Mfumo wa usimamizi wa betri hugundua hali ya chaji na hali ya afya katika betri za lithiamu-ioni kwa kutumia mbinu zisizo za moja kwa moja za ukadiriaji. Haiwezi kupima vitu hivi moja kwa moja kwa sababu betri ina miitikio changamano ndani. Kwa hivyo, mfumo hutumia mbinu kama vile uchimbaji wa kipengele cha takwimu, kuhesabu Coulomb, na miundo ya kina inayoendeshwa na data. Kwa mfano, inaangalia vipimo vya takwimu kama vile tofauti, wastani, na mikunjo kutoka kwa volteji na mikondo ya sasa ili kutazama uharibifu wa betri. Kutumia mbinu zisizo za moja kwa moja za ukadiriaji, kama vile kujifunza kwa mashine na mbinu zinazotegemea watazamaji, husaidia kufanya ukadiriaji wa soka kuwa sahihi na salama zaidi. Mbinu hizi za ukadiriaji wa soka husaidia mfumo wa usimamizi wa betri kutabiri mabadiliko katika betri za lithiamu-ioni. Pia husaidia kudhibiti upotezaji wa uwezo, kuzeeka na hatari bora. Ukadiriaji mzuri wa hali ya malipo na ukadiriaji wa hali ya afya husaidia kila betri ya lithiamu-ioni kufanya kazi vizuri na kudumu kwa muda mrefu.
Ukadiriaji sahihi wa soksi katika mifumo ya betri ya lithiamu-ioni huiweka betri salama dhidi ya chaji kupita kiasi, joto kupita kiasi na kuharibika kwa ghafla. Hii inafanya mbinu dhabiti za kukadiria kuwa muhimu sana kwa mifumo ya kisasa ya usimamizi wa betri.
Kipimo cha Takwimu | Maelezo ya Kiufundi | Uhusiano na Uharibifu wa Betri |
|---|---|---|
Tofauti | Huangalia jinsi mabadiliko ya voltage/ya sasa yalivyo | Tofauti ya juu ina maana ya kutofautiana ndani ya upinzani na athari za kemikali, na uharibifu wa electrode |
Thamani ya juu | Voltage ya juu/ya sasa wakati wa kuchaji au kutoa | Nambari za chini huonyesha uwezo mdogo wa kupakia na matatizo yanayoweza kutokea ya usalama kama vile chaji kupita kiasi au joto kupita kiasi |
Thamani ya chini | Voltage ya chini/ya sasa wakati wa kuchaji au kutoa | Inaonyesha kupoteza uwezo na matatizo ya usalama |
Wastani (Wastani) | Wastani wa voltage/ya sasa wakati wa mzunguko | Mabadiliko yanaonyesha kuvunjika kwa elektroliti na kutoa nishati kidogo |
Skewness | Jinsi voltage/ya sasa inavyosambaa bila usawa | Inatumika katika uchimbaji wa kipengele kutabiri SOH |
Kurtosis ya ziada | Jinsi voltage/kilele cha sasa kilivyo mkali | Nambari za juu zinamaanisha ubaguzi zaidi na uwezo mdogo wa kuingiza lithiamu |
Kuchukua Muhimu
Mifumo ya usimamizi wa betri haiwezi kupima malipo au afya moja kwa moja. Wanatumia njia zisizo za moja kwa moja kama vile uchanganuzi wa takwimu, kuhesabu Coulomb na kujifunza kwa mashine. Mbinu hizi husaidia kukadiria malipo ya betri na afya.
Kujua hali ya malipo husaidia kuweka betri salama. Inachaji chaji, overheating, na matatizo ya ghafla.
Kuna njia tofauti za kuangalia betri. Open Circuit Voltage, Coulomb Counting, Kalman Filtering, na mifano ya AI ni baadhi ya mbinu. Kila mmoja ana pointi nzuri na pointi mbaya. Kuzitumia pamoja hufanya matokeo kuwa bora na ya kuaminika zaidi.
Ukadiriaji wa hali ya afya hukagua betri ina umri gani. Inatazama kupoteza uwezo na upinzani wa ndani. Hii husaidia kubahatisha maisha ya betri na kuepuka matatizo ya usalama.
Mbinu mseto huchanganya mbinu za modeli na data zinazoendeshwa. Hizi hutoa matokeo bora. Wanaweza kubadilika kwa matumizi ya ulimwengu halisi. Hii husaidia betri kudumu kwa muda mrefu na kufanya kazi vizuri zaidi.
