يقيس نظام إدارة البطاريات حالة الشحن وحالة الصحة في بطاريات الليثيوم أيون باستخدام تقنيات التقدير غير المباشرة. لا يمكن قياس هذه الأمور مباشرةً نظرًا لتفاعلات البطارية المعقدة داخلها. لذلك، يستخدم النظام أساليب مثل استخراج السمات الإحصائية، وحساب كولومب، ونماذج متقدمة تعتمد على البيانات. على سبيل المثال، ينظر النظام إلى مقاييس إحصائية مثل التباين، والمتوسط، والانحراف من منحنيات الجهد والتيار لمراقبة تدهور البطارية. يساعد استخدام أساليب التقدير غير المباشرة، مثل التعلم الآلي والأساليب القائمة على المراقب، على جعل تقدير المجتمع أكثر دقة وأمانًا. تساعد هذه الأساليب نظام إدارة البطاريات على التنبؤ بالتغيرات في بطاريات الليثيوم أيون. كما أنها تساعد على إدارة فقدان السعة، والشيخوخة، والمخاطر بشكل أفضل. يساعد التقدير الجيد لحالة الشحن وحالة الصحة جميع بطاريات الليثيوم أيون على العمل بشكل أفضل وإطالة عمرها.
يضمن التقدير الدقيق للبطارية في أنظمة بطاريات الليثيوم أيون حماية البطارية من الشحن الزائد والسخونة الزائدة والأعطال المفاجئة. وهذا يجعل تقنيات التقدير الدقيقة بالغة الأهمية لأنظمة إدارة البطاريات الحديثة.
متري إحصائي | الوصف | الارتباط بتدهور البطارية |
|---|---|---|
التباين | التحقق من مدى ثبات التغيرات في الجهد/التيار | التباين العالي يعني عدم تساوي المقاومة الداخلية والتفاعلات الكيميائية وتلف القطب |
القيمة القصوى | أعلى جهد/تيار أثناء الشحن أو التفريغ | تشير الأرقام المنخفضة إلى سعة تحميل أقل ومشاكل أمنية محتملة مثل الشحن الزائد أو ارتفاع درجة الحرارة |
الحد الأدنى للقيمة | أقل جهد/تيار أثناء الشحن أو التفريغ | يظهر فقدان القدرة ومشاكل السلامة |
يعني المتوسط) | متوسط الجهد/التيار خلال الدورة | تظهر التغييرات انهيار الإلكتروليت وانخفاض إنتاج الطاقة |
انحراف | مدى عدم توازن توزيع الجهد/التيار | يستخدم في استخراج الميزات للتنبؤ بـ SOH |
التفرطح الزائد | مدى حدة ذروة الجهد/التيار | الأرقام الأعلى تعني استقطابًا أكبر وقدرة أقل على إدخال الليثيوم |
الوجبات السريعة الرئيسية
لا تستطيع أنظمة إدارة البطاريات قياس شحن البطارية أو صحتها مباشرةً. بل تستخدم طرقًا غير مباشرة، مثل التحليل الإحصائي، وحساب كولومب، والتعلم الآلي. تساعد هذه الطرق في تقدير شحن البطارية وصحتها.
معرفة حالة الشحن تُحافظ على سلامة البطاريات، وتمنع الشحن الزائد والسخونة الزائدة والمشاكل المفاجئة.
هناك طرق مختلفة لفحص البطاريات. من بين هذه الطرق: جهد الدائرة المفتوحة، وحساب كولومب، وترشيح كالمان، والنماذج القائمة على الذكاء الاصطناعي. لكل منها مزايا وعيوب. استخدام هذه الطرق معًا يُحسّن النتائج ويجعلها أكثر موثوقية.
يُقيّم تقييم حالة البطارية عمر البطارية، ويأخذ في الاعتبار فقدان السعة والمقاومة الداخلية. يُساعد هذا في تقدير عمر البطارية وتجنب مشاكل السلامة.
تمزج الأساليب الهجينة بين الأساليب القائمة على النماذج والأساليب المعتمدة على البيانات. تُعطي هذه الأساليب أفضل النتائج، ويمكن أن تتغير مع الاستخدام الفعلي. هذا يُساعد على إطالة عمر البطاريات وتحسين أدائها.
أساسيات نظام إدارة البطارية
وظائف رئيسية
يُعد نظام إدارة البطارية بالغ الأهمية لبطاريات الليثيوم أيون. فهو يُساعد على الحفاظ على سلامتها وعملها بكفاءة. يفحص النظام كل خلية من خلايا بطارية الليثيوم أيون من حيث الجهد والتيار ودرجة الحرارة. كما يضمن شحن جميع خلايا بطاريات الليثيوم أيون وتفريغها بالتساوي، مما يُساعد كل بطارية على إطالة عمرها وتحسين أدائها.
