Méthode d&39;estimation dynamique de l&39;état de charge de la batterie ?

Mwandishi:Iflowpower- Leverandør av bærbar kraftstasjon

Depuis le développement de la technologie des batteries, de nombreux types de méthodes utilisées pour estimer l&39;état de charge ont déjà été utilisés. Il n&39;existe que des méthodes traditionnelles d&39;intégration de courant, de résistance interne de batterie, de méthodes de test de décharge, de méthodes de tension en circuit ouvert, de tensions de charge et de méthodes de filtrage de Kalman plus innovantes. Théorie logique floue et réseaux neuronaux, etc.

Il s&39;agit actuellement de l&39;une des méthodes d&39;estimation de l&39;état de charge (SOC) les plus courantes dans le domaine des systèmes de gestion de batterie, et l&39;essentiel est d&39;estimer l&39;état de charge (SOC) de la batterie en accumulant ou en déchargeant de l&39;électricité en accumulant ou en déchargeant en accumulant ou en déchargeant. En même temps, en fonction du taux de décharge et de la température de la batterie. Une certaine compensation pour le SOC estimé.

Si la batterie est définie comme SOCT0 lorsque la batterie est initialement dans l&39;état initial de charge et de décharge, alors la capacité restante de la batterie SOC après T est : q, Q est la capacité nominale de la batterie et N est l&39;efficacité de charge et de décharge, également appelée efficacité de Coulomb, sa valeur Le taux de charge et de décharge de la batterie est déterminé, I est le courant de T. La méthode intégrée actuelle est relativement simple et fiable par rapport aux autres méthodes d&39;estimation SOC, et la valeur SOC de la batterie peut être estimée de manière dynamique, elle est donc largement utilisée. Cependant, cette méthode présente également deux limitations : premièrement, la méthode intégrale actuelle nécessite une valeur SOC initiale de la batterie à l&39;avance et collecte avec précision le courant entrant ou sortant de la batterie, afin de rendre l&39;erreur d&39;estimation aussi petite que possible ; deuxièmement, cette méthode est uniquement basée sur la caractéristique externe de la batterie, et le taux d&39;autodécharge de la batterie, le degré de vieillissement et le rapport de charge et de décharge de l&39;état de charge de la batterie sont ignorés dans une certaine mesure.

Une utilisation à long terme peut également entraîner une augmentation de l&39;erreur de mesure, il est donc nécessaire d&39;introduire des coefficients de correction associés pour corriger les erreurs d&39;accumulation. (2) Méthode de test de décharge La méthode de test de décharge consiste à décharger en courant constant et continu jusqu&39;à la tension de coupure de la batterie, à multiplier le temps utilisé par ce processus de décharge par la valeur de la taille du courant de décharge, c&39;est-à-dire la capacité restante de la batterie. La méthode utilise généralement cette méthode comme méthode d&39;étalonnage de l&39;état de charge de la batterie ou lors de la maintenance tardive de la batterie, et est relativement simple, fiable et le résultat est relativement précis sans connaître la valeur de l&39;état de charge de la batterie.

Tout à fait efficacement. Cependant, la méthode de test de décharge présente deux inconvénients : premièrement, le processus de test de cette méthode nécessite beaucoup de temps ; deuxièmement, lors de l&39;utilisation de cette méthode, il est nécessaire de retirer la batterie cible du véhicule électrique, de sorte que la méthode ne peut pas être utilisée pour calculer la puissance de la batterie en état de fonctionnement. (3) La méthode de tension en circuit ouvert est basée sur la relation de changement entre la tension d&39;ouverture de la batterie et l&39;OCVOTAGE (OCV) et la concentration interne en ions lithium de la batterie, et adapte indirectement la relation correspondante entre elle et l&39;état de charge de la batterie.

Lors de l&39;exécution d&39;une opération réelle, il est nécessaire de décharger la batterie une fois la batterie remplie avec un rapport de décharge fixe (généralement 1c) jusqu&39;à ce que la décharge soit arrêtée, et la relation entre OCV et SOC est obtenue en fonction du processus de décharge. Lorsque la batterie est dans un état de fonctionnement réel, l&39;état de charge actuel de la batterie peut être obtenu en trouvant la table relationnelle OCV-SoC en fonction de la valeur de tension aux deux extrémités de la batterie. Bien que la méthode soit efficace pour diverses batteries, elle présente également des défauts : premièrement, la batterie cible doit être laissée au repos plus d&39;une heure avant de mesurer l&39;OCV, répartissant ainsi uniformément l&39;électrolyte interne dans la batterie pour obtenir une tension finale stable ; deuxièmement, la batterie est à des températures différentes ou pendant des durées de vie différentes, bien que le circuit ouvert soit le même, le SOC réel peut différer, et le résultat de la mesure n&39;est pas garanti d&39;être complètement précis en cas d&39;utilisation à long terme de cette méthode.