Misingi ya Mfumo wa Usimamizi wa Betri
Kazi muhimu
Mfumo wa usimamizi wa betri ni muhimu sana kwa betri za lithiamu-ioni. Inasaidia kuweka betri za lithiamu-ioni salama na kufanya kazi vizuri. Mfumo hukagua kila seli ya betri ya lithiamu-ioni kwa voltage, sasa, na halijoto. Pia huhakikisha kwamba seli zote za betri ya lithiamu-ioni huchaji na kutokeza sawasawa. Hii husaidia kila betri ya lithiamu-ion kudumu kwa muda mrefu na kufanya kazi vizuri zaidi.
Mfumo wa usimamizi wa betri hutazama hali ya chaji na hali ya afya kwa kila betri ya lithiamu-ioni. Inatumia nambari hizi kukomesha chaji kupita kiasi na kutokwa kwa kina, ambayo inaweza kuumiza betri za lithiamu-ioni.
Usalama huja kwanza. Mfumo utatenganisha betri ya lithiamu-ioni ikiwa utapata matatizo kama vile joto kupita kiasi au saketi fupi. Inaweza kutumia visanduku chelezo au vifurushi ili kufanya mambo yafanye kazi.
Mawasiliano ni muhimu. Mfumo wa kudhibiti betri hutumia SPI na basi la CAN kutuma data kwa sehemu nyingine za kifaa au gari.
Kuna aina tofauti, kama vile kuu au kusambazwa, kwa hivyo mfumo wa usimamizi wa betri unaweza kutoshea miundo mingi ya betri ya lithiamu-ioni.
Mifumo mingine ina vipengele vya ziada kama vile ufuatiliaji wa mbali, utabiri wa mzunguko wa maisha na ugunduzi wa hitilafu. Hizi hutumia kompyuta ya wingu na kujifunza kwa mashine ili kusaidia betri kufanya kazi vizuri na salama.
Kazi muhimu / Algorithm | Maelezo ya Kiufundi |
|---|---|
Ufuatiliaji wa Kiini | Saa ya voltage, ya sasa, na halijoto ya kila seli ya betri ya lithiamu-ioni. Hupata matatizo na kuanza hatua za usalama. Inabainisha hali ya malipo na hali ya afya. |
Uboreshaji wa Nguvu | Hudhibiti kuchaji na kutokwa maji ili kuweka seli za betri ya lithiamu-ioni salama. Hufanya kazi na mifumo mingine kutumia nguvu kwa njia nzuri. |
Uhakikisho wa Usalama | Huzuia hatari kama vile kukimbia kwa joto. Hutumia mipango ya chelezo na kuwaweka watu salama kutokana na mshtuko wa umeme. |
Uboreshaji wa Kuchaji Betri | Hubadilisha kuchaji ili kupunguza mkazo kwenye kila seli ya betri ya lithiamu-ioni. Huhifadhi misimbo ya hitilafu kwa ukaguzi wa baadaye. |
Algorithm ya Kusawazisha Kiini | Inahakikisha kwamba seli zote za betri za lithiamu-ion zina voltage sawa. Hutumia kusawazisha amilifu au tulivu ili kusaidia betri kufanya kazi vyema. |
Algorithms ya mawasiliano | Hutuma data kati ya mfumo wa usimamizi wa betri na vifaa vingine. Huacha kuchaji ikiwa inapata hali zisizo salama. |
Kidokezo: Kutumia programu iliyotengenezwa tayari na zana za maunzi kunaweza kusaidia wahandisi kuunda na kujaribu mfumo wa usimamizi wa betri kwa betri za lithiamu-ioni haraka zaidi.
Kemia Zinazoungwa mkono
Mfumo wa usimamizi wa betri unahitaji kufanya kazi na kemia nyingi za betri ya lithiamu-ioni. Kila kemia, kama vile NMC, LFP, na NCA, ina pointi zake nzuri na mbaya. Kwa mfano, betri za lithiamu-ioni za NMC zina msongamano mkubwa wa nishati. Betri za lithiamu-ioni za LFP hudumu kwa muda mrefu na hushughulikia joto vyema. Mfumo wa usimamizi wa betri hubadilisha jinsi unavyofanya kazi ili kutoshea kila kemia ya betri ya lithiamu-ioni.
Tafiti za hivi majuzi zinaangalia jinsi kemia tofauti za betri ya lithiamu-ioni hufanya kazi katika magari ya umeme. Masomo haya yanaonyesha kuwa mifumo ya usimamizi wa betri lazima ishughulikie mabadiliko ya msongamano wa nishati, gharama na maisha ya mzunguko. Pia zinaonyesha kuwa usimamizi wa joto na ukadiriaji wa hali ya juu ni muhimu kwa kila aina ya betri ya lithiamu-ioni. Miundo ya mashine ya kujifunza inaweza kusaidia kutabiri hali ya afya ya betri za lithiamu-ion kwa kutumia data iliyochujwa. Hii hupunguza makosa na husaidia mfumo wa usimamizi wa betri kushughulikia jinsi kila umri wa kemia ya betri ya lithiamu-ioni.