يراقب نظام إدارة البطارية حالة الشحن وحالة كل بطارية ليثيوم أيون. ويستخدم هذه الأرقام لمنع الشحن الزائد والتفريغ العميق، اللذين قد يضران ببطاريات ليثيوم أيون.
السلامة أولاً. سيقوم النظام بفصل بطارية أيون الليثيوم في حال وجود مشاكل مثل ارتفاع درجة الحرارة أو قصر الدائرة. ويمكنه استخدام خلايا أو حزم احتياطية للحفاظ على عمل النظام.
التواصل مهم. يستخدم نظام إدارة البطارية ناقل SPI وCAN لإرسال البيانات إلى أجزاء أخرى من الجهاز أو المركبة.
هناك أنواع مختلفة، مثل المركزية أو الموزعة، وبالتالي فإن نظام إدارة البطارية يمكن أن يتناسب مع العديد من تصميمات بطاريات الليثيوم أيون.
تحتوي بعض الأنظمة على ميزات إضافية، مثل المراقبة عن بُعد، والتنبؤ بدورة حياة البطارية، واكتشاف الأعطال. تستخدم هذه الأنظمة الحوسبة السحابية والتعلم الآلي لتحسين أداء البطارية وزيادة أمانها.
الوظيفة الرئيسية / الخوارزمية | الوصف |
|---|---|
مراقبة الخلايا | يراقب جهد وتيار ودرجة حرارة كل خلية من خلايا بطارية أيون الليثيوم. يكتشف الأعطال ويتخذ إجراءات السلامة. يحدد حالة الشحن وحالة البطارية. |
تحسين الطاقة | يتحكم في الشحن والتفريغ للحفاظ على سلامة خلايا بطارية أيون الليثيوم. يعمل مع أنظمة أخرى لاستخدام الطاقة بذكاء. |
ضمان السلامة | يمنع مخاطر مثل الانفلات الحراري. يستخدم خططًا احتياطية ويحمي الناس من الصدمات الكهربائية. |
تحسين شحن البطارية | يُغيّر الشحن لتقليل الضغط على كل خلية من خلايا بطارية ليثيوم أيون. يحفظ رموز الأعطال للتحقق منها لاحقًا. |
خوارزمية موازنة الخلايا | يضمن تساوي جهد جميع خلايا بطاريات أيون الليثيوم. يستخدم موازنة نشطة أو سلبية لتحسين أداء البطارية. |
خوارزميات الاتصالات | يُرسل البيانات بين نظام إدارة البطارية والأجهزة الأخرى. يُوقف الشحن في حال وجود ظروف غير آمنة. |
نصيحة: إن استخدام أدوات البرامج والأجهزة الجاهزة يمكن أن يساعد المهندسين في بناء واختبار نظام إدارة البطارية لبطاريات الليثيوم أيون بشكل أسرع.
المواد الكيميائية المدعومة
يحتاج نظام إدارة البطارية إلى التوافق مع العديد من التركيبات الكيميائية لبطاريات الليثيوم-أيون. لكل تركيبة كيميائية، مثل NMC وLFP وNCA، مزاياها وعيوبها. على سبيل المثال، تتميز بطاريات NMC بكثافة طاقة عالية، بينما تدوم بطاريات LFP لفترة أطول وتتحمل الحرارة بشكل أفضل. يُغير نظام إدارة البطارية آلية عمله ليناسب كل تركيبة كيميائية لبطاريات الليثيوم-أيون.
تبحث دراسات حديثة في كيفية عمل التركيبات الكيميائية المختلفة لبطاريات الليثيوم-أيون في المركبات الكهربائية. تُظهر هذه الدراسات أن أنظمة إدارة البطاريات يجب أن تتعامل مع التغيرات في كثافة الطاقة والتكلفة وعمر دورة الحياة. كما تُظهر أهمية الإدارة الحرارية والتقدير المتقدم للحالة لكل نوع من بطاريات الليثيوم-أيون. يمكن لنماذج التعلم الآلي المساعدة في التنبؤ بحالة بطاريات الليثيوم-أيون باستخدام بيانات مُفلترة. هذا يُقلل من الأخطاء ويُساعد نظام إدارة البطاريات على التعامل مع كيفية تقدم عمر كل بطارية ليثيوم-أيون.
يمكن لنظام إدارة البطاريات المرن أن يعمل مع العديد من التركيبات الكيميائية لبطاريات الليثيوم أيون. وهذا يُساعد جميع التطبيقات، من المركبات الكهربائية إلى الأجهزة الإلكترونية المحمولة، على تحقيق أفضل أداء وسلامة للبطارية.
