লিথিয়াম ব্যাটারি চার্জ অবস্থা (SOC) চার্জ করার জন্য ভবিষ্যদ্বাণী পদ্ধতির তুলনা ভবিষ্যদ্বাণী পদ্ধতির তুলনা

ଲେଖକ: ଆଇଫ୍ଲୋପାୱାର - 휴대용 전원소 공급업체

প্রথমত, চার্জ অবস্থা (SOC) যার অর্থ SOC হল চার্জ অবস্থা, ব্যাটারির চার্জের অবস্থাকে বোঝায়। বিদ্যুৎ, শক্তি ইত্যাদির মতো বিভিন্ন দৃষ্টিকোণ থেকে, SOC-এর বিভিন্ন অর্থ রয়েছে।

ইউএস অ্যাডভান্সড ব্যাটারি ফেডারেশন (USABC)-এর SOC ব্যাপকভাবে ব্যবহৃত হয়েছে, অর্থাৎ অবশিষ্ট শক্তির অধীনে রেট করা ক্ষমতার অনুপাত এবং একটি নির্দিষ্ট স্রাব হারে একই শর্ত। সংশ্লিষ্ট গণনার সূত্রটি হল: qm, ধ্রুবক কারেন্ট I অনুসারে ব্যাটারিটি ডিসচার্জ হলে সর্বাধিক ডিসচার্জ ক্ষমতা; Q (in) হল T সময়ে, ব্যাটারিটি ব্যাটারির নীচে ব্যাটারিটি ছেড়ে দেয়। দ্বিতীয়ত, লিথিয়াম-আয়ন ব্যাটারির চার্জ অবস্থা পূর্বাভাস পদ্ধতি লিথিয়াম আয়ন ব্যাটারির চার্জ অবস্থা ব্যাটারি ব্যবস্থাপনা ব্যবস্থার একটি গুরুত্বপূর্ণ পরামিতি, তবে পুরো গাড়ি এবং ব্যাটারির ভারসাম্য কাজের চার্জ এবং ডিসচার্জ নিয়ন্ত্রণ কৌশলের ভিত্তিও।

তবে, লিথিয়াম-আয়ন ব্যাটারির জটিলতার কারণে, এর ছিঁড়ে যাওয়া অবস্থা সরাসরি পরিমাপের মাধ্যমে জানা যায় না, শুধুমাত্র ব্যাটারির কিছু বাহ্যিক বৈশিষ্ট্য অনুসারে, যেমন ব্যাটারির অভ্যন্তরীণ প্রতিরোধ, ওপেন সার্কিট ভোল্টেজ, তাপমাত্রা, কারেন্ট ইত্যাদি। সম্পর্কিত পরামিতি, সম্পর্কিত পরামিতি ব্যবহার করে। চার্জের অবস্থার উপর ভবিষ্যদ্বাণীর কাজ সম্পূর্ণ করার জন্য বৈশিষ্ট্যগত বক্ররেখা বা গণনার সূত্র।

লিথিয়াম-আয়ন ব্যাটারির চার্জ অবস্থার অনুমান অ-রৈখিক। বর্তমানে, বর্তমানে প্রচলিত পদ্ধতিটি ডিসচার্জ পরীক্ষা, ওপেন সার্কিট ভোল্টেজ পদ্ধতি, সুরক্ষা পয়েন্ট, কালম্যান ফিল্টারিং পদ্ধতি, নিউরাল নেটওয়ার্ক পদ্ধতি ইত্যাদির জন্য গুরুত্বপূর্ণ। ১. ডিসচার্জ পরীক্ষামূলক ডিসচার্জ পরীক্ষা পদ্ধতির নীতি হল ব্যাটারিকে একটি ধ্রুবক কারেন্টে নিরবচ্ছিন্ন ডিসচার্জ অবস্থায় রাখা, যখন ডিসচার্জ কাটঅফ ভোল্টেজে পৌঁছায় তখন ডিসচার্জের পরিমাণ গণনা করা।

