ஒரு பேட்டரி மேலாண்மை அமைப்பு, மறைமுக மதிப்பீட்டு நுட்பங்களைப் பயன்படுத்தி லித்தியம்-அயன் பேட்டரிகளின் சார்ஜ் நிலை மற்றும் ஆரோக்கிய நிலையைக் கண்டறியும். பேட்டரியின் உள்ளே சிக்கலான எதிர்வினைகள் இருப்பதால், இது நேரடியாக இவற்றை அளவிட முடியாது. எனவே, இந்த அமைப்பு புள்ளிவிவர அம்ச பிரித்தெடுத்தல், கூலம்ப் எண்ணுதல் மற்றும் மேம்பட்ட தரவு சார்ந்த மாதிரிகள் போன்ற முறைகளைப் பயன்படுத்துகிறது. எடுத்துக்காட்டாக, பேட்டரி சிதைவைக் கண்காணிக்க மின்னழுத்தம் மற்றும் மின்னோட்ட வளைவுகளிலிருந்து மாறுபாடு, சராசரி மற்றும் சாய்வு போன்ற புள்ளிவிவர அளவீடுகளைப் பார்க்கிறது. இயந்திர கற்றல் மற்றும் பார்வையாளர் அடிப்படையிலான அணுகுமுறைகள் போன்ற மறைமுக மதிப்பீட்டு முறைகளைப் பயன்படுத்துவது, சமூக மதிப்பீட்டை மிகவும் துல்லியமாகவும் பாதுகாப்பாகவும் மாற்ற உதவுகிறது. இந்த சமூக மதிப்பீட்டு முறைகள், லித்தியம்-அயன் பேட்டரிகளில் ஏற்படும் மாற்றங்களை பேட்டரி மேலாண்மை அமைப்பு கணிக்க உதவுகின்றன. திறன் இழப்பு, வயதானது மற்றும் அபாயங்களை சிறப்பாக நிர்வகிக்கவும் அவை உதவுகின்றன. நல்ல சார்ஜ் நிலை மதிப்பீடு மற்றும் சுகாதார நிலை மதிப்பீடு, ஒவ்வொரு லித்தியம்-அயன் பேட்டரியும் சிறப்பாக செயல்படவும் நீண்ட காலம் நீடிக்கவும் உதவுகிறது.
லித்தியம்-அயன் பேட்டரி அமைப்புகளில் துல்லியமான சமூக மதிப்பீடு, பேட்டரியை அதிக சார்ஜ், அதிக வெப்பமடைதல் மற்றும் திடீர் செயலிழப்புகளிலிருந்து பாதுகாப்பாக வைத்திருக்கிறது. இது நவீன பேட்டரி மேலாண்மை அமைப்புகளுக்கு வலுவான மதிப்பீட்டு நுட்பங்களை மிகவும் முக்கியமானதாக ஆக்குகிறது.
புள்ளியியல் மெட்ரிக் | விளக்கம் | பேட்டரி சிதைவுடன் தொடர்பு |
|---|---|---|
மாறுபாட்டெண் | நிலையான மின்னழுத்தம்/மின்னோட்ட மாற்றங்கள் எவ்வளவு என்பதைச் சரிபார்க்கிறது. | அதிக மாறுபாடு என்பது சீரற்ற உள் எதிர்ப்பு மற்றும் வேதியியல் எதிர்வினைகள் மற்றும் மின்முனை சேதத்தைக் குறிக்கிறது. |
அதிகபட்ச மதிப்பு | சார்ஜ் அல்லது டிஸ்சார்ஜ் செய்யும் போது அதிகபட்ச மின்னழுத்தம்/மின்னோட்டம் | குறைந்த எண்கள் குறைவான சுமை திறன் மற்றும் அதிக சார்ஜ் அல்லது அதிக வெப்பம் போன்ற சாத்தியமான பாதுகாப்பு சிக்கல்களைக் காட்டுகின்றன. |
குறைந்தபட்ச மதிப்பு | சார்ஜ் அல்லது டிஸ்சார்ஜ் செய்யும் போது மிகக் குறைந்த மின்னழுத்தம்/மின்னோட்டம் | திறன் இழப்பு மற்றும் பாதுகாப்பு சிக்கல்களைக் காட்டுகிறது. |
சராசரி (சராசரி) | ஒரு சுழற்சியின் போது சராசரி மின்னழுத்தம்/மின்னோட்டம் | மாற்றங்கள் எலக்ட்ரோலைட் முறிவு மற்றும் குறைந்த ஆற்றல் வெளியீட்டைக் காட்டுகின்றன. |
ஸ்கீனெஸ் | மின்னழுத்தம்/மின்னோட்டம் எவ்வளவு சீரற்ற முறையில் பரவுகிறது | SOH ஐ கணிக்க அம்சப் பிரித்தெடுப்பில் பயன்படுத்தப்படுகிறது. |
அதிகப்படியான குர்டோசிஸ் | மின்னழுத்தம்/மின்னோட்ட உச்சநிலை எவ்வளவு கூர்மையானது | அதிக எண்கள் அதிக துருவமுனைப்பு மற்றும் குறைந்த லித்தியம் செருகும் திறனைக் குறிக்கின்றன. |
முக்கிய எடுத்துக்காட்டுகள்
பேட்டரி மேலாண்மை அமைப்புகள் சார்ஜ் அல்லது ஆரோக்கியத்தை நேரடியாக அளவிட முடியாது. அவை புள்ளிவிவர பகுப்பாய்வு, கூலம்ப் எண்ணுதல் மற்றும் இயந்திர கற்றல் போன்ற மறைமுக வழிகளைப் பயன்படுத்துகின்றன. இந்த முறைகள் பேட்டரி சார்ஜ் மற்றும் ஆரோக்கியத்தை மதிப்பிட உதவுகின்றன.
சார்ஜ் நிலையை அறிந்துகொள்வது பேட்டரிகளைப் பாதுகாப்பாக வைத்திருக்க உதவுகிறது. இது அதிக சார்ஜ், அதிக வெப்பம் மற்றும் திடீர் சிக்கல்களை நிறுத்துகிறது.
பேட்டரிகளைச் சரிபார்க்க பல்வேறு வழிகள் உள்ளன. திறந்த சுற்று மின்னழுத்தம், கூலம்ப் எண்ணுதல், கல்மான் வடிகட்டுதல் மற்றும் AI- அடிப்படையிலான மாதிரிகள் ஆகியவை சில முறைகள். ஒவ்வொன்றிலும் நல்ல புள்ளிகள் மற்றும் மோசமான புள்ளிகள் உள்ளன. அவற்றை ஒன்றாகப் பயன்படுத்துவது முடிவுகளை சிறப்பாகவும் நம்பகமானதாகவும் ஆக்குகிறது.
உடல்நல மதிப்பீடு என்பது ஒரு பேட்டரி எவ்வளவு பழையது என்பதைச் சரிபார்க்கிறது. இது திறன் இழப்பு மற்றும் உள் எதிர்ப்பைப் பார்க்கிறது. இது பேட்டரி ஆயுளைக் கணிக்கவும் பாதுகாப்புச் சிக்கல்களைத் தவிர்க்கவும் உதவுகிறது.
கலப்பின அணுகுமுறைகள் மாதிரி அடிப்படையிலான மற்றும் தரவு சார்ந்த முறைகளைக் கலக்கின்றன. இவை சிறந்த முடிவுகளைத் தருகின்றன. நிஜ உலகப் பயன்பாட்டுடன் அவை மாறக்கூடும். இது பேட்டரிகள் நீண்ட காலம் நீடிக்கவும் சிறப்பாக செயல்படவும் உதவுகிறது.
