လီသီယမ်ဘက်ထရီအားသွင်းမှုအခြေအနေ (SOC) အားသွင်းမှုအတွက် ခန့်မှန်းနည်းလမ်းများကို နှိုင်းယှဉ်ခြင်း။

ଲେଖକ: ଆଇଫ୍ଲୋପାୱାର - Lieferant von tragbaren Kraftwerken

ပထမဦးစွာ၊ SOC ဆိုသည်မှာ အားသွင်းသည့်အခြေအနေ (SOC) ဟု အဓိပ္ပာယ်ရပြီး ဘက်ထရီ၏ အားသွင်းမှုအခြေအနေကို ရည်ညွှန်းသည်။ လျှပ်စစ်၊ စွမ်းအင်စသည်ဖြင့် မတူညီသောရှုထောင့်များမှ SOC တွင် အဓိပ္ပါယ်အမျိုးမျိုးရှိသည်။

US Advanced Battery Federation (USABC) ၏ SOC ကို ကျယ်ကျယ်ပြန့်ပြန့် အသုံးပြုခဲ့ပြီး၊ ဆိုလိုသည်မှာ ကျန်ရှိသော ပါဝါအောက်ရှိ အဆင့်သတ်မှတ်ထားသော စွမ်းရည်အချိုးနှင့် တူညီသော အခြေအနေများတွင် အချို့သော အားသွင်းနှုန်းမှာ တူညီပါသည်။ ဆက်စပ်တွက်ချက်မှုဖော်မြူလာမှာ- qm၊ စဉ်ဆက်မပြတ်လက်ရှိ I အရ ဘက်ထရီအား ထုတ်လွှတ်လိုက်သောအခါ အမြင့်ဆုံးထုတ်လွှတ်နိုင်မှုပမာဏ။ Q (in) သည် T time ဖြစ်ပြီး ဘက်ထရီသည် ဘက်ထရီအောက်ဘက်ထရီအောက်ဘက်ထရီကို ထုတ်လွှတ်သည်။ ဒုတိယအချက်၊ လီသီယမ်-အိုင်းယွန်းဘက်ထရီအားသွင်းမှုအခြေအနေ ခန့်မှန်းနည်း လီသီယမ်အိုင်းယွန်းဘက်ထရီ၏အားသွင်းမှုအခြေအနေသည် ဘက်ထရီစီမံခန့်ခွဲမှုစနစ်၏အရေးကြီးသောဘောင်များထဲမှတစ်ခုဖြစ်ပြီး ကားတစ်စီးလုံးနှင့်ဘက်ထရီမျှခြေလုပ်ဆောင်မှု၏ အားသွင်းခြင်းနှင့်အထွက်ထိန်းချုပ်မှုဗျူဟာအတွက် အခြေခံလည်းဖြစ်သည်။

သို့သော်၊ လီသီယမ်-အိုင်းယွန်းဘက်ထရီကိုယ်တိုင်၏ ရှုပ်ထွေးမှုကြောင့်၊ ဘက်ထရီ၏အတွင်းပိုင်းခံနိုင်ရည်၊ အဖွင့်ပတ်လမ်းဗို့အား၊ အပူချိန်၊ လျှပ်စီးကြောင်းစသည်ဖြင့် ဘက်ထရီ၏ ပြင်ပသွင်ပြင်လက္ခဏာများအတိုင်းသာ ၎င်း၏စုတ်ပြဲနေသောအခြေအနေကို တိုက်ရိုက်တိုင်းတာ၍မရနိုင်ပါ။ ဆက်စပ်ဘောင်များ၊ ဆက်စပ်ဘောင်များကို အသုံးပြုခြင်း။ အခကြေးငွေအခြေအနေအပေါ် ခန့်မှန်းခြင်းလုပ်ငန်းကို အပြီးသတ်ရန် အသွင်အပြင်မျဉ်းကွေး သို့မဟုတ် တွက်ချက်မှုဖော်မြူလာ။