ধ্রুবক বর্তমান মানের প্রাক-চিকিৎসা মান এবং স্রাব শক্তি মান স্রাব করা হলে ব্যবহৃত স্রাব সময়। ডিসচার্জ পরীক্ষা পদ্ধতি প্রায়শই পরীক্ষাগারের অবস্থার অধীনে ব্যাটারির চার্জ অবস্থা অনুমান করে এবং অনেক ব্যাটারি নির্মাতারাও ব্যাটারি পরীক্ষা করার জন্য ডিসচার্জ পদ্ধতি ব্যবহার করে। এর উল্লেখযোগ্য সুবিধা হল পদ্ধতিটি সহজ, এবং অনুমানের নির্ভুলতা তুলনামূলকভাবে বেশি।

অসুবিধাটিও তুলে ধরা হয়েছে: লোড করা যাবে না, এবং পরিমাপের জন্য প্রচুর সময় ব্যয় করতে হবে, এবং যখন স্রাব পরিমাপ করা হবে, তখন ব্যাটারিটি বাধাগ্রস্ত করতে হবে, যাতে ব্যাটারিটি অফলাইনে রাখা হয়, তাই এটি অনলাইনে পরিমাপ করা যাবে না। গাড়ি চালানোর সময় বৈদ্যুতিক গাড়ির ব্যাটারিটি কার্যকরী অবস্থায় কাজ করছে এবং এর ডিসচার্জ কারেন্ট ধ্রুবক নয়, এই পদ্ধতিটি প্রযোজ্য নয়। তবে, ব্যাটারি ওভারহল এবং প্যারামিটার মডেল নির্ধারণে ডিসচার্জ পরীক্ষা পদ্ধতি ব্যবহার করা যেতে পারে।

2 ওপেন-সার্কিট ভোল্টেজ পদ্ধতি দীর্ঘ সময় পরে ব্যাটারি তুলনামূলকভাবে স্থিতিশীল থাকে এবং ওপেন সার্কিট ভোল্টেজ এবং ব্যাটারি-চার্জড অবস্থার মধ্যে কার্যকরী সম্পর্কও তুলনামূলকভাবে স্থিতিশীল। যদি আপনি ব্যাটারির চার্জ স্টেট মান পেতে চান, তাহলে আপনাকে কেবল ব্যাটারির উভয় প্রান্তে ওপেন সার্কিট ভোল্টেজ পরিমাপ করতে হবে এবং OCV-SOC বক্ররেখার বিপরীতে সংশ্লিষ্ট তথ্য পেতে হবে। ওপেন সার্কিট ভোল্টেজ পদ্ধতির সুবিধা হল সহজে পরিচালনা করা, চার্জ স্টেট মান পেতে খোলার ভোল্টেজ মান নিয়ন্ত্রণ বৈশিষ্ট্যযুক্ত বক্ররেখা মানচিত্র পরিমাপ করা।

তবে, অনেক ত্রুটি রয়েছে: প্রথমত, সঠিক মান পেতে, ব্যাটারির ভোল্টেজকে তুলনামূলকভাবে স্থিতিশীল অবস্থায় রাখতে হবে, তবে ব্যাটারি প্রায়শই দীর্ঘ সময় ধরে দাঁড়িয়ে থাকতে দেওয়া হয়, যাতে রিয়েল-টাইম পর্যবেক্ষণের প্রয়োজনীয়তা পূরণ না হয়। বৈদ্যুতিক গাড়ি দীর্ঘ সময় পার্কিং। যখন ব্যাটারির চার্জিং অনুপাত ভিন্ন হয়, যেহেতু কারেন্টের ওঠানামা ব্যাটারি খোলার ভোল্টেজ পরিবর্তন করে, তাই ব্যাটারি প্যাকের ওপেন সার্কিট ভোল্টেজ অসামঞ্জস্যপূর্ণ হয়, যার ফলে পূর্বাভাসিত অবশিষ্ট শক্তি এবং ব্যাটারির প্রকৃত অবশিষ্ট শক্তির মধ্যে একটি বড় বিচ্যুতি ঘটে।