பேட்டரி மேலாண்மை அமைப்பு அடிப்படைகள்
முக்கிய செயல்பாடுகள்
லித்தியம்-அயன் பேட்டரிகளுக்கு பேட்டரி மேலாண்மை அமைப்பு மிகவும் முக்கியமானது. இது லித்தியம்-அயன் பேட்டரிகளைப் பாதுகாப்பாகவும் சிறப்பாகவும் செயல்பட உதவுகிறது. இந்த அமைப்பு ஒவ்வொரு லித்தியம்-அயன் பேட்டரி செல்லையும் மின்னழுத்தம், மின்னோட்டம் மற்றும் வெப்பநிலைக்காகச் சரிபார்க்கிறது. மேலும், அனைத்து லித்தியம்-அயன் பேட்டரி செல்கள் சமமாக சார்ஜ் ஆகி வெளியேற்றப்படுவதையும் இது உறுதி செய்கிறது. இது ஒவ்வொரு லித்தியம்-அயன் பேட்டரியும் நீண்ட காலம் நீடிக்கவும் சிறப்பாக செயல்படவும் உதவுகிறது.
ஒவ்வொரு லித்தியம்-அயன் பேட்டரியின் சார்ஜ் நிலை மற்றும் ஆரோக்கிய நிலையை பேட்டரி மேலாண்மை அமைப்பு கண்காணிக்கிறது. லித்தியம்-அயன் பேட்டரிகளுக்கு தீங்கு விளைவிக்கும் அதிகப்படியான சார்ஜ் மற்றும் ஆழமான வெளியேற்றத்தை நிறுத்த இந்த எண்களைப் பயன்படுத்துகிறது.
பாதுகாப்புதான் முதலில் முக்கியம். அதிக வெப்பமடைதல் அல்லது ஷார்ட் சர்க்யூட் போன்ற பிரச்சனைகள் கண்டறியப்பட்டால், லித்தியம்-அயன் பேட்டரியை இந்த அமைப்பு துண்டிக்கும். இது பொருட்களைச் செயல்பட வைக்க காப்பு செல்கள் அல்லது பேக்குகளைப் பயன்படுத்தலாம்.
தொடர்பு முக்கியமானது. பேட்டரி மேலாண்மை அமைப்பு சாதனம் அல்லது வாகனத்தின் பிற பகுதிகளுக்கு தரவை அனுப்ப SPI மற்றும் CAN பஸ்ஸைப் பயன்படுத்துகிறது.
மையப்படுத்தப்பட்ட அல்லது விநியோகிக்கப்பட்ட போன்ற பல்வேறு வகைகள் உள்ளன, எனவே பேட்டரி மேலாண்மை அமைப்பு பல லித்தியம்-அயன் பேட்டரி வடிவமைப்புகளுக்கு பொருந்தும்.
சில அமைப்புகள் தொலைதூர கண்காணிப்பு, வாழ்க்கைச் சுழற்சி முன்கணிப்பு மற்றும் தவறு கண்டறிதல் போன்ற கூடுதல் அம்சங்களைக் கொண்டுள்ளன. இவை பேட்டரி சிறப்பாகவும் பாதுகாப்பாகவும் செயல்பட கிளவுட் கம்ப்யூட்டிங் மற்றும் இயந்திர கற்றலைப் பயன்படுத்துகின்றன.
முக்கிய செயல்பாடு / வழிமுறை | விளக்கம் |
|---|---|
செல் கண்காணிப்பு | ஒவ்வொரு லித்தியம்-அயன் பேட்டரி செல்லின் மின்னழுத்தம், மின்னோட்டம் மற்றும் வெப்பநிலையைக் கண்காணிக்கிறது. சிக்கல்களைக் கண்டறிந்து பாதுகாப்பு நடவடிக்கைகளைத் தொடங்குகிறது. சார்ஜ் நிலை மற்றும் சுகாதார நிலையைக் கணக்கிடுகிறது. |
பவர் உகப்பாக்கம் | லித்தியம்-அயன் பேட்டரி செல்களைப் பாதுகாப்பாக வைத்திருக்க சார்ஜ் மற்றும் டிஸ்சார்ஜிங்கைக் கட்டுப்படுத்துகிறது. புத்திசாலித்தனமான முறையில் மின்சாரத்தைப் பயன்படுத்த மற்ற அமைப்புகளுடன் இணைந்து செயல்படுகிறது. |
பாதுகாப்பு உத்தரவாதம் | வெப்ப ஓட்டம் போன்ற ஆபத்துகளைத் தடுக்கிறது. காப்புத் திட்டங்களைப் பயன்படுத்துகிறது மற்றும் மின்சார அதிர்ச்சியிலிருந்து மக்களைப் பாதுகாக்கிறது. |
பேட்டரி சார்ஜிங் உகப்பாக்கம் | ஒவ்வொரு லித்தியம்-அயன் பேட்டரி செல்லிலும் அழுத்தத்தைக் குறைக்க சார்ஜிங்கை மாற்றுகிறது. பின்னர் சரிபார்ப்புகளுக்கு பிழைக் குறியீடுகளைச் சேமிக்கிறது. |
செல் சமநிலை அல்காரிதம் | அனைத்து லித்தியம்-அயன் பேட்டரி செல்களும் ஒரே மின்னழுத்தத்தைக் கொண்டிருப்பதை உறுதி செய்கிறது. பேட்டரி சிறப்பாக செயல்பட உதவுவதற்கு செயலில் அல்லது செயலற்ற சமநிலையைப் பயன்படுத்துகிறது. |
தொடர்பு வழிமுறைகள் | பேட்டரி மேலாண்மை அமைப்புக்கும் பிற சாதனங்களுக்கும் இடையில் தரவை அனுப்புகிறது. பாதுகாப்பற்ற நிலைமைகளைக் கண்டறிந்தால் சார்ஜ் செய்வதை நிறுத்துகிறது. |
குறிப்பு: ஆயத்த மென்பொருள் மற்றும் வன்பொருள் கருவிகளைப் பயன்படுத்துவது பொறியாளர்கள் லித்தியம்-அயன் பேட்டரிகளுக்கான பேட்டரி மேலாண்மை அமைப்பை விரைவாக உருவாக்கி சோதிக்க உதவும்.
ஆதரிக்கப்படும் வேதியியல்
ஒரு பேட்டரி மேலாண்மை அமைப்பு பல லித்தியம்-அயன் பேட்டரி வேதியியல்களுடன் இணைந்து செயல்பட வேண்டும். NMC, LFP மற்றும் NCA போன்ற ஒவ்வொரு வேதியியலும் அதன் சொந்த நல்ல மற்றும் கெட்ட புள்ளிகளைக் கொண்டுள்ளது. எடுத்துக்காட்டாக, NMC லித்தியம்-அயன் பேட்டரிகள் அதிக ஆற்றல் அடர்த்தியைக் கொண்டுள்ளன. LFP லித்தியம்-அயன் பேட்டரிகள் நீண்ட காலம் நீடிக்கும் மற்றும் வெப்பத்தை சிறப்பாகக் கையாளும். ஒவ்வொரு லித்தியம்-அயன் பேட்டரி வேதியியலுக்கும் பொருந்தும் வகையில் பேட்டரி மேலாண்மை அமைப்பு எவ்வாறு செயல்படுகிறது என்பதை மாற்றுகிறது.