လစ်သီယမ်-အိုင်းယွန်းဘက်ထရီ၏ အားသွင်းမှုအခြေအနေ ခန့်မှန်းချက်သည် မျဉ်းမဖြောင့်ပါ။ လက်ရှိတွင်၊ လက်ရှိတွင် အသုံးများသောနည်းလမ်းသည် စမ်းသပ်မှုအား ထုတ်လွှတ်ရန် အရေးကြီးသည်၊ အဖွင့်ပတ်လမ်းဗို့အားနည်းလမ်း၊ ဘေးကင်းရေးအချက်များ၊ Kalman filtering method၊ neural network method စသည်တို့ဖြစ်သည်။ 1 discharge စမ်းသပ်မှု discharge test method ၏နိယာမမှာ ဘက်ထရီအား အဆက်မပြတ် လျှပ်စီးကြောင်းဖြင့် ဘက်ထရီအား အဆက်မပြတ် စီးဆင်းစေပြီး discharge voltage သို့ရောက်ရှိသောအခါ discharge ပမာဏကို တွက်ချက်ရန်ဖြစ်သည်။

လျှပ်စီးကြောင်းတန်ဖိုး၏ စဉ်ဆက်မပြတ် လက်ရှိတန်ဖိုးနှင့် လျှပ်စီးပါဝါတန်ဖိုး ထွက်သွားသောအခါ အသုံးပြုသည့် စွန့်ထုတ်ချိန်ကို ကုသခြင်းတန်ဖိုး။ ဓာတ်ခွဲခန်းအခြေအနေများအောက်တွင် ဘက်ထရီ၏အားသွင်းမှုအခြေအနေကို ခန့်မှန်းလေ့ရှိပြီး ဘက်ထရီထုတ်လုပ်သူအများအပြားသည်လည်း ဘက်ထရီအားစမ်းသပ်ရန် စွန့်ထုတ်သည့်နည်းလမ်းကို အသုံးပြုကြသည်။ ၎င်း၏ သိသာထင်ရှားသော အားသာချက်မှာ နည်းလမ်းသည် ရိုးရှင်းပြီး ခန့်မှန်းခြေ တိကျမှုမှာ အတော်လေး မြင့်မားသည်။

အားနည်းချက်ကိုလည်း မီးမောင်းထိုးပြထားပါသည်- မတင်ဆောင်နိုင်ပါ၊ တိုင်းတာချိန်များစွာကို သိမ်းပိုက်ရန်၊ ဓာတ်အား တိုင်းတာမှုပြုလုပ်သည့်အခါ ဘက်ထရီအား ပြတ်တောက်သွားရမည်၊ ထို့ကြောင့် ဘက်ထရီအား အော့ဖ်လိုင်းချထားသောကြောင့် ၎င်းကို အွန်လိုင်းတွင် တိုင်းတာ၍မရပါ။ မောင်းနှင်နေသည့် လျှပ်စစ်ကားဘက်ထရီသည် အလုပ်လုပ်သည့်အခြေအနေတွင် အလုပ်လုပ်နေပြီး ၎င်း၏အထွက်လျှပ်စီးကြောင်းသည် အဆက်မပြတ်ဖြစ်နေသောကြောင့် ဤနည်းလမ်းကို အသုံးမပြုနိုင်ပါ။ သို့သော်၊ ဘက်ထရီပြန်လည်ပြင်ဆင်ခြင်းနှင့် ပါရာမီတာမော်ဒယ်၏ ဆုံးဖြတ်ခြင်းတွင် စွန့်ထုတ်စမ်းသပ်မှုနည်းလမ်းကို အသုံးပြုနိုင်သည်။

