 0 , k=0.

2. Avec une combinaison donnée de modes X k dans son voisinage local selon l'un des plans P i (i=1,2,3) des trajectoires sélectives de caractéristiques de mouvement sont générées ( Xk,l ( t|s k)) l=1 L durée J chacun à partir d'un état initial commun s k .

3. Les estimations intégrales moyennes des caractéristiques sont calculées pour tous je=1 …L avec un état initial commun s k :

6. Définir l'état initial s k +1 prochain intervalle de contrôle, égal à l'état final d'un des processus de l'étape précédente.

7. Conformément au critère d'arrêt sélectionné, une transition est effectuée au point 2, ou à la fin de la simulation.

Dans le quatrième chapitre les méthodes et modèles développés ont été testés.

Lors du choix des dimensions de la batterie installée sur le VE, pour optimiser le rapport entre la capacité de charge et le kilométrage du véhicule électrique, le concept de travail de transport est utilisé A=G E ∙L t∙km, où g E– capacité de charge de EM, t ; L- réserve de marche EM (kilométrage). Capacité de charge EM g E =g 0 - m b / 1000 t, où g 0 = g MAIS – m– capacité de charge du châssis, déterminée par la capacité de charge du véhicule de base g MAIS y compris le poids  m, libéré lors du remplacement du moteur à combustion interne par un système d'entraînement électrique, t; m b est la masse de la source d'énergie, kg. Valeur kilométrique L véhicule électrique dans le cas général se calcule selon la formule connue dans la littérature
km, où E m - énergie spécifique de la source de courant, W∙h/kg ;  - consommation d'énergie spécifique pendant le déplacement, W∙h/km. Par conséquent, pour les travaux de transport, il est vrai :

où : coefficient
km/kg.

Sur la base du modèle de simulation développé, le calcul du mouvement de l'EM a été effectué sur la base de la voiture GAZ 2705 "GAZelle" avec une capacité de charge g 0 =1700 kg. Le calcul a été effectué pour des sources assemblées à partir de 10 blocs batteries OPTIMA D 1000 S connectés en série. g MAIS .

Les calculs ont été effectués pour le mouvement dans le cycle S AE j 227 C et pour se déplacer à vitesse constante. Dans la Fig.4. montre la valeur théorique et obtenue par simulation de la dépendance des travaux de transport à la masse de la batterie.

Selon les résultats du calcul, le travail de transport maximal est atteint avec une masse de batteries légèrement supérieure à la moitié de la capacité de charge. Ceci est dû à l'augmentation de l'énergie spécifique E m source de courant avec une capacité croissante.

Cycle S AE j 227 C est l'un des cycles d'essais les plus intenses, la conduite non-stop, au contraire, est l'une des plus faciles. Sur cette base, on peut supposer que les graphiques correspondant aux modes de conduite intermédiaires seront situés dans la zone délimitée par les courbes correspondantes, et le travail de transport maximal lors du travail sur la batterie OPTIMA D1000S se situe entre 920 et 926 kg.

En garde à vue les principaux résultats des travaux sont présentés.

Application contient des documents sur l'utilisation des résultats des travaux.

Principales conclusions et résultats des travaux

1. 
   La classification des AB et l'analyse des méthodes connues de calcul des caractéristiques des AB ont été réalisées. Une évaluation de la possibilité de leur application dans la modélisation de la charge et de la décharge non stationnaires de AB est donnée.
2. 
   Sur la base des recherches menées dans la thèse pour la modélisation du chargement non stationnaire de AB sous différents modes et conditions de mouvement EM, il est proposé d'utiliser une approche de décomposition qui permet d'intégrer des modèles analytiques et de simulation hybrides, y compris des modèles de la partie mécanique, système de contrôle, modes de mouvement et autres.
3. 
   L'article a posé et résolu le problème de la formalisation des principes de construction d'un modèle de simulation EM à l'aide d'une description de processus d'objets et de composants du système, qui permet de simuler des modes non stationnaires de mouvement EM et leur influence sur les caractéristiques de chargement non stationnaires de UN B.
4. 
   Une analyse factorielle des caractéristiques d'overclocking a été réalisée, qui a montré que déjà trois facteurs expliquent 97% des informations. Cela a permis de réduire significativement le nombre de facteurs latents du modèle et, par conséquent, la dimension du modèle de simulation.
5. 
   Une technique pour mener une expérience sur analyse comparative caractéristiques de la décharge des batteries et des expériences ont été réalisées. Les données expérimentales obtenues ont montré qu'il est raisonnable d'utiliser des modèles linéaires pour presque toutes les variables dépendantes.
6. 
   Les expériences de simulation réalisées pour évaluer les caractéristiques du mouvement de l'EM ont montré que le processus aléatoire non stationnaire des caractéristiques est bien approximé par un processus avec une fonction d'autocovariance hyperexponentielle. Des expressions analytiques sont obtenues pour décrire les caractéristiques d'un processus conditionnellement non stationnaire.
7. 
   Pour résoudre des problèmes d'optimisation sur un modèle de simulation, des algorithmes d'approximation stochastique sont choisis comme algorithmes de contrôle, qui fournissent haute vitesse convergence dans des conditions de grandes dispersions des caractéristiques de mouvement.
8. 
   Un complexe de simulation de logiciel a été développé, qui a été introduit pour une utilisation pratique dans un certain nombre d'entreprises, et est également utilisé dans le processus éducatif à MADI (GTU).

Publications sur le thème du travail de thèse

1. 
   Ioanesyan A.V. Méthodes de calcul des caractéristiques des batteries pour véhicules électriques / E.I. Surin, A.V. -M., 2003. - S.29-36.
2. 
   Ioanesyan A.V. Méthodes de détermination de la fin de la décharge et de la charge de la batterie sur une voiture électrique / Ioanesyan A.V. // Génie électrique et équipements électriques de transport. - M. : 2006, n° 6 - pp. 34-37.
3. 
   Ioanesyan A.V. Paramètres de base des batteries pour véhicules électriques / A.V. Ioanesyan // Méthodes et modèles d'informatique appliquée : Interuniversity Sat. scientifique tr. MADI (GTU). - M., 2009. - S.121-127.
4. 
   Ioanesyan A.V. Maquette de la partie mécanique de la voiture électrique / A.V. Ioanesyan // Méthodes et modèles d'informatique appliquée : Interuniversity Sat. scientifique tr. MADI (GTU). - M., 2009. - S.94-99.
5. 
   Ioanesyan A.V. Modèle de simulation généralisée du mouvement d'un véhicule électrique / A.V. Ioanesyan // Principes de construction et caractéristiques d'utilisation des systèmes mécatroniques : Sat. scientifique tr. MADI (GTU). - M., 2009. - P.4-9.
6. 
   Ioanesyan A.V. Modèles de processus non stationnaires de déplacement de véhicules électriques / A.V. Ioanesyan // Principes de construction et caractéristiques d'utilisation des systèmes mécatroniques : Sat. scientifique tr. MADI (GTU). - M., 2009. - S.10-18.