சமீபத்திய ஆய்வுகள், மின்சார வாகனங்களில் வெவ்வேறு லித்தியம்-அயன் பேட்டரி வேதியியல் எவ்வாறு செயல்படுகிறது என்பதைப் பார்க்கின்றன. இந்த ஆய்வுகள், பேட்டரி மேலாண்மை அமைப்புகள் ஆற்றல் அடர்த்தி, செலவு மற்றும் சுழற்சி ஆயுளில் ஏற்படும் மாற்றங்களைக் கையாள வேண்டும் என்பதைக் காட்டுகின்றன. ஒவ்வொரு லித்தியம்-அயன் பேட்டரி வகைக்கும் வெப்ப மேலாண்மை மற்றும் மேம்பட்ட நிலை மதிப்பீடு முக்கியம் என்பதையும் அவை காட்டுகின்றன. வடிகட்டப்பட்ட தரவைப் பயன்படுத்தி லித்தியம்-அயன் பேட்டரிகளின் ஆரோக்கிய நிலையை கணிக்க இயந்திர கற்றல் மாதிரிகள் உதவும். இது தவறுகளைக் குறைக்கிறது மற்றும் ஒவ்வொரு லித்தியம்-அயன் பேட்டரி வேதியியல் வயதாகும் விதத்தை பேட்டரி மேலாண்மை அமைப்பு கையாள உதவுகிறது.
ஒரு நெகிழ்வான பேட்டரி மேலாண்மை அமைப்பு பல லித்தியம்-அயன் பேட்டரி வேதியியல்களுடன் வேலை செய்ய முடியும். இது மின்சார வாகனங்கள் முதல் சிறிய மின்னணு சாதனங்கள் வரை ஒவ்வொரு பயன்பாட்டிற்கும் சிறந்த பேட்டரி செயல்திறன் மற்றும் பாதுகாப்பைப் பெற உதவுகிறது.
லித்தியம்-அயன் பேட்டரிகளின் சார்ஜ் நிலை
லித்தியம்-அயன் பேட்டரிகளுக்கு சார்ஜ் நிலை மிகவும் முக்கியமானது. இது பேட்டரியைப் பாதுகாப்பாகவும் நன்றாகவும் செயல்பட உதவுகிறது. சார்ஜ் நிலை சரியாக இல்லாவிட்டால், பேட்டரி மிகவும் சூடாகலாம் அல்லது சக்தியை இழக்கலாம். இது பேட்டரியை உடைக்கச் செய்யலாம் அல்லது தீ போன்ற ஆபத்தான சிக்கல்களை ஏற்படுத்தலாம். மின்சார கார்களில், சார்ஜ் நிலையை அறிந்துகொள்வது பிரேக்கிங் மற்றும் சார்ஜ் செய்ய உதவுகிறது. இது பேட்டரியை நீண்ட காலம் நீடிக்கும். நல்ல சார்ஜ் நிலை மதிப்பீடு தவறுகளைக் குறைக்கிறது மற்றும் சுற்றுச்சூழலுக்கு உதவுகிறது என்று ஆய்வுகள் காட்டுகின்றன.
லித்தியம்-அயன் பேட்டரியில் சார்ஜ் நிலையை நேரடியாக அளவிட முடியாது. உள்ளே இருக்கும் வேதியியல் எதிர்வினைகள் மறைக்கப்பட்டு பார்ப்பதற்கு கடினமாக இருக்கும். சத்தம் மற்றும் பேட்டரியில் ஏற்படும் மாற்றங்கள் காரணமாக சென்சார்கள் தவறாக இருக்கலாம். எனவே, பேட்டரி மேலாண்மை அமைப்புகள் சார்ஜ் நிலையை யூகிக்க சிறப்பு வழிகளைப் பயன்படுத்துகின்றன. அவர்கள் மின்னழுத்தம், மின்னோட்டம் மற்றும் வெப்பநிலையைப் பார்த்து அதைக் கண்டுபிடிக்கிறார்கள். இந்த முறைகள் சென்சார் பிரச்சினைகள் மற்றும் பேட்டரி வயதானதைச் சமாளிக்க உதவுகின்றன.
OCV முறை
திறந்த சுற்று மின்னழுத்த முறை, பேட்டரி ஓய்வெடுத்த பிறகு மின்னழுத்தத்தைச் சரிபார்ப்பதன் மூலம் சார்ஜ் நிலையை யூகிக்கிறது. ஒவ்வொரு பேட்டரி வேதியியலுக்கும் அதன் சொந்த மின்னழுத்தம் மற்றும் சார்ஜ் நிலை இணைப்பு உள்ளது. இந்த முறை எளிமையானது மற்றும் அதிக செலவு இல்லை. இது முதல் சார்ஜ் நிலை சரிபார்ப்புக்கு நன்றாக வேலை செய்கிறது மற்றும் பெரிய பேட்டரி மாதிரி தேவையில்லை.
அம்சம் | விவரங்கள் |
|---|---|
தத்துவம் | பேட்டரி மின்னழுத்தம் ஓய்வெடுத்த பிறகு அளவிடப்படுகிறது. ஒவ்வொரு பேட்டரி வகையையும் சோதிப்பதன் மூலம் OCV மற்றும் சார்ஜ் நிலை இணைப்பு கண்டறியப்படுகிறது. |
நன்மைகள் | 1. எளிய செயல்முறை |
வரம்புகள் | 1. நீண்ட ஓய்வு தேவை (குளிராக இருந்தால் 2 மணி நேரத்திற்கு மேல்) |
பேட்டரி இயங்கும்போது OCV முறையில் சார்ஜ் நிலையைச் சரிபார்க்க முடியாது. லித்தியம்-அயன் பேட்டரிகள் பெரும்பாலும் விரைவாக மாறுகின்றன, எனவே பேட்டரி ஓய்வெடுக்கக் காத்திருப்பது பயனுள்ளதாக இருக்காது. OCV வளைவில் உள்ள தட்டையான புள்ளிகள் சிறிய மின்னழுத்த மாற்றங்களிலிருந்து பெரிய தவறுகளைப் பெறுவதை எளிதாக்குகின்றன.
கூலம்ப் எண்ணுதல்
கூலம்ப் எண்ணுதல் அல்லது ஆ எண்ணுதல், உள்ளேயும் வெளியேயும் செல்லும் மின்னோட்டத்தைக் கூட்டுவதன் மூலம் மின்னூட்டத்தின் நிலையை ஊகிக்கிறது. இது மின்னூட்டத்தின் முதல் நிலை எண்ணுடன் தொடங்கி மின்னோட்டம் நகரும்போது அதை மாற்றுகிறது.
மதிப்பீட்டு அம்சம் | விவரங்கள் |
|---|---|
முறை | மேம்படுத்தப்பட்ட கூலம்ப் எண்ணும் வழிமுறை |
சரிபார்ப்பு அணுகுமுறை | சார்ஜிங்/டிஸ்சார்ஜிங் வளைவுகளிலிருந்து உண்மையான சார்ஜ் நிலையுடன் ஒப்பிடப்பட்ட MATLAB சோதனை. |
அதிகபட்ச பிழை (சார்ஜ் முடிந்தது) | 3.5% பற்றி |
CC நிலையின் போது பிழை | 2 குறைவான% |
CV கட்டத்தின் போது பிழை | 1 குறைவான% |
பிழை போக்கு | சுகாதாரப் பரிசோதனைக்கு முன்னர் காலப்போக்கில் பெரிதாகிறது |
முக்கியமான காரணிகள் | நல்ல முதல் சார்ஜ் நிலை மற்றும் சார்ஜிங் குறைவான தவறுகளைச் சரிபார்க்கிறது. |
நன்மைகள் | எளிய கணிதம்; போதுமான துல்லியம்; கூடுதல் பேட்டரி தரவு தேவையில்லை. |
தடைகள் | காலப்போக்கில் தவறுகள் கூடுகின்றன; நல்ல முதல் சார்ஜ் நிலை மற்றும் சுகாதார எண்கள் தேவை. |
கூலம்ப் கவுண்டிங் பயன்படுத்த எளிதானது மற்றும் கூடுதல் பேட்டரி தரவு தேவையில்லை. ஆனால் காலப்போக்கில் தவறுகள் சேர்க்கப்படலாம். தற்போதைய அல்லது முதல் சார்ஜ் நிலையில் சிறிய பிழைகள் மோசமடையக்கூடும். வழக்கமான சரிபார்ப்புகள் அல்லது பிற வழிகளில் இந்த முறை சிறப்பாகச் செயல்படும்.