Mfumo wa usimamizi wa betri unaonyumbulika unaweza kufanya kazi na kemia nyingi za betri za lithiamu-ioni. Hii husaidia kila programu, kutoka kwa magari ya umeme hadi vifaa vya elektroniki vya kubebeka, kupata utendakazi bora wa betri na usalama.
Hali ya Kuchaji katika Betri za Lithium-Ion
Hali ya malipo ni muhimu sana kwa betri za lithiamu-ioni. Inasaidia kuweka betri salama na kufanya kazi vizuri. Ikiwa hali ya chaji si sawa, betri inaweza kupata moto sana au kupoteza nguvu. Hii inaweza kufanya betri kukatika au hata kusababisha matatizo hatari kama vile moto. Katika magari ya umeme, kujua hali ya malipo husaidia kwa kuvunja na kumshutumu. Pia hufanya betri kudumu kwa muda mrefu. Uchunguzi unaonyesha kwamba ukadiriaji wa hali nzuri ya malipo hupunguza makosa na husaidia mazingira.
Huwezi kupima hali ya chaji moja kwa moja kwenye betri ya lithiamu-ioni. Athari za kemikali ndani zimefichwa na ni ngumu kuona. Sensorer zinaweza kuwa na makosa kwa sababu ya kelele na mabadiliko katika betri. Kwa hivyo, mifumo ya usimamizi wa betri hutumia njia maalum za nadhani hali ya malipo. Wanaangalia voltage, sasa, na hali ya joto ili kufahamu. Njia hizi husaidia kukabiliana na matatizo ya sensorer na kuzeeka kwa betri.
Njia ya OCV
Njia ya Open Circuit Voltage inadhani hali ya malipo kwa kuangalia voltage ya betri baada ya kupumzika. Kila kemia ya betri ina kiungo chake cha voltage na hali ya malipo. Njia hii ni rahisi na haina gharama kubwa. Inafanya kazi vizuri kwa ukaguzi wa hali ya kwanza ya malipo na hauitaji mfano mkubwa wa betri.
Mtazamo | Maelezo |
|---|---|
Kanuni | Voltage ya betri hupimwa baada ya kupumzika. OCV na kiungo cha hali ya malipo hupatikana kwa kujaribu kila aina ya betri. |
Faida | 1. Mchakato rahisi |
Mapungufu | 1. Inahitaji muda mrefu wa kupumzika (zaidi ya saa 2 ikiwa baridi) |
Mbinu ya OCV haiwezi kuangalia hali ya chaji wakati betri inafanya kazi. Betri za lithiamu-ion mara nyingi hubadilika haraka, hivyo kusubiri betri kupumzika sio muhimu. Matangazo tambarare kwenye mkunjo wa OCV hurahisisha kupata makosa makubwa kutokana na mabadiliko madogo ya voltage.
Kuhesabu Coulomb
Kuhesabu kwa Coulomb, au kuhesabu Ah, kunakisia hali ya malipo kwa kujumlisha mtiririko wa kuingia na kutoka. Huanza na hali ya kwanza ya nambari ya malipo na kuibadilisha kadri inavyosonga.
Kipengele cha Tathmini | Maelezo |
|---|---|
Method | Algorithm iliyoboreshwa ya Kuhesabu Coulomb |
Mbinu ya Uthibitishaji | Jaribio la MATLAB ikilinganishwa na hali halisi ya malipo kutoka kwa curve za kuchaji/kuchaji |
Hitilafu ya Juu (Mwisho wa Kuchaji) | Kuhusu 3.5% |
Hitilafu Wakati wa Hatua ya CC | Chini ya 2% |
Hitilafu Wakati wa Hatua ya CV | Chini ya 1% |
Mwenendo wa Hitilafu | Huongezeka baada ya muda kabla ya hali ya ukaguzi wa afya |
Mambo muhimu | Hali nzuri ya kwanza ya malipo na malipo huangalia makosa ya chini |
faida | Hesabu rahisi; usahihi wa kutosha; hakuna data ya ziada ya betri inahitajika |
vikwazo | Makosa huongeza kwa muda; inahitaji hali nzuri ya kwanza ya malipo na hali ya nambari za afya |
Kuhesabu Coulomb ni rahisi kutumia na hauhitaji data ya ziada ya betri. Lakini makosa yanaweza kuongezeka kwa muda. Makosa madogo katika hali ya sasa au ya kwanza ya malipo yanaweza kuwa mbaya zaidi. Njia hii inafanya kazi vyema kwa ukaguzi wa mara kwa mara au njia zingine za kusaidia.
