බැටරි කළමනාකරණ පද්ධතියක් වක්ර ඇස්තමේන්තු ශිල්පීය ක්රම භාවිතා කරමින් ලිතියම්-අයන බැටරිවල ආරෝපණ තත්ත්වය සහ සෞඛ්ය තත්ත්වය සොයා ගනී. බැටරිය තුළ සංකීර්ණ ප්රතික්රියා ඇති බැවින් එයට මෙම දේවල් කෙලින්ම මැනිය නොහැක. එබැවින්, පද්ධතිය සංඛ්යානමය විශේෂාංග නිස්සාරණය, කූලෝම්බ් ගණන් කිරීම සහ උසස් දත්ත මත පදනම් වූ ආකෘති වැනි ක්රම භාවිතා කරයි. උදාහරණයක් ලෙස, බැටරි පිරිහීම නිරීක්ෂණය කිරීම සඳහා වෝල්ටීයතාවයෙන් සහ ධාරා වක්රවලින් විචලනය, මධ්යන්යය සහ ඇලවීම වැනි සංඛ්යානමය මිනුම් දෙස බලයි. යන්ත්ර ඉගෙනීම සහ නිරීක්ෂක-පාදක ප්රවේශයන් වැනි වක්ර ඇස්තමේන්තු ක්රම භාවිතා කිරීම, සමාජ ඇස්තමේන්තුව වඩාත් නිවැරදි සහ ආරක්ෂිත කිරීමට උපකාරී වේ. මෙම සමාජ ඇස්තමේන්තු ක්රම බැටරි කළමනාකරණ පද්ධතියට ලිතියම්-අයන බැටරිවල වෙනස්කම් පුරෝකථනය කිරීමට උපකාරී වේ. ධාරිතාව නැතිවීම, වයසට යාම සහ අවදානම් වඩා හොඳින් කළමනාකරණය කිරීමට ද ඒවා උපකාරී වේ. හොඳ ආරෝපණ තත්ත්වය සහ සෞඛ්ය තත්ත්වය ඇස්තමේන්තු කිරීම සෑම ලිතියම්-අයන බැටරියක්ම වඩා හොඳින් ක්රියා කිරීමට සහ දිගු කල් පැවතීමට උපකාරී වේ.
ලිතියම්-අයන බැටරි පද්ධතිවල නිවැරදි සමාජ ඇස්තමේන්තුව මඟින් බැටරිය අධික ලෙස ආරෝපණය වීම, අධික උනුසුම් වීම සහ හදිසි අසාර්ථකත්වයන්ගෙන් ආරක්ෂා වේ. මෙය නවීන බැටරි කළමනාකරණ පද්ධති සඳහා ශක්තිමත් ඇස්තමේන්තු ශිල්පීය ක්රම ඉතා වැදගත් කරයි.
සංඛ්යානමය මෙට්රික් | විස්තර | බැටරි ක්ෂය වීම සමඟ සහසම්බන්ධය |
|---|---|---|
විචලතාව | ස්ථාවර වෝල්ටීයතාව/ධාරා වෙනස්කම් කෙතරම් දැයි පරීක්ෂා කරයි. | වැඩි විචලනය යනු අසමාන අභ්යන්තර ප්රතිරෝධය සහ රසායනික ප්රතික්රියා සහ ඉලෙක්ට්රෝඩ හානි යන්නයි. |
උපරිම අගය | ආරෝපණය කිරීමේදී හෝ විසර්ජනය කිරීමේදී ඉහළම වෝල්ටීයතාවය/ධාරාව | අඩු සංඛ්යාවලින් පෙන්නුම් කරන්නේ අඩු බර ධාරිතාවක් සහ අධික ලෙස ආරෝපණය වීම හෝ අධික උනුසුම් වීම වැනි ආරක්ෂක ගැටළු ඇති විය හැකි බවයි. |
අවම අගය | ආරෝපණය කිරීමේදී හෝ විසර්ජනය කිරීමේදී අවම වෝල්ටීයතාවය/ධාරාව | ධාරිතාව අහිමි වීම සහ ආරක්ෂක ගැටළු පෙන්වයි |
මධ්යන්යය (සාමාන්යය) | චක්රයක් තුළ සාමාන්ය වෝල්ටීයතාවය/ධාරාව | වෙනස්කම් මගින් ඉලෙක්ට්රෝලය බිඳවැටීම සහ අඩු ශක්ති ප්රතිදානයක් පෙන්නුම් කරයි. |
අදින්න | වෝල්ටීයතාවය/ධාරාව කෙතරම් අසමානව පැතිරී ඇත්ද යන්න | SOH පුරෝකථනය කිරීමට විශේෂාංග නිස්සාරණයේදී භාවිතා වේ. |
අතිරික්ත කර්ටෝසිස් | වෝල්ටීයතාව/ධාරා උච්චතම අවස්ථාව කෙතරම් තියුණුද? | වැඩි සංඛ්යා යනු වැඩි ධ්රැවීකරණයක් සහ අඩු ලිතියම් ඇතුළු කිරීමේ හැකියාවයි. |
යතුරු රැගෙන යාම
බැටරි කළමනාකරණ පද්ධතිවලට ආරෝපණය හෝ සෞඛ්යය සෘජුවම මැනිය නොහැක. ඔවුන් සංඛ්යානමය විශ්ලේෂණය, කූලෝම් ගණන් කිරීම සහ යන්ත්ර ඉගෙනීම වැනි වක්ර ක්රම භාවිතා කරයි. මෙම ක්රම බැටරි ආරෝපණය සහ සෞඛ්යය තක්සේරු කිරීමට උපකාරී වේ.
ආරෝපණ තත්ත්වය දැන ගැනීම බැටරි ආරක්ෂිතව තබා ගැනීමට උපකාරී වේ. එය අධික ලෙස ආරෝපණය වීම, අධික උනුසුම් වීම සහ හදිසි ගැටළු නවත්වයි.
බැටරි පරීක්ෂා කිරීමට විවිධ ක්රම තිබේ. විවෘත පරිපථ වෝල්ටීයතාවය, කූලෝම් ගණන් කිරීම, කල්මන් පෙරීම සහ AI-පාදක ආකෘති යනු සමහර ක්රම වේ. එක් එක් ඒවාට හොඳ සහ නරක ලකුණු ඇත. ඒවා එකට භාවිතා කිරීමෙන් ප්රතිඵල වඩා හොඳ සහ විශ්වාසදායක වේ.
සෞඛ්ය තත්ත්වය පිළිබඳ ඇස්තමේන්තුව මඟින් බැටරියක් කොපමණ පැරණිද යන්න පරීක්ෂා කරයි. එය ධාරිතාව නැතිවීම සහ අභ්යන්තර ප්රතිරෝධය දෙස බලයි. මෙය බැටරි ආයු කාලය අනුමාන කිරීමට සහ ආරක්ෂක ගැටළු වළක්වා ගැනීමට උපකාරී වේ.
දෙමුහුන් ප්රවේශයන් ආකෘති පාදක සහ දත්ත පාදක ක්රම මිශ්ර කරයි. මේවා හොඳම ප්රතිඵල ලබා දෙයි. සැබෑ ලෝක භාවිතය සමඟ ඒවා වෙනස් විය හැකිය. මෙය බැටරි දිගු කල් පවතින අතර වඩා හොඳින් ක්රියා කිරීමට උපකාරී වේ.
