Poređenje metoda predviđanja za punjenje litijumske baterije Poređenje metoda predviđanja stanja napunjenosti litijumske baterije (SOC).

作者：Iflowpower – Kaasaskantava elektrijaama tarnija

Prvo, stanje napunjenosti (SOC) što znači da je SOC stanje napunjenosti, odnosi se na stanje napunjenosti baterije. Iz različitih uglova kao što su električna energija, energija itd., SOC ima niz različitih značenja.

SOC američke federacije za napredne baterije (USABC) se široko koristi, odnosno odnos nazivnog kapaciteta pod preostalom snagom i istim uslovima pri određenoj brzini pražnjenja. Odgovarajuća formula za proračun je: qm, maksimalni kapacitet pražnjenja kada se baterija isprazni prema konstantnoj struji I; Q (in) je u vremenu T, baterija oslobađa bateriju ispod baterije ispod baterije. Drugo, metoda predviđanja stanja napunjenosti litijum-jonske baterije Stanje napunjenosti litijum-jonske baterije je jedan od važnih parametara sistema upravljanja baterijom, ali i osnova za strategiju kontrole punjenja i pražnjenja celog automobila i ravnotežnog rada baterije.

Međutim, zbog složenosti same litijum-jonske baterije, njeno pokidano stanje se ne može dobiti direktnim merenjem, već samo prema određenim spoljašnjim karakteristikama baterije, kao što su unutrašnji otpor baterije, napon otvorenog kola, temperatura, struja itd. povezane parametre, koristeći povezane parametre. Karakteristična kriva ili formula za izračunavanje za završetak rada predviđanja stanja napunjenosti.

Procjena stanja napunjenosti litijum-jonske baterije je nelinearna. Trenutno je uobičajena metoda važna za eksperiment pražnjenja, metodu napona otvorenog kola, sigurnosne tačke, Kalmanov metod filtriranja, metod neuronske mreže itd. 1 Princip eksperimentalne metode ispitivanja pražnjenja je da baterija bude u stanju neprekidnog pražnjenja uz konstantnu struju, izračunajte količinu pražnjenja kada pražnjenje dođe do graničnog napona.

Vrijednost prethodne obrade vrijednosti konstantne struje i vremena pražnjenja koje se koristi kada se vrijednost snage pražnjenja isprazni. Metoda eksperimenta pražnjenja često procjenjuje stanje napunjenosti baterije u laboratorijskim uvjetima, a mnogi proizvođači baterija također koriste metodu pražnjenja za testiranje baterije. Njegova značajna prednost je što je metoda jednostavna, a tačnost procjene relativno visoka.

Ističe se i nedostatak: ne može se učitati, i zauzima veliku količinu vremena mjerenja, a kada se vrši mjerenje pražnjenja, baterija mora biti prekinuta, tako da se baterija postavi van mreže, tako da se ne može mjeriti online. Akumulator električnog automobila u vožnji je radio u ispravnom stanju, a struja pražnjenja nije konstantna, ova metoda nije primjenjiva. Međutim, metoda eksperimenta pražnjenja može se koristiti u određivanju modela remonta baterije i parametara.

2 Metoda napona otvorenog kruga Baterija je relativno stabilna nakon dužeg vremena, a funkcionalni odnos između napona otvorenog kruga i stanja napunjenosti baterije je također relativno stabilan. Ako želite da dobijete vrijednost stanja napunjenosti baterije, trebate samo izmjeriti napon otvorenog kruga na oba kraja baterije i dobiti odgovarajuće informacije u odnosu na OCV-SOC krivulju. Prednost metode otvorenog kruga napona je da radi jednostavno, jednostavno izmjerite kartu kontrolne krivulje vrijednosti napona otvaranja da biste dobili vrijednost stanja napunjenosti.

Međutim, postoje mnogi nedostaci: prije svega, da bi se dobile točne vrijednosti, napon baterije mora biti u relativno stabilnom stanju, ali se baterija često ostavlja da stoji duže vrijeme, tako da zahtjevi za praćenje u realnom vremenu ne mogu biti zadovoljeni. Dugotrajno parkiranje električnog automobila. Kada je omjer punjenja baterije drugačiji, budući da fluktuacije struje mijenjaju napon otvaranja baterije, napon otvorenog kruga baterije je nedosljedan, tako da predviđena preostala snaga i stvarna preostala snaga baterije imaju veliko odstupanje.

3 AmateThe Points France Integralni zakon ne uzima u obzir korištenje unutrašnjosti baterije, prema određenim vanjskim karakteristikama sistema, kao što su struja, vrijeme, temperaturna kompenzacija, itd., integrirajući vrijeme i struju, ponekad dodajući kompenzaciju Faktor se izračunava za izračunavanje ukupne količine energije koja teče iz baterije kako bi se procijenilo stanje napunjenosti baterije. Trenutno se vrijeme rada široko koristi u sistemima upravljanja baterijama.

Formula za proračun metode sigurnosnih tačaka je sljedeća: Formula, SOC0 je početna električna vrijednost stanja napunjenosti baterije; CE je nazivni kapacitet baterije; i (t) je struja punjenja i pražnjenja baterije u T vremenu; T je vrijeme punjenja i pražnjenja; η je koeficijent brzine punjenja i pražnjenja, a naziva se i Cullen koeficijent efikasnosti, koji predstavlja disipaciju snage baterije unutar baterije tokom procesa punjenja i pražnjenja, koji se općenito temelji na faktoru povećanja i korekcije temperature pražnjenja punjenja. Prednost integralnog zakona sigurnosti je u tome što su ograničenja same baterije relativno mala, metoda proračuna je jednostavna, pouzdana i može izvršiti procjenu stanja napunjenosti baterije u realnom vremenu. Nedostatak je u tome što se u kontroli detektuje metoda sigurnosnog mjerenja, ako tačnost prikupljanja struje nije visoka, dato početno stanje napunjenosti ima određenu grešku, uz produženje vremena rada sistema, greška će se postepeno akumulirati, što će uticati na rezultat predviđanja stanja napunjenosti.

