लिथियम बॅटरी चार्जिंगसाठी भाकित पद्धतींची तुलना चार्ज स्थिती (SOC) भाकित पद्धतीची तुलना

ଲେଖକ: ଆଇଫ୍ଲୋପାୱାର - Onye na-ebubata ọdụ ọkụ nwere ike ibugharị

प्रथम, चार्ज स्टेट (SOC) म्हणजे SOC म्हणजे चार्ज स्टेट, बॅटरीच्या चार्ज स्टेटचा संदर्भ देते. वीज, ऊर्जा इत्यादी वेगवेगळ्या दृष्टिकोनातून, SOC चे वेगवेगळे अर्थ आहेत.

यूएस अॅडव्हान्स्ड बॅटरी फेडरेशन (USABC) च्या SOC चा मोठ्या प्रमाणावर वापर केला गेला आहे, म्हणजे उर्वरित पॉवर अंतर्गत रेट केलेल्या क्षमतेचे गुणोत्तर आणि विशिष्ट डिस्चार्ज दरावर समान परिस्थिती. संबंधित गणना सूत्र आहे: qm, स्थिर प्रवाह I नुसार बॅटरी डिस्चार्ज झाल्यावर जास्तीत जास्त डिस्चार्ज क्षमता; Q (in) हा T वेळेत असतो, बॅटरी बॅटरीखाली बॅटरी सोडते. दुसरे म्हणजे, लिथियम-आयन बॅटरी चार्ज स्थिती अंदाज पद्धत लिथियम आयन बॅटरीची चार्ज स्थिती ही बॅटरी व्यवस्थापन प्रणालीच्या महत्त्वाच्या पॅरामीटर्सपैकी एक आहे, परंतु संपूर्ण कार आणि बॅटरी समतोल कार्याच्या चार्ज आणि डिस्चार्ज नियंत्रण धोरणाचा आधार देखील आहे.

तथापि, लिथियम-आयन बॅटरीच्या गुंतागुंतीमुळे, तिची फाटलेली स्थिती थेट मोजमापाने मिळवता येत नाही, फक्त बॅटरीच्या काही बाह्य वैशिष्ट्यांनुसार, जसे की बॅटरीचा अंतर्गत प्रतिकार, ओपन सर्किट व्होल्टेज, तापमान, विद्युत प्रवाह इ. संबंधित पॅरामीटर्स वापरून, संबंधित पॅरामीटर्स. चार्जच्या स्थितीवर भाकित करण्याचे काम पूर्ण करण्यासाठी वैशिष्ट्यपूर्ण वक्र किंवा गणना सूत्र.

लिथियम-आयन बॅटरीचा चार्ज स्टेट अंदाज नॉन-लाइनर आहे. सध्या, डिस्चार्ज प्रयोग, ओपन सर्किट व्होल्टेज पद्धत, सुरक्षा बिंदू, कालमन फिल्टरिंग पद्धत, न्यूरल नेटवर्क पद्धत इत्यादींसाठी सध्याची सामान्य पद्धत महत्त्वाची आहे. १ डिस्चार्ज प्रायोगिक डिस्चार्ज चाचणी पद्धतीचे तत्व म्हणजे बॅटरीला स्थिर प्रवाहावर अखंड डिस्चार्ज स्थितीत ठेवणे, डिस्चार्ज कटऑफ व्होल्टेजवर आल्यावर डिस्चार्जची रक्कम मोजणे.

स्थिर विद्युत प्रवाह मूल्याचे पूर्व-उपचार मूल्य आणि डिस्चार्ज पॉवर मूल्य डिस्चार्ज झाल्यावर वापरलेला डिस्चार्ज वेळ. डिस्चार्ज प्रयोग पद्धत अनेकदा प्रयोगशाळेच्या परिस्थितीत बॅटरीच्या चार्ज स्थितीचा अंदाज लावते आणि अनेक बॅटरी उत्पादक बॅटरीची चाचणी घेण्यासाठी डिस्चार्ज पद्धत देखील वापरतात. त्याचा महत्त्वाचा फायदा म्हणजे ही पद्धत सोपी आहे आणि अंदाजाची अचूकता तुलनेने जास्त आहे.