බැටරි කළමනාකරණ පද්ධති මූලික කරුණු
ප්රධාන කාර්යයන්
ලිතියම්-අයන බැටරි සඳහා බැටරි කළමනාකරණ පද්ධතියක් ඉතා වැදගත් වේ. එය ලිතියම්-අයන බැටරි ආරක්ෂිතව සහ හොඳින් ක්රියාත්මක වීමට උපකාරී වේ. පද්ධතිය වෝල්ටීයතාවය, ධාරාව සහ උෂ්ණත්වය සඳහා සෑම ලිතියම්-අයන බැටරි සෛලයක්ම පරීක්ෂා කරයි. සියලුම ලිතියම්-අයන බැටරි සෛල ඒකාකාරව ආරෝපණය වී විසර්ජනය වන බව ද එය සහතික කරයි. මෙය සෑම ලිතියම්-අයන බැටරියක්ම දිගු කාලයක් පැවතීමට සහ වඩා හොඳින් ක්රියා කිරීමට උපකාරී වේ.
බැටරි කළමනාකරණ පද්ධතිය සෑම ලිතියම්-අයන බැටරියකම ආරෝපණ තත්ත්වය සහ සෞඛ්ය තත්ත්වය නිරීක්ෂණය කරයි. එය අධික ලෙස ආරෝපණය වීම සහ ගැඹුරු විසර්ජනය නැවැත්වීමට මෙම සංඛ්යා භාවිතා කරයි, මෙය ලිතියම්-අයන බැටරි වලට හානි කළ හැකිය.
ආරක්ෂාව පළමුව පැමිණේ. අධික උනුසුම් වීම හෝ කෙටි පරිපථ වැනි ගැටළු හමු වුවහොත් පද්ධතිය ලිතියම්-අයන බැටරිය විසන්ධි කරනු ඇත. දේවල් ක්රියාත්මක වීමට උපස්ථ සෛල හෝ ඇසුරුම් භාවිතා කළ හැකිය.
සන්නිවේදනය වැදගත් වේ. උපාංගයේ හෝ වාහනයේ අනෙකුත් කොටස් වෙත දත්ත යැවීමට බැටරි කළමනාකරණ පද්ධතිය SPI සහ CAN බස් භාවිතා කරයි.
මධ්යගත හෝ බෙදා හරින ලද වැනි විවිධ වර්ග තිබේ, එබැවින් බැටරි කළමනාකරණ පද්ධතියට බොහෝ ලිතියම්-අයන බැටරි සැලසුම් වලට ගැලපේ.
සමහර පද්ධතිවල දුරස්ථ අධීක්ෂණය, ජීවන චක්ර පුරෝකථනය සහ දෝෂ හඳුනාගැනීම වැනි අමතර විශේෂාංග ඇත. මේවා බැටරිය වඩා හොඳින් සහ ආරක්ෂිතව ක්රියා කිරීමට උපකාරී වන පරිදි වලාකුළු පරිගණකකරණය සහ යන්ත්ර ඉගෙනීම භාවිතා කරයි.
යතුරු ශ්රිතය / ඇල්ගොරිතමය | විස්තර |
|---|---|
සෛල අධීක්ෂණය | එක් එක් ලිතියම්-අයන බැටරි සෛලයේ වෝල්ටීයතාවය, ධාරාව සහ උෂ්ණත්වය නිරීක්ෂණය කරයි. ගැටළු සොයාගෙන ආරක්ෂිත ක්රියාමාර්ග ආරම්භ කරයි. ආරෝපණ තත්ත්වය සහ සෞඛ්ය තත්ත්වය ගණනය කරයි. |
බල ප්රශස්තකරණය | ලිතියම්-අයන බැටරි සෛල ආරක්ෂිතව තබා ගැනීම සඳහා ආරෝපණය සහ විසර්ජනය පාලනය කරයි. බුද්ධිමත් ආකාරයකින් බලය භාවිතා කිරීමට අනෙකුත් පද්ධති සමඟ ක්රියා කරයි. |
ආරක්ෂාව සහතික කිරීම | තාපජ පැනීම වැනි අනතුරු නවත්වයි. උපස්ථ සැලසුම් භාවිතා කරන අතර විදුලි කම්පනයෙන් මිනිසුන් ආරක්ෂා කරයි. |
බැටරි ආරෝපණ ප්රශස්තිකරණය | එක් එක් ලිතියම්-අයන බැටරි සෛලයේ ආතතිය අඩු කිරීම සඳහා ආරෝපණය වෙනස් කරයි. පසුකාලීන පරීක්ෂාවන් සඳහා දෝෂ කේත සුරකියි. |
සෛල තුලනය කිරීමේ ඇල්ගොරිතමය | සියලුම ලිතියම්-අයන බැටරි සෛල එකම වෝල්ටීයතාවයක් ඇති බව සහතික කරයි. බැටරිය වඩා හොඳින් ක්රියා කිරීමට උපකාර කිරීම සඳහා ක්රියාකාරී හෝ නිෂ්ක්රීය තුලනය භාවිතා කරයි. |
සන්නිවේදන ඇල්ගොරිතම | බැටරි කළමනාකරණ පද්ධතිය සහ අනෙකුත් උපාංග අතර දත්ත යවයි. අනාරක්ෂිත තත්ත්වයන් සොයා ගන්නේ නම් ආරෝපණය නතර කරයි. |
ඉඟිය: සූදානම් කළ මෘදුකාංග සහ දෘඩාංග මෙවලම් භාවිතා කිරීමෙන් ඉංජිනේරුවන්ට ලිතියම්-අයන බැටරි සඳහා බැටරි කළමනාකරණ පද්ධතියක් වේගයෙන් ගොඩනඟා පරීක්ෂා කිරීමට උපකාරී වේ.
සහාය දක්වන රසායන විද්යාව
බැටරි කළමනාකරණ පද්ධතියක් බොහෝ ලිතියම්-අයන බැටරි රසායන විද්යාවන් සමඟ ක්රියා කළ යුතුය. NMC, LFP සහ NCA වැනි සෑම රසායන විද්යාවකටම තමන්ගේම හොඳ සහ නරක කරුණු ඇත. උදාහරණයක් ලෙස, NMC ලිතියම්-අයන බැටරි ඉහළ ශක්ති ඝනත්වයක් ඇත. LFP ලිතියම්-අයන බැටරි දිගු කල් පවතින අතර තාපය වඩා හොඳින් හසුරුවයි. බැටරි කළමනාකරණ පද්ධතිය එක් එක් ලිතියම්-අයන බැටරි රසායන විද්යාවට ගැලපෙන පරිදි ක්රියා කරන ආකාරය වෙනස් කරයි.
මෑත කාලීන අධ්යයනයන් මගින් විදුලි වාහනවල විවිධ ලිතියම්-අයන බැටරි රසායන විද්යාව ක්රියා කරන ආකාරය සොයා බලයි. මෙම අධ්යයනයන් පෙන්වා දෙන්නේ බැටරි කළමනාකරණ පද්ධති ශක්ති ඝනත්වය, පිරිවැය සහ චක්ර ආයු කාලයෙහි වෙනස්කම් හැසිරවිය යුතු බවයි. එක් එක් ලිතියම්-අයන බැටරි වර්ගය සඳහා තාප කළමනාකරණය සහ උසස් තත්ව ඇස්තමේන්තුව වැදගත් බව ද ඔවුන් පෙන්වා දෙයි. පෙරහන් කළ දත්ත භාවිතා කිරීමෙන් ලිතියම්-අයන බැටරි සඳහා සෞඛ්ය තත්ත්වය පුරෝකථනය කිරීමට යන්ත්ර ඉගෙනුම් ආකෘතිවලට උපකාරී වේ. මෙය වැරදි අඩු කරන අතර එක් එක් ලිතියම්-අයන බැටරි රසායන විද්යාව වයස්ගත වන ආකාරය සමඟ කටයුතු කිරීමට බැටරි කළමනාකරණ පද්ධතියට උපකාරී වේ.
