Hệ thống quản lý pin tìm ra trạng thái sạc và tình trạng sức khỏe của pin lithium-ion bằng cách sử dụng các kỹ thuật ước tính gián tiếp. Hệ thống không thể đo lường trực tiếp những điều này vì pin có các phản ứng phức tạp bên trong. Vì vậy, hệ thống sử dụng các phương pháp như trích xuất đặc điểm thống kê, đếm Coulomb và các mô hình dữ liệu nâng cao. Ví dụ: hệ thống xem xét các số liệu thống kê như phương sai, giá trị trung bình và độ lệch từ các đường cong điện áp và dòng điện để theo dõi sự suy giảm của pin. Sử dụng các phương pháp ước tính gián tiếp, như học máy và các phương pháp dựa trên người quan sát, giúp ước tính soc chính xác và an toàn hơn. Các phương pháp ước tính soc này giúp hệ thống quản lý pin dự đoán những thay đổi trong pin lithium-ion. Chúng cũng giúp quản lý tốt hơn tình trạng mất dung lượng, lão hóa và rủi ro. Việc ước tính trạng thái sạc và ước tính tình trạng sức khỏe tốt giúp mọi pin lithium-ion hoạt động tốt hơn và kéo dài tuổi thọ hơn.
Việc ước tính chính xác điện áp (SOC) trong hệ thống pin lithium-ion giúp pin tránh khỏi tình trạng sạc quá mức, quá nhiệt và hỏng hóc đột ngột. Điều này làm cho các kỹ thuật ước tính mạnh mẽ trở nên rất quan trọng đối với các hệ thống quản lý pin hiện đại.
Số liệu thống kê | Mô tả Chi tiết | Tương quan với sự suy giảm của pin |
|---|---|---|
Phương sai | Kiểm tra xem điện áp/dòng điện thay đổi ổn định như thế nào | Độ biến thiên cao hơn có nghĩa là điện trở bên trong không đồng đều và phản ứng hóa học, cũng như hư hỏng điện cực |
Gia trị lơn nhât | Điện áp/dòng điện cao nhất trong quá trình sạc hoặc xả | Các con số thấp hơn cho thấy khả năng chịu tải thấp hơn và có thể xảy ra các vấn đề về an toàn như sạc quá mức hoặc quá nhiệt |
Giá trị tối thiểu | Điện áp/dòng điện thấp nhất trong quá trình sạc hoặc xả | Hiển thị các vấn đề về mất năng lực và an toàn |
Trung bình (Trung bình) | Điện áp/dòng điện trung bình trong một chu kỳ | Những thay đổi cho thấy sự phân hủy chất điện giải và năng lượng đầu ra ít hơn |
Skewness | Điện áp/dòng điện phân bố không đều như thế nào | Được sử dụng trong trích xuất tính năng để dự đoán SOH |
Độ nhọn quá mức | Đỉnh điện áp/dòng điện đột ngột như thế nào | Số cao hơn có nghĩa là phân cực nhiều hơn và khả năng chèn lithium ít hơn |
Các nội dung chính
Hệ thống quản lý pin không thể đo trực tiếp mức sạc hoặc tình trạng pin. Chúng sử dụng các phương pháp gián tiếp như phân tích thống kê, đếm Coulomb và học máy. Các phương pháp này giúp ước tính mức sạc và tình trạng pin.
Biết được trạng thái sạc giúp bảo vệ pin an toàn. Nó ngăn ngừa tình trạng sạc quá mức, quá nhiệt và các sự cố đột ngột.
Có nhiều cách khác nhau để kiểm tra pin. Điện áp mạch hở, Đếm Coulomb, Lọc Kalman và các mô hình dựa trên AI là một số phương pháp. Mỗi phương pháp đều có ưu và nhược điểm riêng. Việc kết hợp chúng sẽ giúp kết quả tốt hơn và đáng tin cậy hơn.
