લિથિયમ બેટરી ચાર્જ સ્ટેટ (SOC) ચાર્જ કરવા માટેની આગાહી પદ્ધતિઓની સરખામણી આગાહી પદ્ધતિની સરખામણી

Автор: Iflowpower – Портативті электр станциясының жеткізушісі

પ્રથમ, ચાર્જ સ્ટેટ (SOC) જેનો અર્થ SOC ચાર્જ સ્ટેટ છે, તે બેટરીના ચાર્જ સ્ટેટનો ઉલ્લેખ કરે છે. વીજળી, ઉર્જા, વગેરે જેવા વિવિધ દ્રષ્ટિકોણથી, SOC ના વિવિધ અર્થો છે.

યુએસ એડવાન્સ્ડ બેટરી ફેડરેશન (USABC) ના SOC નો વ્યાપકપણે ઉપયોગ થાય છે, એટલે કે બાકી રહેલી શક્તિ હેઠળ રેટ કરેલ ક્ષમતાનો ગુણોત્તર અને ચોક્કસ ડિસ્ચાર્જ દર પર સમાન પરિસ્થિતિઓ. અનુરૂપ ગણતરી સૂત્ર છે: qm, જ્યારે બેટરી સતત પ્રવાહ I અનુસાર ડિસ્ચાર્જ થાય છે ત્યારે મહત્તમ ડિસ્ચાર્જ ક્ષમતા; Q (in) એ T સમયમાં છે, બેટરી બેટરી હેઠળ બેટરીને બેટરી હેઠળ મુક્ત કરે છે. બીજું, લિથિયમ-આયન બેટરી ચાર્જ સ્થિતિ આગાહી પદ્ધતિ લિથિયમ આયન બેટરીની ચાર્જ સ્થિતિ એ બેટરી મેનેજમેન્ટ સિસ્ટમના મહત્વપૂર્ણ પરિમાણોમાંનું એક છે, પરંતુ સમગ્ર કાર અને બેટરી સંતુલન કાર્યની ચાર્જ અને ડિસ્ચાર્જ નિયંત્રણ વ્યૂહરચનાનો આધાર પણ છે.

જોકે, લિથિયમ-આયન બેટરીની જટિલતાને કારણે, તેની ફાટેલી સ્થિતિ સીધી માપણી દ્વારા મેળવી શકાતી નથી, ફક્ત બેટરીની કેટલીક બાહ્ય લાક્ષણિકતાઓ, જેમ કે બેટરીનો આંતરિક પ્રતિકાર, ઓપન સર્કિટ વોલ્ટેજ, તાપમાન, વર્તમાન, વગેરે અનુસાર. સંબંધિત પરિમાણોનો ઉપયોગ કરીને, સંબંધિત પરિમાણો. ચાર્જની સ્થિતિ પર આગાહી કાર્ય પૂર્ણ કરવા માટે લાક્ષણિક વળાંક અથવા ગણતરી સૂત્ર.

લિથિયમ-આયન બેટરીનો ચાર્જ સ્ટેટ અંદાજ બિન-રેખીય છે. હાલમાં, ડિસ્ચાર્જ પ્રયોગ, ઓપન સર્કિટ વોલ્ટેજ પદ્ધતિ, સલામતી બિંદુઓ, કાલમેન ફિલ્ટરિંગ પદ્ધતિ, ન્યુરલ નેટવર્ક પદ્ધતિ, વગેરે માટે હાલમાં સામાન્ય પદ્ધતિ મહત્વપૂર્ણ છે. 1 ડિસ્ચાર્જ પ્રાયોગિક ડિસ્ચાર્જ પરીક્ષણ પદ્ધતિનો સિદ્ધાંત એ છે કે બેટરીને સતત પ્રવાહ પર અવિરત ડિસ્ચાર્જ સ્થિતિમાં બનાવવી, જ્યારે ડિસ્ચાર્જ કટઓફ વોલ્ટેજ પર આવે ત્યારે ડિસ્ચાર્જની માત્રાની ગણતરી કરવી.

