A lítium akkumulátor töltési állapotának (SOC) előrejelzési módszereinek összehasonlítása

2022/04/08

Szerző: Iflowpower –Hordozható erőmű szállítója

Először is, a töltési állapot (SOC), ami azt jelenti, hogy az SOC töltési állapot, az akkumulátor töltöttségi állapotára vonatkozik.. Különböző szögekből, például elektromosság, energia stb., az SOC-nak sokféle jelentése van.

Az US Advanced Battery Federation (USABC) SOC-ját széles körben alkalmazzák, nevezetesen a névleges kapacitás arányát a fennmaradó teljesítmény és az azonos feltételek mellett bizonyos kisülési sebesség mellett.. A megfelelő számítási képlet a következő: qm, a maximális kisütési kapacitás, amikor az akkumulátor lemerül az állandó I áramerősség szerint; Q (in) a T időben van, az akkumulátor kioldja az akkumulátort az akkumulátor alatti elem alatt. Másodszor, a lítium-ion akkumulátor töltöttségi állapotának előrejelzési módszere A lítium-ion akkumulátor töltöttségi állapota az akkumulátor menedzsment rendszer egyik fontos paramétere, de egyben az egész autó töltés- és kisütés-szabályozási stratégiájának alapja is, valamint az akkumulátor egyensúlyi munkája..

Azonban magának a lítium-ion akkumulátornak a bonyolultsága miatt szakadt állapotát nem lehet közvetlen méréssel megállapítani, csak az akkumulátor bizonyos külső jellemzői alapján, mint például az akkumulátor belső ellenállása, a nyitott áramköri feszültség, hőmérséklet, áram stb. kapcsolódó paraméterek, kapcsolódó paraméterek használatával. Jellemző görbe vagy számítási képlet a töltöttségi állapot előrejelzésének befejezéséhez.

A lítium-ion akkumulátor töltési állapotának becslése nem lineáris. Jelenleg a jelenleg elterjedt módszer a kisülési kísérlet, a nyitott áramköri feszültség módszer, a biztonsági pontok, a Kálmán szűrési módszer, a neurális hálózati módszer stb.. 1 A kisülési kísérleti kisülési vizsgálati módszer elve az, hogy az akkumulátort állandó áram mellett folyamatosan kisülési állapotba hozzuk, és kiszámítjuk a kisülés mértékét, amikor a kisülés a zárófeszültségre érkezik.

Az állandó áramérték előkezelési értéke és a kisülési teljesítmény értékének kisütésekor alkalmazott kisülési idő. A kisütési kísérleti módszer gyakran megbecsüli az akkumulátor töltöttségi állapotát laboratóriumi körülmények között, és sok akkumulátorgyártó is használja a kisütési módszert az akkumulátor tesztelésére. Jelentős előnye, hogy a módszer egyszerű, és a becslési pontosság viszonylag nagy.

A hátrányt is kiemelik: nem tölthető, és a nagy mérési idő lefoglalásához, valamint a lemerülésmérésnél az akkumulátort meg kell szakítani, így az akkumulátor offline állapotba kerül, így nem lehet online mérni.. Az elektromos autó akkumulátora vezetés közben működőképes állapotban volt, kisütőárama nem állandó, ez a módszer nem alkalmazható. A kisütési kísérleti módszer azonban felhasználható az akkumulátor nagyjavításának és paramétermodelljének meghatározásában.

2 Nyitott áramköri feszültség módszer Az akkumulátor hosszú idő után viszonylag stabil, és a nyitott áramköri feszültség és az akkumulátor töltött állapota közötti funkcionális kapcsolat is viszonylag stabil. Ha meg akarja kapni az akkumulátor töltöttségi állapotát, akkor csak meg kell mérnie a szakadási feszültséget az akkumulátor mindkét végén, és meg kell szereznie a megfelelő információt az OCV-SOC görbével szemben.. A nyitott áramköri feszültség módszer előnye az egyszerű működés, egyszerűen meg kell mérni a nyitófeszültség érték szabályozási jelleggörbe térképét a töltési állapot értékének meghatározásához.

Ennek azonban számos hiányossága van: Először is, hogy pontos értékeket kapjon, viszonylag stabil állapotba kell hoznia az akkumulátor feszültségét, de az akkumulátort gyakran hagyják sokáig állni, hogy a valós idejű felügyelet követelmények nem teljesíthetők. Elektromos autó hosszú parkolás. Ha az akkumulátor töltési aránya eltérő, mivel az áramingadozások megváltoztatják az akkumulátor nyitási feszültségét, az akkumulátor egység nyitott áramköri feszültsége inkonzisztens, így a becsült maradék teljesítmény és az akkumulátor tényleges maradékteljesítménye nagy eltérést mutat..