නම්යශීලී බැටරි කළමනාකරණ පද්ධතියක් බොහෝ ලිතියම්-අයන බැටරි රසායන විද්යාවන් සමඟ ක්රියා කළ හැකිය. මෙය විදුලි වාහනවල සිට අතේ ගෙන යා හැකි ඉලෙක්ට්රොනික උපකරණ දක්වා සෑම යෙදුමකටම හොඳම බැටරි ක්රියාකාරිත්වය සහ ආරක්ෂාව ලබා ගැනීමට උපකාරී වේ.
ලිතියම්-අයන බැටරිවල ආරෝපණ තත්ත්වය
ලිතියම්-අයන බැටරි සඳහා ආරෝපණ තත්ත්වය ඉතා වැදගත් වේ. එය බැටරිය ආරක්ෂිතව තබා ගැනීමට සහ හොඳින් ක්රියා කිරීමට උපකාරී වේ. ආරෝපණ තත්ත්වය නිවැරදි නොවේ නම්, බැටරිය අධික ලෙස රත් වීමට හෝ බලය අහිමි වීමට ඉඩ ඇත. මෙය බැටරිය බිඳ වැටීමට හෝ ගිනි ගැනීම් වැනි භයානක ගැටළු ඇති කිරීමට පවා හේතු විය හැක. විදුලි මෝටර් රථවල, ආරෝපණ තත්ත්වය දැන ගැනීම තිරිංග සහ ආරෝපණය සඳහා උපකාරී වේ. එය බැටරිය දිගු කාලයක් පවතිනු ඇත. හොඳ ආරෝපණ තත්ත්වය තක්සේරු කිරීම වැරදි අඩු කරන අතර පරිසරයට උපකාරී වන බව අධ්යයනවලින් පෙනී යයි.
ලිතියම්-අයන බැටරියක ආරෝපණ තත්ත්වය කෙලින්ම මැනිය නොහැක. ඇතුළත රසායනික ප්රතික්රියා සැඟවී ඇති අතර දැකීමට අපහසුය. ශබ්දය සහ බැටරියේ සිදුවන වෙනස්කම් නිසා සංවේදක වැරදි විය හැකිය. එබැවින්, බැටරි කළමනාකරණ පද්ධති ආරෝපණ තත්ත්වය අනුමාන කිරීමට විශේෂ ක්රම භාවිතා කරයි. ඔවුන් එය සොයා ගැනීමට වෝල්ටීයතාවය, ධාරාව සහ උෂ්ණත්වය දෙස බලයි. මෙම ක්රම සංවේදක ගැටළු සහ බැටරි වයසට යාම සමඟ කටයුතු කිරීමට උපකාරී වේ.
OCV ක්රමය
විවෘත පරිපථ වෝල්ටීයතා ක්රමය මඟින් බැටරි වෝල්ටීයතාවය නිශ්චල වූ පසු පරීක්ෂා කිරීමෙන් ආරෝපණ තත්ත්වය අනුමාන කරයි. සෑම බැටරි රසායන විද්යාවකටම තමන්ගේම වෝල්ටීයතාවයක් සහ ආරෝපණ තත්ත්වය සම්බන්ධකයක් ඇත. මෙම ක්රමය සරල වන අතර වැඩි වියදමක් දැරීමට සිදු නොවේ. පළමු ආරෝපණ තත්ත්වය පරීක්ෂා කිරීම සඳහා එය හොඳින් ක්රියා කරන අතර විශාල බැටරි ආකෘතියක් අවශ්ය නොවේ.
අංශයක් | විස්තර |
|---|---|
මූලධර්මය | බැටරි වෝල්ටීයතාවය මනිනු ලබන්නේ විවේකයෙන් පසුවය. එක් එක් බැටරි වර්ගය පරීක්ෂා කිරීමෙන් OCV සහ ආරෝපණ තත්ත්වය සොයා ගනු ලැබේ. |
ප්රතිලාභ | 1. සරල ක්රියාවලිය |
සීමාවන් | 1. දිගු විවේක කාලයක් අවශ්ය වේ (සීතල නම් පැය 2 කට වඩා) |
බැටරිය ක්රියාත්මක වන අතරතුර OCV ක්රමයට ආරෝපණ තත්ත්වය පරීක්ෂා කළ නොහැක. ලිතියම්-අයන බැටරි බොහෝ විට ඉක්මනින් වෙනස් වේ, එබැවින් බැටරිය විවේක ගන්නා තෙක් බලා සිටීම ප්රයෝජනවත් නොවේ. OCV වක්රයේ පැතලි ලප කුඩා වෝල්ටීයතා වෙනස්වීම් වලින් විශාල වැරදි ලබා ගැනීම පහසු කරයි.
කූලෝම් ගණන් කිරීම
කූලෝම් ගණන් කිරීම, හෝ ආහ් ගණන් කිරීම, ඇතුළට සහ පිටතට යන ධාරාව එකතු කිරීමෙන් ආරෝපණ තත්ත්වය අනුමාන කරයි. එය පළමු ආරෝපණ තත්ත්වය අංකයකින් ආරම්භ වන අතර ධාරාව චලනය වන විට එය වෙනස් කරයි.
ඇගයීමේ අංගය | විස්තර |
|---|---|
ක්රමය | වැඩිදියුණු කළ කූලෝම්බ් ගණන් කිරීමේ ඇල්ගොරිතමය |
වලංගුකරණ ප්රවේශය | ආරෝපණ/විසර්ජන වක්ර වලින් ලැබෙන සැබෑ ආරෝපණ තත්ත්වය සමඟ සංසන්දනය කරන ලද MATLAB පරීක්ෂණය |
උපරිම දෝෂය (ආරෝපණය අවසන්) | 3.5% ක් පමණ |
CC අදියර අතරතුර දෝෂයක් | 2% ට වඩා අඩු |
CV අදියරේදී දෝෂයක් | 1% ට වඩා අඩු |
දෝෂ ප්රවණතාවය | සෞඛ්ය පරීක්ෂාවට පෙර කාලයත් සමඟ විශාල වේ. |
වැදගත් සාධක | හොඳ පළමු ආරෝපණ තත්ත්වය සහ ආරෝපණය අඩු දෝෂ පරීක්ෂා කරයි |
වාසි | සරල ගණිතය; ප්රමාණවත් තරම් හොඳ නිරවද්යතාවයක්; අමතර බැටරි දත්ත අවශ්ය නොවේ. |
අවහිරතා | කාලයත් සමඟ වැරදි එකතු වේ; හොඳ පළමු ආරෝපණ තත්ත්වය සහ සෞඛ්ය තත්ත්වය පිළිබඳ සංඛ්යා අවශ්ය වේ. |
කූලෝම් ගණන් කිරීම භාවිතා කිරීමට පහසු වන අතර අමතර බැටරි දත්ත අවශ්ය නොවේ. නමුත් කාලයත් සමඟ වැරදි එකතු විය හැකිය. වත්මන් හෝ පළමු ආරෝපණ තත්වයේ කුඩා දෝෂ තවත් නරක අතට හැරිය හැක. මෙම ක්රමය නිතිපතා පරීක්ෂා කිරීම් හෝ උපකාර කිරීමට වෙනත් ක්රම සමඟ හොඳින් ක්රියා කරයි.