Tính năng ước tính tình trạng pin sẽ kiểm tra độ tuổi của pin. Nó xem xét mức hao hụt dung lượng và điện trở trong. Điều này giúp dự đoán tuổi thọ pin và tránh các vấn đề về an toàn.
Các phương pháp lai kết hợp phương pháp dựa trên mô hình và phương pháp dựa trên dữ liệu. Chúng mang lại kết quả tốt nhất. Chúng có thể thay đổi tùy theo nhu cầu sử dụng thực tế. Điều này giúp pin hoạt động tốt hơn và bền hơn.
Cơ bản về hệ thống quản lý pin
Chức năng chính
Hệ thống quản lý pin rất quan trọng đối với pin lithium-ion. Nó giúp pin lithium-ion an toàn và hoạt động tốt. Hệ thống kiểm tra điện áp, dòng điện và nhiệt độ của từng cell pin lithium-ion. Nó cũng đảm bảo tất cả các cell pin lithium-ion được sạc và xả đều đặn. Điều này giúp mỗi pin lithium-ion hoạt động lâu hơn và hiệu quả hơn.
Hệ thống quản lý pin theo dõi trạng thái sạc và tình trạng pin của từng pin lithium-ion. Hệ thống sử dụng những thông số này để ngăn chặn tình trạng sạc quá mức và xả quá sâu, những yếu tố có thể gây hại cho pin lithium-ion.
An toàn là trên hết. Hệ thống sẽ ngắt kết nối pin lithium-ion nếu phát hiện các vấn đề như quá nhiệt hoặc đoản mạch. Hệ thống có thể sử dụng cell hoặc bộ pin dự phòng để duy trì hoạt động.
Giao tiếp rất quan trọng. Hệ thống quản lý pin sử dụng SPI và bus CAN để gửi dữ liệu đến các bộ phận khác của thiết bị hoặc phương tiện.
Có nhiều loại khác nhau, như tập trung hoặc phân tán, do đó hệ thống quản lý pin có thể phù hợp với nhiều thiết kế pin lithium-ion.
Một số hệ thống có các tính năng bổ sung như giám sát từ xa, dự đoán vòng đời và phát hiện lỗi. Những hệ thống này sử dụng điện toán đám mây và máy học để giúp pin hoạt động tốt hơn và an toàn hơn.
Chức năng chính / Thuật toán | Mô tả Chi tiết |
|---|---|
Giám sát tế bào | Theo dõi điện áp, dòng điện và nhiệt độ của từng cell pin lithium-ion. Phát hiện sự cố và thực hiện các biện pháp an toàn. Xác định trạng thái sạc và tình trạng pin. |
Tối ưu hóa năng lượng | Kiểm soát quá trình sạc và xả để giữ an toàn cho cell pin lithium-ion. Hoạt động với các hệ thống khác để sử dụng năng lượng một cách thông minh. |
Đảm bảo an toàn | Ngăn chặn các nguy hiểm như mất ổn định nhiệt. Sử dụng các phương án dự phòng và bảo vệ mọi người khỏi bị điện giật. |
Tối ưu hóa sạc pin | Thay đổi chế độ sạc để giảm áp lực lên từng cell pin lithium-ion. Lưu mã lỗi để kiểm tra sau. |
Thuật toán cân bằng ô | Đảm bảo tất cả các cell pin lithium-ion có cùng điện áp. Sử dụng cân bằng chủ động hoặc thụ động để giúp pin hoạt động tốt hơn. |
Thuật toán giao tiếp | Gửi dữ liệu giữa hệ thống quản lý pin và các thiết bị khác. Dừng sạc nếu phát hiện điều kiện không an toàn. |
Mẹo: Sử dụng phần mềm và công cụ phần cứng có sẵn có thể giúp các kỹ sư xây dựng và thử nghiệm hệ thống quản lý pin cho pin lithium-ion nhanh hơn.