A pošto se metoda sigurnosnih tačaka analizira samo sa vanjskih karakteristika, postoji određena greška u viševezi. To se vidi iz proračunske formule metode sigurnosnih tačaka, a početna snaga baterije ima veliki uticaj na tačnost rezultata proračuna. Kako bi se poboljšala tačnost mjerenja struje, obično se mjere strujni senzori visokih performansi, ali se to povećava.

U tu svrhu, mnogi naučnici su primijenili metodu napona otvorenog kola, dok su metodu integralne sigurnosti primjene, u kombinaciji s obje. Metoda napona otvorenog kola koristi se za procjenu početnog stanja napunjenosti baterije, a integrirana metoda korekcije se koristi u realnom vremenu i dodaje faktore korekcije kako bi se poboljšala tačnost proračuna. 4 Metoda Kalmanovog filtriranja Kalmanov algoritam filtriranja je minimalna ekvivalentna procjena teorije prostora stanja u vremenskom domenu, koja spada u kategoriju statističke procjene, a makro je da smanji i eliminiše uticaj šuma na signal posmatranja.

Jezgro je najbolje. Procjenjuje se da je input sistema validan za statusne varijable na osnovu premisa. Osnovni princip ovog algoritma je da se kao algoritamski model koristi model statusnog prostora buke i signala, kada se izmjere promatrana vrijednost trenutnog vremena i procijenjena vrijednost prethodnog vremena, te ažurira procjena statusne varijable.

Karmanov algoritam filtriranja predviđa značajnu količinu stanja napunjenosti litijum-jonske baterije i koristi izmjerenu vrijednost napona da ispravi vrijednost preliminarnog predviđanja. Prednost Kalmanove metode filtriranja je u tome što je računar pogodan za operativnu obradu podataka u realnom vremenu, širok raspon primjene, može se koristiti za nelinearne sisteme, te ima dobar učinak na predviđanje stanja napunjenosti električnih vozila tokom vožnje. Nedostatak Kalmanove metode filtriranja je u tome što je tačnost modela baterije zavisna, kako bi se poboljšala tačnost i tačnost rezultata prognoze algoritma, uspostaviti pouzdan model baterije.

Osim toga, algoritam Kalmanove metode filtriranja je složeniji, pa je njegova količina proračuna relativno velika, a ima i visoke performanse operatora. 5 Svrha neurološke mreže neuronske mreže je da imitira ponašanje ljudske inteligencije, kroz paralelnu strukturu i snažnu sposobnost učenja za dobijanje ekspresije podataka, i može dati odgovarajući izlazni odgovor kada je eksterno uzbuđen, i napraviti dobro nelinearno mapiranje. Princip metode neuronske mreže koji se primjenjuje na stanje litijum-jonske baterije je: vanjski podaci kao što su veliki broj odgovarajućih napona, struja i podaci o stanju napunjenosti baterije koriste se kao uzorak za obuku, a smjer naprijed informacija u samoj neuronskoj mreži.

Reverzno širenje i prenos greške ponavljaju obuku i modifikacije, kada predviđeno stanje napunjenosti dostigne opseg greške projektovanih zahteva, unosom novih podataka da bi se dobila vrednost predviđanja stanja napunjenosti baterije. Prednost metode neuronske mreže može se procijeniti za procjenu pozitivnog stanja različitih baterija. Široko je primjenjiv.

Nemojte uspostavljati određeni matematički model. Ne uzimajte u obzir složene kemijske promjene u bateriji, samo odaberite odgovarajući uzorak i uspostavite bolji model neuronske mreže, što je više podataka uzorka, to je veća tačnost njegove procjene; moguće je odrediti stanje napunjenosti baterije u bilo kojem trenutku. Nedostatak metode neuronske mreže je što tačnost, kapacitet uzorka i distribucija uzoraka uzoraka podataka, kapacitet uzorka i metode distribucije uzorka i obuke imaju veliki utjecaj na bateriju baterije.

Treće, sažimanje ovog rada radi jednostavnog uvoda u trenutnu metodu predviđanja nekoliko važnih punjenja litijum-jonskih baterija i detaljno analizira njihove prednosti i nedostatke. Trenutno je metoda integracije i dalje najprimijenjenija metoda predviđanja pozitivnog stanja. Međutim, zbog ograničenja sigurnosnih točaka sigurnosne točke, često se završava drugim metodama kao što su naponi otvorenog kruga i druge metode za testiranje početnog punjenja litijum-jonske baterije.

Iz perspektive trendova razvoja, faktori za predviđanje stanja napunjenosti litijum-jonske baterije su sve sveobuhvatniji, a metode predviđanja koje se koriste često predstavljaju sveobuhvatnu primjenu nekoliko metoda, što rezultate prognoze čini preciznijim. Štaviše, trenutno razvija model ekvivalentnog kola litijum-jonske baterije, koji je bliži stvarnom, tako da je tačnost predviđanja napunjene struje dodatno poboljšana.