2 အဖွင့်ဆားကစ်ဗို့အားနည်းလမ်း ဘက်ထရီသည် အချိန်ကြာမြင့်ပြီးနောက် အတော်အတန်တည်ငြိမ်နေပြီး၊ အဖွင့်ပတ်လမ်းဗို့အားနှင့် ဘက်ထရီအားသွင်းသည့်အခြေအနေကြားတွင် လုပ်ဆောင်နိုင်သော ဆက်ဆံရေးမှာလည်း အတော်လေးတည်ငြိမ်ပါသည်။ ဘက်ထရီ၏ အားသွင်းမှု အခြေအနေတန်ဖိုးကို ရယူလိုပါက ဘက်ထရီ၏ အစွန်းနှစ်ဖက်ရှိ အဖွင့်ပတ်လမ်း ဗို့အားကို တိုင်းတာရန်နှင့် OCV-SOC မျဉ်းကွေးနှင့် သက်ဆိုင်သော အချက်အလက်ကို ရယူရန် လိုအပ်ပါသည်။ open circuit voltage method ၏ အားသာချက်မှာ charge state value ကိုရရှိရန် အဖွင့်ဗို့အားတန်ဖိုးကို ရိုးရှင်းစွာ တိုင်းတာခြင်းဖြစ်ပါသည်။

သို့သော်၊ ချို့ယွင်းချက်များစွာရှိပါသည်- ပထမဦးစွာ၊ တိကျသောတန်ဖိုးများရရန်၊ ၎င်းသည် ဘက်ထရီဗို့အားအတော်လေးတည်ငြိမ်သောအခြေအနေတွင်ပြုလုပ်ရမည်ဖြစ်ပြီး၊ သို့သော်ဘက်ထရီအား မကြာခဏအချိန်ကြာမြင့်စွာရပ်တည်နိုင်စေရန်အတွက်၊ အချိန်နှင့်တပြေးညီစောင့်ကြည့်မှုလိုအပ်ချက်များကို ကျေနပ်နိုင်မည်မဟုတ်ပေ။ လျှပ်စစ်ကား အကြာကြီး ရပ်နားထားရတယ်။ ဘက်ထရီ၏ အားသွင်းအချိုးသည် ကွဲပြားသောအခါ၊ ဘက်ထရီအဖွင့်ဗို့အား ပြောင်းလဲခြင်းကြောင့် လက်ရှိ ဘက်ထရီအဖွင့်ဗို့အား ပြောင်းလဲခြင်းကြောင့် ဘက်ထရီအိုး၏ အဖွင့်ပတ်လမ်းဗို့အား ကွဲလွဲနေသဖြင့် ခန့်မှန်းလက်ကျန်ပါဝါနှင့် ဘက်ထရီ၏ အမှန်တကယ်ကျန်ရှိသော ပါဝါတို့မှာ ကြီးမားသောသွေဖည်မှုရှိသည်။

3 AmateThe Points France Integral Law သည် စနစ်၏ ပြင်ပအင်္ဂါရပ်များဖြစ်သည့် လက်ရှိ၊ အချိန်၊ အပူချိန် လျော်ကြေးငွေ စသည်တို့အရ၊ အချိန်နှင့် လက်ရှိကို ပေါင်းစပ်ခြင်းဖြင့် တစ်ခါတစ်ရံတွင် လျော်ကြေးငွေအချို့ကို ထည့်သွင်းခြင်းဖြင့် အဆိုပါအချက်သည် ဘက်ထရီ၏ အားသွင်းမှုအခြေအနေကို ခန့်မှန်းရန် ဘက်ထရီမှထွက်သော ပါဝါစုစုပေါင်းပမာဏကို တွက်ချက်ရန် တွက်ချက်ပါသည်။ လက်ရှိတွင်၊ လည်ပတ်ချိန်အား ဘက်ထရီစီမံခန့်ခွဲမှုစနစ်များတွင် တွင်ကျယ်စွာ အသုံးပြုလျက်ရှိသည်။