حالة الشحن في بطاريات الليثيوم أيون
حالة الشحن مهمة جدًا لبطاريات الليثيوم أيون. فهي تساعد في الحفاظ على سلامة البطارية وعملها بكفاءة. إذا لم تكن حالة الشحن صحيحة، فقد ترتفع درجة حرارة البطارية أو تفقد طاقتها. هذا قد يؤدي إلى تلفها أو حتى مشاكل خطيرة كالحرائق. في السيارات الكهربائية، تساعد معرفة حالة الشحن على الكبح والشحن، كما أنها تطيل عمر البطارية. تشير الدراسات إلى أن التقدير الجيد لحالة الشحن يقلل من الأخطاء ويساهم في الحفاظ على البيئة.
لا يُمكن قياس حالة الشحن مباشرةً في بطارية ليثيوم أيون. فالتفاعلات الكيميائية داخلها مخفية ويصعب رؤيتها. وقد تُخطئ المستشعرات بسبب الضوضاء والتغيرات في البطارية. لذلك، تستخدم أنظمة إدارة البطاريات طرقًا خاصة لتخمين حالة الشحن، حيث تُراعي الجهد والتيار ودرجة الحرارة لتحديدها. تُساعد هذه الطرق في معالجة مشاكل المستشعرات وتلف البطارية.
طريقة OCV
تعتمد طريقة جهد الدائرة المفتوحة على تخمين حالة الشحن من خلال فحص جهد البطارية بعد توقفها عن العمل. لكل تركيبة كيميائيّة للبطارية جهدها الخاص ورابط حالة الشحن. هذه الطريقة بسيطة وغير مكلفة، وتُناسب فحص حالة الشحن الأولى، ولا تتطلب طراز بطارية كبير.
البعد | تفاصيل |
|---|---|
مبدأ | يُقاس جهد البطارية بعد الراحة. يُحدد جهد البطارية الخارجي (OCV) وحالة الشحن باختبار كل نوع من أنواع البطاريات. |
الفوائد | 1. عملية بسيطة |
القيود | 1. يحتاج إلى وقت راحة طويل (أكثر من ساعتين إذا كان الجو باردًا) |
لا يمكن لطريقة OCV التحقق من حالة الشحن أثناء عمل البطارية. تتغير بطاريات أيون الليثيوم بسرعة، لذا فإن انتظار استراحة البطارية غير مفيد. تُسهّل البقع المسطحة في منحنى OCV حدوث أخطاء كبيرة من تغيرات الجهد الصغيرة.
عد كولومب
عدّ كولومب، أو عدّ آه، يُخمّن حالة الشحنة بجمع التيار الداخل والخارج. يبدأ برقم حالة الشحنة الأول، ويتغيّر مع تغيّر التيار.
جانب التقييم | تفاصيل |
|---|---|
الأسلوب | خوارزمية عد كولومب المحسنة |
نهج التحقق | اختبار MATLAB مقارنة بالحالة الحقيقية للشحنة من منحنيات الشحن / التفريغ |
أقصى خطأ (نهاية الشحن) | حول 3.5٪ |
خطأ أثناء مرحلة CC | أقل من 2٪ |
خطأ أثناء مرحلة السيرة الذاتية | أقل من 1٪ |
اتجاه الخطأ | يصبح أكبر بمرور الوقت قبل فحص الحالة الصحية |
عوامل مهمة | حالة الشحن الأولى الجيدة وفحوصات الشحن تقلل من الأخطاء |
المزايا | حساب بسيط؛ دقة جيدة بما فيه الكفاية؛ لا حاجة لبيانات بطارية إضافية |
القيود | تتراكم الأخطاء مع مرور الوقت؛ تحتاج إلى حالة شحن أولى جيدة وأرقام حالة صحية جيدة |
عدّ كولومب سهل الاستخدام ولا يتطلب بيانات بطارية إضافية. لكن الأخطاء قد تتراكم مع مرور الوقت. قد تتفاقم الأخطاء الصغيرة في التيار أو حالة الشحن الأولى. هذه الطريقة تُجدي نفعًا مع الفحوصات الدورية أو طرق أخرى للمساعدة.