Hóa chất được hỗ trợ
Hệ thống quản lý pin cần tương thích với nhiều loại hóa chất pin lithium-ion. Mỗi loại hóa chất, chẳng hạn như NMC, LFP và NCA, đều có ưu và nhược điểm riêng. Ví dụ, pin lithium-ion NMC có mật độ năng lượng cao. Pin lithium-ion LFP có tuổi thọ cao hơn và chịu nhiệt tốt hơn. Hệ thống quản lý pin thay đổi cách thức hoạt động để phù hợp với từng loại hóa chất pin lithium-ion.
Các nghiên cứu gần đây xem xét cách các thành phần hóa học pin lithium-ion khác nhau hoạt động trong xe điện. Những nghiên cứu này cho thấy hệ thống quản lý pin phải xử lý những thay đổi về mật độ năng lượng, chi phí và vòng đời. Chúng cũng cho thấy việc quản lý nhiệt và ước tính trạng thái nâng cao rất quan trọng đối với từng loại pin lithium-ion. Các mô hình học máy có thể giúp dự đoán tình trạng sức khỏe của pin lithium-ion bằng cách sử dụng dữ liệu đã được lọc. Điều này giúp giảm thiểu sai sót và giúp hệ thống quản lý pin xử lý quá trình lão hóa hóa học của từng loại pin lithium-ion.
Hệ thống quản lý pin linh hoạt có thể hoạt động với nhiều loại hóa chất pin lithium-ion. Điều này giúp mọi ứng dụng, từ xe điện đến thiết bị điện tử cầm tay, đạt được hiệu suất và độ an toàn pin tốt nhất.
Trạng thái sạc trong pin Lithium-Ion
Trạng thái sạc rất quan trọng đối với pin lithium-ion. Nó giúp pin an toàn và hoạt động tốt. Nếu trạng thái sạc không đúng, pin có thể bị quá nóng hoặc mất điện. Điều này có thể khiến pin bị hỏng hoặc thậm chí gây ra các vấn đề nguy hiểm như hỏa hoạn. Trong xe điện, việc nắm rõ trạng thái sạc giúp ích cho việc phanh và sạc. Nó cũng giúp pin sử dụng lâu hơn. Các nghiên cứu cho thấy việc ước tính trạng thái sạc tốt giúp giảm thiểu sai sót và góp phần bảo vệ môi trường.
Bạn không thể đo trực tiếp trạng thái sạc trong pin lithium-ion. Các phản ứng hóa học bên trong pin bị ẩn và khó nhìn thấy. Cảm biến có thể bị sai lệch do nhiễu và những thay đổi trong pin. Vì vậy, hệ thống quản lý pin sử dụng các phương pháp đặc biệt để dự đoán trạng thái sạc. Chúng xem xét điện áp, dòng điện và nhiệt độ để xác định. Những phương pháp này giúp giải quyết các vấn đề về cảm biến và lão hóa pin.
Phương pháp OCV
Phương pháp Điện áp Mạch hở dự đoán trạng thái sạc bằng cách kiểm tra điện áp ắc quy sau khi pin nghỉ. Mỗi loại hóa chất ắc quy có điện áp và trạng thái sạc riêng. Phương pháp này đơn giản và không tốn kém. Nó hoạt động tốt cho lần kiểm tra trạng thái sạc đầu tiên và không cần mô hình ắc quy lớn.
Yếu tố | Chi Tiết |
|---|---|
Nguyên tắc | Điện áp pin được đo sau khi pin nghỉ. Chỉ số OCV và trạng thái sạc được xác định bằng cách kiểm tra từng loại pin. |
Các lợi ích | 1. Quy trình đơn giản |
Hạn chế | 1. Cần thời gian nghỉ ngơi dài (hơn 2 giờ nếu trời lạnh) |
Phương pháp OCV không thể kiểm tra trạng thái sạc khi pin đang hoạt động. Pin lithium-ion thường thay đổi nhanh chóng, vì vậy việc chờ pin nghỉ ngơi là không cần thiết. Các điểm phẳng trên đường cong OCV dễ dẫn đến sai số lớn ngay cả khi điện áp thay đổi nhỏ.