Method | RMSE | MSE | MFA | Matokeo muhimu |
|---|---|---|---|---|
Kuhesabu Coulomb (CC) | 0.5071 | 0.2572 | 0.4571 | Makosa ya juu kwa sababu ya kelele na makosa ya sensor; si nzuri kwa matumizi ya muda mrefu |
Kichujio Kilichopanuliwa cha Kalman | 0.0925 | N / A | N / A | Usahihi bora kwa msaada wa mfano; inahitaji mfano mzuri wa betri |
linear regression | 0.0778 | N / A | N / A | Bora kuliko EKF lakini si kamili kwa mabadiliko ya hali ya malipo |
Msaada wa mashine ya Vector | 0.0319 | N / A | N / A | Hushughulikia mabadiliko bora; inahitaji nguvu zaidi ya kompyuta |
Kurudishwa kwa Msitu bila mpangilio | 0.0229 | 0.0005 | 0.0139 | Usahihi bora; inafanya kazi vizuri na kelele na mabadiliko; nzuri kwa usimamizi halisi wa betri |
Uchujaji wa Kalman
Uchujaji wa Kalman hutumia miundo ya hesabu kukisia hali ya malipo. Kichujio kilichopanuliwa cha Kalman na kichujio cha Kalman kisicho na harufu ni maarufu. Vichungi hivi huchanganya data ya wakati halisi na makadirio ya muundo wa betri. Wanarekebisha makadirio yao data mpya inapoingia.
Mbinu za kuchuja za Kalman kama vile EKF, UKF, vichungi vya Kalman vinavyobadilika, na vichungi viwili vya Kalman hutumiwa sana.
Vichujio hivi hutumia miundo rahisi ya betri na changamano zaidi ili kupata matokeo bora.
Majaribio yanaonyesha vichujio vya Kalman hushughulikia mabadiliko, kumbukumbu ya betri na kelele ya vitambuzi vizuri.
Kubadilisha mipangilio na kutumia mitandao ya neural huwafanya kuwa bora zaidi.
Kusasisha nambari tena na tena husaidia kurekebisha makosa kutoka kwa mabadiliko ya muundo na utelezi wa kihisi.
Uchunguzi unaonyesha vichujio vinavyobadilika na viwili vya Kalman hufanya vyema kuliko EKF ya kawaida kwa hali ya malipo.
Uchujaji wa Kalman unatoa makadirio mazuri, ya wakati halisi ya malipo ya betri za lithiamu-ioni. Inahitaji usanidi makini na muundo mzuri wa betri. Inaweza kuwa ngumu kutumia, lakini inafanya kazi vizuri wakati mambo yanabadilika haraka.
Mbinu za Mseto na AI
Mbinu mseto na AI huchanganya njia za msingi na data za kukisia hali ya malipo. Hizi hutumia ujifunzaji wa mashine, kama vile mitandao ya neva, mashine za kutumia vekta, na urejeshaji wa msitu bila mpangilio. Wanajifunza kutoka kwa data ya voltage, sasa, na joto. Njia za mseto hurekebisha shida ambazo njia moja haziwezi.
Mtazamo | Maelezo ya Kiufundi |
|---|---|
Method | Bashiri ya hali ya malipo kwa kutumia Mashine ya Kuhesabu ya Coulomb na Vekta Muhimu (movIRVM-Coulomb) |
Dataset | Data ya seli ya betri moja, data ya majaribio ya pakiti ya betri, data ya uigaji wa Mshauri |
Masharti | Majaribio na mizunguko ya gari ya US06, UDDS, NYCC, 1015; joto 0 ° C, 25 ° C, 45 ° C; hali ya kwanza ya malipo 50%, 80% |
Usahihi (RMSE) | Ndani ya 2% kwa vipimo na halijoto nyingi |
Uboreshaji | Zaidi ya 30% bora kuliko movIRVM pekee; makosa machache baada ya muda |
Kizuizi Muhimu Kimeshughulikiwa | Hurekebisha mkusanyiko wa makosa katika Hesabu safi ya Coulomb |
Maelezo ya ziada | Hutumia wastani wa kusonga kukata kelele; inahitaji tu 10-30% ya data ya mafunzo kwa sehemu ya RVM |
Mbinu mseto huchanganya data na miundo ili kushughulikia vitendo vya ajabu vya betri.
Mbinu za msingi wa data ni pamoja na mitandao ya neva, mashine za vekta za usaidizi, urejeshaji wa mchakato wa Gaussian, mitandao ya neural ya wimbi, na mantiki isiyoeleweka.
Njia hizi nadhani hali ya malipo kutoka kwa ishara unazoweza kupima.