ડિસ્ચાર્જ પાવર વેલ્યુ ડિસ્ચાર્જ થાય ત્યારે ઉપયોગમાં લેવાતા સતત વર્તમાન મૂલ્ય અને ડિસ્ચાર્જ સમયનું પ્રીટ્રીટમેન્ટ મૂલ્ય. ડિસ્ચાર્જ પ્રયોગ પદ્ધતિ ઘણીવાર પ્રયોગશાળાની પરિસ્થિતિઓમાં બેટરીની ચાર્જ સ્થિતિનો અંદાજ લગાવે છે, અને ઘણા બેટરી ઉત્પાદકો પણ બેટરીનું પરીક્ષણ કરવા માટે ડિસ્ચાર્જ પદ્ધતિનો ઉપયોગ કરે છે. તેનો નોંધપાત્ર ફાયદો એ છે કે પદ્ધતિ સરળ છે, અને અંદાજની ચોકસાઈ પ્રમાણમાં ઊંચી છે.

ગેરલાભ પણ પ્રકાશિત થાય છે: લોડ કરી શકાતો નથી, અને માપન સમયનો મોટો જથ્થો રોકે છે, અને જ્યારે ડિસ્ચાર્જ માપન થાય છે, ત્યારે બેટરીને વિક્ષેપિત કરવી આવશ્યક છે, જેથી બેટરી ઑફલાઇન મૂકવામાં આવે, તેથી તેને ઑનલાઇન માપી શકાતી નથી. જો વાહન ચલાવતી વખતે ઇલેક્ટ્રિક કારની બેટરી કાર્યરત સ્થિતિમાં કામ કરી રહી હોય, અને તેનો ડિસ્ચાર્જ કરંટ સતત ન હોય, તો આ પદ્ધતિ લાગુ પડતી નથી. જોકે, બેટરી ઓવરહોલ અને પેરામીટર મોડેલના નિર્ધારણમાં ડિસ્ચાર્જ પ્રયોગ પદ્ધતિનો ઉપયોગ કરી શકાય છે.

2 ઓપન-સર્કિટ વોલ્ટેજ પદ્ધતિ લાંબા સમય પછી બેટરી પ્રમાણમાં સ્થિર હોય છે, અને ઓપન સર્કિટ વોલ્ટેજ અને બેટરી-ચાર્જ્ડ સ્થિતિ વચ્ચેનો કાર્યાત્મક સંબંધ પણ પ્રમાણમાં સ્થિર હોય છે. જો તમે બેટરીનું ચાર્જ સ્ટેટ વેલ્યુ મેળવવા માંગતા હો, તો તમારે ફક્ત બેટરીના બંને છેડા પર ઓપન સર્કિટ વોલ્ટેજ માપવાની જરૂર છે, અને OCV-SOC કર્વ સામે અનુરૂપ માહિતી મેળવવાની જરૂર છે. ઓપન સર્કિટ વોલ્ટેજ પદ્ધતિનો ફાયદો એ છે કે તે સરળ રીતે કાર્ય કરે છે, ચાર્જ સ્ટેટ મૂલ્ય મેળવવા માટે ઓપનિંગ વોલ્ટેજ મૂલ્ય નિયંત્રણ લાક્ષણિકતા વળાંક નકશાને માપે છે.

જો કે, તેમાં ઘણી ખામીઓ છે: સૌ પ્રથમ, સચોટ મૂલ્યો મેળવવા માટે, બેટરી વોલ્ટેજને પ્રમાણમાં સ્થિર સ્થિતિમાં બનાવવું આવશ્યક છે, પરંતુ બેટરીને ઘણીવાર લાંબા સમય સુધી ઊભા રહેવાની મંજૂરી આપવામાં આવે છે, જેથી રીઅલ-ટાઇમ મોનિટરિંગ આવશ્યકતાઓ સંતોષી શકાતી નથી. ઇલેક્ટ્રિક કાર લાંબા સમય સુધી પાર્કિંગ. જ્યારે બેટરીનો ચાર્જિંગ રેશિયો અલગ હોય છે, ત્યારે કરંટની વધઘટ બેટરી ઓપનિંગ વોલ્ટેજમાં ફેરફાર કરે છે, તેથી બેટરી પેકનો ઓપન સર્કિટ વોલ્ટેજ અસંગત હોય છે, જેના કારણે અનુમાનિત બાકી રહેલી શક્તિ અને બેટરીની વાસ્તવિક બાકી રહેલી શક્તિમાં મોટો વિચલન થાય છે.