ဘေးကင်းရေးအမှတ်နည်းလမ်း၏ တွက်ချက်ပုံသေနည်းမှာ အောက်ပါအတိုင်းဖြစ်သည်- ဖော်မြူလာ၊ SOC0 သည် ဘက်ထရီအားသွင်းသည့်အခြေအနေ၏ ကနဦးလျှပ်စစ်တန်ဖိုးဖြစ်သည်။ CE သည် ဘက်ထရီ၏ အဆင့်သတ်မှတ်ထားသော စွမ်းရည်ဖြစ်သည်။ i (t) သည် T အချိန်တွင် ဘက်ထရီ၏ အားသွင်းခြင်းနှင့် လျှပ်စီးကြောင်းဖြစ်သည်။ T သည် အားသွင်းချိန်နှင့် ထုတ်လွှတ်ချိန်ဖြစ်သည်။ η သည် အားသွင်းခြင်းနှင့် စွန့်ထုတ်နှုန်း ကိန်းဂဏန်းဖြစ်ပြီး၊ ၎င်းကို Cullen efficiency coefficient ဟုခေါ်သည်၊ ၎င်းသည် အားသွင်းခြင်းနှင့် ထုတ်လွှတ်ခြင်းလုပ်ငန်းစဉ်အတွင်း ဘက်ထရီအတွင်းဘက်ထရီ၏ ပါဝါကျုံ့ခြင်းကို ကိုယ်စားပြုသည့်၊ ယေဘုယျအားဖြင့် အားသွင်းအထွက်၏ ချဲ့ထွင်မှုနှင့် အပူချိန် ပြုပြင်မှုဆိုင်ရာအချက်အပေါ် အခြေခံထားသည့် အားသွင်းခြင်းနှင့် ထုတ်လွှတ်ခြင်းလုပ်ငန်းစဉ်ကို ကိုယ်စားပြုသည်။ ဘေးကင်းရေးဆိုင်ရာ ပေါင်းစပ်ဥပဒေ၏ အားသာချက်မှာ ဘက်ထရီကိုယ်တိုင်၏ ကန့်သတ်ချက်များမှာ သေးငယ်ကြောင်း၊ တွက်ချက်မှုနည်းလမ်းသည် ရိုးရှင်းပြီး ယုံကြည်စိတ်ချရပြီး ဘက်ထရီ၏ အားသွင်းမှုအခြေအနေအပေါ် အချိန်နှင့်တစ်ပြေးညီ ခန့်မှန်းလုပ်ဆောင်နိုင်ခြင်းကြောင့်ဖြစ်သည်။ အားနည်းချက်မှာ ထိန်းချုပ်မှုတွင် လုံခြုံရေးတိုင်းတာခြင်းနည်းလမ်းကို တွေ့ရှိရသောကြောင့်၊ လက်ရှိစုဆောင်းမှုတိကျမှု မမြင့်မားပါက၊ ပေးထားသော ကနဦးအားသွင်းမှုအခြေအနေတွင် အချို့သော error ရှိပြီး၊ စနစ်လည်ပတ်ချိန်ကို သက်တမ်းတိုးခြင်းဖြင့် error သည် တဖြည်းဖြည်း စုပုံလာမည်ဖြစ်ပြီး၊ ထို့ကြောင့် charge state ၏ ခန့်မှန်းရလဒ်ကို ထိခိုက်စေပါသည်။

ဘေးကင်းရေးအချက်များနည်းလမ်းကို ပြင်ပလက္ခဏာများမှသာ ခွဲခြမ်းစိတ်ဖြာထားသောကြောင့်၊ Multi-link တွင် အချို့သောအမှားအယွင်းတစ်ခုရှိသည်။ ၎င်းကို ဘေးကင်းရေးအမှတ်နည်းလမ်း၏ တွက်ချက်ပုံသေနည်းမှ တွေ့မြင်နိုင်ပြီး ဘက်ထရီ၏ ကနဦးပါဝါသည် တွက်ချက်မှုရလဒ်များ၏ တိကျမှုအပေါ် ကြီးမားသောအကျိုးသက်ရောက်မှုရှိသည်။ လက်ရှိတိုင်းတာမှု၏ တိကျမှုကို မြှင့်တင်ရန်အတွက် စွမ်းဆောင်ရည်မြင့် လက်ရှိအာရုံခံကိရိယာများကို တိုင်းတာလေ့ရှိသော်လည်း ၎င်းကို တိုးမြှင့်ထားသည်။