Matatizo ni pamoja na tofauti za betri, matumizi ya ajabu na uchakavu wa betri.
Sasa, watafiti wanapenda mbinu za msingi wa data kwa sababu mifano pekee haiwezi kurekebisha matatizo yote.
Masomo mapya yanayotumia ujifunzaji wa kina na data halisi ya gari yanaonyesha mbinu za mseto na AI zinaweza kukisia hali ya malipo yenye hitilafu chini ya 2%. Njia hizi ni sahihi sana na hufanya kazi vizuri, hata wakati mambo yanabadilika sana.
Kumbuka: Mbinu za takwimu husaidia kubahatisha hali ya malipo kwa kurekebisha kutokuwa na uhakika, makosa ya vitambuzi na kelele nasibu. Urekebishaji, urejeshaji, na majaribio hufanya njia zote za hali ya malipo ziwe za kuaminika zaidi.
Mbinu za Kukadiria Hali ya Afya
Hali ya afya, au SOH, inatuambia ni kiasi gani cha betri ya lithiamu-ioni imezeeka. Inalinganisha betri sasa na ilipokuwa mpya. SOH inapatikana kwa kuangalia uwezo wa sasa na kulinganisha na uwezo wa awali. Inaweza pia kuangaliwa kwa kulinganisha upinzani wa ndani na seli mpya. Wakati SOH inashuka chini ya 80% au 70%, betri iko mwisho wa maisha yake. SOH ni muhimu kwa sababu inaathiri jinsi betri inavyofanya kazi vizuri, jinsi ilivyo salama, na muda wa kudumu. SOH inaposhuka, betri huhifadhi nishati kidogo. Hii inamaanisha kuwa magari ya umeme hayawezi kwenda mbali na vifaa haviendeshi kwa muda mrefu. Betri ikizeeka sana, inaweza kuvimba, kuvuja, au hata kuwaka moto. Utabiri mzuri wa SOH husaidia kukomesha matatizo haya na kuweka betri salama.
Mtazamo | Ushahidi | Takwimu za Nambari / Maelezo |
|---|---|---|
Ufafanuzi wa SOH | SOH ni uwiano wa uwezo wa sasa na uwezo wa kuanzia au inalinganisha upinzani wa ndani na betri mpya. | Viwango vya mwisho wa maisha vya SOH vimesalia 80% au 70%. |
Athari kwa Maisha marefu | SOH inaonyesha ni kiasi gani cha uwezo kinachopotea, ambacho kinaweka mipaka ya umbali wa magari ya umeme. Kuzeeka kwa betri kunamaanisha uwezo mdogo. | Betri za gari za umeme zinazotumika kwa zaidi ya kilomita 10,000 na zaidi ya siku 800 zinaonyesha mifumo ya kupoteza uwezo. |
Athari kwa Usalama | Uzee mbaya unaweza kusababisha uvujaji, uvimbe, overheating, na moto. | Hatari za usalama huzidi kuwa mbaya kadiri SOH inavyopungua, kwa hivyo kuangalia SOH ni muhimu. |
Chanzo data | Data hutoka kwa magari mengi ya umeme yenye njia tofauti za kuendesha na kuchaji. | Seti ya data ina magari 347 ya umeme, rekodi za kuchaji kwa miezi 25, na mabadiliko mengi ya ulimwengu halisi. |
Changamoto katika Ukadiriaji wa SOH | Mabadiliko ya ulimwengu halisi, makosa katika SOC, data yenye kelele na ukosefu wa sampuli za kutosha hufanya SOH kuwa ngumu kukagua. | Hitilafu za SOC huongezeka kadri betri inavyozeeka, na BMS inatatizika kusasisha uwezo haraka. |
Mbinu za Juu | Kujifunza kwa mashine na njia zinazotegemea data hufanya ukaguzi wa SOH kuwa bora zaidi. | BiGRU, urekebishaji wa vekta, na mitandao ya kina ya neva husaidia kubahatisha SOH na SOC haswa zaidi. |
Upinzani wa ndani
Upinzani wa ndani ni muhimu sana kwa kuangalia SOH katika betri za lithiamu-ioni. Kadiri betri zinavyozeeka, upinzani wao wa ndani huongezeka. Hii hutokea kwa sababu sehemu ndani ya betri huchakaa na kuharibika. Ikiwa upinzani huongezeka mara mbili au uwezo hupungua hadi 70-80%, betri iko mwisho wa maisha yake. Njia nyingi za kuangalia SOH hutumia upinzani wa ndani. Kupima upinzani moja kwa moja hutoa matokeo mazuri lakini kwa kawaida huhitaji betri kupumzika, ambayo ni ngumu wakati wa matumizi ya kawaida.