முறை | ஆர்எம்எஸ்இ | எம்எஸ்இ | எம்.எஃப்.ஏ | முக்கிய கண்டுபிடிப்புகள் |
|---|---|---|---|---|
கூலம்ப் எண்ணுதல் (CC) | 0.5071 | 0.2572 | 0.4571 | சென்சார் சத்தம் மற்றும் பிழைகள் காரணமாக அதிக தவறுகள்; நீண்ட கால பயன்பாட்டிற்கு நல்லதல்ல. |
விரிவாக்கப்பட்ட கல்மான் வடிகட்டி | 0.0925 | : N / A | : N / A | மாதிரி உதவியுடன் சிறந்த துல்லியம்; நல்ல பேட்டரி மாதிரி தேவை. |
நேரியல் பின்னடைவு | 0.0778 | : N / A | : N / A | EKF ஐ விட சிறந்தது ஆனால் சார்ஜ் நிலை மாற்றங்களுக்கு ஏற்றதல்ல. |
ஆதரவு திசையன் இயந்திரம் | 0.0319 | : N / A | : N / A | மாற்றங்களை சிறப்பாகக் கையாளுகிறது; அதிக கணினி சக்தி தேவை. |
சீரற்ற காடு பின்னடைவு | 0.0229 | 0.0005 | 0.0139 | சிறந்த துல்லியம்; சத்தம் மற்றும் மாற்றங்களுடன் நன்றாக வேலை செய்கிறது; உண்மையான பேட்டரி நிர்வாகத்திற்கு நல்லது. |
கல்மான் வடிகட்டுதல்
கல்மான் வடிகட்டுதல் சார்ஜ் நிலையை யூகிக்க கணித மாதிரிகளைப் பயன்படுத்துகிறது. நீட்டிக்கப்பட்ட கல்மான் வடிகட்டி மற்றும் வாசனையற்ற கல்மான் வடிகட்டி பிரபலமாக உள்ளன. இந்த வடிப்பான்கள் நிகழ்நேர தரவை பேட்டரி மாதிரி யூகங்களுடன் கலக்கின்றன. புதிய தரவு வரும்போது அவை தங்கள் யூகங்களை சரிசெய்கின்றன.
EKF, UKF, தகவமைப்பு கல்மான் வடிப்பான்கள் மற்றும் இரட்டை கல்மான் வடிப்பான்கள் போன்ற கல்மான் வடிகட்டுதல் முறைகள் அதிகம் பயன்படுத்தப்படுகின்றன.
இந்த வடிகட்டிகள் சிறந்த முடிவுகளைப் பெற எளிய பேட்டரி மாதிரிகளையும் மிகவும் சிக்கலானவற்றையும் பயன்படுத்துகின்றன.
கல்மான் வடிப்பான்கள் மாற்றங்கள், பேட்டரி நினைவகம் மற்றும் சென்சார் சத்தத்தை நன்றாகக் கையாளுகின்றன என்பதை சோதனைகள் காட்டுகின்றன.
அமைப்புகளை மாற்றுவதும் நரம்பியல் நெட்வொர்க்குகளைப் பயன்படுத்துவதும் அவற்றை இன்னும் சிறப்பாக்குகின்றன.
எண்களை மீண்டும் மீண்டும் புதுப்பிப்பது மாதிரி மாற்றங்கள் மற்றும் சென்சார் சறுக்கலால் ஏற்படும் தவறுகளைச் சரிசெய்ய உதவுகிறது.
தகவமைப்பு மற்றும் இரட்டை கல்மான் வடிப்பான்கள் வழக்கமான EKF ஐ விட சார்ஜ் நிலைக்கு சிறப்பாக செயல்படுகின்றன என்று ஆய்வுகள் காட்டுகின்றன.
கல்மான் வடிகட்டுதல் லித்தியம்-அயன் பேட்டரிகளுக்கான நல்ல, நிகழ்நேர சார்ஜ் நிலை யூகங்களை வழங்குகிறது. இதற்கு கவனமாக அமைப்பு மற்றும் நல்ல பேட்டரி மாதிரி தேவை. இதைப் பயன்படுத்துவது கடினமாக இருக்கலாம், ஆனால் விஷயங்கள் வேகமாக மாறும்போது இது நன்றாக வேலை செய்கிறது.
கலப்பின மற்றும் AI முறைகள்
கலப்பின மற்றும் AI முறைகள், மாதிரி அடிப்படையிலான மற்றும் தரவு அடிப்படையிலான முறைகளைக் கலந்து சார்ஜ் நிலையை யூகிக்கின்றன. இவை நரம்பியல் நெட்வொர்க்குகள், ஆதரவு வெக்டார் இயந்திரங்கள் மற்றும் சீரற்ற வன பின்னடைவு போன்ற இயந்திர கற்றலைப் பயன்படுத்துகின்றன. அவை மின்னழுத்தம், மின்னோட்டம் மற்றும் வெப்பநிலை தரவுகளிலிருந்து கற்றுக்கொள்கின்றன. ஒற்றை முறைகளால் முடியாத சிக்கல்களை கலப்பின முறைகள் சரிசெய்கின்றன.
அம்சம் | விளக்கம் |
|---|---|
முறை | கூலம்ப் எண்ணுதல் மற்றும் பொருத்தம் வெக்டார் இயந்திரத்தைப் பயன்படுத்தி கலப்பின சார்ஜ் நிலை யூகம் (movIRVM-கூலம்ப்) |
தரவுத்தொகுப்பைக் | ஒற்றை பேட்டரி செல் தரவு, பேட்டரி பேக் சோதனை தரவு, ஆலோசகர் உருவகப்படுத்துதல் தரவு |
நிபந்தனைகள் | US06, UDDS, NYCC, 1015 டிரைவ் சுழற்சிகள் கொண்ட சோதனைகள்; வெப்பநிலை 0°C, 25°C, 45°C; முதல் சார்ஜ் நிலை 50%, 80% |
துல்லியம் (RMSE) | பல சோதனைகள் மற்றும் வெப்பநிலைகளுக்கு 2% க்குள் |
மேம்படுத்தல் | movIRVM-ஐ விட 30% க்கும் அதிகமானவை; காலப்போக்கில் குறைவான தவறுகள் |
முக்கிய கட்டுப்பாடு தீர்க்கப்பட்டது | தூய கூலம்ப் எண்ணுதலில் பிழை குவிப்பை சரிசெய்கிறது. |
கூடுதல் குறிப்புகள் | சத்தத்தைக் குறைக்க நகரும் சராசரியைப் பயன்படுத்துகிறது; RVM பகுதிக்கு 10-30% பயிற்சி தரவு மட்டுமே தேவை. |
வித்தியாசமான பேட்டரி செயல்களைக் கையாள கலப்பின முறைகள் தரவு மற்றும் மாதிரிகளைக் கலக்கின்றன.
தரவு அடிப்படையிலான முறைகளில் நரம்பியல் நெட்வொர்க்குகள், ஆதரவு திசையன் இயந்திரங்கள், காஸியன் செயல்முறை பின்னடைவு, அலைவரிசை நரம்பியல் நெட்வொர்க்குகள் மற்றும் தெளிவற்ற தர்க்கம் ஆகியவை அடங்கும்.
இந்த முறைகள் நீங்கள் அளவிடக்கூடிய சமிக்ஞைகளிலிருந்து சார்ஜ் நிலையை யூகிக்கின்றன.
சிக்கல்களில் பேட்டரி வேறுபாடுகள், விசித்திரமான பயன்பாடு மற்றும் பேட்டரி தேய்மானம் ஆகியவை அடங்கும்.