तोटा देखील अधोरेखित केला आहे: लोड करता येत नाही, आणि मोठ्या प्रमाणात मापन वेळ लागतो, आणि डिस्चार्ज मापन करताना, बॅटरीमध्ये व्यत्यय आणणे आवश्यक आहे, जेणेकरून बॅटरी ऑफलाइन ठेवली जाईल, म्हणून ती ऑनलाइन मोजता येणार नाही. गाडी चालवताना इलेक्ट्रिक कारची बॅटरी कार्यरत स्थितीत कार्यरत आहे आणि तिचा डिस्चार्ज करंट स्थिर नाही, ही पद्धत लागू नाही. तथापि, बॅटरी ओव्हरहॉल आणि पॅरामीटर मॉडेल निश्चित करण्यासाठी डिस्चार्ज प्रयोग पद्धत वापरली जाऊ शकते.

२ ओपन-सर्किट व्होल्टेज पद्धत बॅटरी बराच काळ टिकल्यानंतर तुलनेने स्थिर असते आणि ओपन सर्किट व्होल्टेज आणि बॅटरी-चार्ज केलेल्या स्थितीमधील कार्यात्मक संबंध देखील तुलनेने स्थिर असतो. जर तुम्हाला बॅटरीची चार्ज स्टेट व्हॅल्यू मिळवायची असेल, तर तुम्हाला फक्त बॅटरीच्या दोन्ही टोकांवर ओपन सर्किट व्होल्टेज मोजावे लागेल आणि OCV-SOC वक्र विरुद्ध संबंधित माहिती मिळवावी लागेल. ओपन सर्किट व्होल्टेज पद्धतीचा फायदा म्हणजे सोपे ऑपरेट करणे, फक्त चार्ज स्टेट व्हॅल्यू मिळविण्यासाठी ओपनिंग व्होल्टेज व्हॅल्यू कंट्रोल वैशिष्ट्यपूर्ण वक्र नकाशा मोजणे.

तथापि, त्यात अनेक कमतरता आहेत: सर्वप्रथम, अचूक मूल्ये मिळविण्यासाठी, बॅटरी व्होल्टेज तुलनेने स्थिर स्थितीत आणणे आवश्यक आहे, परंतु बॅटरीला बर्‍याचदा बराच काळ उभे राहण्याची परवानगी दिली जाते, ज्यामुळे रिअल-टाइम मॉनिटरिंग आवश्यकता पूर्ण होऊ शकत नाहीत. इलेक्ट्रिक कार बराच वेळ पार्किंग. जेव्हा बॅटरीचा चार्जिंग रेशो वेगळा असतो, तेव्हा विद्युत प्रवाहातील चढउतार बॅटरी उघडण्याच्या व्होल्टेजमध्ये बदल करतात, त्यामुळे बॅटरी पॅकचा ओपन सर्किट व्होल्टेज विसंगत असतो, ज्यामुळे अंदाजित उर्वरित पॉवर आणि बॅटरीची वास्तविक उर्वरित पॉवरमध्ये मोठे विचलन होते.

3 AmateThe Points France Integral Law बॅटरीच्या आतील भागाचा वापर विचारात घेत नाही, सिस्टमच्या काही बाह्य वैशिष्ट्यांनुसार, जसे की करंट, वेळ, तापमान भरपाई, इत्यादी, वेळ आणि करंट एकत्रित करून, कधीकधी काही भरपाई जोडा. बॅटरीच्या चार्ज स्थितीचा अंदाज घेण्यासाठी बॅटरीमधून बाहेर पडणाऱ्या एकूण उर्जेची गणना करण्यासाठी घटक मोजला जातो. सध्या, बॅटरी व्यवस्थापन प्रणालींमध्ये ऑपरेशनचा वेळ मोठ्या प्रमाणात वापरला जातो.

सुरक्षा बिंदू पद्धतीचे गणना सूत्र खालीलप्रमाणे आहे: सूत्र, SOC0 हे बॅटरी चार्ज स्थितीचे प्रारंभिक विद्युत मूल्य आहे; CE ही बॅटरीची रेट केलेली क्षमता आहे; i (t) हा T वेळी बॅटरीचा चार्ज आणि डिस्चार्ज करंट आहे; T हा चार्ज आणि डिस्चार्ज वेळ आहे; η हा चार्ज आणि डिस्चार्ज रेट गुणांक आहे आणि त्याला कलेन कार्यक्षमता गुणांक म्हणतात, जो चार्ज आणि डिस्चार्ज प्रक्रियेदरम्यान बॅटरीच्या आत बॅटरीच्या पॉवर डिसिपेशनचे प्रतिनिधित्व करतो, जो सामान्यतः चार्जिंग डिस्चार्जच्या वाढीव आणि तापमान सुधारणा घटकावर आधारित असतो. सुरक्षा अविभाज्य कायद्याचा फायदा असा आहे की बॅटरीच्या मर्यादा तुलनेने कमी आहेत, गणना पद्धत सोपी, विश्वासार्ह आहे आणि बॅटरीच्या चार्ज स्थितीचा रिअल-टाइम अंदाज लावू शकते. तोटा असा आहे की नियंत्रणात सुरक्षा मीटरिंग पद्धत आढळल्यामुळे, जर विद्युत प्रवाहाची संकलन अचूकता जास्त नसेल, तर दिलेल्या प्रारंभिक चार्ज स्थितीत एक विशिष्ट त्रुटी असते, सिस्टम रन टाइमच्या विस्तारासह, त्रुटी हळूहळू जमा होईल, त्यामुळे चार्ज स्थितीच्या अंदाज परिणामावर परिणाम होईल.