ဤအဆုံးသတ်ရန်အတွက် ပညာရှင်အများအပြားသည် အက်ပလီကေးရှင်းဘေးကင်းရေးဆိုင်ရာ ပေါင်းစပ်နည်းလမ်းကို နှစ်ခုလုံးနှင့်ပေါင်းစပ်ထားစဉ်တွင် အဖွင့်ပတ်လမ်းဗို့အားနည်းလမ်းကို အသုံးပြုခဲ့ကြသည်။ အဖွင့်ပတ်လမ်းဗို့အားနည်းလမ်းကို ဘက်ထရီ၏ကနဦးအားသွင်းမှုအခြေအနေကို ခန့်မှန်းရန်အသုံးပြုပြီး ပေါင်းစပ်ပြင်ဆင်ခြင်းနည်းလမ်းကို အချိန်နှင့်တပြေးညီအသုံးပြုကာ တွက်ချက်မှုတိကျမှုတိုးတက်စေရန် အမှားပြင်ဆင်ခြင်းဆိုင်ရာအချက်များထည့်ပါ။ 4 Kalman filtering method Kalman filtering algorithm သည် ကိန်းဂဏန်းခန့်မှန်းချက်အမျိုးအစားတွင်ပါရှိသော အချိန်ဒိုမိန်းပြည်နယ်အာကာသသီအိုရီ၏ အနည်းဆုံးညီမျှသော ခန့်မှန်းချက်ဖြစ်ပြီး macro သည် စောင့်ကြည့်ရေးအချက်ပြမှုအပေါ် ဆူညံသံများကို လျှော့ချရန်နှင့် ဖယ်ရှားပစ်ရန်ဖြစ်သည်။

အူတိုင်သည် အကောင်းဆုံးဖြစ်သည်။ စနစ်၏ထည့်သွင်းမှုသည် ပကတိအခြေခံပေါ်အခြေခံ၍ အခြေအနေမပြောင်းလဲနိုင်သောများအတွက် အကျုံးဝင်သည်ဟု ခန့်မှန်းရသည်။ ဤအယ်လဂိုရီသမ်၏ အခြေခံနိယာမမှာ တိုင်းတာသောအခါတွင် ဆူညံသံနှင့် အချက်ပြမှု၏ အခြေအနေနေရာမော်ဒယ်ကို အယ်လဂိုရစ်သမ်မော်ဒယ်အဖြစ် အသုံးပြုရန်၊ လက်ရှိအချိန်၏ စောင့်ကြည့်လေ့လာတန်ဖိုးနှင့် ယခင်အချိန်၏ ခန့်မှန်းတန်ဖိုးတန်ဖိုး၊ အခြေအနေကို ကိန်းရှင်၏ ခန့်မှန်းချက်ကို အပ်ဒိတ်လုပ်ရန်ဖြစ်သည်။

Karman filtering algorithm သည် လီသီယမ်အိုင်းယွန်းဘက်ထရီအားသွင်းမှုအခြေအနေ၏ ကြီးမားသောအားသွင်းမှုအခြေအနေကို ခန့်မှန်းပေးကာ ပဏာမခန့်မှန်းချက်တန်ဖိုးကို ပြုပြင်ရန်အတွက် တိုင်းတာထားသော ဗို့အားတန်ဖိုးကို အသုံးပြုသည်။ Kalman filtering method ၏ အားသာချက်မှာ ကွန်ပျူတာသည် အချိန်နှင့်တပြေးညီ လည်ပတ်နေသော အချက်အလက်များကို စီမံဆောင်ရွက်ပေးရန်၊ ကျယ်ပြန့်သော application range များအတွက် သင့်လျော်ပြီး၊ nonlinear စနစ်များအတွက် အသုံးပြုနိုင်ပြီး မောင်းနှင်နေစဉ်အတွင်း လျှပ်စစ်ကားများ၏ အားသွင်းမှုအခြေအနေ ခန့်မှန်းမှုအပေါ် ကောင်းမွန်သော သက်ရောက်မှုရှိပါသည်။ Kalman စစ်ထုတ်ခြင်းနည်းလမ်း၏ အားနည်းချက်မှာ ဘက်ထရီမော်ဒယ်၏ တိကျမှုသည် အယ်လဂိုရီသမ် ခန့်မှန်းချက်ရလဒ်များ၏ တိကျမှုနှင့် တိကျမှုကို တိုးတက်စေရန်အတွက် ယုံကြည်စိတ်ချရသော ဘက်ထရီမော်ဒယ်ကို ထူထောင်ခြင်းဖြစ်သည်။

