დინამიური ბატარეის SOC შეფასების მეთოდი?

Awdur: Iflowpower - Mofani oa Seteishene sa Motlakase se nkehang

ბატარეის ტექნოლოგიის შემუშავების შემდეგ, SOC-ის შესაფასებლად გამოყენებული მრავალი მეთოდი უკვე არსებობს. არსებობს მხოლოდ ტრადიციული დენის ინტეგრირებული მეთოდები, ბატარეის შიდა წინააღმდეგობა, გამონადენის ტესტის მეთოდები, ღია წრედის ძაბვის მეთოდები, დატვირთვის ძაბვები და უფრო ინოვაციური კალმანის ფილტრაციის მეთოდები. ბუნდოვანი ლოგიკური თეორია და ნერვული ქსელი და ა.შ.

ამჟამად ეს არის ერთ-ერთი ყველაზე გავრცელებული SOC შეფასების მეთოდი ბატარეის მართვის სისტემის სფეროში და არსი არის ბატარეის SOC-ის შეფასება ელექტროენერგიის დაგროვებით ან განმუხტვით დაგროვებით ან განმუხტვით დაგროვებით ან განმუხტვით. ამავე დროს, გამონადენის სიჩქარისა და ბატარეის ტემპერატურის მიხედვით. გარკვეული კომპენსაცია სავარაუდო SOC.

თუ ბატარეა განისაზღვრება როგორც SOCT0, როდესაც ბატარეა თავდაპირველია დამუხტვისა და გამორთვის საწყის მდგომარეობაში, მაშინ ბატარეის დარჩენილი სიმძლავრე SOC T-ის შემდეგ არის: q, Q არის ბატარეის ნომინალური სიმძლავრე და N არის დამუხტვის და გამონადენის ეფექტურობა, რომელსაც ასევე უწოდებენ კულონის ეფექტურობას, მისი მნიშვნელობა ბატარეის დატენვისა და განმუხტვის სიჩქარე განისაზღვრება, I არის T დენი. ამჟამინდელი ინტეგრირებული მეთოდი შედარებით მარტივი და საიმედოა, ვიდრე სხვა SOC შეფასების მეთოდები და ბატარეის SOC ღირებულება შეიძლება დინამიურად შეფასდეს, ამიტომ იგი ფართოდ გამოიყენება. თუმცა, ამ მეთოდს ასევე აქვს ორი შეზღუდვა: ერთი, მიმდინარე ინტეგრალური მეთოდი მოითხოვს ბატარეის საწყის SOC მნიშვნელობას წინასწარ და ზუსტად აგროვებს დენს, რომელიც მიედინება ან გამოდის ბატარეაში, რათა შეფასების შეცდომა იყოს რაც შეიძლება მცირე; მეორე, ეს მეთოდი დაფუძნებულია მხოლოდ ბატარეის გარე მახასიათებლებზე და ბატარეის თვითდამუხტვის სიჩქარე, დაბერების ხარისხი და ბატარეის SOC-ის დამუხტვისა და განმუხტვის თანაფარდობა გარკვეულწილად იგნორირებულია.

ხანგრძლივმა გამოყენებამ ასევე შეიძლება გამოიწვიოს გაზომვის შეცდომის გაფართოება, ამიტომ აუცილებელია შესაბამისი კორექტირების კოეფიციენტების დაგროვების სწორი შეცდომების დანერგვა. (2) განმუხტვის ტესტის მეთოდი გამონადენის ტესტის მეთოდი არის უწყვეტი მუდმივი დენის გამონადენი ბატარეის გამორთვის ძაბვამდე, გავამრავლოთ ამ განმუხტვის პროცესის მიერ გამოყენებული დრო გამონადენი დენის ზომაზე, ანუ ბატარეის დარჩენილი სიმძლავრეზე. მეთოდი ზოგადად იყენებს ამ მეთოდს, როგორც ბატარეის SOC-ის კალიბრაციის მეთოდს ან ბატარეის გვიან შენარჩუნებაში, და შედარებით მარტივი, საიმედოა და შედეგი შედარებით ზუსტია ბატარეის SOC მნიშვნელობის ცოდნის გარეშე.

