डायनॅमिक बॅटरी एसओसी अंदाज पद्धत?

Tác giả ：Iflowpower – Добављач преносних електрана

बॅटरी तंत्रज्ञानाच्या विकासापासून, SOC चा अंदाज लावण्यासाठी अनेक प्रकारच्या पद्धती वापरल्या गेल्या आहेत. फक्त पारंपारिक विद्युत प्रवाह एकात्मिक पद्धती, बॅटरी अंतर्गत प्रतिकार, डिस्चार्ज चाचणी पद्धती, ओपन सर्किट व्होल्टेज पद्धती, लोड व्होल्टेज आणि अधिक नाविन्यपूर्ण कालमन फिल्टरिंग पद्धती आहेत. फजी लॉजिकल थिअरी आणि न्यूरल नेटवर्किंग इ.

बॅटरी व्यवस्थापन प्रणालीच्या क्षेत्रात सध्या ही एक सामान्य SOC अंदाज पद्धत आहे आणि त्याचा सारांश म्हणजे बॅटरीच्या SOC चा अंदाज लावणे, वीज जमा करून किंवा डिस्चार्ज करून जमा करून किंवा डिस्चार्ज करून. त्याच वेळी, डिस्चार्ज रेट आणि बॅटरी तापमानानुसार. अंदाजे SOC साठी एक विशिष्ट भरपाई.

जर बॅटरी चार्ज आणि डिस्चार्जच्या सुरुवातीच्या स्थितीत असताना SOCT0 म्हणून परिभाषित केली असेल, तर T नंतर बॅटरीची उर्वरित क्षमता SOC असेल: q, Q ही बॅटरी रेट केलेली क्षमता आहे आणि N ही चार्ज आणि डिस्चार्ज कार्यक्षमता आहे, ज्याला कूलॉम्ब कार्यक्षमता देखील म्हणतात, त्याचे मूल्य बॅटरी चार्ज आणि डिस्चार्ज दर निश्चित केला जातो, I हा T चा करंट आहे. सध्याची एकात्मिक पद्धत इतर SOC अंदाज पद्धतींपेक्षा तुलनेने सोपी आणि विश्वासार्ह आहे आणि बॅटरीचे SOC मूल्य गतिमानपणे अंदाजित केले जाऊ शकते, म्हणून ती मोठ्या प्रमाणावर वापरली जाते. तथापि, या पद्धतीला दोन मर्यादा देखील आहेत: एक, करंट इंटिग्रल पद्धतीसाठी बॅटरीचे प्रारंभिक SOC मूल्य आगाऊ आवश्यक असते आणि अंदाज त्रुटी शक्य तितकी लहान करण्यासाठी बॅटरीमध्ये किंवा बाहेर वाहणारा करंट अचूकपणे गोळा केला जातो; दुसरे, ही पद्धत केवळ बॅटरीच्या बाह्य वैशिष्ट्यावर आधारित आहे आणि बॅटरी स्व-डिस्चार्ज दर, वृद्धत्वाची डिग्री आणि बॅटरी SOC चे चार्ज आणि डिस्चार्ज गुणोत्तर काही प्रमाणात दुर्लक्षित केले जाते.

दीर्घकालीन वापरामुळे मापन त्रुटी वाढू शकते, म्हणून संबंधित सुधारणा गुणांकांचा परिचय करून देणे आवश्यक आहे. संचय त्रुटी दुरुस्त करा. (२) डिस्चार्ज चाचणी पद्धत डिस्चार्ज चाचणी पद्धत म्हणजे बॅटरीच्या कटऑफ व्होल्टेजपर्यंत सतत स्थिर विद्युत प्रवाह डिस्चार्ज करणे, या डिस्चार्ज प्रक्रियेद्वारे वापरल्या जाणाऱ्या वेळेला डिस्चार्ज करंटच्या आकार मूल्याने, म्हणजेच बॅटरीच्या उर्वरित क्षमतेने गुणाकार करणे. ही पद्धत सामान्यतः बॅटरी SOC च्या कॅलिब्रेशन पद्धती म्हणून किंवा बॅटरीच्या उशिरा देखभालीसाठी वापरली जाते आणि ती तुलनेने सोपी, विश्वासार्ह आहे आणि बॅटरी SOC मूल्य जाणून घेतल्याशिवाय परिणाम तुलनेने अचूक असतो.