الأسلوب | RMSE | MSE | MAE | النتائج الرئيسية |
|---|---|---|---|---|
عد كولومب (CC) | 0.5071 | 0.2572 | 0.4571 | أعلى الأخطاء بسبب ضوضاء المستشعر والأخطاء؛ غير مناسب للاستخدام على المدى الطويل |
مرشح كالمان الممتد | 0.0925 | لا يوجد | لا يوجد | دقة أفضل مع مساعدة النموذج؛ يحتاج إلى نموذج بطارية جيد |
الانحدار الخطي | 0.0778 | لا يوجد | لا يوجد | أفضل من EKF ولكن ليس مثاليًا لتغييرات حالة الشحن |
دعم شاحنات النقل | 0.0319 | لا يوجد | لا يوجد | يتعامل مع التغييرات بشكل أفضل؛ ويحتاج إلى مزيد من قوة الكمبيوتر |
الانحدار العشوائي للغابات | 0.0229 | 0.0005 | 0.0139 | أفضل دقة؛ يعمل بشكل جيد مع الضوضاء والتغييرات؛ جيد لإدارة البطارية الحقيقية |
تصفية كالمان
يستخدم ترشيح كالمان نماذج رياضية لتخمين حالة الشحنة. يُعدّ مرشح كالمان الموسّع ومرشح كالمان غير المُعطّر شائعين. يمزج هذان المرشحان البيانات اللحظية مع تخمينات نموذج البطارية. ويُصحّحان تخميناتهما عند ورود بيانات جديدة.
يتم استخدام طرق ترشيح كالمان مثل EKF وUKF ومرشحات كالمان التكيفية ومرشحات كالمان المزدوجة بشكل كبير.
تستخدم هذه المرشحات نماذج بطاريات بسيطة وأخرى أكثر تعقيدًا للحصول على نتائج أفضل.
أظهرت الاختبارات أن مرشحات كالمان تتعامل بشكل جيد مع التغييرات وذاكرة البطارية وضوضاء المستشعر.
إن تغيير الإعدادات واستخدام الشبكات العصبية يجعلها أفضل.
يساعد تحديث الأرقام مرارًا وتكرارًا في تصحيح الأخطاء الناتجة عن تغييرات النموذج وانحراف المستشعر.
تظهر الدراسات أن مرشحات كالمان التكيفية والمزدوجة تعمل بشكل أفضل من مرشحات EKF العادية لحالة الشحن.
يُقدم نظام كالمان لترشيح الشحن تقديرات دقيقة وفورية لحالة شحن بطاريات الليثيوم أيون. يتطلب النظام إعدادًا دقيقًا ونموذج بطارية مناسبًا. قد يكون استخدامه صعبًا، ولكنه يعمل بكفاءة عند تغير الظروف بسرعة.
الأساليب الهجينة والذكاء الاصطناعي
تمزج الأساليب الهجينة والذكاء الاصطناعي بين الطرق القائمة على النماذج والبيانات لتخمين حالة الشحنة. تستخدم هذه الأساليب التعلم الآلي، مثل الشبكات العصبية، وآلات المتجهات الداعمة، وانحدار الغابات العشوائي. تتعلم هذه الأساليب من بيانات الجهد والتيار ودرجة الحرارة. تُعالج الأساليب الهجينة مشاكل لا تستطيع الأساليب المفردة حلها.
البعد | الوصف |
|---|---|
الأسلوب | تخمين حالة الشحنة الهجينة باستخدام آلة كولومب للعد والمتجهات ذات الصلة (movIRVM-Coulomb) |
بيانات | بيانات خلية البطارية الفردية، وبيانات اختبار حزمة البطارية، وبيانات محاكاة المستشار |
الشروط | اختبارات مع دورات قيادة US06 وUDDS وNYCC و1015؛ درجات الحرارة 0 درجة مئوية، 25 درجة مئوية، 45 درجة مئوية؛ الحالة الأولى للشحن 50%، 80% |
الدقة (RMSE) | في حدود 2% للعديد من الاختبارات ودرجات الحرارة |
تحسين | أفضل بنسبة تزيد عن 30% من movIRVM وحده؛ أخطاء أقل بمرور الوقت |
تمت معالجة القيد الرئيسي | إصلاح تراكم الأخطاء في عد كولومب النقي |
ملاحظات إضافية | يستخدم المتوسط المتحرك لخفض الضوضاء؛ يحتاج فقط إلى 10-30% من بيانات التدريب لجزء RVM |
تمزج الأساليب الهجينة بين البيانات والنماذج للتعامل مع إجراءات البطارية الغريبة.
تتضمن الأساليب المعتمدة على البيانات الشبكات العصبية، وآلات الدعم المتجهة، والانحدار الغاوسي للعملية، والشبكات العصبية الموجية، والمنطق الضبابي.
تتيح لك هذه الطرق تخمين حالة الشحنة من خلال الإشارات التي يمكنك قياسها.
تتضمن المشكلات اختلافات البطارية والاستخدام الغريب وتآكل البطارية.
والآن أصبح الباحثون يفضلون الأساليب القائمة على البيانات لأن النماذج وحدها لا تستطيع حل جميع المشاكل.
تُظهر دراسات جديدة باستخدام التعلم العميق وبيانات السيارات الحقيقية أن أساليب التكنولوجيا الهجينة والذكاء الاصطناعي قادرة على تخمين حالة الشحن بنسبة خطأ أقل من 2%. هذه الطرق دقيقة للغاية وتعمل بكفاءة، حتى مع تغيرات كبيرة.