ყველა ეფექტურად. თუმცა, გამონადენის ტესტის მეთოდს ორი ნაკლი აქვს: ჯერ ერთი, ამ მეთოდის ტესტირების პროცესს დიდი დრო სჭირდება; მეორეც, ამ მეთოდის გამოყენებისას აუცილებელია სამიზნე ბატარეის ამოღება ელექტრო სატრანსპორტო საშუალებიდან, ამიტომ მეთოდის გამოყენება შეუძლებელია ელექტრო ბატარეის მუშა მდგომარეობაში გამოსათვლელად. (3) ღია მიკროსქემის ძაბვის მეთოდი ეფუძნება ცვლილებას ბატარეის გახსნის ძაბვასა და OCVOTAGE, OCV) და ბატარეის შიდა ლითიუმის იონების კონცენტრაციას შორის და ირიბად ერგება შესაბამის ურთიერთობას მასსა და ბატარეის SOC-ს შორის.

ფაქტობრივი მუშაობისას აუცილებელია ბატარეის დაცლა მას შემდეგ, რაც ბატარეა შეივსება ფიქსირებული გამონადენის კოეფიციენტით (ზოგადად 1c), სანამ გამონადენი არ შეჩერდება და OCV-სა და SOC-ს შორის კავშირი არ მიიღება განმუხტვის პროცესის მიხედვით. როდესაც ბატარეა რეალურ სამუშაო მდგომარეობაშია, ბატარეის მიმდინარე SOC შეიძლება მიღებულ იქნეს OCV-SoC ურთიერთობის ცხრილის მოძიებით ბატარეის ორივე ბოლოში ძაბვის მნიშვნელობის მიხედვით. მიუხედავად იმისა, რომ მეთოდი ეფექტურია სხვადასხვა ბატარეებისთვის, მას ასევე აქვს საკუთარი თავის დეფექტები: პირველი, სამიზნე ბატარეას უნდა მიეცეს საშუალება 1 სთ-ზე მეტი გაჩერდეს OCV-ის გაზომვამდე, რითაც ერთნაირად ანაწილებს შიდა ელექტროლიტს ბატარეაში სტაბილური ბოლო ძაბვის მისაღებად; მეორეც, ბატარეა არის სხვადასხვა ტემპერატურაზე ან სხვადასხვა სიცოცხლის განმავლობაში, თუმცა ღია წრე იგივეა, რეალურად SOC შეიძლება განსხვავდებოდეს და გაზომვის შედეგი გარანტირებული არ არის ამ მეთოდის გრძელვადიანი გამოყენების სრულიად ზუსტი.

აქედან გამომდინარე, ღია მიკროსქემის ძაბვის მეთოდი იგივეა, რაც გამონადენის ტესტის მეთოდი, არ ვრცელდება გაშვებული ბატარეის SOC-ის შეფასებაზე. (4) კალმანის ფილტრაციის მეთოდი KALMAN ფილტრაციის მეთოდი არის ახალი ტიპის ოპტიმიზებული თვითრეგრესიული მონაცემები, რომელიც გაფილტრულია 1960-იან წლებში "წრფივი ფილტრაციისა და პროგნოზირების თეორიის ახალ მიღწევებში". ალგორითმი.

ალგორითმის არსი მდგომარეობს იმაში, რომ რთული დინამიური სისტემის მდგომარეობა შეიძლება იყოს ოპტიმიზირებული რთული დინამიური სისტემის მდგომარეობისთვის მინიმალური მნიშვნელობების პრინციპის მიხედვით. არაწრფივი დინამიური სისტემები წრფივი იქნება სისტემის მდგომარეობის სივრცის მოდელში კალმანის ფილტრაციის მეთოდით. ფაქტობრივი განაცხადისას, სისტემა განახლდება მიმდინარე დროის დაკვირვებული მნიშვნელობით, რასაც მოჰყვება მიმდინარე დროის დაკვირვებული მნიშვნელობა.