सर्व प्रभावीपणे. तथापि, डिस्चार्ज चाचणी पद्धतीमध्ये दोन कमतरता आहेत: पहिली, या पद्धतीच्या चाचणी प्रक्रियेला बराच वेळ लागतो; दुसरी, ही पद्धत वापरताना, इलेक्ट्रिक वाहनातून लक्ष्य बॅटरी काढून टाकणे आवश्यक आहे, त्यामुळे ही पद्धत कार्यरत स्थितीत पॉवर बॅटरी मोजण्यासाठी वापरली जाऊ शकत नाही. (३) ओपन सर्किट व्होल्टेज पद्धत बॅटरीच्या ओपनिंग व्होल्टेज आणि OCVOTAGE, OCV) आणि बॅटरीच्या अंतर्गत लिथियम आयन एकाग्रतेमधील बदल संबंधांवर आधारित आहे आणि अप्रत्यक्षपणे ती आणि बॅटरी SOC मधील संबंधित संबंधांशी जुळते.

प्रत्यक्ष ऑपरेशन करताना, बॅटरी एका निश्चित डिस्चार्ज रेशोने (सामान्यत: 1c) भरल्यानंतर डिस्चार्ज थांबेपर्यंत बॅटरी डिस्चार्ज करणे आवश्यक आहे आणि डिस्चार्ज प्रक्रियेनुसार OCV आणि SOC मधील संबंध प्राप्त होतो. जेव्हा बॅटरी प्रत्यक्ष कार्यरत स्थितीत असते, तेव्हा बॅटरीच्या दोन्ही टोकांवरील व्होल्टेज मूल्यानुसार OCV-SoC रिलेशनल टेबल शोधून सध्याचा बॅटरी SOC मिळवता येतो. जरी ही पद्धत विविध बॅटरीसाठी प्रभावी असली तरी, त्यात स्वतःचे दोष देखील आहेत: प्रथम, OCV मोजण्यापूर्वी लक्ष्य बॅटरीला 1 तासापेक्षा जास्त वेळ उभे राहण्याची परवानगी दिली पाहिजे, ज्यामुळे स्थिर एंड व्होल्टेज मिळविण्यासाठी बॅटरीमधील अंतर्गत इलेक्ट्रोलाइट समान रीतीने वितरित केले पाहिजे; दुसरे म्हणजे, बॅटरी वेगवेगळ्या तापमानांवर असते किंवा वेगवेगळ्या आयुष्यादरम्यान, जरी ओपन सर्किट समान असले तरी, प्रत्यक्षात SOC भिन्न असू शकते आणि या पद्धतीचा दीर्घकालीन वापर केल्यास मापन परिणाम पूर्णपणे अचूक असण्याची हमी दिली जात नाही.

म्हणून, ओपन सर्किट व्होल्टेज पद्धत ही डिस्चार्ज चाचणी पद्धतीसारखीच आहे, चालू बॅटरीच्या SOC अंदाजावर लागू होत नाही. (४) कालमन फिल्टरिंग पद्धत कालमन फिल्टरिंग पद्धत ही एक नवीन प्रकारची ऑप्टिमाइझ केलेली स्व-प्रतिगमन डेटा आहे जी १९६० च्या दशकात "लिनियर फिल्टरिंग आणि फोरकास्टिंग थिअरीच्या नवीन उपलब्धी" मध्ये फिल्टर केली गेली होती. अल्गोरिदम.

अल्गोरिथमचा सार असा आहे की जटिल गतिमान प्रणालीची स्थिती किमान सरासरीच्या तत्त्वानुसार जटिल गतिमान प्रणालीच्या स्थितीसाठी अनुकूलित केली जाऊ शकते. कालमन फिल्टरिंग पद्धतीमध्ये नॉन-लिनियर डायनॅमिक सिस्टीम सिस्टमच्या स्टेट स्पेस मॉडेलमध्ये रेषीय असतील. प्रत्यक्ष अनुप्रयोगात, सिस्टम वर्तमान वेळेच्या निरीक्षण केलेल्या मूल्यासह अद्यतनित केली जाते, त्यानंतर वर्तमान वेळेचे निरीक्षण केलेले मूल्य येते.