Wanasayansi wamefanya njia mpya za kutumia upinzani wa ndani kufanya ukaguzi wa SOH kuwa bora zaidi. Kwa mfano, wao hurekebisha curve ya voltage ya mzunguko wa wazi kwa kutumia data ya upinzani. Hii husaidia kupunguza makosa kutokana na mabadiliko katika kasi ya kuchaji. Njia hii hutumia vitu kama wakati wa malipo wa sasa badala ya hesabu ngumu. Majaribio kwenye data halisi ya betri yanaonyesha kuwa njia hii inaweza kupunguza wastani wa hitilafu hadi takriban 1.28% kwa baadhi ya safu za voltage. Matokeo haya yanaonyesha kuwa kutazama ukinzani wa ndani hufanya ukaguzi wa SOH kuwa thabiti na sahihi zaidi.
Impedans
Njia zinazotegemea kizuizi hutumia jinsi betri inavyofanya umeme ili kuangalia SOH. Njia hizi mara nyingi hutumia spectroscopy ya impedance ya electrochemical au vipimo sawa. Kwa kuona jinsi betri inavyofanya kazi kwa masafa tofauti, wahandisi wanaweza kutambua kuzeeka na kukisia SOH. Njia za kuzuia zinaweza kuwa sahihi sana, na makosa ya mizizi ya wastani ya mraba kati ya 0.75% na 1.5% ya vitengo vya SOH.
Aina ya Mbinu | Maelezo ya Kiufundi | Usahihi wa Utabiri wa SOH (Hitilafu ya RMS) | Kuzingatia kwa vitendo |
|---|---|---|---|
Data ya EIS ya moja kwa moja | Hutumia data ghafi ya uchunguzi wa kipengee cha kielektroniki | 0.75% - 1.5% vitengo vya SOH | Haraka kupima, lakini seli zinaweza kuwa tofauti |
Sawa Circuit Inafaa | Inalinganisha data ya EIS na miundo ya mzunguko | 0.75% - 1.5% vitengo vya SOH | Inahitaji kazi zaidi na hesabu, lakini ina kutokuwa na uhakika kidogo |
Usambazaji wa Nyakati za Kupumzika (DRT) | Huangalia inachukua muda gani kwa mambo kutatuliwa kwa kutumia data ya EIS | 0.75% - 1.5% vitengo vya SOH | Inachukua nguvu nyingi za kompyuta, lakini inaweza kubadilika |
Uchambuzi wa Majibu ya Mara kwa Mara (NFRA) | Hutumia data maalum ya masafa kuangalia SOH | 0.75% - 1.5% vitengo vya SOH | Hutoa maelezo mazuri kuhusu vitendo vya betri, kwa kasi zaidi kuliko chaji kamili |
Njia zinazotegemea kizuizi hufanya kazi vizuri katika maabara na hutoa maelezo mengi kuhusu kuzeeka kwa betri. Lakini njia hizi zinaweza kuwa ngumu na gumu kutumia katika mifumo ya betri ya wakati halisi. Mara nyingi wanahitaji zana maalum na kuanzisha makini. Njia mpya zaidi zinazotegemea data zimeanza kuchukua nafasi kwa kutumia mashine ya kujifunza kukisia kuzeeka kwa betri bila miundo ngumu.
Kuhesabu Mzunguko
Kuhesabu mzunguko ni mojawapo ya njia za zamani zaidi za kuangalia SOH katika betri za lithiamu-ioni. Kwa njia hii huhesabu mara ngapi betri inachajiwa na kutumika. Kila mzunguko kamili hufanya umri wa betri kuwa kidogo. Kwa kuhesabu mizunguko, wahandisi wanaweza kukisia ni kiasi gani cha betri kimechakaa.
Kuhesabu mzunguko ni rahisi na hauhitaji zana maalum au hesabu ngumu. Lakini haiangalii jinsi kila mzunguko ni tofauti. Mambo kama vile halijoto, kiasi cha betri inatumika, na kasi ya kuchaji, yote hubadilisha kasi ya kuzeeka, lakini kuhesabu mzunguko kunafanya kila mzunguko sawa. Hii inaweza kufanya ukaguzi wa SOH kuwa mbaya, hasa katika maisha halisi ambapo betri hukabiliana na aina nyingi za dhiki.
Mbinu za Juu
Njia za kina za kuangalia SOH hutumia kujifunza kwa mashine na akili bandia kusoma data nyingi ya betri. Njia hizi hujifunza kutoka kwa voltage, sasa, na halijoto kukisia SOH bora kuliko njia za zamani. Miundo ya kujifunza kwa mashine kama vile mashine za kuhimili vekta, misitu nasibu, na mitandao ya kina ya neva inaweza kupata mifumo gumu ya kuzeeka ya betri.
