Battery Management System per i veicoli elettrici

Sviluppato inizialmente per garantire una maggiore sicurezza dei trasporti aerei, il Battery Management System trova oggi un’applicazione commerciale anche nel settore automobilistico grazie alla maggiore diffusione dei veicoli elettrici. Le batterie in dotazione di questi ultimi sono infatti degli accumulatori agli ioni di litio esattamente come accade, ad esempio, per le unità ausiliarie utilizzate negli aeroplani.

BMS e cicli di carica

Nel caso specifico dei veicoli elettrici il BMS svolge un duplice compito: gestire le batterie del mezzo in cui è attivo e mantenere la propria operatività alimentandosi tramite le batterie stesse. In un veicolo elettrico infatti, l’unica sorgente di energia è appunto la batteria.

In entrambi i casi il massimo livello di efficienza del sistema viene ottenuto tramite un controllo costante che consenta di evitare sia il sovraccarico delle batterie che uno scaricamento tale da compromettere l’autonomia del veicolo e dei dispositivi per la drive assistance. Una batteria è però composta da più celle, questo significa che il BMS deve monitorare singolarmente ognuna di esse gestendo in modo selettivo anche le fasi di carica, o per meglio dire di ricarica, e scaricamento.

La progettazione di un BMS non può quindi prescindere dal prendere in considerazione diversi fattori, primo fra tutti quello dell’autonomia in condizioni di operatività. Un sistema efficiente ha innanzitutto il compito di garantire che il voltaggio delle celle di litio non scenda mai al di sotto di un determinato livello di sicurezza. Volendo proporre un caso pratico è possibile prendere come esempio una componente con un voltaggio massimo pari a 4.2V e un voltaggio medio (o “nominale”) da 3.7V che non dovrà mai scendere al di sotto dei 3.0V per non danneggiare la batteria stessa.

Nello stesso modo il BMS deve fare in modo che il livello di carica non superi mai un limite massimo di sicurezza, andare oltre quest’ultimo si traduce infatti in una riduzione del ciclo di vita della batteria. Per far questo il sistema ha il compito di monitorare le due fasi di caricamento che coinvolgono le celle: la prima determina un’erogazione costante della corrente (CC) e, in prossimità del raggiungimento del limite di carica, viene interrotta per lasciare il posto a una seconda fase di voltaggio costante (CV) a bassa corrente.

SOC e SOH e BMS

La gestione delle fasi di scaricamento e di ricarica nel rispetto dei limiti previsti deve tenere conto di un parametro fondamentale che è lo stato di carica (SOC, State of Charge). Quest’ultimo non può essere un valore statico in quanto per misurarlo è necessario tenere conto non soltanto della capacità della batteria al momento della distribuzione, ma anche dei fattori in grado di alterarla e, prevedibilmente, diminuirla con il tempo. Lo SOC ha quindi anche un valore predittivo che il BMS è chiamato a calcolare utilizzando i dati raccolti durante l’attività di monitoraggio.

Sono disponibili diverse formule per il calcolo dello SOC, ma tra quelle applicate più frequentemente è possibile citare il cosiddetto metodo Book Keeping, noto anche come tecnica del Coulomb Counting, secondo cui lo SOC è il quoziente che risulta dalla divisione tra Total Charge Input e capacità massima, dove per Total Charge Input s’intende il prodotto della moltiplicazione tra tempo d’impiego e corrente utilizzata. Dato che però la capacità di una batteria dipende anche dalla sua età, il BMS deve tenere conto di quest’ultimo parametro per produrre un risultato quanto più accurato possibile.

Lo SOC contribuisce a determinare un altro parametro fondamentale che è lo stato di salute della batteria (SOH, State of Health). Si tratta di una metrica necessaria in quanto corrente e voltaggio contribuiscono solo parzialmente a determinare la durata di una batteria, la sua obsolescenza dipende infatti anche da altri parametri tra cui ad esempio le temperature registrate durante l’esercizio.