3 AmateThe Points France Integral Law બેટરીની અંદરના ઉપયોગને ધ્યાનમાં લેતો નથી, સિસ્ટમની કેટલીક બાહ્ય સુવિધાઓ, જેમ કે વર્તમાન, સમય, તાપમાન વળતર, વગેરે અનુસાર, સમય અને વર્તમાનને એકીકૃત કરીને, ક્યારેક કેટલાક વળતર ઉમેરો. બેટરીની ચાર્જ સ્થિતિનો અંદાજ કાઢવા માટે બેટરીમાંથી વહેતી કુલ શક્તિની ગણતરી કરવા માટે પરિબળની ગણતરી કરવામાં આવે છે. હાલમાં, બેટરી મેનેજમેન્ટ સિસ્ટમ્સમાં ઓપરેશન સમયનો વ્યાપકપણે ઉપયોગ થાય છે.

સલામતી બિંદુ પદ્ધતિનું ગણતરી સૂત્ર નીચે મુજબ છે: સૂત્ર, SOC0 એ બેટરી ચાર્જ સ્થિતિનું પ્રારંભિક વીજળી મૂલ્ય છે; CE એ બેટરીની રેટેડ ક્ષમતા છે; i (t) એ T સમયે બેટરીનો ચાર્જ અને ડિસ્ચાર્જ પ્રવાહ છે; T એ ચાર્જ અને ડિસ્ચાર્જ સમય છે; η એ ચાર્જ અને ડિસ્ચાર્જ દર ગુણાંક છે, અને તેને કુલેન કાર્યક્ષમતા ગુણાંક કહેવામાં આવે છે, જે ચાર્જ અને ડિસ્ચાર્જ પ્રક્રિયા દરમિયાન બેટરીની અંદર બેટરીના પાવર ડિસીપેશનનું પ્રતિનિધિત્વ કરે છે, જે સામાન્ય રીતે ચાર્જિંગ ડિસ્ચાર્જના મેગ્નિફિકેશન અને તાપમાન સુધારણા પરિબળ પર આધારિત હોય છે. સલામતી અભિન્ન કાયદાનો ફાયદો એ છે કે બેટરીની મર્યાદાઓ પ્રમાણમાં નાની છે, ગણતરી પદ્ધતિ સરળ, વિશ્વસનીય છે અને બેટરીની ચાર્જ સ્થિતિનો વાસ્તવિક સમયનો અંદાજ લગાવી શકે છે. ગેરલાભ એ છે કે નિયંત્રણમાં સલામતી મીટરિંગ પદ્ધતિ શોધી કાઢવામાં આવે છે, જો વર્તમાનની એકત્રિત ચોકસાઈ ઊંચી ન હોય, તો આપેલ પ્રારંભિક ચાર્જ સ્થિતિમાં ચોક્કસ ભૂલ હોય છે, સિસ્ટમ રન સમયના વિસ્તરણ સાથે, ભૂલ ધીમે ધીમે એકઠી થશે, આમ ચાર્જની સ્થિતિના આગાહી પરિણામને અસર કરશે.

અને કારણ કે સલામતી બિંદુઓ પદ્ધતિનું વિશ્લેષણ ફક્ત બાહ્ય લાક્ષણિકતાઓ પરથી કરવામાં આવે છે, મલ્ટિ-લિંકમાં ચોક્કસ ભૂલ છે. તે સલામતી બિંદુ પદ્ધતિના ગણતરી સૂત્ર પરથી જોઈ શકાય છે, અને બેટરીની પ્રારંભિક શક્તિ ગણતરીના પરિણામોની ચોકસાઈ પર મોટી અસર કરે છે. વર્તમાન માપનની ચોકસાઈ સુધારવા માટે, સામાન્ય રીતે ઉચ્ચ પ્રદર્શન વર્તમાન સેન્સર માપવામાં આવે છે, પરંતુ આમાં વધારો કરવામાં આવે છે.

