Usporedba metoda predviđanja za usporedbu metoda predviđanja stanja punjenja litijskih baterija (SOC).

ଲେଖକ: ଆଇଫ୍ଲୋପାୱାର - Mpamatsy tobin-jiro portable

Prvo, stanje napunjenosti (SOC) što znači da je SOC stanje napunjenosti, odnosi se na stanje napunjenosti baterije. Iz različitih kutova, poput struje, energije itd., SOC ima niz različitih značenja.

SOC Američke federacije naprednih baterija (USABC) naširoko je korišten, naime omjer nazivnog kapaciteta pod preostalom snagom i istim uvjetima pri određenoj stopi pražnjenja. Odgovarajuća formula za izračun je: qm, maksimalni kapacitet pražnjenja kada je baterija ispražnjena prema konstantnoj struji I; Q (in) je u T vremenu, baterija oslobađa bateriju ispod baterije ispod baterije. Drugo, metoda predviđanja stanja napunjenosti litij-ionske baterije Stanje napunjenosti litij-ionske baterije jedan je od važnih parametara sustava upravljanja baterijom, ali i osnova za strategiju kontrole punjenja i pražnjenja cijelog automobila i rada ravnoteže baterije.

Međutim, zbog složenosti same litij-ionske baterije, njezino razoreno stanje nije moguće dobiti izravnim mjerenjem, već samo prema određenim vanjskim karakteristikama baterije, kao što su unutarnji otpor baterije, napon otvorenog kruga, temperatura, struja itd. povezani parametri, korištenje povezanih parametara. Karakteristična krivulja ili formula za izračun za dovršetak rada na predviđanju stanja napunjenosti.

Procjena stanja napunjenosti litij-ionske baterije je nelinearna. Trenutačno je uobičajena metoda važna za eksperiment pražnjenja, metodu napona otvorenog kruga, sigurnosne točke, metodu Kalmanova filtriranja, metodu neuronske mreže itd. 1. Načelo eksperimentalne metode ispitivanja pražnjenja je da baterija bude u stanju neprekidnog pražnjenja pri konstantnoj struji, izračunajte količinu ispražnjenja kada pražnjenje stigne do graničnog napona.

Vrijednost prethodne obrade konstantne vrijednosti struje i vrijeme pražnjenja koje se koristi kada se vrijednost snage pražnjenja isprazni. Eksperimentalna metoda 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 točnost procjene relativno visoka.

Nedostatak je također naglašen: ne može se puniti i zauzimati veliku količinu vremena mjerenja, a kada je mjerenje pražnjenja, baterija se mora prekinuti, tako da se baterija postavi offline, tako da se ne može mjeriti online. Baterija električnog automobila u vožnji je radila u radnom stanju, a njena struja pražnjenja nije konstantna, ova metoda nije primjenjiva. Međutim, eksperimentalna metoda pražnjenja može se koristiti u određivanju remonta baterije i modela parametara.

2 Metoda napona otvorenog kruga Baterija je relativno stabilna nakon dugo vremena, a funkcionalni odnos između napona otvorenog kruga i stanja napunjenosti baterije također je relativno stabilan. Ako želite dobiti 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 napona otvorenog kruga je jednostavan rad, jednostavno mjerenje kontrolne krivulje vrijednosti napona otvaranja kako bi se dobila vrijednost stanja napunjenosti.

Međutim, postoje mnogi nedostaci: Prije svega, kako bi se dobile točne vrijednosti, napon baterije mora biti relativno stabilan, ali se bateriji često dopušta da stoji dugo vremena, tako da zahtjevi za praćenje u stvarnom 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 Integral Law ne uzima u obzir korištenje unutrašnjosti baterije, prema određenim vanjskim značajkama sustava, kao što su struja, vrijeme, temperaturna kompenzacija itd., integriranjem vremena i struje, ponekad se dodaje određena kompenzacija. Faktor se izračunava kako bi se izračunala ukupna količina energije koja istječe iz baterije kako bi se procijenilo stanje napunjenosti baterije. Trenutačno se vrijeme rada naširoko koristi u sustavima upravljanja baterijama.

Formula izračuna metode sigurnosnih točaka 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 Cullenov koeficijent učinkovitosti, koji predstavlja rasipanje snage baterije unutar baterije tijekom procesa punjenja i pražnjenja, koji se općenito temelji na povećanju i faktoru korekcije temperature pražnjenja punjenja. Prednost sigurnosnog integralnog zakona je u tome što su ograničenja same baterije relativno mala, metoda izračuna je jednostavna, pouzdana i može izvršiti procjenu stanja napunjenosti baterije u stvarnom vremenu. Nedostatak je taj što, budući da se sigurnosna metoda mjerenja otkriva u upravljanju, ako točnost prikupljanja struje nije visoka, dano početno stanje napunjenosti ima određenu pogrešku, s produljenjem vremena rada sustava, pogreška će se postupno akumulirati, čime će utjecati na rezultat predviđanja stanja napunjenosti.