"अंदाज - मापन - दुरुस्त" मोड, सिस्टमचे विचलन आणि हस्तक्षेप यादृच्छिकपणे दूर करतो. जेव्हा पॉवरट्रेनच्या SOC चा अंदाज कालमन फिल्टरिंग पद्धतीने लावला जातो, तेव्हा बॅटरी पॉवर सिस्टमच्या स्वरूपात स्टेट स्पेस मॉडेलमध्ये रूपांतरित होते आणि SOC मॉडेलच्या आत स्टेट व्हेरिएबल बनते. स्थापित प्रणाली ही एक रेषीय स्वतंत्र प्रणाली आहे.

कालमन फिल्टरिंग पद्धत केवळ सिस्टमच्या सुरुवातीच्या त्रुटी दुरुस्त करत नाही तर ती सिस्टमचा आवाज प्रभावीपणे दाबू शकते, म्हणून ऑपरेशन परिस्थितीत इलेक्ट्रिक वाहन पॉवर बॅटरीच्या SOC अंदाजात एक महत्त्वपूर्ण अनुप्रयोग मूल्य आहे. तथापि, या पद्धतीमध्ये दोन-बिंदू दोष देखील आहेत: एक, कालमन फिल्टरिंग पद्धत अंदाज करते की SOC ची अचूकता मुख्यत्वे बॅटरी मॉडेलच्या अचूकतेवर अवलंबून असते, कार्यरत वैशिष्ट्ये स्वतःच अत्यंत नॉन-लिनियर पॉवर बॅटरी असतात, कालमन फिल्टरिंग पद्धतीमध्ये रेषीयकरणानंतर, कोणतीही त्रुटी नसणे अपरिहार्य आहे आणि जर मॉडेल स्थापित केले गेले तर अंदाजे निकाल आवश्यकपणे विश्वसनीय नसतो; दुसरे, समाविष्ट पद्धत खूप गुंतागुंतीची आहे, गणनाची रक्कम अत्यंत मोठी आहे आणि गणना केलेला कालावधी जास्त आहे आणि हार्डवेअर कामगिरी आवश्यकता आहेत. (५) न्यूरल नेटवर्क पद्धत न्यूरल नेटवर्क पद्धत ही मानवी मेंदू आणि त्याच्या न्यूरॉनच्या अॅनालॉगसारखी आहे जी नॉनलाइनर सिस्टमसाठी नवीन प्रकारच्या अल्गोरिथमशी व्यवहार करण्यासाठी वापरली जाते.

त्यासाठी बॅटरीच्या अंतर्गत संरचनेचा सखोल अभ्यास करण्याची आवश्यकता नाही, फक्त लक्ष्यित बॅटरीमधून मोठ्या प्रमाणात कार्यरत वैशिष्ट्ये आगाऊ काढणे आवश्यक आहे. आउटपुट नमुन्यातील रनमध्ये SOC मूल्य प्रविष्ट करा आणि ते पद्धती वापरून स्थापित केलेल्या सिस्टममध्ये इनपुट करा. नंतरच्या प्रक्रियेत ही पद्धत तुलनेने सोपी आहे, म्हणजेच, बॅटरी मॉडेलला रेषीय बनवण्यासाठी कालमन फिल्टरिंग पद्धतीतील त्रुटी प्रभावीपणे टाळता येते आणि रिअल टाइममध्ये बॅटरीचे डायनॅमिक पॅरामीटर्स मिळवता येतात.

तथापि, न्यूरल नेटवर्क पद्धतीचा प्री-वर्किंग व्हॉल्यूम तुलनेने मोठा आहे आणि सिस्टमला प्रशिक्षित करण्यासाठी मोठ्या संख्येने अधिक आणि व्यापक लक्ष्य नमुना डेटा आवश्यक आहे. डेटा आणि प्रशिक्षण प्रशिक्षणाची पद्धत मोठ्या प्रमाणात SOC च्या अंदाज अचूकतेवर परिणाम करत आहे. याव्यतिरिक्त, बॅटरी तापमान, स्व-डिस्चार्ज रेशो आणि बॅटरी वृद्धत्वाच्या जटिल क्रियेअंतर्गत, ही पद्धत दीर्घकाळासाठी एकाच बॅटरीच्या SOC मूल्याचा अंदाज घेण्यासाठी वापरली जाते आणि त्याची अचूकता देखील मोठी सवलत असेल.

म्हणून, पॉवर बॅटरीच्या SOC अंदाजाच्या कामात ही पद्धत फारशी सामान्य नाही.