డైనమిక్ బ్యాటరీ SOC అంచనా పద్ధతి?

Awdur: Iflowpower - Mofani oa Seteishene sa Motlakase se nkehang

బ్యాటరీ సాంకేతికత అభివృద్ధి చెందినప్పటి నుండి, SOCని అంచనా వేయడానికి అనేక రకాల పద్ధతులు ఇప్పటికే ఉపయోగించబడ్డాయి. సాంప్రదాయ కరెంట్ ఇంటిగ్రేటెడ్ పద్ధతులు, బ్యాటరీ అంతర్గత నిరోధకత, ఉత్సర్గ పరీక్ష పద్ధతులు, ఓపెన్ సర్క్యూట్ వోల్టేజ్ పద్ధతులు, లోడ్ వోల్టేజ్‌లు మరియు మరింత వినూత్నమైన కల్మాన్ ఫిల్టరింగ్ పద్ధతులు మాత్రమే ఉన్నాయి. అస్పష్టమైన తార్కిక సిద్ధాంతం మరియు నాడీ నెట్‌వర్కింగ్ మొదలైనవి.

ఇది ప్రస్తుతం బ్యాటరీ నిర్వహణ వ్యవస్థ రంగంలో అత్యంత సాధారణ SOC అంచనా పద్ధతుల్లో ఒకటి, మరియు సారాంశం ఏమిటంటే విద్యుత్తును కూడబెట్టడం లేదా విడుదల చేయడం ద్వారా బ్యాటరీ యొక్క SOCని అంచనా వేయడం. అదే సమయంలో, ఉత్సర్గ రేటు మరియు బ్యాటరీ ఉష్ణోగ్రత ప్రకారం. అంచనా వేసిన SOC కి కొంత పరిహారం.

బ్యాటరీ ఛార్జ్ మరియు డిశ్చార్జ్ ప్రారంభ స్థితిలో ఉన్నప్పుడు బ్యాటరీని SOCT0 గా నిర్వచించినట్లయితే, T తర్వాత బ్యాటరీ మిగిలిన సామర్థ్యం SOC: q, Q అనేది బ్యాటరీ రేట్ చేయబడిన సామర్థ్యం, ​​మరియు N అనేది ఛార్జ్ మరియు డిశ్చార్జ్ సామర్థ్యం, ​​దీనిని కూలంబ్ సామర్థ్యం అని కూడా పిలుస్తారు, దాని విలువ బ్యాటరీ ఛార్జ్ మరియు డిశ్చార్జ్ రేటు నిర్ణయించబడుతుంది, I అనేది T యొక్క కరెంట్. ప్రస్తుత ఇంటిగ్రేటెడ్ పద్ధతి ఇతర SOC అంచనా పద్ధతుల కంటే సాపేక్షంగా సరళమైనది మరియు నమ్మదగినది, మరియు బ్యాటరీ యొక్క SOC విలువను డైనమిక్‌గా అంచనా వేయవచ్చు, కాబట్టి ఇది విస్తృతంగా ఉపయోగించబడుతుంది. అయితే, ఈ పద్ధతికి రెండు పరిమితులు కూడా ఉన్నాయి: ఒకటి, కరెంట్ ఇంటిగ్రల్ పద్ధతికి బ్యాటరీ యొక్క ప్రారంభ SOC విలువ ముందుగానే అవసరం మరియు అంచనా లోపాన్ని సాధ్యమైనంత తక్కువగా చేయడానికి బ్యాటరీలోకి లేదా బయటకు ప్రవహించే కరెంట్‌ను ఖచ్చితంగా సేకరిస్తుంది; రెండవది, ఈ పద్ధతి బ్యాటరీ యొక్క బాహ్య లక్షణంపై మాత్రమే ఆధారపడి ఉంటుంది మరియు బ్యాటరీ స్వీయ-ఉత్సర్గ రేటు, వృద్ధాప్య స్థాయి మరియు బ్యాటరీ SOC యొక్క ఛార్జ్ మరియు ఉత్సర్గ నిష్పత్తి కొంతవరకు విస్మరించబడతాయి.