Par conséquent, la méthode de tension en circuit ouvert est la même que la méthode de test de décharge et ne s&39;applique pas à l&39;estimation de l&39;état de charge de la batterie en fonctionnement. (4) Méthode de filtrage de Kalman La méthode de filtrage de KALMAN est un nouveau type de données d&39;auto-régression optimisées filtrées dans les « Nouvelles réalisations de la théorie du filtrage linéaire et de la prévision » dans les années 1960. algorithme.

L&39;essence de l&39;algorithme est que l&39;état du système dynamique complexe peut être optimisé pour l&39;état du système dynamique complexe selon le principe des moyennes minimales. Les systèmes dynamiques non linéaires seront linéaires dans un modèle d&39;espace d&39;état du système dans la méthode de filtrage de Kalman. Lors de l&39;application réelle, le système est mis à jour avec la valeur observée de l&39;heure actuelle, suivie de la valeur observée de l&39;heure actuelle.

Mode « Prévision - Mesure - Corrigé », éliminant les écarts et interférences du système aléatoire. Lorsque l&39;état de charge du groupe motopropulseur est estimé à l&39;aide de la méthode de filtrage de Kalman, la batterie est convertie en un modèle d&39;espace d&39;état sous la forme d&39;un système d&39;alimentation, et l&39;état de charge devient une variable d&39;état à l&39;intérieur du modèle. Le système établi est un système discret linéaire.

Étant donné que la méthode de filtrage de Kalman corrige non seulement l&39;erreur initiale du système, elle peut également supprimer efficacement le bruit du système. Elle présente donc une valeur d&39;application significative dans l&39;estimation du SOC des batteries d&39;alimentation des véhicules électriques dans des conditions de fonctionnement. Cependant, la méthode présente également deux défauts : premièrement, la méthode de filtrage de Kalman estime que la précision du SOC dépend en grande partie de la précision du modèle de batterie, les caractéristiques de fonctionnement elles-mêmes étant une batterie de puissance hautement non linéaire, dans la méthode de filtrage de Kalman après linéarisation, il est inévitable qu&39;il n&39;y ait pas d&39;erreur, et si le modèle est établi, le résultat estimé n&39;est pas nécessairement fiable ; deuxièmement, la méthode impliquée est très compliquée, la quantité de calcul est extrêmement importante et la période de calcul calculée est plus longue, et les exigences de performances matérielles. (5) Méthode du réseau neuronal La méthode du réseau neuronal est un cerveau humain analogique et son neurone utilisé pour traiter un nouveau type d&39;algorithme pour les systèmes non linéaires.

Cela ne nécessite pas de recherche approfondie sur la structure interne de la batterie, il suffit d&39;extraire à l&39;avance un grand nombre de caractéristiques de fonctionnement de la batterie cible. Saisissez la valeur SOC dans l&39;exécution à partir de l&39;échantillon de sortie et saisissez-la dans le système établi à l&39;aide de la méthode. La méthode est relativement simple dans le traitement ultérieur, c&39;est-à-dire qu&39;elle peut éviter efficacement l&39;erreur de la méthode de filtrage de Kalman pour rendre le modèle de batterie comme linéarisation et peut obtenir les paramètres dynamiques de la batterie en temps réel.

Cependant, le volume de pré-travail de la méthode du réseau neuronal est relativement important et un grand nombre de données d&39;échantillons cibles plus complètes sont nécessaires pour former le système. La méthode de formation des données et la formation affectent largement la précision de l&39;estimation du SOC. De plus, sous l&39;action complexe de la température de la batterie, du taux d&39;autodécharge et du vieillissement de la batterie, la méthode est utilisée pour estimer la valeur SOC du même ensemble de batteries pendant une longue période, et sa précision sera également fortement réduite.

Par conséquent, cette méthode n’est pas très courante dans le travail d’estimation de l’état de charge de la batterie d’alimentation.