ملاحظة: تُساعد الأساليب الإحصائية في تخمين حالة الشحنة من خلال تصحيح عدم اليقين، وأخطاء المستشعر، والضوضاء العشوائية. كما أن المعايرة، والانحدار، والاختبار تجعل جميع أساليب حالة الشحنة أكثر موثوقية.
طرق تقدير حالة الصحة
حالة البطارية (SOH) هي مؤشر على عمر بطارية ليثيوم أيون. تُقارن هذه الحالة البطارية الحالية بحالتها الأصلية. يُمكن تحديد حالة البطارية بمقارنة سعتها الحالية بالسعة الأصلية. كما يُمكن التحقق منها بمقارنة المقاومة الداخلية بخلية جديدة. عندما تنخفض حالة البطارية عن 80% أو 70%، تكون البطارية قد وصلت إلى نهاية عمرها الافتراضي. تُؤثر حالة البطارية على جودة عملها، وأمانها، ومدة عملها. فمع انخفاض حالة البطارية، تقل قدرتها على الاحتفاظ بالطاقة. هذا يعني أن السيارات الكهربائية لا تستطيع قطع مسافات طويلة، وأن الأجهزة لا تعمل لفترات طويلة. إذا تقادمت البطارية كثيرًا، فقد تنتفخ، أو تتسرب، أو حتى تشتعل. يُساعد التنبؤ الجيد بحالة البطارية على منع هذه المشاكل والحفاظ على سلامة البطاريات.
البعد | دليل | البيانات الرقمية / التفاصيل |
|---|---|---|
تعريف SOH | SOH هي نسبة السعة الحالية إلى السعة الأولية أو مقارنة المقاومة الداخلية ببطارية جديدة. | مستويات نهاية عمر SOH هي 80٪ أو 70٪ من السعة المتبقية. |
التأثير على طول العمر | يُظهر مؤشر SOH مقدار الفقد في السعة، مما يحدّ من مدى قدرة المركبات الكهربائية على السير. يؤدي تقادم البطارية إلى انخفاض سعتها. | تظهر بطاريات السيارات الكهربائية المستخدمة لأكثر من 10,000 آلاف كيلومتر وأكثر من 800 يوم أنماطًا من فقدان القدرة. |
التأثير على السلامة | يمكن أن يؤدي التقدم في السن إلى حدوث تسربات وتورم وارتفاع درجة الحرارة والحرائق. | تزداد مخاطر السلامة سوءًا مع انخفاض مستوى السلامة في الجسم، لذا فإن التحقق من مستوى السلامة في الجسم أمر مهم. |
مصدر البيانات | تأتي البيانات من العديد من المركبات الكهربائية ذات طرق القيادة والشحن المختلفة. | تحتوي مجموعة البيانات على 347 مركبة كهربائية، وسجلات الشحن لمدة 25 شهرًا، والعديد من التغييرات في العالم الحقيقي. |
التحديات في تقدير الصحة والسلامة المهنية | إن التغييرات في العالم الحقيقي، والأخطاء في SOC، والبيانات المشوشة، وعدم وجود عينات كافية تجعل من الصعب التحقق من SOH. | تزداد أخطاء SOC مع تقدم عمر البطاريات، ويواجه نظام BMS مشكلة في تحديث السعة بسرعة. |
طرق متقدمة | إن التعلم الآلي والطرق القائمة على البيانات تجعل عمليات فحص SOH أفضل. | تساعد BiGRU، وانحدار متجه الدعم، والشبكات العصبية العميقة في تخمين SOH وSOC بشكل أكثر دقة. |
المقاومة الداخلية
المقاومة الداخلية مهمة جدًا لفحص تفريغ الشحنة الكهربائية (SOH) في بطاريات أيونات الليثيوم. مع تقدم عمر البطاريات، تزداد مقاومتها الداخلية. يحدث هذا بسبب تآكل أجزائها الداخلية وتلفها. إذا تضاعفت المقاومة أو انخفضت سعتها إلى 70-80%، تكون البطارية قد شارفت على نهاية عمرها الافتراضي. تستخدم العديد من طرق فحص تفريغ الشحنة الكهربائية المقاومة الداخلية. يُعطي قياس المقاومة مباشرةً نتائج جيدة، ولكنه عادةً ما يتطلب راحة البطارية، وهو أمر صعب أثناء الاستخدام العادي.