ထို့အပြင်၊ Kalman filtering method ၏ algorithm သည် ပိုမိုရှုပ်ထွေးသောကြောင့် ၎င်း၏တွက်ချက်မှုပမာဏမှာ အတော်လေးကြီးမားပြီး ၎င်းသည် operator ၏ စွမ်းဆောင်ရည်မြင့်မားပါသည်။ 5 အာရုံကြောကွန်ရက်၏ ရည်ရွယ်ချက်မှာ လူသားတို့၏ ဉာဏ်ရည်ဉာဏ်သွေး အပြုအမူကို တုပရန်ဖြစ်ပြီး၊ အပြိုင်ဖွဲ့စည်းပုံနှင့် ဒေတာဖော်ပြမှုကို ရယူရန် ပြင်းထန်သော သင်ယူနိုင်စွမ်းနှင့် ပြင်ပစိတ်လှုပ်ရှားနေချိန်တွင် သက်ဆိုင်သော အထွက်ရလဒ်ကို ပေးစွမ်းနိုင်ပြီး မျဉ်းသားမဟုတ်သော မြေပုံဆွဲခြင်းကို ကောင်းစွာပြုလုပ်နိုင်သည်။ အာရုံကြောကွန်ရက်နည်းလမ်း၏နိယာမကို လီသီယမ်အိုင်းယွန်းဘက်ထရီအခြေအနေသို့ သက်ရောက်စေသည်- ဆက်စပ်ဗို့အားများ၊ ရေစီးကြောင်းများနှင့် ဘက်ထရီ၏အားသွင်းမှုအခြေအနေဒေတာအများအပြားကဲ့သို့သော ပြင်ပဒေတာများကို လေ့ကျင့်နမူနာအဖြစ်အသုံးပြုကာ အာရုံကြောကွန်ရက်ကိုယ်တိုင်က သတင်းအချက်အလက်များ၏ ရှေ့သို့ ဦးတည်ချက်ဖြစ်သည်။

ဘက်ထရီ၏ အားသွင်းမှု အခြေအနေ ခန့်မှန်းချက်တန်ဖိုးကို ရရှိရန် ဒေတာအသစ်ကို ထည့်သွင်းခြင်းဖြင့် ဒီဇိုင်းလိုအပ်ချက်များ၏ အမှားအယွင်းအကွာအဝေးသို့ ရောက်ရှိသောအခါ ထပ်ခါတလဲလဲ လေ့ကျင့်ခြင်းနှင့် ပြုပြင်ခြင်းတို့ကို ထုတ်လွှင့်ခြင်းနှင့် အမှားအယွင်းကို လွှဲပြောင်းပေးခြင်းသည် ဒီဇိုင်းလိုအပ်ချက်များ၏ အမှားအယွင်းအကွာအဝေးသို့ ရောက်ရှိသွားပါသည်။ neural network method ၏ အားသာချက်မှာ ဘက်ထရီအမျိုးမျိုး၏ positive state ကို ခန့်မှန်းရန် ခန့်မှန်းနိုင်သည်။ တွင်တွင်ကျယ်ကျယ် အသုံးပြုနိုင်သည်။