3 AmateThe Points France Integral Law nem veszi figyelembe az akkumulátor belsejének használatát a rendszer bizonyos külső jellemzői szerint, mint például az áramerősség, az idő, a hőmérséklet-kompenzáció stb.., az idő és az áram integrálásával, néha adjon hozzá némi kompenzációt A tényező kiszámítása az akkumulátorból kiáramló teljes energiamennyiség kiszámításához az akkumulátor töltöttségi állapotának becsléséhez. Jelenleg a működési időt széles körben használják az akkumulátor-kezelő rendszerekben.

A biztonsági pontok módszerének számítási képlete a következő: Képlet, SOC0 az akkumulátor töltöttségi állapotának kezdeti elektromos értéke; CE az akkumulátor névleges kapacitása; i (t) az akkumulátor töltő- és kisütési árama T időpontban; T a töltési és kisütési idő; η a töltési és kisütési sebességi együttható, és ezt Cullen hatékonysági együtthatónak nevezik, amely az akkumulátor energiadisszipációját jelenti az akkumulátor belsejében a töltési és kisütési folyamat során, amely általában a töltési kisütés nagyításán és hőmérséklet-korrekciós tényezőjén alapul.. A biztonsági integrál törvény előnye, hogy magának az akkumulátornak a korlátai viszonylag kicsik, a számítási módszer egyszerű, megbízható, és valós idejű becslést tud végezni az akkumulátor töltöttségi állapotáról. Hátránya, hogy a biztonsági mérési módszer észlelése miatt a vezérlésben, ha az áram gyűjtési pontossága nem nagy, akkor az adott kezdeti töltési állapotban van bizonyos hiba, a rendszer futási idejének meghosszabbodásával a hiba fokozatosan felhalmozódik. , így befolyásolja a töltési állapot előrejelzési eredményét.

És mivel a biztonsági pontok módszerét csak a külső jellemzők alapján elemezzük, a multi-linkben van egy bizonyos hiba. A biztonsági pont módszer számítási képletéből kiderül, és az akkumulátor kezdeti teljesítménye nagyban befolyásolja a számítási eredmények pontosságát. Az árammérés pontosságának javítása érdekében általában nagy teljesítményű áramérzékelőket mérnek, de ezt növelik.

Ebből a célból sok tudós nyitott áramköri feszültség módszert alkalmazott, míg az alkalmazás biztonsági integrál módszerét, kombinálva mindkettővel.. A nyitott áramköri feszültség módszert használják az akkumulátor kezdeti töltési állapotának becslésére, az integrált korrekciós módszert pedig valós időben használják, és korrekciós tényezőket adnak hozzá a számítási pontosság javítása érdekében. 4 Kálmán-szűrési módszer A Kalman-szűrő algoritmus az időtartomány-állapottér-elmélet minimális ekvivalens becslése, amely a statisztikai becslések kategóriájába tartozik, és a makró célja a megfigyelési jelre gyakorolt ​​zajhatás csökkentése és megszüntetése..

A mag a legjobb. Becslések szerint a rendszer bemeneti értéke érvényes az állapotváltozókra az alapfeltevés alapján. Ennek az algoritmusnak az alapelve, hogy a zaj és jel állapottér modelljét használja algoritmusmodellként, méréskor az aktuális idő megfigyelt értékét és az előző időpont becsült értékét, valamint frissíti az állapotváltozó becslését..

A Karman szűrő algoritmus megjósolja a lítium-ion akkumulátor töltöttségi állapotának lényegét, és a mért feszültségértéket használja az előzetes becslés értékének korrigálására.. A Kálmán szűrési módszer előnye, hogy a számítógép alkalmas valós idejű adatfeldolgozásra, széles alkalmazási körrel, nemlineáris rendszerekhez használható, jó hatással van az elektromos járművek töltési állapotának előrejelzésére vezetés közben.. A Kálmán szűrési módszer hátránya, hogy az akkumulátor modell pontossága függ, az algoritmus előrejelzési eredményeinek pontosságának és pontosságának javítása érdekében megbízható akkumulátor modellt kell létrehozni..