3 AmateThe Points France Integral Law ব্যাটারির ভেতরের ব্যবহার বিবেচনা করে না, সিস্টেমের কিছু বাহ্যিক বৈশিষ্ট্য যেমন কারেন্ট, সময়, তাপমাত্রা ক্ষতিপূরণ ইত্যাদি অনুসারে, সময় এবং কারেন্টকে একীভূত করে, কখনও কখনও কিছু ক্ষতিপূরণ যোগ করে। ব্যাটারির চার্জ অবস্থা অনুমান করার জন্য ব্যাটারি থেকে প্রবাহিত মোট শক্তির পরিমাণ গণনা করার জন্য ফ্যাক্টর গণনা করা হয়। বর্তমানে, ব্যাটারি ম্যানেজমেন্ট সিস্টেমে অপারেশনের সময় ব্যাপকভাবে ব্যবহৃত হয়।

সুরক্ষা পয়েন্ট পদ্ধতির গণনা সূত্রটি নিম্নরূপ: সূত্র, SOC0 হল ব্যাটারি চার্জ অবস্থার প্রাথমিক বিদ্যুৎ মান; CE হল ব্যাটারির রেট করা ক্ষমতা; i (t) হল T সময়ে ব্যাটারির চার্জ এবং ডিসচার্জ কারেন্ট; T হল চার্জ এবং ডিসচার্জ সময়; η হল চার্জ এবং ডিসচার্জ রেট সহগ, এবং এটিকে কুলেন দক্ষতা সহগ বলা হয়, যা চার্জ এবং ডিসচার্জ প্রক্রিয়া চলাকালীন ব্যাটারির ভিতরে ব্যাটারির শক্তি অপচয়কে প্রতিনিধিত্ব করে, যা সাধারণত চার্জিং ডিসচার্জের বিবর্ধন এবং তাপমাত্রা সংশোধন ফ্যাক্টরের উপর ভিত্তি করে। নিরাপত্তা অবিচ্ছেদ্য আইনের সুবিধা হল ব্যাটারির সীমাবদ্ধতা তুলনামূলকভাবে কম, গণনা পদ্ধতিটি সহজ, নির্ভরযোগ্য এবং ব্যাটারির চার্জ অবস্থার উপর রিয়েল-টাইম অনুমান করতে পারে। অসুবিধা হল, যেহেতু নিয়ন্ত্রণে নিরাপত্তা মিটারিং পদ্ধতি সনাক্ত করা হয়, যদি কারেন্টের সংগ্রহের নির্ভুলতা বেশি না হয়, তাহলে প্রদত্ত প্রাথমিক চার্জ অবস্থায় একটি নির্দিষ্ট ত্রুটি থাকে, সিস্টেম রান টাইম বাড়ার সাথে সাথে, ত্রুটিটি ধীরে ধীরে জমা হবে, ফলে চার্জের অবস্থার পূর্বাভাস ফলাফল প্রভাবিত হবে।

এবং যেহেতু সুরক্ষা পয়েন্ট পদ্ধতিটি কেবল বাইরের বৈশিষ্ট্যগুলি থেকে বিশ্লেষণ করা হয়, তাই মাল্টি-লিংকে একটি নির্দিষ্ট ত্রুটি রয়েছে। এটি সুরক্ষা পয়েন্ট পদ্ধতির গণনা সূত্র থেকে দেখা যায় এবং ব্যাটারির প্রাথমিক শক্তি গণনার ফলাফলের নির্ভুলতার উপর একটি বড় প্রভাব ফেলে। বর্তমান পরিমাপের নির্ভুলতা উন্নত করার জন্য, উচ্চ কার্যকারিতা বর্তমান সেন্সরগুলি সাধারণত পরিমাপ করা হয়, তবে এটি বৃদ্ধি করা হয়।