దీర్ఘకాలిక ఉపయోగం కొలత లోపం విస్తరించడానికి కూడా కారణమవుతుంది, కాబట్టి సంబంధిత దిద్దుబాటు గుణకాలను సరైన సంచిత లోపాలను పరిచయం చేయడం అవసరం. (2) డిశ్చార్జ్ టెస్ట్ మెథడ్ డిశ్చార్జ్ టెస్ట్ పద్ధతి బ్యాటరీ యొక్క కటాఫ్ వోల్టేజ్ వరకు నిరంతర స్థిరమైన కరెంట్ డిశ్చార్జ్ డిశ్చార్జ్, ఈ డిశ్చార్జ్ ప్రక్రియ ఉపయోగించే సమయాన్ని డిశ్చార్జ్ కరెంట్ యొక్క పరిమాణ విలువతో గుణించడం, అంటే బ్యాటరీ యొక్క మిగిలిన సామర్థ్యం. ఈ పద్ధతి సాధారణంగా బ్యాటరీ SOC యొక్క క్రమాంకన పద్ధతిగా లేదా బ్యాటరీ యొక్క చివరి నిర్వహణలో ఈ పద్ధతిని ఉపయోగిస్తుంది మరియు ఇది సాపేక్షంగా సరళమైనది, నమ్మదగినది మరియు బ్యాటరీ SOC విలువ తెలియకుండానే ఫలితం సాపేక్షంగా ఖచ్చితమైనది.

అన్నీ సమర్థవంతంగా. అయితే, డిశ్చార్జ్ టెస్ట్ పద్ధతిలో రెండు లోపాలు ఉన్నాయి: మొదటిది, ఈ పద్ధతి యొక్క పరీక్ష ప్రక్రియకు చాలా సమయం అవసరం; రెండవది, ఈ పద్ధతిని ఉపయోగిస్తున్నప్పుడు, ఎలక్ట్రిక్ వాహనం నుండి టార్గెట్ బ్యాటరీని తీసివేయడం అవసరం, కాబట్టి పని స్థితిలో ఉన్న పవర్ బ్యాటరీని లెక్కించడానికి ఈ పద్ధతిని ఉపయోగించలేరు. (3) ఓపెన్ సర్క్యూట్ వోల్టేజ్ పద్ధతి బ్యాటరీ యొక్క ప్రారంభ వోల్టేజ్ మరియు OCVOTAGE, OCV) మరియు బ్యాటరీ యొక్క అంతర్గత లిథియం అయాన్ సాంద్రత మధ్య మార్పు సంబంధంపై ఆధారపడి ఉంటుంది మరియు పరోక్షంగా దానికి మరియు బ్యాటరీ SOC మధ్య సంబంధిత సంబంధానికి సరిపోతుంది.

వాస్తవ ఆపరేషన్ చేస్తున్నప్పుడు, బ్యాటరీని స్థిర ఉత్సర్గ నిష్పత్తితో (సాధారణంగా 1c) నింపిన తర్వాత డిశ్చార్జ్ ఆగిపోయే వరకు బ్యాటరీని డిశ్చార్జ్ చేయడం అవసరం, మరియు ఉత్సర్గ ప్రక్రియ ప్రకారం OCV మరియు SOC మధ్య సంబంధం పొందబడుతుంది. బ్యాటరీ వాస్తవ ఆపరేటింగ్ స్థితిలో ఉన్నప్పుడు, బ్యాటరీ యొక్క రెండు చివర్లలోని వోల్టేజ్ విలువ ప్రకారం OCV-SoC రిలేషనల్ పట్టికను కనుగొనడం ద్వారా ప్రస్తుత బ్యాటరీ SOCని పొందవచ్చు. ఈ పద్ధతి వివిధ బ్యాటరీలకు ప్రభావవంతంగా ఉన్నప్పటికీ, దీనికి స్వీయ-లోపాలు కూడా ఉన్నాయి: మొదటిది, OCVని కొలిచే ముందు లక్ష్య బ్యాటరీని 1 గంట కంటే ఎక్కువసేపు నిలబడటానికి అనుమతించాలి, తద్వారా స్థిరమైన ముగింపు వోల్టేజ్‌ను పొందడానికి బ్యాటరీలోని అంతర్గత ఎలక్ట్రోలైట్‌ను ఏకరీతిలో పంపిణీ చేయాలి; రెండవది, బ్యాటరీ వేర్వేరు ఉష్ణోగ్రతలలో లేదా వేర్వేరు జీవితకాలంలో ఉంటుంది, ఓపెన్ సర్క్యూట్ ఒకేలా ఉన్నప్పటికీ, వాస్తవానికి SOC భిన్నంగా ఉండవచ్చు మరియు కొలత ఫలితం ఈ పద్ధతి యొక్క దీర్ఘకాలిక ఉపయోగంలో పూర్తిగా ఖచ్చితమైనదని హామీ ఇవ్వబడదు.