ක්රමය | ආර්එම්එස්ඊ | MSE | MFA | ප්රධාන සොයාගැනීම් |
|---|---|---|---|---|
කූලෝම් ගණන් කිරීම (CC) | 0.5071 | 0.2572 | 0.4571 | සංවේදක ශබ්දය සහ දෝෂ නිසා සිදුවන ඉහළම වැරදි; දිගුකාලීන භාවිතය සඳහා හොඳ නැත. |
දිගු කළ කල්මන් පෙරහන | 0.0925 | N / A | N / A | ආකෘති ආධාරයෙන් වඩා හොඳ නිරවද්යතාවයක්; හොඳ බැටරි ආකෘතියක් අවශ්යයි. |
රේඛීය නියඟය | 0.0778 | N / A | N / A | EKF වලට වඩා හොඳයි නමුත් ආරෝපණ තත්ත්වය වෙනස් කිරීම සඳහා පරිපූර්ණ නොවේ. |
ආධාරක දෛශික යන්ත්රය | 0.0319 | N / A | N / A | වෙනස්කම් වඩා හොඳින් හසුරුවයි; වැඩි පරිගණක බලයක් අවශ්යයි. |
අහඹු වනාන්තර පසුබෑම | 0.0229 | 0.0005 | 0.0139 | හොඳම නිරවද්යතාවය; ශබ්දය සහ වෙනස්කම් සමඟ හොඳින් ක්රියා කරයි; සැබෑ බැටරි කළමනාකරණය සඳහා හොඳයි. |
කල්මන් පෙරහන
කල්මන් පෙරහන මඟින් ආරෝපණ තත්ත්වය අනුමාන කිරීමට ගණිත ආකෘති භාවිතා කරයි. දිගු කළ කල්මන් පෙරහන සහ සුවඳ නොදැමූ කල්මන් පෙරහන ජනප්රියයි. මෙම පෙරහන් බැටරි ආකෘති අනුමාන සමඟ තත්ය කාලීන දත්ත මිශ්ර කරයි. නව දත්ත පැමිණෙන විට ඔවුන් තම අනුමාන නිවැරදි කරයි.
EKF, UKF, අනුවර්තී කල්මන් පෙරහන් සහ ද්විත්ව කල්මන් පෙරහන් වැනි කල්මන් පෙරහන් ක්රම බහුලව භාවිතා වේ.
මෙම පෙරහන් වඩා හොඳ ප්රතිඵල ලබා ගැනීම සඳහා සරල බැටරි ආකෘති සහ වඩාත් සංකීර්ණ ඒවා භාවිතා කරයි.
පරීක්ෂණවලින් පෙනී යන්නේ කල්මන් පෙරහන් වෙනස්කම්, බැටරි මතකය සහ සංවේදක ශබ්දය හොඳින් හසුරුවන බවයි.
සැකසුම් වෙනස් කිරීම සහ ස්නායුක ජාල භාවිතා කිරීම ඒවා තවත් හොඳ කරයි.
අංක නැවත නැවතත් යාවත්කාලීන කිරීම ආකෘති වෙනස්වීම් සහ සංවේදක ප්ලාවිතය හේතුවෙන් සිදුවන වැරදි නිවැරදි කිරීමට උපකාරී වේ.
අධ්යයනවලින් පෙනී යන්නේ අනුවර්තන සහ ද්විත්ව කල්මන් පෙරහන් සාමාන්ය EKF වලට වඩා ආරෝපණ තත්ත්වය සඳහා වඩා හොඳින් ක්රියා කරන බවයි.
කල්මන් පෙරහන ලිතියම්-අයන බැටරි සඳහා හොඳ, තත්ය කාලීන ආරෝපණ තත්ව අනුමාන ලබා දෙයි. එයට ප්රවේශමෙන් සැකසීම සහ හොඳ බැටරි ආකෘතියක් අවශ්ය වේ. එය භාවිතා කිරීමට අපහසු විය හැකි නමුත්, දේවල් වේගයෙන් වෙනස් වන විට එය හොඳින් ක්රියා කරයි.
දෙමුහුන් සහ AI ක්රම
දෙමුහුන් සහ AI ක්රම, ආරෝපණ තත්ත්වය අනුමාන කිරීම සඳහා ආකෘති-පාදක සහ දත්ත-පාදක ක්රම මිශ්ර කරයි. මේවා ස්නායුක ජාල, ආධාරක දෛශික යන්ත්ර සහ අහඹු වනාන්තර ප්රතිගමනය වැනි යන්ත්ර ඉගෙනීම භාවිතා කරයි. ඔවුන් වෝල්ටීයතාව, ධාරාව සහ උෂ්ණත්ව දත්ත වලින් ඉගෙන ගනී. තනි ක්රමවලට කළ නොහැකි ගැටළු දෙමුහුන් ක්රම මගින් විසඳයි.
අංශයක් | විස්තර |
|---|---|
ක්රමය | කූලෝම් ගණන් කිරීම සහ අදාළ දෛශික යන්ත්රය (movIRVM-Coulomb) භාවිතයෙන් දෙමුහුන් ආරෝපණ තත්ත්වය අනුමාන කිරීම. |
දත්ත කට්ටලය | තනි බැටරි සෛල දත්ත, බැටරි පැක් පරීක්ෂණ දත්ත, උපදේශක සමාකරණ දත්ත |
කොන්දේසි | US06, UDDS, NYCC, 1015 ධාවක චක්ර සහිත පරීක්ෂණ; උෂ්ණත්වය 0°C, 25°C, 45°C; පළමු ආරෝපණ තත්ත්වය 50%, 80% |
නිරවද්යතාවය (RMSE) | බොහෝ පරීක්ෂණ සහ උෂ්ණත්වයන් සඳහා 2% ක් ඇතුළත |
වැඩිදියුණු කිරීම | movIRVM වලට වඩා 30% කට වඩා හොඳයි; කාලයත් සමඟ වැරදි අඩුයි. |
ප්රධාන සීමාව ආමන්ත්රණය කරන ලදී | පිරිසිදු කූලෝම් ගණන් කිරීමේදී වැරදි ගොඩනැගීම නිවැරදි කරයි. |
අමතර සටහන් | ශබ්දය අඩු කිරීම සඳහා චලනය වන සාමාන්යය භාවිතා කරයි; RVM කොටස සඳහා අවශ්ය වන්නේ 10-30% පුහුණු දත්ත පමණි. |
අමුතු බැටරි ක්රියා හැසිරවීමට දෙමුහුන් ක්රම දත්ත සහ ආකෘති මිශ්ර කරයි.
දත්ත පාදක ක්රම අතරට ස්නායුක ජාල, ආධාරක දෛශික යන්ත්ර, ගවුසියානු ක්රියාවලි ප්රතිගමනය, තරංග ස්නායුක ජාල සහ අපැහැදිලි තර්කනය ඇතුළත් වේ.
මෙම ක්රම මඟින් ඔබට මැනිය හැකි සංඥා වලින් ආරෝපණ තත්ත්වය අනුමාන කළ හැකිය.
ගැටළු අතර බැටරි වෙනස්කම්, අමුතු භාවිතය සහ බැටරි ගෙවී යාම ඇතුළත් වේ.