এই লক্ষ্যে, অনেক পণ্ডিত একটি ওপেন সার্কিট ভোল্টেজ পদ্ধতি প্রয়োগ করেছেন যেখানে অ্যাপ্লিকেশন সুরক্ষা অবিচ্ছেদ্য পদ্ধতি, উভয়ের সাথে একত্রিত। ব্যাটারির প্রাথমিক চার্জ অবস্থা অনুমান করার জন্য ওপেন সার্কিট ভোল্টেজ পদ্ধতি ব্যবহার করা হয়, এবং সমন্বিত সংশোধন পদ্ধতিটি রিয়েল টাইমে ব্যবহার করা হয় এবং গণনার নির্ভুলতা উন্নত করার জন্য সংশোধন উপাদান যুক্ত করা হয়। ৪ কালম্যান ফিল্টারিং পদ্ধতি কালম্যান ফিল্টারিং অ্যালগরিদম হল টাইম ডোমেন স্টেট স্পেস তত্ত্বের একটি ন্যূনতম সমতুল্য অনুমান, যা পরিসংখ্যানগত অনুমানের বিভাগের অন্তর্গত, এবং ম্যাক্রো হল পর্যবেক্ষণ সংকেতের উপর শব্দের প্রভাব হ্রাস এবং নির্মূল করা।

কোরটিই সেরা। অনুমান করা হয় যে সিস্টেমের ইনপুটটি প্রিমাইজ ভিত্তিতে স্ট্যাটাস ভেরিয়েবলের জন্য বৈধ। এই অ্যালগরিদমের মূল নীতি হল শব্দ এবং সংকেতের স্ট্যাটাস স্পেস মডেলকে অ্যালগরিদম মডেল হিসেবে ব্যবহার করা, পরিমাপ করার সময়, বর্তমান সময়ের পর্যবেক্ষণ করা মান এবং পূর্ববর্তী সময়ের আনুমানিক মান, এবং স্ট্যাটাস ভেরিয়েবলের অনুমান আপডেট করা।

কারমান ফিল্টারিং অ্যালগরিদম লিথিয়াম আয়ন ব্যাটারির চার্জ অবস্থার সারগর্ভতা পূর্বাভাস দেয় এবং প্রাথমিক পূর্বাভাসের মান সংশোধন করতে পরিমাপ করা ভোল্টেজ মান ব্যবহার করে। কালম্যান ফিল্টারিং পদ্ধতির সুবিধা হল যে কম্পিউটারটি ডেটার রিয়েল-টাইম অপারেশনাল প্রক্রিয়াকরণের জন্য উপযুক্ত, বিস্তৃত অ্যাপ্লিকেশন পরিসর, নন-লিনিয়ার সিস্টেমের জন্য ব্যবহার করা যেতে পারে এবং ড্রাইভিং চলাকালীন বৈদ্যুতিক যানবাহনের চার্জ স্টেট পূর্বাভাসের উপর ভাল প্রভাব ফেলে। কালম্যান ফিল্টারিং পদ্ধতির অসুবিধা হল ব্যাটারি মডেলের নির্ভুলতা নির্ভরশীল, অ্যালগরিদম পূর্বাভাসের ফলাফলের নির্ভুলতা এবং নির্ভুলতা উন্নত করার জন্য, একটি নির্ভরযোগ্য ব্যাটারি মডেল স্থাপন করা।

উপরন্তু, কালম্যান ফিল্টারিং পদ্ধতির অ্যালগরিদম আরও জটিল, তাই এর গণনার পরিমাণ তুলনামূলকভাবে বড়, এবং এতে অপারেটরের উচ্চ কর্মক্ষমতা রয়েছে। ৫. নিউরাল নেটওয়ার্কের স্নায়বিক নেটওয়ার্কের উদ্দেশ্য হল সমান্তরাল কাঠামো এবং শক্তিশালী শেখার ক্ষমতার মাধ্যমে মানুষের বুদ্ধিমত্তার আচরণ অনুকরণ করা, ডেটা এক্সপ্রেশন অর্জন করা, এবং বাহ্যিকভাবে উত্তেজিত হলে সংশ্লিষ্ট আউটপুট প্রতিক্রিয়া দিতে পারে এবং ভাল নন-লিনিয়ার ম্যাপিং তৈরি করতে পারে। লিথিয়াম আয়ন ব্যাটারির অবস্থার ক্ষেত্রে নিউরাল নেটওয়ার্ক পদ্ধতির নীতি হল: বহিরাগত তথ্য যেমন বিপুল সংখ্যক সংশ্লিষ্ট ভোল্টেজ, স্রোত এবং ব্যাটারির চার্জ স্টেট ডেটা প্রশিক্ষণ নমুনা হিসাবে ব্যবহৃত হয় এবং নিউরাল নেটওয়ার্কে তথ্যের অগ্রবর্তী দিকনির্দেশনা হিসাবে ব্যবহৃত হয়।