కాబట్టి, ఓపెన్ సర్క్యూట్ వోల్టేజ్ పద్ధతి డిశ్చార్జ్ పరీక్ష పద్ధతి వలె ఉంటుంది, ఇది నడుస్తున్న బ్యాటరీ SOC అంచనాకు వర్తించదు. (4) కల్మాన్ ఫిల్టరింగ్ పద్ధతి KALMAN ఫిల్టరింగ్ పద్ధతి అనేది 1960లలో "లీనియర్ ఫిల్టరింగ్ మరియు ఫోర్కాస్టింగ్ సిద్ధాంతం యొక్క కొత్త విజయాలు"లో ఫిల్టర్ చేయబడిన ఒక కొత్త రకం ఆప్టిమైజ్ చేయబడిన స్వీయ-రిగ్రెషన్ డేటా. అల్గోరిథం.

అల్గోరిథం యొక్క సారాంశం ఏమిటంటే, కనీస సగటు సూత్రం ప్రకారం సంక్లిష్ట డైనమిక్ వ్యవస్థ యొక్క స్థితిని సంక్లిష్ట డైనమిక్ వ్యవస్థ యొక్క స్థితికి ఆప్టిమైజ్ చేయవచ్చు. కల్మాన్ ఫిల్టరింగ్ పద్ధతిలో నాన్-లీనియర్ డైనమిక్ సిస్టమ్‌లు సిస్టమ్ యొక్క స్టేట్ స్పేస్ మోడల్‌లోకి లీనియర్‌గా ఉంటాయి. అసలు అప్లికేషన్ చేసినప్పుడు, సిస్టమ్ ప్రస్తుత సమయం యొక్క గమనించిన విలువతో నవీకరించబడుతుంది, తరువాత ప్రస్తుత సమయం యొక్క గమనించిన విలువ ఉంటుంది.

"సూచన - కొలత - సరిదిద్దబడింది" మోడ్, యాదృచ్ఛిక వ్యవస్థ యొక్క విచలనం మరియు జోక్యాన్ని తొలగిస్తుంది. కల్మాన్ ఫిల్టరింగ్ పద్ధతిని ఉపయోగించి పవర్‌ట్రెయిన్ యొక్క SOCని అంచనా వేసినప్పుడు, బ్యాటరీ పవర్ సిస్టమ్ రూపంలో స్టేట్ స్పేస్ మోడల్‌గా మార్చబడుతుంది మరియు SOC మోడల్ లోపల స్టేట్ వేరియబుల్ అవుతుంది. స్థాపించబడిన వ్యవస్థ ఒక సరళ వివిక్త వ్యవస్థ.