දැන්, පර්යේෂකයන් දත්ත පාදක ක්රමවලට කැමති වන්නේ ආකෘතිවලට පමණක් සියලු ගැටලු විසඳිය නොහැකි බැවිනි.
ගැඹුරු ඉගෙනුම් සහ සැබෑ මෝටර් රථ දත්ත භාවිතා කරන නව අධ්යයනවලින් පෙනී යන්නේ දෙමුහුන් සහ AI ක්රම මගින් 2% ට වඩා අඩු දෝෂයකින් ආරෝපණ තත්ත්වය අනුමාන කළ හැකි බවයි. දේවල් බොහෝ වෙනස් වූ විට පවා මෙම ක්රම ඉතා නිවැරදි වන අතර හොඳින් ක්රියාත්මක වේ.
සටහන: අවිනිශ්චිතතාව, සංවේදක දෝෂ සහ අහඹු ශබ්දය නිවැරදි කිරීමෙන් සංඛ්යානමය ක්රම ආරෝපණ තත්ත්වය අනුමාන කිරීමට උපකාරී වේ. ක්රමාංකනය, ප්රතිගමනය සහ පරීක්ෂාව සියලුම ආරෝපණ තත්ත්වය වඩාත් විශ්වාසදායක කරයි.
සෞඛ්ය තත්ත්වය ඇස්තමේන්තු කිරීමේ ක්රම
සෞඛ්ය තත්ත්වය හෙවත් SOH, ලිතියම්-අයන බැටරියක් කොපමණ කාලයක් පැරණි වී ඇත්දැයි අපට කියයි. එය දැන් බැටරිය එය අලුත් වූ විට සංසන්දනය කරයි. SOH සොයා ගන්නේ වත්මන් ධාරිතාව දෙස බලා එය මුල් ධාරිතාවයට සංසන්දනය කිරීමෙනි. නව සෛලයකට අභ්යන්තර ප්රතිරෝධය සංසන්දනය කිරීමෙන් ද එය පරීක්ෂා කළ හැකිය. SOH 80% හෝ 70% ට වඩා පහත වැටෙන විට, බැටරිය එහි ආයු කාලය අවසන් වේ. SOH වැදගත් වන්නේ එය බැටරිය කෙතරම් හොඳින් ක්රියා කරනවාද, එය කෙතරම් ආරක්ෂිතද සහ එය කොපමණ කාලයක් පවතින්නේද යන්න බලපාන බැවිනි. SOH ක්රියා විරහිත වන විට, බැටරිය අඩු ශක්තියක් රඳවා ගනී. මෙයින් අදහස් කරන්නේ විදුලි මෝටර් රථ එතරම් දුරක් යා නොහැකි අතර උපාංග එතරම් කාලයක් ක්රියාත්මක නොවන බවයි. බැටරියක් බොහෝ කාලයක් පැරණි වුවහොත්, එය ඉදිමීමට, කාන්දු වීමට හෝ ගිනි ගැනීමට පවා පුළුවන. හොඳ SOH පුරෝකථනය මෙම ගැටළු නැවැත්වීමට උපකාරී වන අතර බැටරි ආරක්ෂිතව තබා ගනී.
අංශයක් | සාක්ෂි | සංඛ්යාත්මක දත්ත / විස්තර |
|---|---|---|
SOH හි අර්ථ දැක්වීම | SOH යනු ආරම්භක ධාරිතාවට ධාරාවේ ධාරිතාවයේ අනුපාතය හෝ නව බැටරියකට අභ්යන්තර ප්රතිරෝධය සංසන්දනය කිරීමයි. | SOH ආයු කාලය අවසන් වන විට 80% හෝ 70% ධාරිතාවක් ඉතිරිව පවතී. |
දිගු ආයු කාලය මත බලපෑම | SOH මඟින් විදුලි වාහනවලට යා හැකි දුර සීමා කරන ධාරිතාව කොපමණ ප්රමාණයක් අහිමි වේද යන්න පෙන්වයි. බැටරි වයසට යාම යනු ධාරිතාව අඩු වීමයි. | කිලෝමීටර 10,000කට වැඩි කාලයක් සහ දින 800කට වැඩි කාලයක් භාවිතා කරන ලද විදුලි වාහන බැටරිවල ධාරිතාව අහිමි වීමේ රටා පෙන්නුම් කරයි. |
ආරක්ෂාව මත බලපෑම | නරක වයසට යාම කාන්දුවීම්, ඉදිමීම්, අධික උනුසුම් වීම සහ ගිනි ගැනීමට හේතු විය හැක. | SOH පහත වැටෙන විට ආරක්ෂිත අවදානම් නරක අතට හැරේ, එබැවින් SOH පරීක්ෂා කිරීම වැදගත් වේ. |
දත්ත මූලාශ්රය | විවිධ රිය පැදවීමේ සහ ආරෝපණය කිරීමේ ක්රම සහිත බොහෝ විදුලි වාහන වලින් දත්ත පැමිණේ. | දත්ත කට්ටලයේ විදුලි වාහන 347ක්, මාස 25ක ආරෝපණ වාර්තා සහ සැබෑ ලෝකයේ වෙනස්කම් රාශියක් ඇත. |
SOH ඇස්තමේන්තුකරණයේ අභියෝග | සැබෑ ලෝකයේ වෙනස්කම්, SOC හි වැරදි, ඝෝෂාකාරී දත්ත සහ ප්රමාණවත් සාම්පල නොමැතිකම SOH පරීක්ෂා කිරීම දුෂ්කර කරයි. | බැටරි වයසට යත්ම SOC දෝෂ විශාල වන අතර, BMS හට ධාරිතාව ඉක්මනින් යාවත්කාලීන කිරීමේ ගැටළු ඇති වේ. |
උසස් ක්රම | යන්ත්ර ඉගෙනීම සහ දත්ත පදනම් කරගත් ක්රම SOH පරීක්ෂාවන් වඩා හොඳ කරයි. | BiGRU, දෛශික ප්රතිගමනයට සහාය වීම සහ ගැඹුරු ස්නායුක ජාල SOH සහ SOC වඩාත් නිවැරදිව අනුමාන කිරීමට උපකාරී වේ. |
අභ්යන්තර ප්රතිරෝධය
ලිතියම්-අයන බැටරි වල SOH පරීක්ෂා කිරීම සඳහා අභ්යන්තර ප්රතිරෝධය ඉතා වැදගත් වේ. බැටරි පැරණි වන විට ඒවායේ අභ්යන්තර ප්රතිරෝධය ඉහළ යයි. මෙය සිදුවන්නේ බැටරිය තුළ ඇති කොටස් ගෙවී ගොස් බිඳ වැටෙන බැවිනි. ප්රතිරෝධය දෙගුණ වුවහොත් හෝ ධාරිතාව 70-80% දක්වා පහත වැටේ නම්, බැටරිය එහි ආයු කාලය අවසන් වේ. SOH පරීක්ෂා කිරීමට බොහෝ ක්රම අභ්යන්තර ප්රතිරෝධය භාවිතා කරයි. ප්රතිරෝධය සෘජුවම මැනීම හොඳ ප්රතිඵල ලබා දෙයි, නමුත් සාමාන්යයෙන් බැටරිය විවේක ගැනීමට අවශ්ය වේ, එය සාමාන්ය භාවිතයේදී අපහසු වේ.