Đếm Coulomb
Đếm Coulomb, hay đếm Ah, đoán trạng thái điện tích bằng cách cộng dòng điện đi vào và đi ra. Nó bắt đầu với số trạng thái điện tích đầu tiên và thay đổi khi dòng điện di chuyển.
Mặt đánh giá | Chi Tiết |
|---|---|
Phương pháp | Thuật toán đếm Coulomb cải tiến |
Phương pháp xác thực | Kiểm tra MATLAB so sánh với trạng thái sạc thực tế từ đường cong sạc/xả |
Lỗi tối đa (Kết thúc sạc) | Về 3.5% |
Lỗi trong giai đoạn CC | Ít hơn 2% |
Lỗi trong giai đoạn CV | Ít hơn 1% |
Xu hướng lỗi | Lớn dần theo thời gian trước khi kiểm tra tình trạng sức khỏe |
Các yếu tố quan trọng | Trạng thái sạc ban đầu tốt và kiểm tra sạc giúp giảm thiểu lỗi |
Ưu điểm | Toán học đơn giản; độ chính xác đủ tốt; không cần dữ liệu pin bổ sung |
Những ràng buộc | Sai sót tích tụ theo thời gian; cần có số liệu về tình trạng sức khỏe và trạng thái sạc ban đầu tốt |
Đếm Coulomb rất dễ sử dụng và không cần dữ liệu pin bổ sung. Tuy nhiên, sai sót có thể tích tụ theo thời gian. Những sai sót nhỏ trong trạng thái sạc hiện tại hoặc sạc ban đầu có thể trở nên nghiêm trọng hơn. Phương pháp này hoạt động tốt nhất khi kiểm tra thường xuyên hoặc các phương pháp hỗ trợ khác.
Phương pháp | RMSE | MSE | MAE | Những phát hiện chính |
|---|---|---|---|---|
Đếm Coulomb (CC) | 0.5071 | 0.2572 | 0.4571 | Sai sót cao nhất do tiếng ồn và lỗi cảm biến; không tốt cho việc sử dụng lâu dài |
Bộ lọc Kalman mở rộng | 0.0925 | N/A | N/A | Độ chính xác cao hơn với sự trợ giúp của mô hình; cần một mô hình pin tốt |
linear Regression | 0.0778 | N/A | N/A | Tốt hơn EKF nhưng không hoàn hảo cho việc thay đổi trạng thái sạc |
Máy hỗ trợ vector | 0.0319 | N/A | N/A | Xử lý các thay đổi tốt hơn; cần nhiều sức mạnh máy tính hơn |
Hồi quy rừng ngẫu nhiên | 0.0229 | 0.0005 | 0.0139 | Độ chính xác tốt nhất; hoạt động tốt với tiếng ồn và thay đổi; tốt cho việc quản lý pin thực tế |
Lọc Kalman
Lọc Kalman sử dụng các mô hình toán học để dự đoán trạng thái sạc. Bộ lọc Kalman mở rộng và bộ lọc Kalman không mùi rất phổ biến. Các bộ lọc này kết hợp dữ liệu thời gian thực với các dự đoán về mô hình pin. Chúng sẽ hiệu chỉnh các dự đoán khi có dữ liệu mới.
Các phương pháp lọc Kalman như EKF, UKF, bộ lọc Kalman thích ứng và bộ lọc Kalman kép được sử dụng rất nhiều.
Các bộ lọc này sử dụng các mô hình pin đơn giản và phức tạp hơn để có kết quả tốt hơn.
Các cuộc thử nghiệm cho thấy bộ lọc Kalman xử lý tốt các thay đổi, bộ nhớ pin và tiếng ồn cảm biến.
Thay đổi cài đặt và sử dụng mạng nơ-ron sẽ giúp chúng trở nên tốt hơn nữa.