కల్మాన్ ఫిల్టరింగ్ పద్ధతి సిస్టమ్ యొక్క ప్రారంభ లోపాన్ని సరిదిద్దడమే కాకుండా, సిస్టమ్ శబ్దాన్ని సమర్థవంతంగా అణిచివేయగలదు, కాబట్టి ఆపరేషన్ పరిస్థితుల్లో ఎలక్ట్రిక్ వాహన పవర్ బ్యాటరీల SOC అంచనాలో గణనీయమైన అప్లికేషన్ విలువ ఉంది. అయితే, ఈ పద్ధతిలో రెండు-పాయింట్ లోపాలు కూడా ఉన్నాయి: ఒకటి, కల్మాన్ ఫిల్టరింగ్ పద్ధతి SOC యొక్క ఖచ్చితత్వాన్ని అంచనా వేస్తుంది, బ్యాటరీ మోడల్ యొక్క ఖచ్చితత్వంపై ఎక్కువగా ఆధారపడి ఉంటుంది, పని లక్షణాలు కూడా చాలా నాన్-లీనియర్ పవర్ బ్యాటరీ, కల్మాన్ ఫిల్టరింగ్ పద్ధతిలో లీనియరైజేషన్ తర్వాత, ఎటువంటి లోపం లేకపోవడం అనివార్యం, మరియు మోడల్ స్థాపించబడితే, అంచనా వేసిన ఫలితం తప్పనిసరిగా నమ్మదగినది కాదు; రెండవది, ఇందులో ఉన్న పద్ధతి చాలా క్లిష్టంగా ఉంటుంది, గణన మొత్తం చాలా పెద్దది మరియు లెక్కించిన గణన వ్యవధి ఎక్కువ, మరియు హార్డ్‌వేర్ పనితీరు అవసరాలు. (5) న్యూరల్ నెట్‌వర్క్ పద్ధతి న్యూరల్ నెట్‌వర్క్ పద్ధతి అనేది మానవ మెదడు మరియు దాని న్యూరాన్ యొక్క అనలాగ్, ఇది నాన్ లీనియర్ సిస్టమ్‌ల కోసం కొత్త రకం అల్గోరిథంతో వ్యవహరించడానికి ఉపయోగించబడుతుంది.

దీనికి బ్యాటరీ అంతర్గత నిర్మాణం గురించి లోతైన పరిశోధన అవసరం లేదు, లక్ష్య బ్యాటరీ నుండి ముందుగానే పెద్ద సంఖ్యలో పనిచేసే లక్షణాలను సంగ్రహిస్తుంది. అవుట్‌పుట్ నమూనా నుండి రన్‌లో SOC విలువను నమోదు చేయండి మరియు పద్ధతిని ఉపయోగించి స్థాపించబడిన సిస్టమ్‌లోకి దాన్ని ఇన్‌పుట్ చేయండి. తరువాతి ప్రాసెసింగ్‌లో ఈ పద్ధతి సాపేక్షంగా సులభం, అంటే, బ్యాటరీ మోడల్‌ను లీనియరైజేషన్‌గా చేయడానికి కల్మాన్ ఫిల్టరింగ్ పద్ధతి యొక్క లోపాన్ని ఇది సమర్థవంతంగా నివారించగలదు మరియు బ్యాటరీ యొక్క డైనమిక్ పారామితులను నిజ సమయంలో పొందగలదు.

అయితే, న్యూరల్ నెట్‌వర్క్ పద్ధతి యొక్క ప్రీ-వర్కింగ్ వాల్యూమ్ సాపేక్షంగా పెద్దది, మరియు వ్యవస్థను శిక్షణ ఇవ్వడానికి పెద్ద సంఖ్యలో ఎక్కువ మరియు సమగ్ర లక్ష్య నమూనా డేటా అవసరం. శిక్షణ డేటా మరియు శిక్షణ పద్ధతి SOC యొక్క అంచనా ఖచ్చితత్వాన్ని ఎక్కువగా ప్రభావితం చేస్తోంది. అదనంగా, బ్యాటరీ ఉష్ణోగ్రత, స్వీయ-ఉత్సర్గ నిష్పత్తి మరియు బ్యాటరీ వృద్ధాప్యం యొక్క సంక్లిష్ట చర్య కింద, ఒకే బ్యాటరీల సెట్ యొక్క SOC విలువను చాలా కాలం పాటు అంచనా వేయడానికి ఈ పద్ధతి ఉపయోగించబడుతుంది మరియు దాని ఖచ్చితత్వం కూడా పెద్ద తగ్గింపుగా ఉంటుంది.

అందువల్ల, విద్యుత్ బ్యాటరీ యొక్క SOC అంచనా పనిలో ఈ పద్ధతి చాలా సాధారణం కాదు.