A budući da se metoda sigurnosnih točaka analizira samo s vanjskih karakteristika, postoji određena pogreška u multilinku. Iz formule za izračun metode sigurnosnih točaka vidljivo je da početna snaga baterije ima veliki utjecaj na točnost rezultata izračuna. Kako bi se poboljšala točnost mjerenja struje, obično se mjere strujni senzori visokih performansi, ali to se povećava.

U tu su svrhu mnogi znanstvenici primijenili metodu napona otvorenog kruga dok su metodu sigurnosnog integrala primijenili u kombinaciji s obje metode. Metoda napona otvorenog kruga koristi se za procjenu početnog stanja napunjenosti baterije, a metoda integrirane korekcije koristi se u stvarnom vremenu i dodaje faktore korekcije za poboljšanje točnosti izračuna. 4 Kalmanova metoda filtriranja Kalmanov algoritam filtriranja je minimalna ekvivalentna procjena teorije prostora stanja vremenske domene, koja pripada kategoriji statističke estimacije, a makro je smanjiti i eliminirati utjecaj šuma na signal promatranja.

Jezgra je najbolja. Procjenjuje se da je unos sustava valjan za statusne varijable na osnovi premise. Osnovno načelo ovog algoritma je korištenje modela statusnog prostora buke i signala kao modela algoritma, kada se mjeri, promatrana vrijednost trenutnog vremena i procijenjena vrijednost prethodnog vremena, te ažurira procjena statusne varijable.

Karmanov algoritam filtriranja predviđa značajno stanje napunjenosti litij-ionske baterije i koristi izmjerenu vrijednost napona za ispravljanje vrijednosti preliminarnog predviđanja. Prednost Kalmanove metode filtriranja je u tome što je računalo pogodno za operativnu obradu podataka u stvarnom vremenu, širok raspon primjene, može se koristiti za nelinearne sustave, te ima dobar učinak na predviđanje stanja napunjenosti električnih vozila tijekom vožnje. Nedostatak Kalmanove metode filtriranja je da točnost modela baterije ovisi, kako bi se poboljšala točnost i točnost rezultata algoritma predviđanja, uspostavite pouzdan model baterije.

Osim toga, algoritam Kalmanove metode filtriranja je kompliciraniji, tako da je njegova količina izračuna relativno velika, a ima i visoke performanse operatora. 5 Svrha neurološke mreže neuronske mreže je oponašanje ponašanja ljudske inteligencije, kroz paralelnu strukturu i snažnu sposobnost učenja za dobivanje izraza podataka, i može dati odgovarajući izlazni odgovor kada je izvana pobuđen, i napraviti dobro nelinearno mapiranje. Načelo metode neuronske mreže primijenjeno na stanje litij-ionske 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 prema naprijed informacije u samoj neuronskoj mreži.

Obrnuto širenje propagacije i prijenos pogreške ponovljeno osposobljavanje i modifikacija, kada predviđeno stanje napunjenosti dosegne raspon pogreške prema zahtjevima dizajna, unosom novih podataka kako bi se dobila vrijednost 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 više podataka o uzorku, to je veća točnost njegove procjene; moguće je u svakom trenutku utvrditi napunjenost baterije. Nedostatak metode neuronske mreže je taj što točnost, kapacitet uzorka i distribucija uzoraka uzoraka podataka, kapacitet uzorka, distribucija uzorka i metode obuke pod velikim utjecajem na bateriju baterije.

Treće, sažimajući ovaj rad za jednostavan uvod u trenutnu metodu predviđanja nekoliko važnih napunjenosti litij-ionske baterije, te detaljno analizira njihove prednosti i nedostatke. Trenutno je metoda integracije još uvijek najprimjenjivanija metoda predviđanja pozitivnog stanja. Međutim, zbog ograničenja sigurnosnih točaka sigurnosne točke, često se dovršava drugim metodama kao što su naponi otvorenog kruga i druge metode za testiranje početnog punjenja litij-ionske baterije.

Iz perspektive razvojnih trendova, čimbenici za predviđanje stanja napunjenosti litij-ionske baterije sve su opsežniji, a korištene metode predviđanja često su sveobuhvatna primjena nekoliko metoda, što rezultate predviđanja čini točnijim. Štoviše, trenutno razvija model ekvivalentnog kruga litij-ionske baterije, koji je bliži stvarnom, tako da je točnost predviđanja napunjene električne energije dodatno poboljšana.