இப்போது, ஆராய்ச்சியாளர்கள் தரவு அடிப்படையிலான முறைகளை விரும்புகிறார்கள், ஏனெனில் மாதிரிகள் மட்டுமே அனைத்து சிக்கல்களையும் சரிசெய்ய முடியாது.
ஆழமான கற்றல் மற்றும் உண்மையான கார் தரவைப் பயன்படுத்தி மேற்கொள்ளப்பட்ட புதிய ஆய்வுகள், கலப்பின மற்றும் AI முறைகள் 2% க்கும் குறைவான பிழையுடன் மின்னூட்டத்தின் நிலையைக் கணிக்க முடியும் என்பதைக் காட்டுகின்றன. இந்த வழிகள் மிகவும் துல்லியமானவை மற்றும் விஷயங்கள் நிறைய மாறினாலும் கூட நன்றாக வேலை செய்கின்றன.
குறிப்பு: நிச்சயமற்ற தன்மை, சென்சார் தவறுகள் மற்றும் சீரற்ற சத்தத்தை சரிசெய்வதன் மூலம் மின்னூட்ட நிலையை யூகிக்க புள்ளிவிவர முறைகள் உதவுகின்றன. அளவுத்திருத்தம், பின்னடைவு மற்றும் சோதனை ஆகியவை அனைத்து மின்னூட்ட நிலை முறைகளையும் மிகவும் நம்பகமானதாக ஆக்குகின்றன.
சுகாதார நிலையை மதிப்பிடும் முறைகள்
ஒரு லித்தியம்-அயன் பேட்டரி எவ்வளவு காலாவதியானது என்பதை SOH அல்லது ஆரோக்கிய நிலை நமக்குக் கூறுகிறது. இது தற்போதைய பேட்டரியை அது புதியதாக இருந்தபோது இருந்த பேட்டரியுடன் ஒப்பிடுகிறது. தற்போதைய திறனைப் பார்த்து அதை அசல் திறனுடன் ஒப்பிடுவதன் மூலம் SOH கண்டறியப்படுகிறது. ஒரு புதிய செல்லுடன் உள் எதிர்ப்பை ஒப்பிடுவதன் மூலமும் இதைச் சரிபார்க்கலாம். SOH 80% அல்லது 70% க்கும் குறைவாக இருக்கும்போது, பேட்டரி அதன் ஆயுட்காலம் முடிந்தது. SOH முக்கியமானது, ஏனெனில் இது பேட்டரி எவ்வளவு சிறப்பாக செயல்படுகிறது, எவ்வளவு பாதுகாப்பானது மற்றும் எவ்வளவு காலம் நீடிக்கும் என்பதைப் பாதிக்கிறது. SOH செயலிழந்து போகும்போது, பேட்டரி குறைந்த ஆற்றலை வைத்திருக்கிறது. இதன் பொருள் மின்சார கார்கள் அவ்வளவு தூரம் செல்ல முடியாது மற்றும் சாதனங்கள் நீண்ட நேரம் இயங்காது. ஒரு பேட்டரி அதிகமாக காலாவதியானால், அது வீங்கலாம், கசிவு ஏற்படலாம் அல்லது தீப்பிடிக்கலாம். நல்ல SOH கணிப்பு இந்த சிக்கல்களைத் தடுக்க உதவுகிறது மற்றும் பேட்டரிகளைப் பாதுகாப்பாக வைத்திருக்கிறது.
அம்சம் | ஆதாரம் | எண் தரவு / விவரங்கள் |
|---|---|---|
SOH இன் வரையறை | SOH என்பது தொடக்கத் திறனுக்கும் மின்னோட்டத் திறனுக்கும் உள்ள விகிதமாகும் அல்லது உள் எதிர்ப்பை ஒரு புதிய பேட்டரியுடன் ஒப்பிடுகிறது. | SOH இன் இறுதி நிலைகள் 80% அல்லது 70% கொள்ளளவு மீதமுள்ளன. |
நீண்ட ஆயுளில் தாக்கம் | SOH என்பது எவ்வளவு திறன் இழக்கப்படுகிறது என்பதைக் காட்டுகிறது, இது மின்சார வாகனங்கள் எவ்வளவு தூரம் செல்ல முடியும் என்பதைக் கட்டுப்படுத்துகிறது. பேட்டரி வயதானது என்பது குறைவான திறன் என்பதைக் குறிக்கிறது. | 10,000 கி.மீ.க்கும் மேலாகவும் 800 நாட்களுக்கும் மேலாகவும் பயன்படுத்தப்படும் மின்சார வாகன பேட்டரிகள் திறனை இழக்கும் வடிவங்களைக் காட்டுகின்றன. |
பாதுகாப்பு மீதான தாக்கம் | மோசமான வயதானது கசிவுகள், வீக்கம், அதிக வெப்பம் மற்றும் தீயை ஏற்படுத்தும். | SOH குறையும்போது பாதுகாப்பு அபாயங்கள் மோசமடைகின்றன, எனவே SOH ஐ சரிபார்ப்பது முக்கியம். |
தரவு மூலம் | ஓட்டுவதற்கும் சார்ஜ் செய்வதற்கும் வெவ்வேறு வழிகளைக் கொண்ட பல மின்சார வாகனங்களிலிருந்து தரவு வருகிறது. | தரவுத்தொகுப்பில் 347 மின்சார வாகனங்கள், 25 மாதங்களுக்கான சார்ஜிங் பதிவுகள் மற்றும் நிறைய நிஜ உலக மாற்றங்கள் உள்ளன. |
SOH மதிப்பீட்டில் உள்ள சவால்கள் | நிஜ உலக மாற்றங்கள், SOC இல் உள்ள தவறுகள், சத்தமான தரவு மற்றும் போதுமான மாதிரிகள் இல்லாதது ஆகியவை SOH ஐச் சரிபார்ப்பதை கடினமாக்குகின்றன. | பேட்டரிகள் பழையதாகும்போது SOC தவறுகள் பெரிதாகின்றன, மேலும் BMS திறனை விரைவாகப் புதுப்பிப்பதில் சிக்கல் உள்ளது. |
மேம்பட்ட முறைகள் | இயந்திர கற்றல் மற்றும் தரவு அடிப்படையிலான வழிகள் SOH சரிபார்ப்புகளை சிறந்ததாக்குகின்றன. | BiGRU, துணை வெக்டார் பின்னடைவு மற்றும் ஆழமான நரம்பியல் நெட்வொர்க்குகள் SOH மற்றும் SOC ஐ இன்னும் துல்லியமாக யூகிக்க உதவுகின்றன. |
உள் எதிர்ப்பு
லித்தியம்-அயன் பேட்டரிகளில் SOH ஐ சரிபார்க்க உள் எதிர்ப்பு மிகவும் முக்கியமானது. பேட்டரிகள் பழையதாகும்போது, அவற்றின் உள் எதிர்ப்பு அதிகரிக்கிறது. பேட்டரியின் உள்ளே உள்ள பாகங்கள் தேய்ந்து உடைந்து போவதால் இது நிகழ்கிறது. எதிர்ப்பு இரட்டிப்பாகினாலோ அல்லது திறன் 70-80% ஆகக் குறைந்தாலோ, பேட்டரி அதன் ஆயுட்காலம் முடிந்துவிட்டது. SOH ஐ சரிபார்க்க பல வழிகள் உள் எதிர்ப்பைப் பயன்படுத்துகின்றன. எதிர்ப்பை நேரடியாக அளவிடுவது நல்ல முடிவுகளைத் தருகிறது, ஆனால் பொதுவாக பேட்டரி ஓய்வெடுக்க வேண்டும், இது சாதாரண பயன்பாட்டின் போது கடினமாக இருக்கும்.