SOH පරීක්ෂාවන් වඩා හොඳ කිරීම සඳහා අභ්යන්තර ප්රතිරෝධය භාවිතා කිරීමට විද්යාඥයින් නව ක්රම සොයාගෙන ඇත. උදාහරණයක් ලෙස, ඔවුන් ප්රතිරෝධක දත්ත භාවිතයෙන් විවෘත-පරිපථ වෝල්ටීයතා වක්රය නිවැරදි කරයි. මෙය ආරෝපණ වේගයේ වෙනස්වීම් වලින් සිදුවන වැරදි අඩු කිරීමට උපකාරී වේ. මෙම ආකාරයෙන් දෘඩ ගණිතය වෙනුවට නියත ධාරා ආරෝපණ කාලය වැනි දේවල් භාවිතා කරයි. සැබෑ බැටරි දත්ත පිළිබඳ පරීක්ෂණවලින් පෙනී යන්නේ මෙම ක්රමය සමහර වෝල්ටීයතා පරාස සඳහා මධ්යන්ය නිරපේක්ෂ දෝෂය 1.28% දක්වා අඩු කළ හැකි බවයි. මෙම ප්රතිඵලවලින් පෙනී යන්නේ අභ්යන්තර ප්රතිරෝධය නැරඹීමෙන් SOH පරීක්ෂාවන් ශක්තිමත් සහ වඩාත් නිවැරදි කරන බවයි.
සම්බාධනය
සම්බාධනය මත පදනම් වූ ක්රම මගින් SOH පරීක්ෂා කිරීම සඳහා බැටරියක් විදුලියට ප්රතික්රියා කරන ආකාරය භාවිතා කරයි. මෙම ක්රම බොහෝ විට විද්යුත් රසායනික සම්බාධනය වර්ණාවලීක්ෂය හෝ ඒ හා සමාන පරීක්ෂණ භාවිතා කරයි. විවිධ සංඛ්යාත සමඟ බැටරිය ක්රියා කරන ආකාරය බැලීමෙන්, ඉංජිනේරුවන්ට වයසට යාම හඳුනාගෙන SOH අනුමාන කළ හැකිය. සම්බාධනය ක්රම ඉතා නිවැරදි විය හැකි අතර, මූල මධ්යන්ය වර්ග දෝෂ 0.75% සහ 1.5% SOH ඒකක අතර වේ.
ක්රම වර්ගය | විස්තර | SOH පුරෝකථන නිරවද්යතාවය (RMS දෝෂය) | ප්රායෝගික සලකා බැලීම් |
|---|---|---|---|
සෘජු EIS දත්ත | අමු විද්යුත් රසායනික සම්බාධන වර්ණාවලීක්ෂ දත්ත භාවිතා කරයි | 0.75% – 1.5% SOH ඒකක | මැනීමට වේගවත්, නමුත් සෛල වෙනස් විය හැකිය |
සමාන පරිපථ ගැලපීම් | EIS දත්ත පරිපථ ආකෘති සමඟ ගලපන්න. | 0.75% – 1.5% SOH ඒකක | වැඩිපුර වැඩ සහ ගණිතය අවශ්යයි, නමුත් අවිනිශ්චිතතාවය අඩුයි. |
විවේක කාලයන් බෙදා හැරීම (DRT) | EIS දත්ත භාවිතයෙන් දේවල් නිරාකරණය වීමට කොපමණ කාලයක් ගතවේද යන්න බලයි. | 0.75% – 1.5% SOH ඒකක | පරිගණක බලය ගොඩක් වැය වෙනවා, නමුත් නම්යශීලීයි. |
රේඛීය නොවන සංඛ්යාත ප්රතිචාර විශ්ලේෂණය (NFRA) | SOH පරීක්ෂා කිරීම සඳහා විශේෂ සංඛ්යාත දත්ත භාවිතා කරයි. | 0.75% – 1.5% SOH ඒකක | බැටරි ක්රියා පිළිබඳ හොඳ තොරතුරු ලබා දෙයි, සම්පූර්ණ විසර්ජනයට වඩා වේගවත්. |
සම්බාධනය මත පදනම් වූ ක්රම රසායනාගාරවල හොඳින් ක්රියා කරන අතර බැටරි වයසට යාම පිළිබඳ බොහෝ විස්තර ලබා දෙයි. නමුත් මෙම ක්රම තත්ය කාලීන බැටරි පද්ධතිවල භාවිතා කිරීමට අපහසු සහ උපක්රමශීලී විය හැකිය. ඒවාට බොහෝ විට විශේෂ මෙවලම් සහ ප්රවේශමෙන් සැකසීම අවශ්ය වේ. දෘඩ ආකෘති නොමැතිව බැටරි වයසට යාම අනුමාන කිරීමට යන්ත්ර ඉගෙනීම භාවිතා කිරීමෙන් නව දත්ත පාදක ක්රම අත්පත් කර ගැනීමට පටන් ගෙන තිබේ.
සයිකල් ගණන් කිරීම
ලිතියම්-අයන බැටරිවල SOH පරීක්ෂා කිරීමට පැරණිතම ක්රමවලින් එකක් වන්නේ චක්ර ගණනය කිරීමයි. මෙම ක්රමය මඟින් බැටරියක් කොපමණ වාරයක් ආරෝපණය කර භාවිතා කරනවාද යන්න ගණනය කරයි. සෑම සම්පූර්ණ චක්රයක්ම බැටරිය ටිකක් වයසට යයි. චක්ර ගණනය කිරීමෙන් ඉංජිනේරුවන්ට බැටරිය කොපමණ කාලයක් ගෙවී ගොස් ඇත්දැයි අනුමාන කළ හැකිය.
චක්ර ගණනය කිරීම පහසු වන අතර විශේෂ මෙවලම් හෝ දැඩි ගණිතය අවශ්ය නොවේ. නමුත් එය එක් එක් චක්රය වෙනස් වන ආකාරය දෙස බලන්නේ නැත. උෂ්ණත්වය, බැටරිය කොපමණ ප්රමාණයක් භාවිතා කරන්නේද සහ එය කෙතරම් වේගයෙන් ආරෝපණය වේද වැනි දේවල් එය කෙතරම් වේගයෙන් වයසට යනවාද යන්න වෙනස් කරයි, නමුත් චක්ර ගණනය කිරීම සෑම චක්රයක්ම එකම ආකාරයකින් සලකයි. මෙය SOH පරීක්ෂාවන් වැරදි කිරීමට හේතු විය හැක, විශේෂයෙන් සැබෑ ජීවිතයේ බැටරි බොහෝ ආකාරයේ ආතතීන්ට මුහුණ දෙන විට.
උසස් ක්රම
SOH පරීක්ෂා කිරීමට දියුණු ක්රම මඟින් බැටරි දත්ත රාශියක් අධ්යයනය කිරීමට යන්ත්ර ඉගෙනීම සහ කෘතිම බුද්ධිය භාවිතා කරයි. පැරණි ක්රමවලට වඩා SOH හොඳින් අනුමාන කිරීමට මෙම ක්රම මඟින් වෝල්ටීයතාවය, ධාරාව සහ උෂ්ණත්වයෙන් ඉගෙන ගනී. ආධාරක දෛශික යන්ත්ර, අහඹු වනාන්තර සහ ගැඹුරු ස්නායු ජාල වැනි යන්ත්ර ඉගෙනුම් ආකෘතිවලට උපක්රමශීලී බැටරි වයස්ගත වීමේ රටා සොයාගත හැකිය.