Tafiti za hivi majuzi zinaonyesha kuwa njia hizi za msingi wa data hufanya kazi vizuri zaidi kuliko miundo ya zamani. Kwa mfano, urejeshaji wa vekta ya usaidizi na urejeleaji wa mchakato wa Gaussian unaweza kupata makosa ya msingi ya mraba chini ya 0.4% wakati wa kubahatisha SOH. Mitandao ya neva ya kusambaza mbele na mifumo ya marejeleo ya neuro-fuzzy inayobadilika pia hufanya vyema, ikiwa na makosa madogo na matokeo mazuri kwa betri tofauti.
Njia za kujifunza za mashine hazihitaji mifano ya kina ya betri.
Kompyuta ya wingu huruhusu miundo mikubwa kufanya kazi, na kufanya ukaguzi wa SOH kuwa bora hata kama mfumo wa betri ni mdogo.
Kutumia zaidi ya modeli moja ya kujifunza kwa mashine kunaweza kufanya ukaguzi wa SOH kuwa sahihi zaidi.
Njia hizi zinaweza kupata makosa ya maana kabisa ndani ya 3% na mizizi ya makosa ya mraba ndani ya 2% katika majaribio halisi.
Lakini, njia za hali ya juu zinahitaji data nzuri na nyingi za mafunzo. Zinaweza kuwa na shida na kuzeeka kwa betri au mabadiliko makubwa katika jinsi betri zinavyotumika. Kuchagua vipengele vizuri kutoka kwa data ya kuchaji ni muhimu, kwa kuwa kuchaji ni mara kwa mara zaidi kuliko kutumia betri kwenye magari ya umeme. Wahandisi lazima wahakikishe kuwa njia hizi ni imara na salama kabla ya kuzitumia katika mifumo ya betri inayowalinda watu.
Kumbuka: Kuhama kutoka kwa miundo ya zamani kwenda kwa njia zinazotegemea data kunaonyesha kuwa tunahitaji ukaguzi bora na rahisi zaidi wa SOH kwa betri za lithiamu-ion. Kujifunza kwa mashine husaidia kutambua kuzeeka kwa betri mapema na kufanya betri kufanya kazi vyema kwa kupata dalili za matatizo mapema.
Kuchanganya Mbinu za Usahihi
Mbinu Mseto
Mifumo ya usimamizi wa betri hufanya kazi vizuri zaidi inapotumia zaidi ya njia moja kuangalia hali ya chaji na hali ya afya. Njia moja pekee haiwezi kutatua kila tatizo katika mifumo ya betri ya lithiamu-ion. Mbinu mseto huchanganya nguvu za algoriti zinazotegemea modeli, zinazoendeshwa na data, na za kujifunza. Hii husaidia kupunguza kelele, kushughulikia vitu visivyojulikana, na kuendana na kuzeeka kwa betri.
Kanuni nyingi za uboreshaji, kama vile miraba, Algorithm ya Uboreshaji Alizeti, na algoriti ya utafutaji ya tai, hufanya ukaguzi wa hali ya malipo kuwa bora zaidi. Kwa mfano, algoriti ya utafutaji ya tai ilikuwa na hitilafu ya kilele cha 1.06% tu kwa SOC.
Ramani za Kujipanga Zilizoboreshwa na ujifunzaji unaosimamiwa nusu umeonyesha makosa ya juu karibu na 1.25% na RMSE chini ya 0.55%. Matokeo haya yanamaanisha kuwa mbinu za mseto hutoa ukaguzi thabiti wa SOC kwa betri za lithiamu-ioni.
Kutumia kusawazisha seli zinazotumika na kujifunza kwa mashine kwa ajili ya kubaki na maisha muhimu husaidia na tofauti za seli na kuzeeka kwa betri. Seli zilizosawazishwa hutoa hali bora ya data ya malipo, ambayo husaidia kutabiri afya ya betri ya lithiamu-ioni.
Miundo mseto ya mtandao wa neva husaidia na mabadiliko ya halijoto na jinsi betri zinavyotumika. Kwa kuchanganya usawazishaji wa kimwili na mbinu zinazoendeshwa na data, mifumo ya usimamizi wa betri inaweza kusaidia betri za lithiamu-ioni kudumu kwa muda mrefu na kufanya kazi vizuri zaidi. Mchanganyiko wa miundo mingi, kama vile Forest Random, hufanya ukaguzi wa afya kuwa na nguvu zaidi kwa kutumia sehemu bora za miundo tofauti.
Mbinu mseto husaidia mifumo ya usimamizi wa betri kushughulikia mabadiliko ya ulimwengu halisi. Hii inawafanya kuwa wa kuaminika zaidi kwa magari ya umeme na matumizi mengine.