SOH சோதனைகளை சிறப்பாகச் செய்ய உள் எதிர்ப்பைப் பயன்படுத்துவதற்கான புதிய வழிகளை விஞ்ஞானிகள் உருவாக்கியுள்ளனர். எடுத்துக்காட்டாக, எதிர்ப்புத் தரவைப் பயன்படுத்தி திறந்த-சுற்று மின்னழுத்த வளைவை அவர்கள் சரிசெய்கிறார்கள். இது சார்ஜிங் வேகத்தில் ஏற்படும் மாற்றங்களிலிருந்து ஏற்படும் தவறுகளைக் குறைக்க உதவுகிறது. இந்த வழியில் கடினமான கணிதத்திற்குப் பதிலாக நிலையான மின்னோட்ட சார்ஜிங் நேரம் போன்றவற்றைப் பயன்படுத்துகிறது. உண்மையான பேட்டரி தரவுகளில் சோதனைகள் இந்த முறை சில மின்னழுத்த வரம்புகளுக்கு சராசரி முழுமையான பிழையை சுமார் 1.28% ஆகக் குறைக்க முடியும் என்பதைக் காட்டுகிறது. உள் எதிர்ப்பைப் பார்ப்பது SOH சோதனைகளை வலுவாகவும் துல்லியமாகவும் ஆக்குகிறது என்பதை இந்த முடிவுகள் காட்டுகின்றன.
இம்பிடான்ஸ்
மின்மறுப்பு அடிப்படையிலான முறைகள், SOH ஐ சரிபார்க்க ஒரு பேட்டரி எவ்வாறு மின்சாரத்திற்கு வினைபுரிகிறது என்பதைப் பயன்படுத்துகின்றன. இந்த முறைகள் பெரும்பாலும் மின்வேதியியல் மின்மறுப்பு நிறமாலை அல்லது ஒத்த சோதனைகளைப் பயன்படுத்துகின்றன. வெவ்வேறு அதிர்வெண்களுடன் பேட்டரி எவ்வாறு செயல்படுகிறது என்பதைப் பார்ப்பதன் மூலம், பொறியாளர்கள் வயதானதைக் கண்டறிந்து SOH ஐ யூகிக்க முடியும். மின்மறுப்பு முறைகள் மிகவும் துல்லியமாக இருக்கலாம், மூல சராசரி சதுர பிழைகள் 0.75% மற்றும் 1.5% SOH அலகுகளுக்கு இடையில் இருக்கும்.
முறை வகை | விளக்கம் | SOH கணிப்பு துல்லியம் (RMS பிழை) | நடைமுறை பரிசீலனைகள் |
|---|---|---|---|
நேரடி EIS தரவு | மூல மின்வேதியியல் மின்மறுப்பு நிறமாலை தரவைப் பயன்படுத்துகிறது. | 0.75% – 1.5% SOH அலகுகள் | அளவிட வேகமாக, ஆனால் செல்கள் வேறுபட்டிருக்கலாம். |
சமமான சுற்று பொருத்தங்கள் | சுற்று மாதிரிகளுடன் EIS தரவைப் பொருத்துகிறது. | 0.75% – 1.5% SOH அலகுகள் | அதிக வேலை மற்றும் கணிதம் தேவை, ஆனால் குறைவான நிச்சயமற்ற தன்மை கொண்டது. |
தளர்வு நேரங்களின் விநியோகம் (DRT) | EIS தரவைப் பயன்படுத்தி விஷயங்கள் சரியாக எவ்வளவு நேரம் ஆகும் என்பதைப் பார்க்கிறது. | 0.75% – 1.5% SOH அலகுகள் | கணினி சக்தி அதிகமாக எடுத்துக்கொள்ளும், ஆனால் நெகிழ்வானது. |
நேரியல் அல்லாத அதிர்வெண் மறுமொழி பகுப்பாய்வு (NFRA) | SOH ஐ சரிபார்க்க சிறப்பு அதிர்வெண் தரவைப் பயன்படுத்துகிறது. | 0.75% – 1.5% SOH அலகுகள் | பேட்டரி செயல்பாடுகள் பற்றிய நல்ல தகவலை அளிக்கிறது, முழு டிஸ்சார்ஜை விட வேகமாக. |
மின்மறுப்பு அடிப்படையிலான வழிகள் ஆய்வகங்களில் சிறப்பாகச் செயல்படுகின்றன, மேலும் பேட்டரி வயதானது பற்றிய பல விவரங்களைத் தருகின்றன. ஆனால் இந்த வழிகள் நிகழ்நேர பேட்டரி அமைப்புகளில் பயன்படுத்த கடினமாகவும் தந்திரமாகவும் இருக்கலாம். அவற்றுக்கு பெரும்பாலும் சிறப்பு கருவிகள் மற்றும் கவனமாக அமைப்பு தேவை. கடினமான மாதிரிகள் இல்லாமல் பேட்டரி வயதானதை யூகிக்க இயந்திர கற்றலைப் பயன்படுத்துவதன் மூலம் புதிய தரவு அடிப்படையிலான வழிகள் மேலோங்கத் தொடங்கியுள்ளன.
சுழற்சி எண்ணிக்கை
லித்தியம்-அயன் பேட்டரிகளில் SOH ஐ சரிபார்க்க சுழற்சி எண்ணுதல் பழமையான வழிகளில் ஒன்றாகும். இந்த வழியில் ஒரு பேட்டரி எத்தனை முறை சார்ஜ் செய்யப்பட்டு பயன்படுத்தப்படுகிறது என்பதைக் கணக்கிடுகிறது. ஒவ்வொரு முழு சுழற்சியும் பேட்டரியை சிறிது பழையதாக்குகிறது. சுழற்சிகளை எண்ணுவதன் மூலம், பேட்டரி எவ்வளவு தேய்ந்துவிட்டது என்பதை பொறியாளர்கள் யூகிக்க முடியும்.
சுழற்சி எண்ணுதல் எளிதானது மற்றும் சிறப்பு கருவிகள் அல்லது கடினமான கணிதம் தேவையில்லை. ஆனால் ஒவ்வொரு சுழற்சியும் எவ்வாறு வேறுபடுகிறது என்பதைப் பார்ப்பதில்லை. வெப்பநிலை, பேட்டரி எவ்வளவு பயன்படுத்தப்படுகிறது, எவ்வளவு வேகமாக சார்ஜ் செய்யப்படுகிறது போன்ற விஷயங்கள் அனைத்தும் அது எவ்வளவு விரைவாக வயதாகிறது என்பதை மாற்றுகின்றன, ஆனால் சுழற்சி எண்ணுதல் ஒவ்வொரு சுழற்சியையும் ஒரே மாதிரியாகக் கருதுகிறது. இது SOH சரிபார்ப்புகளைத் தவறாக மாற்றக்கூடும், குறிப்பாக நிஜ வாழ்க்கையில் பேட்டரிகள் பல வகையான அழுத்தங்களை எதிர்கொள்ளும் போது.
மேம்பட்ட முறைகள்
SOH ஐ சரிபார்க்க மேம்பட்ட வழிகள், இயந்திர கற்றல் மற்றும் செயற்கை நுண்ணறிவைப் பயன்படுத்தி நிறைய பேட்டரி தரவைப் படிக்கின்றன. இந்த வழிகள் மின்னழுத்தம், மின்னோட்டம் மற்றும் வெப்பநிலையிலிருந்து கற்றுக்கொண்டு, பழைய முறைகளை விட SOH ஐ சிறப்பாக யூகிக்கின்றன. ஆதரவு திசையன் இயந்திரங்கள், சீரற்ற காடுகள் மற்றும் ஆழமான நரம்பியல் நெட்வொர்க்குகள் போன்ற இயந்திர கற்றல் மாதிரிகள் தந்திரமான பேட்டரி வயதான வடிவங்களைக் கண்டறியலாம்.