මෑත කාලීන අධ්යයනවලින් පෙනී යන්නේ මෙම දත්ත පාදක ක්රම පැරණි භෞතික ආකෘතිවලට වඩා හොඳින් ක්රියා කරන බවයි. උදාහරණයක් ලෙස, සහාය දෛශික ප්රතිගමනය සහ ගවුසියානු ක්රියාවලි ප්රතිගමනය SOH අනුමාන කිරීමේදී 0.4% ට අඩු මූල මධ්යන්ය වර්ග දෝෂ ලබා ගත හැකිය. ඉදිරියට යන ස්නායු ජාල සහ අනුවර්තන ස්නායු-අපැහැදිලි අනුමාන පද්ධති ද හොඳින් ක්රියා කරයි, අඩු වැරදි සහ විවිධ බැටරි සඳහා හොඳ ප්රතිඵල සමඟ.
යන්ත්ර ඉගෙනුම් ක්රම සඳහා සවිස්තරාත්මක බැටරි ආකෘති අවශ්ය නොවේ.
වලාකුළු පරිගණකකරණය විශාල මාදිලි ක්රියාත්මක වීමට ඉඩ සලසයි, එමඟින් බැටරි පද්ධතිය කුඩා වුවද SOH පරීක්ෂාවන් වඩා හොඳ කරයි.
යන්ත්ර ඉගෙනුම් ආකෘති එකකට වඩා භාවිතා කිරීමෙන් SOH පරීක්ෂණ වඩාත් නිවැරදි කළ හැක.
මෙම ක්රම මගින් සැබෑ පරීක්ෂණ වලදී 3% ක් තුළ මධ්යන්ය නිරපේක්ෂ දෝෂ සහ 2% ක් තුළ මූල මධ්යන්ය වර්ග දෝෂ ලබා ගත හැක.
නමුත්, දියුණු ක්රම සඳහා හොඳ සහ පුහුණු දත්ත රාශියක් අවශ්ය වේ. අමුතු බැටරි වයසට යාම හෝ බැටරි භාවිතා කරන ආකාරයෙහි විශාල වෙනස්කම් සමඟ ඒවාට ගැටළු ඇති විය හැකිය. ආරෝපණ දත්ත වලින් හොඳ විශේෂාංග තෝරා ගැනීම වැදගත් වේ, මන්ද විදුලි මෝටර් රථවල බැටරිය භාවිතා කිරීමට වඩා ආරෝපණය කිරීම නිතිපතා වේ. ඉංජිනේරුවන් මෙම ක්රම භාවිතා කිරීමට පෙර ශක්තිමත් සහ ආරක්ෂිත බවට වග බලා ගත යුතුය. මිනිසුන් ආරක්ෂා කරන බැටරි පද්ධති.
සටහන: පැරණි භෞතික ආකෘතිවලින් දත්ත පදනම් කරගත් ක්රමවලට මාරුවීමෙන් පෙනී යන්නේ ලිතියම්-අයන බැටරි සඳහා වඩා හොඳ සහ නම්යශීලී SOH පරීක්ෂාවන් අපට අවශ්ය බවයි. යන්ත්ර ඉගෙනීම බැටරි වයසට යාම කලින් හඳුනා ගැනීමට උපකාරී වන අතර ගැටළු වල සලකුණු ඉක්මනින් සොයා ගැනීමෙන් බැටරි වඩා හොඳින් ක්රියා කරයි.
නිරවද්යතාවය සඳහා ක්රම ඒකාබද්ධ කිරීම
දෙමුහුන් ප්රවේශයන්
බැටරි කළමනාකරණ පද්ධති ආරෝපණ තත්ත්වය සහ සෞඛ්ය තත්ත්වය පරීක්ෂා කිරීම සඳහා එකකට වඩා ක්රම භාවිතා කරන විට වඩා හොඳින් ක්රියා කරයි. ලිතියම්-අයන බැටරි පද්ධතිවල සෑම ගැටළුවක්ම එක් ක්රමයකින් පමණක් විසඳිය නොහැක. දෙමුහුන් ක්රම ආකෘති පාදක, දත්ත පාදක සහ ඉගෙනුම් ඇල්ගොරිතම ශක්තීන් මිශ්ර කරන්න. මෙය ශබ්දය අඩු කිරීමට, නොදන්නා දේ හැසිරවීමට සහ බැටරි වයසට යාම සමඟ ඉදිරියට යාමට උපකාරී වේ.
අවම වර්ග, සන්ෆ්ලවර් ප්රශස්තිකරණ ඇල්ගොරිතම සහ තට්ට රාජාලියා සෙවුම් ඇල්ගොරිතම වැනි බොහෝ ප්රශස්තිකරණ ඇල්ගොරිතම, ආරෝපණ තත්ත්වය පරීක්ෂා කිරීම වඩා හොඳ කරයි. උදාහරණයක් ලෙස, තට්ට රාජාලියා සෙවුම් ඇල්ගොරිතමයේ SOC සඳහා උපරිම දෝෂය 1.06% ක් පමණි.
වැඩිදියුණු කළ ස්වයං-සංවිධාන සිතියම් සහ අර්ධ-අධීක්ෂිත ඉගෙනීම් මඟින් 1.25% ක් පමණ ඉහළම දෝෂ සහ 0.55% ක් තරම් අඩු RMSE දෝෂ පෙන්නුම් කර ඇත. මෙම ප්රතිඵලවලින් අදහස් වන්නේ දෙමුහුන් ක්රම මගින් ලිතියම්-අයන බැටරි සඳහා ශක්තිමත් SOC පරීක්ෂණ ලබා දෙන බවයි.
ඉතිරි ප්රයෝජනවත් ආයු කාලය සඳහා යන්ත්ර ඉගෙනීම සමඟ ක්රියාකාරී සෛල තුලනය භාවිතා කිරීම සෛල වෙනස්කම් සහ බැටරි වයසට යාම සඳහා උපකාරී වේ. සමතුලිත සෛල වඩා හොඳ ආරෝපණ තත්ත්ව දත්ත ලබා දෙන අතර එය ලිතියම්-අයන බැටරි සෞඛ්යය පුරෝකථනය කිරීමට උපකාරී වේ.
දෙමුහුන් ස්නායුක ජාල ආකෘති උෂ්ණත්ව වෙනස්වීම් සහ බැටරි භාවිතා කරන ආකාරය සඳහා උපකාරී වේ. භෞතික සමතුලිතතාවය සහ දත්ත මත පදනම් වූ ක්රම මිශ්ර කිරීමෙන්, බැටරි කළමනාකරණ පද්ධති ලිතියම්-අයන බැටරි දිගු කාලයක් පවතින අතර වඩා හොඳින් ක්රියා කිරීමට උපකාරී වේ. සසම්භාවී වනාන්තරය වැනි බහු-මාදිලි විලයනය, විවිධ මාදිලිවල හොඳම කොටස් භාවිතා කිරීමෙන් සෞඛ්ය පරීක්ෂණ තත්ත්වය වඩාත් ශක්තිමත් කරයි.
දෙමුහුන් ක්රම බැටරි කළමනාකරණ පද්ධතිවලට සැබෑ ලෝකයේ වෙනස්කම් හැසිරවීමට උපකාරී වේ. මෙය විදුලි වාහන සහ අනෙකුත් භාවිතයන් සඳහා ඒවා වඩාත් විශ්වාසදායක කරයි.