Ráadásul a Kálmán szűrési módszer algoritmusa bonyolultabb, így a számítási mennyisége viszonylag nagy, és az operátor teljesítménye is nagy.. 5 A neurális hálózat neurológiai hálózatának célja az emberi intelligencia viselkedésének utánzása, párhuzamos struktúrán és erős tanulási képességen keresztül az adatok kifejezésének megszerzéséhez, és megfelelő kimeneti választ adhat külső izgalomra, és jó nem-lineáris leképezést készíthet.. A neurális hálózat módszerének elve a lítium-ion akkumulátor állapotára a következő: a külső adatok, például a nagyszámú megfelelő feszültség, áram és az akkumulátor töltöttségi állapotának adatait használják betanítási mintaként, és az előre az információ iránya magában a neurális hálózatban.

A terjedés és a hibaátvitel visszafelé terjedése ismételt betanítás és módosítás, amikor az előre jelzett töltési állapot eléri a tervezési követelmények hibatartományát, új adatok megadásával, hogy megkapjuk az akkumulátor töltöttségi állapotának előrejelzési értékét. A neurális hálózati módszer előnye becsülhető a különböző akkumulátorok pozitív állapotának becslésében. Széles körben alkalmazható.

Ne hozzon létre konkrét matematikai modellt. Ne vegye figyelembe az akkumulátor komplex kémiai változásait, csak válassza ki a megfelelő mintát, és hozzon létre jobb neurális hálózati modellt, minél több mintaadat, annál pontosabb a becslés; bármikor meg lehet határozni az akkumulátor töltöttségi állapotát. A neurális hálózati módszer hátránya, hogy az adatminták pontossága, mintakapacitása és mintaeloszlása, a mintakapacitás, valamint a mintaelosztási és betanítási módszerek nagymértékben befolyásolják az akkumulátor akkumulátorát..

Harmadszor, összefoglalja ezt a cikket, hogy egyszerű bevezetést nyújtson a számos fontos lítium-ion akkumulátortöltés jelenlegi előrejelzési módszerébe, és részletesen elemzi azok előnyeit és hátrányait.. Jelenleg még mindig az integrációs módszer a leggyakrabban alkalmazott pozitív állapot előrejelzési módszer. A biztonsági pont biztonsági pontjainak korlátai miatt azonban gyakran más módszerekkel, például nyitott áramköri feszültségekkel és más módszerekkel egészítik ki a lítium-ion akkumulátor kezdeti töltésének tesztelését..

A fejlődési trendek szempontjából a lítium-ion akkumulátor töltöttségi állapotának előrejelzésére szolgáló tényezők egyre átfogóbbak, és az alkalmazott előrejelzési módszerek gyakran több módszer átfogó alkalmazásai, pontosabbá téve az előrejelzési eredményeket.. Ezenkívül jelenleg a lítium-ion akkumulátor ekvivalens áramköri modelljét fejleszti, amely közelebb áll a ténylegeshez, így a feltöltött elektromosság előrejelzési pontossága tovább javul..

LÉPJEN KAPCSOLATBA VELÜNK
Csak mondd el nekünk az Ön igényeit, többet tehetünk, mint amit el tudunk képzelni.
Küldje el a lekérdezést
Chat with Us

Küldje el a lekérdezést

Válasszon másik nyelvet
English
العربية
Deutsch
Español
français
italiano
日本語
한국어
Português
русский
简体中文
繁體中文
Afrikaans
አማርኛ
Azərbaycan
Беларуская
български
বাংলা
Bosanski
Català
Sugbuanon
Corsu
čeština
Cymraeg
dansk
Ελληνικά
Esperanto
Eesti
Euskara
فارسی
Suomi
Frysk
Gaeilgenah
Gàidhlig
Galego
ગુજરાતી
Hausa
Ōlelo Hawaiʻi
हिन्दी
Hmong
Hrvatski
Kreyòl ayisyen
Magyar
հայերեն
bahasa Indonesia
Igbo
Íslenska
עִברִית
Basa Jawa
ქართველი
Қазақ Тілі
ខ្មែរ
ಕನ್ನಡ
Kurdî (Kurmancî)
Кыргызча
Latin
Lëtzebuergesch
ລາວ
lietuvių
latviešu valoda‎
Malagasy
Maori
Македонски
മലയാളം
Монгол
मराठी
Bahasa Melayu
Maltese
ဗမာ
नेपाली
Nederlands
norsk
Chicheŵa
ਪੰਜਾਬੀ
Polski
پښتو
Română
سنڌي
සිංහල
Slovenčina
Slovenščina
Faasamoa
Shona
Af Soomaali
Shqip
Српски
Sesotho
Sundanese
svenska
Kiswahili
தமிழ்
తెలుగు
Точики
ภาษาไทย
Pilipino
Türkçe
Українська
اردو
O'zbek
Tiếng Việt
Xhosa
יידיש
èdè Yorùbá
Zulu
Aktuális nyelv:Magyar