சமீபத்திய ஆய்வுகள், இந்தத் தரவு அடிப்படையிலான வழிகள் பழைய இயற்பியல் மாதிரிகளை விட சிறப்பாகச் செயல்படுகின்றன என்பதைக் காட்டுகின்றன. எடுத்துக்காட்டாக, ஆதரவு வெக்டார் பின்னடைவு மற்றும் காஸியன் செயல்முறை பின்னடைவு ஆகியவை SOH ஐ யூகிக்கும்போது 0.4% க்கும் குறைவான மூல சராசரி சதுரப் பிழைகளைப் பெறலாம். ஃபீட்-ஃபார்வர்டு நியூரல் நெட்வொர்க்குகள் மற்றும் தகவமைப்பு நியூரோ-ஃபஸி அனுமான அமைப்புகளும் சிறப்பாகச் செயல்படுகின்றன, குறைந்த தவறுகள் மற்றும் வெவ்வேறு பேட்டரிகளுக்கு நல்ல முடிவுகளுடன்.
இயந்திர கற்றல் முறைகளுக்கு விரிவான பேட்டரி மாதிரிகள் தேவையில்லை.
கிளவுட் கம்ப்யூட்டிங் பெரிய மாடல்களை இயக்க அனுமதிக்கிறது, இதனால் பேட்டரி அமைப்பு சிறியதாக இருந்தாலும் SOH சரிபார்ப்புகளை சிறப்பாகச் செய்கிறது.
ஒன்றுக்கும் மேற்பட்ட இயந்திர கற்றல் மாதிரிகளைப் பயன்படுத்துவது SOH சரிபார்ப்புகளை இன்னும் துல்லியமாக்கும்.
இந்த வழிகள் உண்மையான சோதனைகளில் 3% க்குள் சராசரி முழுமையான பிழைகளையும், 2% க்குள் மூல சராசரி வர்க்கப் பிழைகளையும் பெறலாம்.
ஆனால், மேம்பட்ட வழிகளுக்கு நல்ல மற்றும் நிறைய பயிற்சி தரவு தேவை. விசித்திரமான பேட்டரி வயதானது அல்லது பேட்டரிகள் பயன்படுத்தப்படும் விதத்தில் பெரிய மாற்றங்கள் போன்ற பிரச்சனைகள் அவர்களுக்கு ஏற்படலாம். மின்சார கார்களில் பேட்டரியை பயன்படுத்துவதை விட சார்ஜ் செய்வது வழக்கமானது என்பதால், சார்ஜ் செய்யும் தரவிலிருந்து நல்ல அம்சங்களைத் தேர்ந்தெடுப்பது முக்கியம். பொறியாளர்கள் இந்த வழிகளைப் பயன்படுத்துவதற்கு முன்பு வலுவானதாகவும் பாதுகாப்பானதாகவும் இருப்பதை உறுதி செய்ய வேண்டும். மக்களைப் பாதுகாக்கும் பேட்டரி அமைப்புகள்.
குறிப்பு: பழைய இயற்பியல் மாதிரிகளிலிருந்து தரவு அடிப்படையிலான முறைகளுக்கு மாறுவது, லித்தியம்-அயன் பேட்டரிகளுக்கு சிறந்த மற்றும் நெகிழ்வான SOH சோதனைகள் தேவை என்பதைக் காட்டுகிறது. இயந்திர கற்றல் பேட்டரி வயதை முன்கூட்டியே கண்டறிய உதவுகிறது மற்றும் சிக்கல்களின் அறிகுறிகளை விரைவில் கண்டறிவதன் மூலம் பேட்டரிகள் சிறப்பாக செயல்பட வைக்கிறது.
துல்லியத்திற்கான முறைகளை இணைத்தல்
கலப்பின அணுகுமுறைகள்
பேட்டரி மேலாண்மை அமைப்புகள் சார்ஜ் நிலை மற்றும் சுகாதார நிலையை சரிபார்க்க ஒன்றுக்கு மேற்பட்ட முறைகளைப் பயன்படுத்தும்போது சிறப்பாகச் செயல்படும். லித்தியம்-அயன் பேட்டரி அமைப்புகளில் உள்ள ஒவ்வொரு சிக்கலையும் ஒரு முறை மட்டும் தீர்க்க முடியாது. கலப்பின முறைகள் மாதிரி அடிப்படையிலான, தரவு சார்ந்த மற்றும் கற்றல் வழிமுறை பலங்களை கலக்கவும். இது சத்தத்தைக் குறைக்கவும், தெரியாதவற்றைக் கையாளவும், பேட்டரி வயதானதைத் தொடரவும் உதவுகிறது.
குறைந்த சதுரங்கள், சூரியகாந்தி உகப்பாக்க வழிமுறை மற்றும் வழுக்கை கழுகு தேடல் வழிமுறை போன்ற பல உகப்பாக்க வழிமுறைகள், சார்ஜ் நிலை சரிபார்ப்புகளை சிறந்ததாக்குகின்றன. எடுத்துக்காட்டாக, வழுக்கை கழுகு தேடல் வழிமுறை SOC க்கு 1.06% உச்ச பிழையைக் கொண்டிருந்தது.
மேம்படுத்தப்பட்ட சுய-அமைப்பு வரைபடங்கள் மற்றும் அரை-மேற்பார்வையிடப்பட்ட கற்றல் ஆகியவை 1.25% க்கு அருகில் அதிக பிழைகளையும், RMSE 0.55% வரை குறைவாகவும் காட்டியுள்ளன. இந்த முடிவுகள் கலப்பின முறைகள் லித்தியம்-அயன் பேட்டரிகளுக்கு வலுவான SOC சோதனைகளை வழங்குகின்றன என்பதைக் குறிக்கிறது.
மீதமுள்ள பயனுள்ள ஆயுளுக்கு இயந்திர கற்றலுடன் செயலில் உள்ள செல் சமநிலையைப் பயன்படுத்துவது செல் வேறுபாடுகள் மற்றும் பேட்டரி வயதானதைக் குறைக்க உதவுகிறது. சமநிலைப்படுத்தப்பட்ட செல்கள் சிறந்த சார்ஜ் நிலை தரவை வழங்குகின்றன, இது லித்தியம்-அயன் பேட்டரி ஆரோக்கியத்தை கணிக்க உதவுகிறது.
கலப்பின நரம்பியல் நெட்வொர்க் மாதிரிகள் வெப்பநிலை மாற்றங்கள் மற்றும் பேட்டரிகள் எவ்வாறு பயன்படுத்தப்படுகின்றன என்பதற்கு உதவுகின்றன. இயற்பியல் சமநிலை மற்றும் தரவு சார்ந்த முறைகளை கலப்பதன் மூலம், பேட்டரி மேலாண்மை அமைப்புகள் லித்தியம்-அயன் பேட்டரிகள் நீண்ட காலம் நீடிக்கவும் சிறப்பாக செயல்படவும் உதவும். ரேண்டம் ஃபாரஸ்ட் போன்ற பல-மாடல் இணைவு, வெவ்வேறு மாதிரிகளின் சிறந்த பாகங்களைப் பயன்படுத்துவதன் மூலம் சுகாதார சோதனைகளின் நிலையை இன்னும் வலிமையாக்குகிறது.
கலப்பின முறைகள் பேட்டரி மேலாண்மை அமைப்புகள் நிஜ உலக மாற்றங்களைக் கையாள உதவுகின்றன. இது மின்சார வாகனங்கள் மற்றும் பிற பயன்பாடுகளுக்கு அவற்றை மிகவும் நம்பகமானதாக ஆக்குகிறது.
பயன்பாட்டு பரிசீலனைகள்
உண்மையான லித்தியம்-அயன் பேட்டரி அமைப்புகளில் கலப்பின முறைகளைத் தேர்ந்தெடுத்துப் பயன்படுத்துவதற்கு கவனமாக திட்டமிடல் தேவை. மின்சார கார்கள் அல்லது சேமிப்பு போன்ற ஒவ்வொரு பயன்பாட்டிற்கும் என்ன தேவை என்பதைப் பற்றி பொறியாளர்கள் சிந்திக்க வேண்டும்.