යෙදුම් සලකා බැලීම්
සැබෑ ලිතියම්-අයන බැටරි පද්ධතිවල දෙමුහුන් ක්රම තෝරා ගැනීම සහ භාවිතා කිරීම ප්රවේශමෙන් සැලසුම් කිරීම අවශ්ය වේ. විදුලි කාර් හෝ ගබඩා කිරීම වැනි එක් එක් භාවිතයට අවශ්ය දේ ගැන ඉංජිනේරුවන් සිතා බැලිය යුතුය.
දත්ත මත පදනම් වූ ක්රම තත්ය කාලීන සංවේදක දත්ත භාවිතා කරන අතර බැටරි වයසට යන විට හෝ භාවිතා වන විට වෙනස් වේ. මෙම ක්රම වඩාත් නිවැරදියි, විවිධ රසායන විද්යාවන් සමඟ ක්රියා කරන අතර සංවේදක ශබ්දය හොඳින් හසුරුවයි.
දෙමුහුන් රාමු වඩා හොඳ අහඹු වනාන්තර ඇල්ගොරිතම, භෞතික විද්යාව පදනම් කරගත් ආකෘති සහ අනෙකුත් යන්ත්ර ඉගෙනුම් මෙවලම් මිශ්ර කරයි. මෙම සමතුලිතතාවය නිරවද්යතාවය ලබා දෙයි, වේගයෙන් ක්රියා කරයි, සහ බොහෝ ලිතියම්-අයන බැටරි වර්ග සහ තත්වයන් සඳහා භාවිතා කළ හැකිය.
හොඳ දත්ත ගොඩක් අවශ්ය වීම, නිවැරදි විශේෂාංග තෝරා ගැනීම සහ පරිගණක පිරිවැය වැනි ගැටළු ඉංජිනේරුවන් විසඳා ගත යුතුය. විශේෂාංග සහ සුසර කිරීමේ සැකසුම් මිශ්ර කිරීමෙන් අනාවැකි වඩා හොඳ කළ හැකි අතර තත්ය කාලීන වෙනස්කම් සඳහා උපකාරී වේ.
සෛල වෝල්ටීයතාවය, ධාරාව, උෂ්ණත්වය සහ චක්ර ගණන වැනි දත්ත රාශියක් හොඳම දෙමුහුන් ක්රම තෝරා ගැනීමට උපකාරී වේ. මෙම ක්රම ඝෝෂාකාරී හෝ නැතිවූ දත්ත සඳහා උපකාරී වන අතර මූලික ආරෝපණ තත්ත්වය සහ සෞඛ්ය තත්ත්වය පමණක් නොව, එක් එක් භාවිතය සඳහා විශේෂ ප්රතිඵල ලබා දෙයි. සැබෑ ජීවිතයේදී, දෙමුහුන් ක්රම රසායනාගාරවල සහ ක්ෂේත්රයේ හොඳින් ක්රියා කරයි, විදුලි මෝටර් රථවල මෙන්, ඒවා බැටරි ආරක්ෂිතව තබා විවිධ තත්වයන් යටතේ ක්රියා කරයි.
ඉඟිය: දෙමුහුන් ක්රම තෝරාගැනීමේදී, ඉංජිනේරුවන් බැටරි පද්ධතියේ ඉලක්ක, දත්ත සහ එය භාවිතා කරන ස්ථානයට ක්රමය ගැලපිය යුතුය. මෙය ලිතියම්-අයන බැටරි කළමනාකරණය විශ්වාසදායක බවත්, වර්ධනය විය හැකි බවත්, තත්ය කාලීනව ක්රියා කරන බවත් සහතික කිරීමට උපකාරී වේ.
ලිතියම්-අයන බැටරි කොතරම් හොඳින් සහ ආරක්ෂිතව ක්රියා කරනවාද යන්න සඳහා නිවැරදි soc සහ SOH දැන ගැනීම ඉතා වැදගත් වේ. සෑම ක්රමයකටම තමන්ගේම හොඳ කරුණු ඇත, නමුත් බැටරි කළමනාකරණ පද්ධතියක ක්රම එකකට වඩා භාවිතා කිරීමෙන් ලිතියම්-අයන බැටරි කල් පවතින බවට සහ වඩා හොඳින් ක්රියා කිරීමට හොඳම ප්රතිඵල ලබා දේ. වැදගත් දත්ත තෝරා ගැනීමට සහ වැඩිදියුණු කළ ස්නායුක ජාල භාවිතා කිරීමෙන් ඉතා කුඩා වැරදි, 0.16% දක්වා පවා සිදුවිය හැකි බව නව පර්යේෂණවලින් පෙනී යයි. මෙය බැටරි දිගු කල් පවතින අතර ආරක්ෂිතව සිටීමට උපකාරී වේ. සෑම ලිතියම්-අයන බැටරියකටම අවශ්ය දේට ගැලපෙන ඇස්තමේන්තු ක්රමය තෝරා ගැනීම වැදගත් වේ.
නිති අසන පැණ
බැටරි කළමනාකරණ පද්ධතියක ප්රධාන කාර්යය කුමක්ද?
බැටරි කළමනාකරණ පද්ධතියක් බැටරි ආරක්ෂිතව තබා ගනී. එය ආරෝපණ තත්ත්වය සහ සෞඛ්ය තත්ත්වය පරීක්ෂා කරයි. පද්ධතිය සෛල සමතුලිත කරන අතර එමඟින් ඒවා එකට ක්රියා කරයි. එය බැටරි අධික ලෙස රත් වීම හෝ අධික ලෙස පිරී යාම වළක්වයි. මෙය බැටරි දිගු කාලයක් පැවතීමට සහ වඩා හොඳින් ක්රියා කිරීමට උපකාරී වේ.
සංවේදකවලට ආරෝපණ තත්ත්වය කෙලින්ම මැනිය නොහැක්කේ ඇයි?
සංවේදකවලට බැටරියක් ඇතුළත බැලිය නොහැක. රසායනික ප්රතික්රියා සිදුවන්නේ සංවේදකවලට නොපෙනෙන තැන්වලය. සංවේදක මඟින් වෝල්ටීයතාවය, ධාරාව සහ උෂ්ණත්වය පමණක් මනිනු ලැබේ. ආරෝපණ තත්ත්වය අනුමාන කිරීමට පද්ධතිය විශේෂ ඇල්ගොරිතම සහිත මෙම සංඛ්යා භාවිතා කරයි.
බැටරි තත්ව තක්සේරුවට උෂ්ණත්වය බලපාන්නේ කෙසේද?
ඉතා උණුසුම් හෝ සීතල වූ විට, බැටරි ප්රතික්රියා වෙනස් වේ. පද්ධතිය ආරෝපණ තත්ත්වයේදී හෝ සෞඛ්ය තත්ත්වයේදී වැරදි සිදු කළ හැකිය. හොඳ බැටරි කළමනාකරණ පද්ධති මෙම වැරදි නිවැරදි කිරීමට ඔවුන්ගේ ගණිතය වෙනස් කරයි.
සෞඛ්ය තත්ත්වය පිළිබඳ වඩාත් නිවැරදි ඇස්තමේන්තුව ලබා දෙන ක්රමය කුමක්ද?
ක්රමය | නිරවද්යතා මට්ටම |
|---|---|
යන්ත්ර ඉගෙනීම | ඉතා ඉහළයි |
සම්බාධනය විශ්ලේෂණය | අධි |
අභ්යන්තර ප්රතිරෝධය | M |
සයිකල් ගණන් කිරීම | අඩු |
දත්ත හොඳ නම් යන්ත්ර ඉගෙනීම සාමාන්යයෙන් හොඳම ප්රතිඵල ලබා දෙයි.