প্রোপাগেশন এবং ত্রুটি স্থানান্তরের বিপরীত প্রচার পুনরাবৃত্তি প্রশিক্ষণ এবং পরিবর্তন, যখন পূর্বাভাসিত চার্জ অবস্থা ডিজাইনের প্রয়োজনীয়তার ত্রুটি পরিসরে পৌঁছায়, ব্যাটারির চার্জ অবস্থা পূর্বাভাস মান পেতে নতুন ডেটা প্রবেশ করে। বিভিন্ন ব্যাটারির ইতিবাচক অবস্থা অনুমান করে নিউরাল নেটওয়ার্ক পদ্ধতির সুবিধা অনুমান করা যেতে পারে। এটি ব্যাপকভাবে প্রযোজ্য।

একটি নির্দিষ্ট গাণিতিক মডেল স্থাপন করবেন না। ব্যাটারিতে জটিল রাসায়নিক পরিবর্তন বিবেচনা করবেন না, কেবল উপযুক্ত নমুনাটি বেছে নিন এবং আরও ভাল নিউরাল নেটওয়ার্ক মডেল স্থাপন করুন, নমুনা ডেটা যত বেশি হবে, তার অনুমানের নির্ভুলতা তত বেশি হবে; যেকোনো সময় ব্যাটারির চার্জ অবস্থা নির্ধারণ করা সম্ভব। নিউরাল নেটওয়ার্ক পদ্ধতির অসুবিধা হল যে ডেটা নমুনার নির্ভুলতা, নমুনা ক্ষমতা এবং নমুনা বিতরণ, নমুনা ক্ষমতা, এবং নমুনা বিতরণ এবং প্রশিক্ষণ পদ্ধতিগুলি ব্যাটারির ব্যাটারির উপর অত্যন্ত প্রভাবিত হয়।

তৃতীয়ত, বেশ কয়েকটি গুরুত্বপূর্ণ লিথিয়াম-আয়ন ব্যাটারি চার্জের বর্তমান ভবিষ্যদ্বাণী পদ্ধতির একটি সহজ ভূমিকার জন্য এই গবেষণাপত্রটির সারসংক্ষেপ, এবং তাদের নিজ নিজ সুবিধা এবং অসুবিধাগুলি বিশদভাবে বিশ্লেষণ করা। বর্তমানে, ইন্টিগ্রেশন পদ্ধতিটি এখনও সবচেয়ে বেশি ব্যবহৃত ইতিবাচক অবস্থা পূর্বাভাস পদ্ধতি। তবে, সুরক্ষা বিন্দুর সুরক্ষা বিন্দুগুলির সীমাবদ্ধতার কারণে, এটি প্রায়শই অন্যান্য পদ্ধতি যেমন ওপেন সার্কিট ভোল্টেজ এবং লিথিয়াম-আয়ন ব্যাটারির প্রাথমিক চার্জ পরীক্ষা করার জন্য অন্যান্য পদ্ধতি দ্বারা সম্পন্ন করা হয়।

উন্নয়নের প্রবণতার দৃষ্টিকোণ থেকে, লিথিয়াম-আয়ন ব্যাটারির চার্জড অবস্থার পূর্বাভাসের কারণগুলি ক্রমশ ব্যাপক হচ্ছে, এবং ব্যবহৃত ভবিষ্যদ্বাণী পদ্ধতিগুলি প্রায়শই বিভিন্ন পদ্ধতির একটি বিস্তৃত প্রয়োগ, যা পূর্বাভাসের ফলাফলকে আরও নির্ভুল করে তোলে। তাছাড়া, এটি বর্তমানে লিথিয়াম-আয়ন ব্যাটারির সমতুল্য সার্কিট মডেল তৈরি করছে, যা প্রকৃতের কাছাকাছি, যাতে চার্জিত বিদ্যুতের ভবিষ্যদ্বাণীর নির্ভুলতা আরও উন্নত হয়।