ابتكر العلماء طرقًا جديدة لاستخدام المقاومة الداخلية لتحسين فحوصات SOH. على سبيل المثال، يُصلحون منحنى جهد الدائرة المفتوحة باستخدام بيانات المقاومة. يُساعد هذا على تقليل الأخطاء الناتجة عن تغيرات سرعة الشحن. تستخدم هذه الطريقة عوامل مثل زمن الشحن بتيار ثابت بدلاً من الحسابات المعقدة. تُظهر الاختبارات على بيانات بطاريات حقيقية أن هذه الطريقة تُقلل متوسط الخطأ المطلق إلى حوالي 1.28% لبعض نطاقات الجهد. تُظهر هذه النتائج أن مراقبة المقاومة الداخلية تجعل فحوصات SOH أقوى وأكثر دقة.
مقاومة
تستخدم طرق قياس المعاوقة كيفية تفاعل البطارية مع الكهرباء للتحقق من نفاذية الماء في البطارية (SOH). غالبًا ما تستخدم هذه الطرق مطيافية المعاوقة الكهروكيميائية أو اختبارات مشابهة. من خلال مراقبة كيفية تفاعل البطارية مع ترددات مختلفة، يمكن للمهندسين اكتشاف التقادم وتخمين نفاذية الماء في البطارية. تتميز طرق قياس المعاوقة بدقة عالية، حيث تتراوح أخطاء الجذر التربيعي المتوسط بين 0.75% و1.5% من وحدات نفاذية الماء في البطارية.
نوع الطريقة | الوصف | دقة التنبؤ بـ SOH (خطأ RMS) | اعتبارات عملية |
|---|---|---|---|
بيانات EIS المباشرة | يستخدم بيانات مطيافية المعاوقة الكهروكيميائية الخام | 0.75% – 1.5% وحدات SOH | سريع القياس، ولكن الخلايا يمكن أن تكون مختلفة |
تناسب الدائرة المكافئة | مطابقة بيانات EIS مع نماذج الدائرة | 0.75% – 1.5% وحدات SOH | يحتاج إلى مزيد من العمل والرياضيات، ولكن لديه قدر أقل من عدم اليقين |
توزيع أوقات الاسترخاء (DRT) | ينظر إلى المدة التي تستغرقها الأمور حتى تستقر باستخدام بيانات EIS | 0.75% – 1.5% وحدات SOH | يتطلب قدرًا كبيرًا من طاقة الكمبيوتر، ولكنه مرن |
تحليل الاستجابة الترددية غير الخطية (NFRA) | يستخدم بيانات التردد الخاصة للتحقق من SOH | 0.75% – 1.5% وحدات SOH | يعطي معلومات جيدة عن تصرفات البطارية، أسرع من التفريغ الكامل |
تُحقق الطرق القائمة على المعاوقة نتائج جيدة في المختبرات، وتُقدم تفاصيل كثيرة حول عمر البطارية. لكن قد يكون استخدام هذه الطرق صعبًا ومعقدًا في أنظمة البطاريات الفورية، إذ تتطلب غالبًا أدوات خاصة وإعدادًا دقيقًا. وقد بدأت الطرق الحديثة القائمة على البيانات تستحوذ على السوق، باستخدام التعلم الآلي لتخمين عمر البطارية دون الحاجة إلى نماذج دقيقة.
عد الدورات
يُعدّ عدّ الدورات من أقدم الطرق للتحقق من تآكل البطارية (SOH) في بطاريات أيونات الليثيوم. تُحسب بهذه الطريقة عدد مرات شحن البطارية واستخدامها. كل دورة كاملة تُقلّل من عمر البطارية. ومن خلال عدّ الدورات، يُمكن للمهندسين تخمين مدى تآكل البطارية.
عدّ الدورات سهل ولا يتطلب أدوات خاصة أو حسابات معقدة. لكنه لا يأخذ في الاعتبار اختلاف كل دورة. عوامل مثل درجة الحرارة، وكمية استهلاك البطارية، وسرعة شحنها، كلها تؤثر على سرعة شيخوخة البطارية، لكن عدّ الدورات يُعامل كل دورة على قدم المساواة. هذا قد يجعل فحوصات SOH خاطئة، خاصةً في الحياة العملية حيث تتعرض البطاريات لأنواع عديدة من الإجهاد.
طرق متقدمة
تستخدم الطرق المتقدمة للتحقق من حالة البطارية (SOH) التعلم الآلي والذكاء الاصطناعي لدراسة كميات كبيرة من بيانات البطارية. تتعلم هذه الطرق من الجهد والتيار ودرجة الحرارة لتقدير حالة البطارية بشكل أفضل من الطرق القديمة. تستطيع نماذج التعلم الآلي، مثل آلات المتجهات الداعمة والغابات العشوائية والشبكات العصبية العميقة، اكتشاف أنماط شيخوخة البطارية المعقدة.