आणि सुरक्षा बिंदू पद्धतीचे विश्लेषण केवळ बाह्य वैशिष्ट्यांवरून केले जात असल्याने, मल्टी-लिंकमध्ये एक विशिष्ट त्रुटी आहे. हे सेफ्टी पॉइंट्स पद्धतीच्या गणना सूत्रावरून दिसून येते आणि बॅटरीच्या सुरुवातीच्या पॉवरचा गणना निकालांच्या अचूकतेवर मोठा परिणाम होतो. वर्तमान मापनाची अचूकता सुधारण्यासाठी, उच्च कार्यक्षमता असलेले वर्तमान सेन्सर सहसा मोजले जातात, परंतु ते वाढवले ​​जाते.

यासाठी, अनेक विद्वानांनी ओपन सर्किट व्होल्टेज पद्धत लागू केली तर अॅप्लिकेशन सेफ्टी इंटिग्रल पद्धत, दोन्हीसह एकत्रित केली. बॅटरीच्या सुरुवातीच्या चार्ज स्थितीचा अंदाज घेण्यासाठी ओपन सर्किट व्होल्टेज पद्धत वापरली जाते आणि एकात्मिक सुधारणा पद्धत रिअल टाइममध्ये वापरली जाते आणि गणना अचूकता सुधारण्यासाठी सुधारणा घटक जोडतात. ४ कालमन फिल्टरिंग पद्धत कालमन फिल्टरिंग अल्गोरिदम हा टाइम डोमेन स्टेट स्पेस थिअरीचा किमान समतुल्य अंदाज आहे, जो सांख्यिकीय अंदाजाच्या श्रेणीशी संबंधित आहे आणि मॅक्रो म्हणजे निरीक्षण सिग्नलवरील आवाजाचा प्रभाव कमी करणे आणि दूर करणे.

गाभा सर्वोत्तम आहे. असा अंदाज आहे की सिस्टमचे इनपुट प्रीमिस बेसिसवर स्टेटस व्हेरिअबल्ससाठी वैध आहे. या अल्गोरिथमचे मूलभूत तत्व म्हणजे ध्वनी आणि सिग्नलच्या स्टेटस स्पेस मॉडेलचा अल्गोरिथम मॉडेल म्हणून वापर करणे, मोजमाप करताना, वर्तमान वेळेचे निरीक्षण केलेले मूल्य आणि मागील वेळेचे अंदाजे मूल्य आणि स्टेटस व्हेरिअबलचा अंदाज अद्यतनित करणे.

कार्मन फिल्टरिंग अल्गोरिथम लिथियम आयन बॅटरी चार्ज स्थितीचे प्रमाण अंदाज लावतो आणि प्राथमिक अंदाजाचे मूल्य दुरुस्त करण्यासाठी मोजलेल्या व्होल्टेज मूल्याचा वापर करतो. कालमन फिल्टरिंग पद्धतीचा फायदा असा आहे की संगणक डेटाच्या रिअल-टाइम ऑपरेशनल प्रोसेसिंगसाठी योग्य आहे, विस्तृत अनुप्रयोग श्रेणी आहे, नॉनलाइनर सिस्टमसाठी वापरता येते आणि ड्रायव्हिंग दरम्यान इलेक्ट्रिक वाहनांच्या चार्ज स्टेट प्रेडिक्शनवर चांगला परिणाम करते. कालमन फिल्टरिंग पद्धतीचा तोटा असा आहे की बॅटरी मॉडेलची अचूकता अवलंबून असते, अल्गोरिथम अंदाज निकालांची अचूकता आणि अचूकता सुधारण्यासाठी, एक विश्वासार्ह बॅटरी मॉडेल स्थापित करा.