A tal proposito è utile tenere presente che le batterie tendono a scaricarsi più rapidamente in presenza di temperature elevate, queste ultime causano inoltre un maggior consumo di corrente che a sua volta si traduce in un ulteriore innalzamento della temperatura. Considerando tali problematiche il BMS ha un ruolo fondamentale anche nel monitoraggio del controllo termico di ciascuna cella così come nel gestire l’incremento e il decremento della temperatura a seconda delle esigenze correnti.

In linea generale è quindi possibile affermare che grazie allo SOH il BMS può disporre di diverse metriche con cui stabilire quanto una batteria è prossima alla fine del suo ciclo di vita.

Un altro elemento sottoposto all’azione del BMS è il bilanciamento delle celle che deve essere mantenuto costante a beneficio dello SOH. Con il termine “bilanciamento” s’intende che le celle devono presentare sempre il medesimo voltaggio. Volendo proporre un esempio a riguardo si potrebbe fare riferimento a una batteria con 4 celle in serie e voltaggio compreso tra 12.0 e 16.8V: se solo una di esse dovesse operare al di sotto della soglia di sicurezza di 3V e tutte le altre al massimo nominale, lo sbilanciamento sarebbe comunque tale da influire negativamente sullo SOH.

Per evitare il verificarsi di una situazione come quella appena descritta il BMS può intervenire in vari modi ma è possibile identificare due principali approcci alla gestione del bilanciamento:

1. approccio attivo: le celle a cui corrisponde il voltaggio più elevato alimentano quella meno carica fino a quando la situazione non viene riportata alla normalità;
2. approccio passivo: le celle con voltaggio più alto vengono scaricate fino a raggiungere il livello di quella meno carica a meno che quest'ultima non sia al di sotto della soglia minima di sicurezza.

BMS come sistema Data Driven

Quanto detto fino ad ora sottolinea la centralità dei dati per il corretto funzionamento di un BMS. SOH, SOC e controllo termico necessitano di un lavoro continuo per l'elaborazione delle informazioni raccolte durante le attività di carica, consumo e scaricamento delle batterie.

Per questo motivo, e per poter registrare risultati quanto più precisi possibili, la progettazione dei BMS si sta spostando in modo sempre più netto da un modello basato sul data logging on on-premises, e quindi riferito al singolo veicolo, a un approccio in Cloud incentrato sull’Edge computing, grazie al quale alimentare modelli di Machine Learning destinati a migliorare gli algoritmi per il calcolo e il monitoraggio. In questo modo i dati vengono raccolti e preelaborati a livello periferico per poi essere distribuiti in una forma già ottimizzata per il training dei Machine Learning Models.

L’intervento del Machine Learning nello sviluppo di sistemi per lo smart management delle batterie, oltre a garantire maggiore efficienza in fase di analisi ed elaborazione dei dati contribuisce anche a:

• fornire informazioni chiave per i processi produttivi, facilitando e velocizzando le fasi relative alla scelta dei materiali (cosi come degli elementi chimici da adottare) e al battery modelling;
• ottimizzare i componenti sulla base dei Big Data relativi alla durata dei cicli di vita e alle soglie oltre le quali si manifestano i primi segnali di obsolescenza;
• prevedere con estrema accuratezza la durata della useful life delle batterie;
• identificare più rapidamente eventuali difetti e malfunzionamenti;
• contenere i costi di produzione e di conseguenza i prezzi per le concessionarie e gli utenti finali.

L’evoluzione del BMS verso il Machine Learning ha definito nuove prospettive a favore di un segmento di mercato sempre più centrale per l’automotive. A tal proposito è interessante citare quando riportato dal "Battery Management System Market by Battery Type, Topology, Type, Application and Geography - Global Forecast to 2024" pubblicato da marketsandmarkets.com, secondo cui il mercato globale del BMS dovrebbe produrre un giro d’affari pari a 12.5 miliardi di dollari entro il prossimo quadriennio, più che raddoppiando il traguardo dei 5.2 miliardi raggiunto nel 2019.