આ માટે, ઘણા વિદ્વાનોએ ઓપન સર્કિટ વોલ્ટેજ પદ્ધતિ લાગુ કરી જ્યારે એપ્લિકેશન સલામતી અભિન્ન પદ્ધતિ, બંને સાથે જોડીને. બેટરીની પ્રારંભિક ચાર્જ સ્થિતિનો અંદાજ કાઢવા માટે ઓપન સર્કિટ વોલ્ટેજ પદ્ધતિનો ઉપયોગ કરવામાં આવે છે, અને ગણતરીની ચોકસાઈ સુધારવા માટે સંકલિત કરેક્શન પદ્ધતિનો ઉપયોગ વાસ્તવિક સમયમાં થાય છે અને સુધારણા પરિબળો ઉમેરવામાં આવે છે. 4 કાલમન ફિલ્ટરિંગ પદ્ધતિ કાલમન ફિલ્ટરિંગ અલ્ગોરિધમ એ સમય ડોમેન સ્ટેટ સ્પેસ થિયરીનો ન્યૂનતમ સમકક્ષ અંદાજ છે, જે આંકડાકીય અંદાજની શ્રેણીનો છે, અને મેક્રો અવલોકન સિગ્નલ પર અવાજની અસર ઘટાડવા અને દૂર કરવાનો છે.

કોર શ્રેષ્ઠ છે. એવો અંદાજ છે કે સિસ્ટમનું ઇનપુટ પ્રિમાઈસ બેસિસ પર સ્ટેટસ વેરીએબલ્સ માટે માન્ય છે. આ અલ્ગોરિધમનો મૂળભૂત સિદ્ધાંત એ છે કે અવાજ અને સિગ્નલના સ્ટેટસ સ્પેસ મોડેલનો ઉપયોગ અલ્ગોરિધમ મોડેલ તરીકે કરવામાં આવે, જ્યારે માપવામાં આવે ત્યારે, વર્તમાન સમયનું અવલોકન કરેલ મૂલ્ય અને પાછલા સમયનું અંદાજિત મૂલ્ય, અને સ્ટેટસ ચલના અંદાજને અપડેટ કરવામાં આવે.

કર્મન ફિલ્ટરિંગ અલ્ગોરિધમ લિથિયમ આયન બેટરી ચાર્જ સ્થિતિના નોંધપાત્રતાની આગાહી કરે છે, અને પ્રારંભિક આગાહીના મૂલ્યને સુધારવા માટે માપેલા વોલ્ટેજ મૂલ્યનો ઉપયોગ કરે છે. કાલમેન ફિલ્ટરિંગ પદ્ધતિનો ફાયદો એ છે કે કમ્પ્યુટર ડેટાના રીઅલ-ટાઇમ ઓપરેશનલ પ્રોસેસિંગ માટે યોગ્ય છે, વિશાળ એપ્લિકેશન શ્રેણી છે, નોનલાઇનર સિસ્ટમ્સ માટે ઉપયોગ કરી શકાય છે, અને ડ્રાઇવિંગ દરમિયાન ઇલેક્ટ્રિક વાહનોના ચાર્જ સ્ટેટ અનુમાન પર સારી અસર કરે છે. કાલમેન ફિલ્ટરિંગ પદ્ધતિનો ગેરલાભ એ છે કે બેટરી મોડેલની ચોકસાઈ આશ્રિત છે, અલ્ગોરિધમ આગાહી પરિણામોની ચોકસાઈ અને ચોકસાઈ સુધારવા માટે, વિશ્વસનીય બેટરી મોડેલ સ્થાપિત કરો.

વધુમાં, કાલમેન ફિલ્ટરિંગ પદ્ધતિનું અલ્ગોરિધમ વધુ જટિલ છે, તેથી તેની ગણતરીની રકમ પ્રમાણમાં મોટી છે, અને તેમાં ઓપરેટરનું ઉચ્ચ પ્રદર્શન છે. 5 ન્યુરલ નેટવર્કના ન્યુરોલોજીકલ નેટવર્કનો હેતુ સમાંતર રચના અને મજબૂત શીખવાની ક્ષમતા દ્વારા માનવ બુદ્ધિ વર્તનનું અનુકરણ કરવાનો છે, ડેટા અભિવ્યક્તિ મેળવવા માટે, અને બાહ્ય રીતે ઉત્તેજિત થાય ત્યારે અનુરૂપ આઉટપુટ પ્રતિભાવ આપી શકે છે, અને સારું નોન-લીનિયર મેપિંગ બનાવી શકે છે. લિથિયમ આયન બેટરીની સ્થિતિ પર લાગુ કરવામાં આવતી ન્યુરલ નેટવર્ક પદ્ધતિનો સિદ્ધાંત આ છે: બાહ્ય ડેટા જેમ કે મોટી સંખ્યામાં અનુરૂપ વોલ્ટેજ, પ્રવાહો અને બેટરીના ચાર્જ સ્ટેટ ડેટાનો ઉપયોગ તાલીમ નમૂના તરીકે થાય છે, અને ન્યુરલ નેટવર્કમાં જ માહિતીની આગળની દિશા તરીકે થાય છે.

