[논문 리뷰] Multi-objective Optimal Sizing and Energy Management of Hybrid Energy Storage System for Electric Vehicles.

Huilong Yu, Francesco Castelli Dezza외 1명|arXiv (Cornell University)|2018. 01. 19.

Advanced Battery Technologies Research참고 문헌 54인용 수 11

한 줄 요약

이 논문은 전기자동차를 위한 하이브리드 에너지 저장 시스템(HESS)의 크기 조정과 에너지 관리 시스템(EMS)의 튜닝을 동시에 수행하기 위해 NSGA-II와 퍼지 논리 제어를 조합한 이중 수준 다목적 최적화 프레임워크를 제안한다. 리튬이온 이차전지의 동적 및 피로 모델을 통합하고 벡터화된 퍼지 추론 시스템을 활용함으로써 주행 거리와 배터리 사이클 수명이 향상되었으며, 파레토 최적 해는 기존 설계 대비 뚜렷한 성능 향상을 보였다.

ABSTRACT

Hybrid energy storage system (HESS) composed of lithium-ion battery and supercapacitors has been recognized as one of the most promising solutions to face against the high cost, low power density and short cycle life of the battery-only energy storage system, which is the major headache hindering the further penetration of electric vehicles. In this work, the HESS sizing and energy management problem of an electric race car is investigated as a case study to improve the driving mileage and battery cycle life performance. Compared with the existing research, the distinctive features of this work are: (1) A dynamic model and a degradation model of the battery are employed to describe the dynamic behavior and to predict the cycle life of the battery more precisely; (2) Considering the fact that the design and control problems are coupled in most cases, in order to achieve a global optimal design solution and an implementable real-time energy management system, a Bi-level multi-objective sizing and control framework based on non-dominated sorting genetic algorithm-II and fuzzy logic control (FLC) is proposed to size the HESS and to optimize the membership functions of a FLC based EMS at the same time; (3) In order to improve the optimization efficiency, a vectorized fuzzy inference system which allows large scale of fuzzy logic controllers operating in parallel is devised. At last, the Pareto optimal solutions of different HESSs are obtained and compared to show the achieved enhancements of the proposed Bi-level optimal sizing and energy management framework.

연구 동기 및 목표

• 전기자동차에서 배터리 전용 에너지 저장 시스템의 한계, 즉 높은 비용, 낮은 출력 밀도, 짧은 사이클 수명을 해결하기 위해.
• 하이브리드 에너지 저장 시스템(HESS)의 크기 조정과 실시간 에너지 관리 최적화를 동시에 수행하는 통합 설계 및 제어 최적화 프레임워크를 개발하기 위해.
• 전용 피로 모델과 동적 거동 표현을 통해 배터리 사이클 수명 예측 정확도를 향상시키기 위해.
• 벡터화된 퍼지 추론 시스템을 통해 다수의 대규모 퍼지 논리 제어기를 병렬 운영함으로써 최적화 효율을 향상시키기 위해.
• 실제 전기 레이스카 응용 사례에서 주행 거리와 배터리 내구성 간의 균형을 이루는 전역 최적 해를 도출하기 위해.

제안 방법

• 이중 최적화 프레임워크를 설계하였으며, 상위 수준에서는 NSGA-II를 사용하여 HESS 크기 조정과 FLC 소속 함수 파라미터를 최적화하고, 하위 수준에서는 실시간 퍼지 논리 제어 기반 에너지 관리 시스템(EMS)을 구현하였다.
• 리튬이온 배터리의 동적 모델은 일시적인 전기적 거동을 캡처하고, 피로 모델은 전류 및 온도 프로파일에 기반하여 사이클 수명을 예측한다.
• 퍼지 논리 제어기(FLC)는 NSGA-II를 사용하여 소속 함수 파라미터를 최적화하여 배터리와 초전도체 간의 적응적 파wr 분배를 보장한다.
• 다수의 퍼지 논리 제어기를 병렬 실행할 수 있도록 벡터화된 퍼지 추론 시스템을 개발하여 대규모 최적화에서 계산 효율을 크게 향상시켰다.
• HESS 크기 조정과 EMS 튜닝을 하나의 최적화 루프에 통합함으로써 체계적 최적성과 실시간 제어에서의 구현 가능성을 확보하였다.
• 파레토 최적 해를 생성하고 다양한 HESS 구성에 대해 주행 거리와 배터리 피로 간의 상충 관계를 평가하기 위해 비교 분석하였다.

실험 결과

연구 질문

• RQ1 리튬이온 배터리와 초전도체로 구성된 하이브리드 에너지 저장 시스템(HESS)의 크기 조정과 전기자동차의 실시간 에너지 관리 시스템(EMS)을 동시에 최적화할 수 있는 방법은 무엇인가?
• RQ2 배터리의 동적 및 피로 모델을 통합함으로써 사이클 수명 예측 정확도와 시스템 성능에 어떤 영향을 미치는가?
• RQ3 벡터화된 퍼지 추론 시스템을 사용할 경우 HESS 응용 분야에서 대규모 퍼지 논리 제어기 최적화의 계산 효율성이 어떻게 향상되는가?
• RQ4 HESS 구성에서 주행 거리와 배터리 사이클 수명 간의 상충 관계는 무엇이며, 다목적 최적화를 통해 어떻게 균형을 이룰 수 있는가?
• RQ5 제안된 이중 최적화 프레임워크는 기존의 분리된 설계 및 제어 접근 방식에 비해 시스템 성능과 수명 측면에서 얼마나 뛰어난가?

주요 결과

• 제안된 이중 수준 다목적 최적화 프레임워크는 주행 거리와 배터리 사이클 수명을 균형 잡는 파레토 최적 해 집합을 성공적으로 생성하였다.
• 동적 및 피로 모델의 통합은 배터리 거동과 수명 예측 정확도를 향상시켜 보다 우수한 시스템 설계 결정을 가능케 하였다.
• 벡터화된 퍼지 추론 시스템은 다수의 퍼지 논리 제어기를 병렬 실행할 수 있도록 하여 최적화 효율을 크게 향상시켰다.
• 최적화된 FLC 기반 에너지 관리 시스템은 배터리와 초전도체 간의 전력 분배를 효과적으로 제어하여 배터리 스트레스를 감소시키고 수명을 연장하였다.
• 파레토 해의 비교 분석 결과, 제안된 프레임워크는 기준 구성 대비 주행 거리와 배터리 수명 측면에서 측정 가능한 향상을 달성하였다.
• 이 프레임워크는 전역 최적 설계와 실시간 제어에서 구현 가능한 솔루션을 제공하여 기존의 분리된 최적화 접근 방식의 한계를 극복하였다.