တိကျသောသင်္ချာပုံစံကို မသတ်မှတ်ပါနှင့်။ ဘက်ထရီအတွင်း ရှုပ်ထွေးသော ဓာတုပြောင်းလဲမှုများကို မစဉ်းစားပါနှင့်၊ သင့်လျော်သောနမူနာကို ရွေးချယ်ကာ ပိုမိုကောင်းမွန်သော Neural ကွန်ရက်ပုံစံကို တည်ဆောက်ပါ၊ နမူနာဒေတာများလေလေ၊ ၎င်း၏ ခန့်မှန်းချက်၏ တိကျလေလေ၊ ဘက်ထရီ၏ အားသွင်းမှုအခြေအနေကို အချိန်မရွေး ဆုံးဖြတ်နိုင်သည်။ အာရုံကြောကွန်ရက်နည်းလမ်း၏ အားနည်းချက်မှာ ဒေတာနမူနာများ၏ တိကျမှု၊ နမူနာစွမ်းရည်နှင့် နမူနာဖြန့်ဝေမှုများ၊ နမူနာစွမ်းရည်နှင့် နမူနာဖြန့်ဝေမှုနှင့် လေ့ကျင့်ရေးနည်းလမ်းများသည် ဘက်ထရီ၏ဘက်ထရီအပေါ်တွင် လွန်စွာလွှမ်းမိုးမှုရှိသောကြောင့်ဖြစ်သည်။

တတိယ၊ အရေးကြီးသော လစ်သီယမ်-အိုင်းယွန်းဘက်ထရီအားသွင်းမှုများ၏ လက်ရှိခန့်မှန်းနည်းကို ရိုးရှင်းသောနိဒါန်းအတွက် ဤစာတမ်းကို အကျဉ်းချုပ်ပြီး ၎င်းတို့၏ သက်ဆိုင်ရာ အားသာချက်များနှင့် အားနည်းချက်များကို အသေးစိတ်ခွဲခြမ်းစိတ်ဖြာပါ။ လက်ရှိတွင်၊ ပေါင်းစည်းခြင်းနည်းလမ်းသည် အပြုသဘောဆောင်သော အခြေအနေခန့်မှန်းချက်တွင် အများဆုံးအသုံးပြုနေဆဲဖြစ်သည်။ သို့သော်၊ ဘေးကင်းလုံခြုံရေးအချက်များ၏ ကန့်သတ်ချက်များကြောင့်၊ ၎င်းအား လီသီယမ်-အိုင်းယွန်းဘက်ထရီ၏ ကနဦးအားသွင်းမှုကို စမ်းသပ်ရန် အခြားနည်းလမ်းများဖြစ်သည့် အဖွင့်ပတ်လမ်းဗို့အားများနှင့် အခြားနည်းလမ်းများဖြင့် ပြီးမြောက်လေ့ရှိသည်။

ဖွံ့ဖြိုးတိုးတက်မှုခေတ်ရေစီးကြောင်း၏ရှုထောင့်မှကြည့်လျှင် လီသီယမ်-အိုင်းယွန်းဘက်ထရီ၏ အားသွင်းမှုအခြေအနေခန့်မှန်းချက်အတွက် အချက်များသည် ပိုမိုပြည့်စုံလာကာ အသုံးပြုထားသော ခန့်မှန်းချက်နည်းလမ်းများသည် များသောအားဖြင့် နည်းလမ်းများစွာ၏ ကျယ်ကျယ်ပြန့်ပြန့်အသုံးချမှုဖြစ်ပြီး ခန့်မှန်းချက်ရလဒ်များကို ပိုမိုတိကျစေသည်။ ထို့အပြင်၊ လက်ရှိတွင် ၎င်းသည် အမှန်တကယ်နှင့် ပိုမိုနီးစပ်သည့် လီသီယမ်-အိုင်းယွန်းဘက်ထရီ၏ တူညီသော circuit model ကို တီထွင်နေသောကြောင့် အားသွင်းလျှပ်စစ်၏ ခန့်မှန်းတိကျမှုကို ပိုမိုတိုးတက်ကောင်းမွန်စေပါသည်။