தரவு சார்ந்த முறைகள் நிகழ்நேர சென்சார் தரவைப் பயன்படுத்துகின்றன, மேலும் பேட்டரிகள் பழையதாகும்போது அல்லது பயன்படுத்தப்படும்போது மாறுகின்றன. இந்த வழிகள் மிகவும் துல்லியமானவை, வெவ்வேறு வேதியியல்களுடன் வேலை செய்கின்றன, மேலும் சென்சார் சத்தத்தை நன்கு கையாளுகின்றன.
கலப்பின கட்டமைப்புகள் சிறந்த சீரற்ற வன வழிமுறைகள், இயற்பியல் அடிப்படையிலான மாதிரிகள் மற்றும் பிற இயந்திர கற்றல் கருவிகளைக் கலக்கின்றன. இந்த சமநிலை துல்லியத்தை அளிக்கிறது, வேகமாக வேலை செய்கிறது, மேலும் பல லித்தியம்-அயன் பேட்டரி வகைகள் மற்றும் சூழ்நிலைகளுக்குப் பயன்படுத்தப்படலாம்.
நிறைய நல்ல தரவு தேவை, சரியான அம்சங்களைத் தேர்ந்தெடுப்பது மற்றும் கணினி செலவுகள் போன்ற சிக்கல்களை பொறியாளர்கள் தீர்க்க வேண்டும். அம்சங்களையும் சரிப்படுத்தும் அமைப்புகளையும் கலப்பது கணிப்புகளை சிறப்பாகச் செய்து நிகழ்நேர மாற்றங்களுக்கு உதவும்.
செல் மின்னழுத்தம், மின்னோட்டம், வெப்பநிலை மற்றும் சுழற்சி எண்ணிக்கை போன்ற ஏராளமான தரவு, சிறந்த கலப்பின முறைகளைத் தேர்வுசெய்ய உதவுகிறது. இந்த வழிகள் சத்தம் அல்லது காணாமல் போன தரவுகளுக்கு உதவுகின்றன, மேலும் ஒவ்வொரு பயன்பாட்டிற்கும் சிறப்பு முடிவுகளைத் தருகின்றன, அடிப்படை சார்ஜ் நிலை மற்றும் சுகாதார நிலை மட்டுமல்ல. நிஜ வாழ்க்கையில், கலப்பின முறைகள் ஆய்வகங்களிலும், மின்சார கார்களைப் போல களத்திலும் சிறப்பாகச் செயல்படுகின்றன, அங்கு அவை பேட்டரிகளைப் பாதுகாப்பாகவும் வெவ்வேறு நிலைமைகளின் கீழ் செயல்படவும் வைக்கின்றன.
குறிப்பு: கலப்பின முறைகளைத் தேர்ந்தெடுக்கும்போது, பொறியாளர்கள் பேட்டரி அமைப்பின் குறிக்கோள்கள், தரவு மற்றும் அது எங்கு பயன்படுத்தப்படும் என்பதற்கு ஏற்ப முறையைப் பொருத்த வேண்டும். இது லித்தியம்-அயன் பேட்டரி மேலாண்மை நம்பகமானது, வளரக்கூடியது மற்றும் நிகழ்நேரத்தில் செயல்படுவதை உறுதிசெய்ய உதவுகிறது.
லித்தியம்-அயன் பேட்டரிகள் எவ்வளவு சிறப்பாகவும் பாதுகாப்பாகவும் செயல்படுகின்றன என்பதற்கு சரியான soc மற்றும் SOH ஐ அறிவது மிகவும் முக்கியம். ஒவ்வொரு முறைக்கும் அதன் சொந்த நல்ல புள்ளிகள் உள்ளன, ஆனால் பேட்டரி மேலாண்மை அமைப்பில் ஒன்றுக்கு மேற்பட்ட முறைகளை ஒன்றாகப் பயன்படுத்துவது லித்தியம்-அயன் பேட்டரிகள் நீடித்து நிலைத்து சிறப்பாக செயல்பட சிறந்த முடிவுகளைத் தருகிறது. முக்கியமான தரவு மற்றும் மேம்படுத்தப்பட்ட நரம்பியல் நெட்வொர்க்குகளைத் தேர்ந்தெடுப்பதற்கான புத்திசாலித்தனமான வழிகளைப் பயன்படுத்துவது மிகச் சிறிய தவறுகளை, 0.16% வரை கூட ஏற்படுத்தும் என்று புதிய ஆராய்ச்சி காட்டுகிறது. இது பேட்டரிகள் நீண்ட காலம் நீடிக்கவும் பாதுகாப்பாக இருக்கவும் உதவுகிறது. ஒவ்வொரு லித்தியம்-அயன் பேட்டரிக்கும் தேவையானவற்றுக்கு ஏற்ற மதிப்பீட்டு முறையைத் தேர்ந்தெடுப்பது முக்கியம்.
FAQ
பேட்டரி மேலாண்மை அமைப்பின் முக்கிய வேலை என்ன?
பேட்டரி மேலாண்மை அமைப்பு பேட்டரிகளைப் பாதுகாப்பாக வைத்திருக்கிறது. இது சார்ஜ் நிலை மற்றும் ஆரோக்கிய நிலையைச் சரிபார்க்கிறது. இந்த அமைப்பு செல்களை சமநிலைப்படுத்துகிறது, இதனால் அவை ஒன்றாக வேலை செய்கின்றன. இது பேட்டரிகள் அதிகமாக சூடாகவோ அல்லது அதிகமாக நிரம்பவோ கூடாது. இது பேட்டரிகள் நீண்ட காலம் நீடிக்கவும் சிறப்பாக செயல்படவும் உதவுகிறது.
சென்சார்கள் ஏன் நேரடியாக சார்ஜ் நிலையை அளவிட முடியாது?
சென்சார்களால் பேட்டரியின் உள்ளே பார்க்க முடியாது. சென்சார்களால் பார்க்க முடியாத இடத்தில் வேதியியல் எதிர்வினைகள் நிகழ்கின்றன. சென்சார்கள் மின்னழுத்தம், மின்னோட்டம் மற்றும் வெப்பநிலையை மட்டுமே அளவிடுகின்றன. சார்ஜ் நிலையை யூகிக்க, சிறப்பு வழிமுறைகளுடன் கூடிய இந்த எண்களை இந்த அமைப்பு பயன்படுத்துகிறது.
பேட்டரி நிலை மதிப்பீட்டை வெப்பநிலை எவ்வாறு பாதிக்கிறது?
மிகவும் சூடாகவோ அல்லது குளிராகவோ இருக்கும்போது, பேட்டரி எதிர்வினைகள் மாறுகின்றன. சிஸ்டம் சார்ஜ் நிலையிலோ அல்லது ஆரோக்கிய நிலையிலோ தவறுகளைச் செய்யக்கூடும். நல்ல பேட்டரி மேலாண்மை அமைப்புகள் இந்த தவறுகளைச் சரிசெய்ய தங்கள் கணிதத்தை மாற்றுகின்றன.
எந்த முறை மிகவும் துல்லியமான சுகாதார நிலையை மதிப்பிடுகிறது?
முறை | துல்லியம் நிலை |
|---|---|
எந்திர கற்றல் | மிக அதிக |
மின்மறுப்பு பகுப்பாய்வு | உயர் |
உள் எதிர்ப்பு | நடுத்தர |
சுழற்சி எண்ணிக்கை | குறைந்த |
தரவு நன்றாக இருந்தால் இயந்திர கற்றல் பொதுவாக சிறந்த முடிவுகளைத் தரும்.