Việc cập nhật số liệu thường xuyên giúp khắc phục lỗi do thay đổi mô hình và sai lệch cảm biến.
Các nghiên cứu cho thấy bộ lọc Kalman thích ứng và kép hoạt động tốt hơn EKF thông thường về trạng thái sạc.
Lọc Kalman cung cấp dự đoán chính xác về trạng thái sạc pin lithium-ion theo thời gian thực. Nó cần được thiết lập cẩn thận và một mẫu pin tốt. Tuy có thể khó sử dụng, nhưng nó hoạt động tốt khi mọi thứ thay đổi nhanh chóng.
Phương pháp lai và AI
Các phương pháp lai và AI kết hợp các phương pháp dựa trên mô hình và dữ liệu để dự đoán trạng thái điện tích. Chúng sử dụng học máy, chẳng hạn như mạng nơ-ron, máy vectơ hỗ trợ và hồi quy rừng ngẫu nhiên. Chúng học từ dữ liệu điện áp, dòng điện và nhiệt độ. Các phương pháp lai giải quyết các vấn đề mà các phương pháp đơn lẻ không thể.
Yếu tố | Mô tả Chi tiết |
|---|---|
Phương pháp | Dự đoán trạng thái điện tích lai bằng cách sử dụng Máy đếm Coulomb và Máy vectơ liên quan (movIRVM-Coulomb) |
Bộ dữ liệu | Dữ liệu pin đơn, dữ liệu thử nghiệm cụm pin, dữ liệu mô phỏng Advisor |
Điều kiện | Thử nghiệm với US06, UDDS, NYCC, 1015 chu kỳ lái xe; nhiệt độ 0°C, 25°C, 45°C; trạng thái sạc đầu tiên là 50%, 80% |
Độ chính xác (RMSE) | Trong vòng 2% cho nhiều thử nghiệm và nhiệt độ |
Cải tiến | Tốt hơn 30% so với movIRVM; ít lỗi hơn theo thời gian |
Đã giải quyết được ràng buộc chính | Sửa lỗi tích tụ trong Đếm Coulomb thuần túy |
Ghi chú thêm | Sử dụng đường trung bình động để cắt nhiễu; chỉ cần 10-30% dữ liệu đào tạo cho phần RVM |
Phương pháp kết hợp dữ liệu và mô hình để xử lý các hoạt động bất thường của pin.
Các phương pháp dựa trên dữ liệu bao gồm mạng nơ-ron, máy vectơ hỗ trợ, hồi quy quy trình Gauss, mạng nơ-ron wavelet và logic mờ.
Những cách này giúp bạn đoán trạng thái sạc từ các tín hiệu bạn có thể đo được.
Các vấn đề bao gồm sự khác biệt về pin, cách sử dụng lạ và tình trạng hao pin.
Hiện nay, các nhà nghiên cứu thích các phương pháp dựa trên dữ liệu vì chỉ riêng mô hình không thể giải quyết được mọi vấn đề.
Các nghiên cứu mới sử dụng học sâu và dữ liệu xe thực tế cho thấy các phương pháp hybrid và AI có thể dự đoán trạng thái sạc với sai số dưới 2%. Những phương pháp này rất chính xác và hoạt động tốt, ngay cả khi mọi thứ thay đổi nhiều.
Lưu ý: Các phương pháp thống kê hỗ trợ việc dự đoán trạng thái điện tích bằng cách khắc phục sự không chắc chắn, lỗi cảm biến và nhiễu ngẫu nhiên. Hiệu chuẩn, hồi quy và thử nghiệm giúp tất cả các phương pháp dự đoán trạng thái điện tích trở nên đáng tin cậy hơn.