تُظهر الدراسات الحديثة أن هذه الطرق القائمة على البيانات تعمل بشكل أفضل من النماذج الفيزيائية القديمة. على سبيل المثال، يمكن لخوارزميتي انحدار متجه الدعم وانحدار العملية الغاوسية الحصول على أخطاء جذر متوسط مربع أقل من 0.4% عند تخمين SOH. كما تُحقق الشبكات العصبية ذات التغذية الأمامية وأنظمة الاستدلال العصبي الضبابي التكيفي نتائج جيدة، مع أخطاء منخفضة ونتائج جيدة لمختلف البطاريات.
لا تحتاج طرق التعلم الآلي إلى نماذج بطارية مفصلة.
تتيح الحوسبة السحابية تشغيل نماذج أكبر، مما يجعل عمليات فحص SOH أفضل حتى لو كان نظام البطارية صغيرًا.
يمكن أن يؤدي استخدام أكثر من نموذج تعلُّم آلي إلى جعل عمليات فحص SOH أكثر دقة.
يمكن لهذه الطرق الحصول على متوسط أخطاء مطلقة في حدود 3% وأخطاء الجذر التربيعي المتوسط في حدود 2% في الاختبارات الحقيقية.
لكن الطرق المتقدمة تتطلب بيانات تدريب جيدة ووفيرة. قد تواجه مشاكل مع شيخوخة البطارية غير الطبيعية أو التغييرات الكبيرة في كيفية استخدامها. من المهم اختيار ميزات جيدة من بيانات الشحن، لأن الشحن أكثر انتظامًا من استهلاك البطارية في السيارات الكهربائية. يجب على المهندسين التأكد من أن هذه الطرق قوية وآمنة قبل استخدامها. أنظمة البطاريات التي تحمي الناس.
ملاحظة: يُظهر الانتقال من النماذج الفيزيائية القديمة إلى أساليب قائمة على البيانات حاجتنا إلى فحوصات سلامة أفضل وأكثر مرونة لبطاريات الليثيوم أيون. يُساعد التعلم الآلي على اكتشاف شيخوخة البطارية مبكرًا، ويُحسّن أداء البطاريات من خلال اكتشاف علامات الأعطال في وقت أبكر.
الجمع بين الأساليب لتحقيق الدقة
مناهج هجينة
تعمل أنظمة إدارة البطاريات بشكل أفضل عند استخدام أكثر من طريقة للتحقق من حالة الشحن وحالة البطارية. لا يمكن لطريقة واحدة وحدها حل جميع مشاكل أنظمة بطاريات الليثيوم أيون. الطرق الهجينة دمج نقاط القوة في خوارزميات التعلم الآلي القائمة على النماذج، والقائمة على البيانات، والتعلم الآلي. هذا يُساعد على تقليل الضوضاء، ومعالجة المجهول، ومواكبة شيخوخة البطارية.
تُحسّن العديد من خوارزميات التحسين، مثل خوارزمية المربعات الصغرى، وخوارزمية تحسين عباد الشمس، وخوارزمية البحث عن النسر الأصلع، عمليات فحص حالة الشحن. على سبيل المثال، بلغ خطأ ذروة خوارزمية البحث عن النسر الأصلع 1.06% فقط لحالة الشحن.
أظهرت خرائط التنظيم الذاتي المُحسّنة والتعلم شبه المُشرف أخطاءً عاليةً تصل إلى حوالي 1.25%، وخطأ تربيعي متوسط (RMSE) منخفضًا يصل إلى 0.55%. هذه النتائج تعني أن الطرق الهجينة تُعطي فحوصات دقيقة لحالة التشغيل (SOC) لبطاريات أيونات الليثيوم.
يُساعد استخدام موازنة الخلايا النشطة مع التعلم الآلي لتحديد العمر الافتراضي المتبقي للبطارية على معالجة اختلافات الخلايا وشيخوخة البطارية. تُوفر الخلايا المتوازنة بيانات أفضل عن حالة الشحن، مما يُساعد على التنبؤ بصحة بطارية أيون الليثيوم.
تساعد نماذج الشبكات العصبية الهجينة في فهم تغيرات درجات الحرارة وكيفية استخدام البطاريات. من خلال الجمع بين الموازنة الفيزيائية والأساليب المعتمدة على البيانات، يمكن لأنظمة إدارة البطاريات أن تساعد بطاريات الليثيوم أيون على الاستمرار لفترة أطول وتحسين أدائها. كما أن دمج النماذج المتعددة، مثل "الغابة العشوائية"، يُعزز اختبارات حالة البطارية باستخدام أفضل مكونات النماذج المختلفة.
تساعد الطرق الهجينة أنظمة إدارة البطاريات على مواكبة التغيرات الواقعية، مما يجعلها أكثر موثوقية للسيارات الكهربائية وغيرها من الاستخدامات.
