SoC and SoH estimation of LFP cells using operational data
Loading...
URL
Journal Title
Journal ISSN
Volume Title
School of Science |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
Department
Major/Subject
Mcode
Language
en
Pages
103
Series
Abstract
Lithium iron phosphate (LFP) batteries have become the common choice for stationary energy storage units (ESUs) due to their superior safety, cycle life, and lower cost compared to other lithium-ion alternatives. State of charge (SoC) and state of health (SoH) estimation is required for all ESU operations. Accurate and reliable estimates enable optimal ESU operations, higher revenues, and early detection of degradation. However, SoC and SoH estimation of LFP cells presents unique modeling challenges due to their flat open circuit voltage (OCV) curve, large hysteresis effects, and complex operational and environmental state dependencies. This thesis develops production-ready SoC and SoH models created exclusively using operational data, independent of laboratory testing. The analyzed fleet consists of 67 prismatic 280 Ah LFP cells across 27 indoor and 40 outdoor ESUs. These units are part of a multi-hundred ESU fleet manufactured and operated by Cactos Oy. The created SoC estimator combines an extended Kalman filter (EKF) with a 2RC equivalent circuit model (ECM). The dataset covering 44 years of operational data enables the inclusion of temperature, current, and SoC dependencies in the ECM components. The SoC model enables SoH estimation by combining OCV estimates with an OCV curve scaling approach. The SoH model integrates bootstrap sampling and a Kalman filter for stable SoH estimation without dedicated capacity tests. The created SoC model achieves a median voltage simulation RMSE of 7.50 mV. The SoC estimator maintains stable behavior across a variety of conditions, including operation in the frequency containment reserves (FCR) and automatic frequency restoration reserve (aFRR). The extracted temperature, current, and SoC dependencies of ECM components match literature examples and provide insight into battery operations. SoH estimation is limited due to only a year of operational data per cell. However, SoH estimates demonstrate a plausible degradation trend of approximately 2.4% per year. This work contributes a novel and comprehensive modeling methodology for developing SoC and SoH models solely from operational real-world data. The developed models are computationally efficient and already partly deployed for commercial ESU operations.Litiumrautafosfaattiakkujen (LFP-akkujen) käyttö energiavarastoissa on lisääntynyt. Syynä on niiden ylivoimainen turvallisuus, elinikä ja alempi hinta muihin litium-ioniakkuihin verrattuna. Akun varaustilan ja terveydentilan ennustaminen on oleellista energiavarastoinnin käytössä. Tarkka ja luotettava ennuste mahdollistaa energiavaraston optimaalisen käytön, korkeammat tuotot sekä kulumisen varhaisen tunnistamisen. LFP-kennojen varaus- ja terveydentilan ennustaminen tuo paljon haasteita tasaisen lepojännitekäyrän, suuren hystereesiefektin ja monimutkaisten käyttötilariippuvuuksien vuoksi. Tämä diplomityö kehittää tuotantovalmiit varaus- ja terveydentilamallit pelkän akkujen käyttödatan avulla, ilman laboratoriotestaamista. Analysoitu kennoryhmä koostuu 67 prismaattisesta 280 Ah LFP-kennosta, joista 27 on sisätiloissa ja 40 ulkotiloissa. Nämä ovat osa Cactos Oy:n rakentamaa ja operoimaa monen sadan energiavaraston ryhmää. Luotu varaustilan ennustaja yhdistää laajennetun Kalman-suodattimen (EKF) ja ekvivalenttipiirimallin (ECM). Analyysi 44 vuoden käyttöä vastaavasta datasta mahdollistaa lämpötilan, virran ja varaustilan riippuvuuksien huomioimisen ECM:ssä. Varaustilamalli mahdollistaa terveydentilan ennustamisen yhdistämällä lepojännite-ennusteet lepojännitekäyrän skaalaamiseen keskittyvään menetelmään. Terveydentilamalli hyödyntää bootstrap-otantaa ja Kalman-suodatinta tasaisten terveydentilaennusteiden luomiseen ilman erillistä testaamista. Luotu varaustilamalli saa jännitesimuloinnille RMSE mediaaniarvon 7,50 mV. Varaustilaennusteet käyttäytyvät tasaisesti useissa olosuhteissa, kuten taajuusohjatuilla reserveillä (FCR) ja automaattisilla taajuuden palautusreserveillä (aFRR). Löydetyt ECM-komponenttien lämpötila-, virta- ja varaustilariippuvuudet vastaavat kirjallisuudesta löydettyjä esimerkkejä ja tarjoavat Cactokselle tietoa kennoistaan. Terveydentilan ennustamista rajoittaa vain vuoden käyttödata kennoa kohden. Terveydentilamalli ennustaa 2,4%:n kulumistrendiä vuodessa. Tämä työ tarjoaa uuden ja kattavan akun varaus- ja terveydentilan ennustamismenetelmän, joka perustuu vain käyttödataan. Kehitetyt mallit ovat laskennallisesti tehokkaita ja niitä käytetään jo kaupallisissa energiavarastoissa.Description
Supervisor
Xu, YaolinThesis advisor
Pyörre, JussiXu, Yaolin