Riassunto analitico
La tesi rappresenta uno sforzo collettivo con l’aiuto di Nardò Technical Center e Porsche Engineering, mirato a fornire una descrizione esaustiva del meccanismo di self-discharge nei veicoli a batteria, proponendo una soluzione al problema. Il lavoro tratta nello specifico le procedure di test e i passaggi di calibrazione intrapresi per validare un sottosistema cruciale all'interno del Battery Management System, con l'obiettivo di identificare, senza errori, le celle affette da un eccessivo self-discharge. In seguito ad un'introduzione sullo stato dell'arte circa la tecnologia delle batterie a ioni di litio, verranno spiegate le ultime novità e funzioni dei moderni sistemi di BMS. Successivamente, verrà fornito un approccio statistico al problema dell'self-discharge: verranno applicati indici come media, deviazione standard, standardizzazione e fattore di curtosi a dati provenienti da test su veicolo al fine di estrarre informazioni utili sullo stato della batteria. Introducendo un fattore di correzione adeguatamente calibrato, sarà possibile ridurre il numero di valutazioni errate sullo stato di salute di ogni cella. Infine, verrà eseguita una serie di test tramite il banco di prova mini-HiL per validare il sottosistema di Self-Discharge Detection e dataset da implementare su veicolo verrà proposto.
|
Abstract
The thesis represents a collaborative effort between Nardò Technical Center and Porsche Engineering, aimed at providing an exhaustive description of the self-discharge mechanism in battery electric vehicles, proposing effective countermeasures. The paper specifically deals with the testing procedures and calibration steps undertaken to validate a crucial subsystem within the Battery Management System, with the goal of correctly identifying and addressing anomalous self-discharge affected cells in the vehicle's battery pack.
After an introduction on the state of the art battery technologies, latest BMS structure and functions will be explained. Then, a statistical approach to the self-discharge problem will be provided: indexes such as average, standard deviation, standardization, kurtosis factor and skewness will be applied to data coming from on-board tests to extract useful insights.
By introducing a properly tuned correction factor, it will be possible to reduce the number of wrong assessment about the health state of each cell.
Finally, a series of test will be performed at mini-HiL test bench to validate the Self-Discharge Detection subsystem and a dataset, suitable for vehicle implementation, will be proposed.
|