Mawazo ya Maombi
Kuchukua na kutumia mbinu za mseto katika mifumo halisi ya betri ya lithiamu-ioni kunahitaji mipango makini. Wahandisi lazima wafikirie kile ambacho kila matumizi inahitaji, kama vile magari ya umeme au hifadhi.
Mbinu zinazoendeshwa na data hutumia data ya vitambuzi vya wakati halisi na hubadilika kadri betri inavyozeeka au inavyotumiwa. Njia hizi ni sahihi zaidi, hufanya kazi na kemia tofauti, na kushughulikia kelele ya sensor vizuri.
Miundo mseto huchanganya algoriti bora za msitu bila mpangilio, miundo inayotegemea fizikia na zana nyinginezo za mashine za kujifunza. Salio hili linatoa usahihi, hufanya kazi haraka, na linaweza kutumika kwa aina na hali nyingi za betri ya lithiamu-ioni.
Wahandisi lazima watatue matatizo kama vile kuhitaji data nyingi nzuri, kuchagua vipengele vinavyofaa na gharama za kompyuta. Vipengele vya kuchanganya na mipangilio ya kurekebisha inaweza kufanya ubashiri bora na kusaidia mabadiliko ya wakati halisi.
Data nyingi, kama vile voltage ya seli, sasa, halijoto na hesabu ya mzunguko, husaidia kuchagua mbinu bora zaidi za mseto. Njia hizi husaidia kwa data yenye kelele au kukosa na kutoa matokeo maalum kwa kila matumizi, si tu hali ya msingi ya malipo na hali ya afya. Katika maisha halisi, mbinu za mseto hufanya kazi vizuri katika maabara na shambani, kama vile magari ya umeme, ambapo huweka betri salama na kufanya kazi chini ya hali tofauti.
Kidokezo: Wakati wa kuchagua mbinu mseto, wahandisi wanapaswa kulinganisha mbinu hiyo na malengo ya mfumo wa betri, data na mahali itakapotumika. Hii husaidia kuhakikisha usimamizi wa betri ya lithiamu-ioni ni wa kutegemewa, unaweza kukua na kufanya kazi kwa wakati halisi.
Kujua soc sahihi na SOH ni muhimu sana kwa jinsi betri za lithiamu-ioni zinavyofanya kazi vizuri na kwa usalama. Kila njia ina pointi zake nzuri, lakini kutumia zaidi ya njia moja pamoja katika mfumo wa usimamizi wa betri hutoa matokeo bora zaidi ya kufanya betri za lithiamu-ioni kudumu na kufanya kazi vizuri zaidi. Utafiti mpya unaonyesha kuwa kutumia njia mahiri za kuchagua data muhimu na mitandao iliyoboreshwa ya neural inaweza kufanya makosa kuwa madogo sana, hata hadi 0.16%. Hii husaidia betri kudumu kwa muda mrefu na kukaa salama zaidi. Ni muhimu kuchagua mbinu ya kukadiria ambayo inafaa kila betri ya lithiamu-ioni inahitaji.
Maswali
Je, kazi kuu ya mfumo wa usimamizi wa betri ni nini?
Mfumo wa usimamizi wa betri huweka betri salama. Inachunguza hali ya malipo na hali ya afya. Mfumo husawazisha seli ili zifanye kazi pamoja. Huzuia betri kupata moto sana au kujaa sana. Hii husaidia betri kudumu kwa muda mrefu na kufanya kazi vizuri zaidi.
Kwa nini vitambuzi haviwezi kupima hali ya chaji moja kwa moja?
Sensorer haziwezi kuangalia ndani ya betri. Athari za kemikali hutokea ndani ambapo vitambuzi haziwezi kuona. Sensorer hupima voltage, mkondo na halijoto pekee. Mfumo hutumia nambari hizi na algoriti maalum kukisia hali ya malipo.
Je, halijoto huathiri vipi ukadiriaji wa hali ya betri?
Wakati ni moto sana au baridi, miitikio ya betri hubadilika. Mfumo unaweza kufanya makosa katika hali ya malipo au hali ya afya. Mifumo mizuri ya usimamizi wa betri hubadilisha hesabu ili kurekebisha makosa haya.
Ni njia gani inatoa makadirio sahihi zaidi ya hali ya afya?
Method | Kiwango cha usahihi |
|---|---|
Kujifunza Machine | Juu sana |
Uchambuzi wa Impedans | High |
Upinzani wa ndani | Kati |
Kuhesabu Mzunguko | Chini |
Kujifunza kwa mashine kwa kawaida hutoa matokeo bora ikiwa data ni nzuri.