"პროგნოზი - გაზომვა - შესწორებული" რეჟიმი, აღმოფხვრის სისტემის შემთხვევითი გადახრას და ჩარევას. როდესაც ელექტროგადამცემის SOC ფასდება კალმანის ფილტრაციის მეთოდით, ბატარეა გარდაიქმნება სახელმწიფო სივრცის მოდელად ენერგეტიკული სისტემის სახით და SOC ხდება მდგომარეობის ცვლადი მოდელის შიგნით. ჩამოყალიბებული სისტემა არის ხაზოვანი დისკრეტული სისტემა.

ვინაიდან კალმანის ფილტრაციის მეთოდი არა მხოლოდ ასწორებს სისტემის თავდაპირველ შეცდომას, მას შეუძლია ეფექტურად ჩაახშოს სისტემის ხმაური, ამიტომ არის მნიშვნელოვანი აპლიკაციის მნიშვნელობა ელექტრო ავტომობილის სიმძლავრის ბატარეების SOC შეფასებაში ექსპლუატაციის პირობებში. თუმცა, მეთოდს ასევე აქვს ორპუნქტიანი ხარვეზები: ერთი, კალმანის ფილტრაციის მეთოდი აფასებს SOC-ის სიზუსტეს დიდწილად დამოკიდებულია ბატარეის მოდელის სიზუსტეზე, სამუშაო მახასიათებლები თავისთავად არის ძალზე არაწრფივი დენის ბატარეა, კალმანის ფილტრაციის მეთოდით წრფივიზაციის შემდეგ, გარდაუვალია, რომ არ იყოს შეცდომა, და თუ მოდელი დადგინდა, სავარაუდო სანდო შედეგი არ არის საჭირო; მეორე, ჩართული მეთოდი ძალიან რთულია, გაანგარიშების ოდენობა უკიდურესად დიდია და გამოთვლილი გაანგარიშების პერიოდი უფრო გრძელია და ტექნიკის შესრულების მოთხოვნები. (5) ნერვული ქსელის მეთოდი ნერვული ქსელის მეთოდი არის ანალოგური ადამიანის ტვინი და მისი ნეირონი, რომელიც გამოიყენება არაწრფივი სისტემების ახალი ტიპის ალგორითმისთვის.

ის არ საჭიროებს ბატარეის შიდა სტრუქტურის სიღრმისეულ კვლევას, უბრალოდ წინასწარ ამოიღეთ სამიზნე ბატარეიდან სამუშაო მახასიათებლების დიდი რაოდენობა. შეიყვანეთ SOC მნიშვნელობა გამომავალი ნიმუშიდან გაშვებისას და შეიყვანეთ იგი მეთოდის გამოყენებით შექმნილ სისტემაში. მეთოდი შედარებით მარტივია შემდგომ დამუშავებაში, ანუ მას შეუძლია ეფექტურად აიცილოს კალმანის ფილტრაციის მეთოდის შეცდომა, რათა ბატარეის მოდელი გახდეს ხაზოვანი და შეუძლია ბატარეის დინამიური პარამეტრების რეალურ დროში მიღება.

თუმცა, ნერვული ქსელის მეთოდის წინასწარი სამუშაო მოცულობა შედარებით დიდია და სისტემის მომზადებისთვის საჭიროა მეტი და ყოვლისმომცველი სამიზნე ნიმუშის მონაცემები. ტრენინგის მონაცემებისა და ტრენინგის მეთოდი დიდ გავლენას ახდენს SOC-ის შეფასების სიზუსტეზე. გარდა ამისა, ბატარეის ტემპერატურის, თვითდამუხტვის კოეფიციენტისა და ბატარეის დაბერების კომპლექსური მოქმედების პირობებში, მეთოდი გამოიყენება ერთი და იგივე ბატარეების SOC მნიშვნელობის შესაფასებლად დიდი ხნის განმავლობაში და მისი სიზუსტე ასევე დიდი ფასდაკლება იქნება.

აქედან გამომდინარე, ეს მეთოდი არ არის ძალიან გავრცელებული კვების ბატარეის SOC შეფასების სამუშაოებში.