याव्यतिरिक्त, कालमन फिल्टरिंग पद्धतीचा अल्गोरिदम अधिक क्लिष्ट आहे, म्हणून त्याची गणना रक्कम तुलनेने मोठी आहे आणि ऑपरेटरची कार्यक्षमता उच्च आहे. ५ न्यूरल नेटवर्कच्या न्यूरोलॉजिकल नेटवर्कचा उद्देश मानवी बुद्धिमत्तेच्या वर्तनाचे अनुकरण करणे, समांतर रचना आणि डेटा अभिव्यक्ती मिळविण्यासाठी मजबूत शिक्षण क्षमतेद्वारे, आणि बाह्यरित्या उत्तेजित झाल्यावर संबंधित आउटपुट प्रतिसाद देऊ शकतो आणि चांगले नॉन-लिनियर मॅपिंग बनवू शकतो. लिथियम आयन बॅटरीच्या स्थितीवर लागू केलेल्या न्यूरल नेटवर्क पद्धतीचे तत्व असे आहे: मोठ्या संख्येने संबंधित व्होल्टेज, करंट आणि बॅटरीचा चार्ज स्टेट डेटा यासारख्या बाह्य डेटाचा वापर प्रशिक्षण नमुना म्हणून केला जातो आणि न्यूरल नेटवर्कमधील माहितीची पुढील दिशा दर्शविली जाते.

बॅटरीचे चार्ज स्टेट प्रेडिक्शन व्हॅल्यू मिळविण्यासाठी नवीन डेटा प्रविष्ट करून, अंदाजित चार्ज स्टेट प्रेडिक्शन व्हॅल्यू मिळवताना, प्रसार आणि त्रुटी हस्तांतरणाचे रिव्हर्स प्रसार पुनरावृत्ती प्रशिक्षण आणि सुधारणा करते. विविध बॅटरीजच्या सकारात्मक स्थितीचा अंदाज घेण्यासाठी न्यूरल नेटवर्क पद्धतीचा फायदा घेता येतो. ते व्यापकपणे लागू आहे.

विशिष्ट गणितीय मॉडेल स्थापित करू नका. बॅटरीमधील जटिल रासायनिक बदलांचा विचार करू नका, फक्त योग्य नमुना निवडा आणि चांगले न्यूरल नेटवर्क मॉडेल स्थापित करा, जितका जास्त नमुना डेटा असेल तितका त्याच्या अंदाजाची अचूकता जास्त असेल; बॅटरीची चार्ज स्थिती कधीही निश्चित करणे शक्य आहे. न्यूरल नेटवर्क पद्धतीचा तोटा असा आहे की डेटा नमुन्यांची अचूकता, नमुना क्षमता आणि नमुना वितरण, नमुना क्षमता आणि नमुना वितरण आणि प्रशिक्षण पद्धती बॅटरीच्या बॅटरीवर खूप प्रभावित होतात.

तिसरे, अनेक महत्त्वाच्या लिथियम-आयन बॅटरी चार्जेसच्या सध्याच्या भाकित पद्धतीची सोपी ओळख करून देण्यासाठी या पेपरचा सारांश देणे आणि त्यांचे संबंधित फायदे आणि तोटे तपशीलवार विश्लेषण करणे. सध्या, एकात्मता पद्धत ही सर्वात जास्त वापरली जाणारी सकारात्मक स्थिती भाकित करण्याची पद्धत आहे. तथापि, सुरक्षा बिंदूच्या सुरक्षा बिंदूंच्या मर्यादांमुळे, लिथियम-आयन बॅटरीच्या सुरुवातीच्या चार्जची चाचणी घेण्यासाठी ते बहुतेकदा ओपन सर्किट व्होल्टेज आणि इतर पद्धतींसारख्या इतर पद्धतींनी पूर्ण केले जाते.

विकासाच्या ट्रेंडच्या दृष्टिकोनातून, लिथियम-आयन बॅटरीच्या चार्ज केलेल्या स्थितीचा अंदाज लावण्याचे घटक अधिकाधिक व्यापक होत आहेत आणि वापरल्या जाणाऱ्या भाकित पद्धती बहुतेकदा अनेक पद्धतींचा व्यापक वापर असतात, ज्यामुळे अंदाज परिणाम अधिक अचूक होतात. शिवाय, ते सध्या लिथियम-आयन बॅटरीचे समतुल्य सर्किट मॉडेल विकसित करत आहे, जे वास्तविकच्या जवळ आहे, जेणेकरून चार्ज केलेल्या विजेची अंदाज अचूकता आणखी सुधारेल.