જ્યારે આગાહી કરેલ ચાર્જ સ્થિતિ ડિઝાઇન આવશ્યકતાઓની ભૂલ શ્રેણી સુધી પહોંચે છે, ત્યારે બેટરીના ચાર્જ સ્થિતિ આગાહી મૂલ્ય મેળવવા માટે નવો ડેટા દાખલ કરીને, પ્રચાર અને ભૂલ સ્થાનાંતરણનું વિપરીત પ્રચાર વારંવાર તાલીમ અને ફેરફાર દ્વારા થાય છે. ન્યુરલ નેટવર્ક પદ્ધતિનો ફાયદો વિવિધ બેટરીઓની સકારાત્મક સ્થિતિનો અંદાજ લગાવીને અંદાજ લગાવી શકાય છે. તે વ્યાપકપણે લાગુ પડે છે.

ચોક્કસ ગાણિતિક મોડેલ સ્થાપિત કરશો નહીં. બેટરીમાં જટિલ રાસાયણિક ફેરફારોને ધ્યાનમાં ન લો, ફક્ત યોગ્ય નમૂના પસંદ કરો, અને વધુ સારા ન્યુરલ નેટવર્ક મોડેલ સ્થાપિત કરો, વધુ નમૂના ડેટા, તેના અંદાજની ચોકસાઈ એટલી જ વધારે; કોઈપણ સમયે બેટરીની ચાર્જ સ્થિતિ નક્કી કરવી શક્ય છે. ન્યુરલ નેટવર્ક પદ્ધતિનો ગેરલાભ એ છે કે ડેટા નમૂનાઓની ચોકસાઈ, નમૂના ક્ષમતા અને નમૂના વિતરણ, નમૂના ક્ષમતા, અને નમૂના વિતરણ અને તાલીમ પદ્ધતિઓ બેટરીની બેટરી પર ખૂબ પ્રભાવિત થાય છે.

ત્રીજું, આ પેપરનો સારાંશ આપીને, ઘણા મહત્વપૂર્ણ લિથિયમ-આયન બેટરી ચાર્જની વર્તમાન આગાહી પદ્ધતિનો સરળ પરિચય આપીએ છીએ, અને તેમના સંબંધિત ફાયદા અને ગેરફાયદાનું વિગતવાર વિશ્લેષણ કરીએ છીએ. હાલમાં, એકીકરણ પદ્ધતિ હજુ પણ સૌથી વધુ ઉપયોગમાં લેવાતી હકારાત્મક સ્થિતિ આગાહી પદ્ધતિ છે. જોકે, સેફ્ટી પોઈન્ટના સેફ્ટી પોઈન્ટની મર્યાદાઓને કારણે, તે ઘણીવાર ઓપન સર્કિટ વોલ્ટેજ જેવી અન્ય પદ્ધતિઓ અને લિથિયમ-આયન બેટરીના પ્રારંભિક ચાર્જનું પરીક્ષણ કરવા માટે અન્ય પદ્ધતિઓ દ્વારા પૂર્ણ થાય છે.

વિકાસના વલણોના પરિપ્રેક્ષ્યમાં, લિથિયમ-આયન બેટરીની ચાર્જ્ડ સ્થિતિની આગાહી માટેના પરિબળો વધુને વધુ વ્યાપક બની રહ્યા છે, અને ઉપયોગમાં લેવાતી આગાહી પદ્ધતિઓ ઘણીવાર ઘણી પદ્ધતિઓનો વ્યાપક ઉપયોગ હોય છે, જે આગાહી પરિણામોને વધુ સચોટ બનાવે છે. વધુમાં, તે હાલમાં લિથિયમ-આયન બેટરીના સમકક્ષ સર્કિટ મોડેલનો વિકાસ કરી રહ્યું છે, જે વાસ્તવિકની વધુ નજીક છે, જેથી ચાર્જ થયેલ વીજળીની આગાહીની ચોકસાઈ વધુ સારી બને.