اعتبارات التطبيق
يتطلب اختيار واستخدام الطرق الهجينة في أنظمة بطاريات الليثيوم أيون الحقيقية تخطيطًا دقيقًا. يجب على المهندسين التفكير في احتياجات كل استخدام، مثل السيارات الكهربائية أو التخزين.
تستخدم الطرق المعتمدة على البيانات بيانات المستشعرات الفورية، وتتغير مع تقدم عمر البطاريات أو استخدامها. تتميز هذه الطرق بدقة أكبر، وتوافقها مع تركيبات كيميائية مختلفة، وقدرتها على معالجة ضوضاء المستشعر بكفاءة.
تجمع الأطر الهجينة بين خوارزميات الغابات العشوائية، والنماذج القائمة على الفيزياء، وأدوات التعلم الآلي الأخرى بشكل أفضل. هذا التوازن يضمن الدقة، ويعمل بسرعة، ويمكن استخدامه مع العديد من أنواع بطاريات الليثيوم أيون وحالاتها.
يتعين على المهندسين حل مشكلات مثل الحاجة إلى بيانات جيدة كثيرة، واختيار الميزات المناسبة، وتكاليف أجهزة الكمبيوتر. يمكن لدمج الميزات وضبط الإعدادات تحسين التنبؤات والمساعدة في إجراء تغييرات آنية.
تساعد البيانات الكثيرة، مثل جهد الخلية، والتيار، ودرجة الحرارة، وعدد الدورات، في اختيار أفضل الطرق الهجينة. تساعد هذه الطرق في معالجة البيانات المشوشة أو المفقودة، وتُعطي نتائج خاصة لكل استخدام، وليس فقط حالة الشحن الأساسية وحالة البطارية. في الواقع، تُحقق الطرق الهجينة نتائج جيدة في المختبرات وفي الميدان، كما هو الحال في السيارات الكهربائية، حيث تحافظ على سلامة البطاريات وقدرتها على العمل في ظروف مختلفة.
نصيحة: عند اختيار أساليب هجينة، ينبغي على المهندسين مواءمة الأسلوب مع أهداف نظام البطارية وبياناته ومكان استخدامه. هذا يضمن إدارة بطاريات الليثيوم أيون بشكل موثوق، وقابل للنمو، وعملها بشكل آني.
إن معرفة نظام الحماية (SOC) وحالة البطارية (SOH) المناسبين أمر بالغ الأهمية لضمان جودة وأمان عمل بطاريات الليثيوم أيون. لكل طريقة مزاياها، ولكن استخدام أكثر من طريقة معًا في نظام إدارة البطاريات يُعطي أفضل النتائج لضمان استمرارية عمل بطاريات الليثيوم أيون وتحسين أدائها. تُظهر أبحاث جديدة أن استخدام أساليب ذكية لاختيار البيانات المهمة وتحسين الشبكات العصبية قد يُقلل من الأخطاء إلى حد كبير، حتى بنسبة 0.16%. هذا يُساعد البطاريات على إطالة عمرها وزيادة أمانها. من المهم اختيار طريقة التقدير التي تُناسب احتياجات كل بطارية ليثيوم أيون.
الأسئلة الشائعة
ما هي الوظيفة الرئيسية لنظام إدارة البطارية؟
يحافظ نظام إدارة البطاريات على سلامتها، إذ يتحقق من حالة الشحن وسلامتها. ويوازن النظام الخلايا لتعمل معًا. ويمنع ارتفاع درجة حرارة البطاريات أو امتلائها بشكل مفرط، مما يساعد على إطالة عمرها وتحسين أدائها.
لماذا لا تستطيع أجهزة الاستشعار قياس حالة الشحنة بشكل مباشر؟
لا تستطيع المستشعرات النظر داخل البطارية. تحدث التفاعلات الكيميائية داخلها حيث لا تستطيع المستشعرات رؤيتها. تقيس المستشعرات الجهد والتيار ودرجة الحرارة فقط. يستخدم النظام هذه الأرقام باستخدام خوارزميات خاصة لتخمين حالة الشحنة.
كيف تؤثر درجة الحرارة على تقدير حالة البطارية؟
عندما يكون الجو حارًا جدًا أو باردًا جدًا، تتغير تفاعلات البطارية. قد يرتكب النظام أخطاءً في حالة الشحن أو حالة البطارية. تُجري أنظمة إدارة البطاريات الجيدة تعديلات على حساباتها لتصحيح هذه الأخطاء.
ما هي الطريقة التي تعطي تقديرًا دقيقًا للحالة الصحية؟
الأسلوب | مستوى الدقة |
|---|---|
تعلم آلة | عالي جدا |
تحليل المعاوقة | مرتفع |
المقاومة الداخلية | متوسط |
عد الدورات | منخفض |
عادةً ما يعطي التعلم الآلي أفضل النتائج إذا كانت البيانات جيدة.