Phương pháp ước tính tình trạng sức khỏe
Tình trạng sức khỏe, hay SOH, cho chúng ta biết pin lithium-ion đã cũ bao nhiêu. Nó so sánh pin hiện tại với khi mới. SOH được tìm thấy bằng cách xem xét dung lượng hiện tại và so sánh với dung lượng ban đầu. Nó cũng có thể được kiểm tra bằng cách so sánh điện trở bên trong với một cell pin mới. Khi SOH giảm xuống dưới 80% hoặc 70%, pin đã đến cuối vòng đời. SOH quan trọng vì nó ảnh hưởng đến mức độ hoạt động tốt của pin, mức độ an toàn của pin và thời gian sử dụng của pin. Khi SOH giảm xuống, pin chứa ít năng lượng hơn. Điều này có nghĩa là ô tô điện không thể đi xa và các thiết bị không hoạt động lâu như vậy. Nếu pin bị cũ đi nhiều, nó có thể bị phồng, rò rỉ hoặc thậm chí bắt lửa. Dự đoán SOH tốt giúp ngăn chặn những vấn đề này và giữ cho pin an toàn.
Yếu tố | Bằng chứng | Dữ liệu số / Chi tiết |
|---|---|---|
Định nghĩa của SOH | SOH là tỷ lệ giữa dung lượng dòng điện và dung lượng ban đầu hoặc so sánh điện trở bên trong với pin mới. | Mức độ cuối vòng đời của SOH là 80% hoặc 70% công suất còn lại. |
Tác động đến tuổi thọ | SOH cho thấy lượng công suất bị mất, điều này hạn chế phạm vi hoạt động của xe điện. Pin bị lão hóa đồng nghĩa với việc dung lượng giảm. | Pin xe điện được sử dụng trong hơn 10,000 km và hơn 800 ngày có dấu hiệu mất dung lượng. |
Tác động đến an toàn | Quá trình lão hóa không tốt có thể gây rò rỉ, phồng rộp, quá nhiệt và hỏa hoạn. | Rủi ro về an toàn sẽ trở nên tồi tệ hơn khi SOH giảm, do đó việc kiểm tra SOH là rất quan trọng. |
Nguồn dữ liệu | Dữ liệu đến từ nhiều loại xe điện với nhiều cách lái và sạc khác nhau. | Bộ dữ liệu có 347 xe điện, hồ sơ sạc trong 25 tháng và nhiều thay đổi thực tế. |
Những thách thức trong ước tính SOH | Những thay đổi trong thế giới thực, lỗi trong SOC, dữ liệu nhiễu và không đủ mẫu khiến SOH khó kiểm tra. | Lỗi SOC ngày càng nghiêm trọng hơn khi pin cũ đi và BMS gặp khó khăn trong việc cập nhật dung lượng nhanh chóng. |
phương pháp nâng cao | Học máy và phương pháp dựa trên dữ liệu giúp kiểm tra SOH tốt hơn. | BiGRU, hồi quy vectơ hỗ trợ và mạng nơ-ron sâu giúp dự đoán SOH và SOC chính xác hơn. |
Kháng chiến nội bộ
Điện trở trong rất quan trọng để kiểm tra SOH trong pin lithium-ion. Khi pin cũ đi, điện trở trong của pin tăng lên. Điều này xảy ra do các bộ phận bên trong pin bị hao mòn và hỏng hóc. Nếu điện trở tăng gấp đôi hoặc dung lượng giảm xuống còn 70-80%, pin đã đến cuối vòng đời. Có nhiều cách để kiểm tra SOH sử dụng điện trở trong. Đo điện trở trực tiếp cho kết quả tốt nhưng thường cần pin được nghỉ ngơi, điều này rất khó thực hiện trong quá trình sử dụng bình thường.
Các nhà khoa học đã tìm ra những cách mới để sử dụng điện trở nội để kiểm tra SOH tốt hơn. Ví dụ, họ sửa đường cong điện áp mạch hở bằng dữ liệu điện trở. Điều này giúp giảm thiểu sai sót do thay đổi tốc độ sạc. Phương pháp này sử dụng những yếu tố như thời gian sạc dòng điện không đổi thay vì tính toán phức tạp. Các thử nghiệm trên dữ liệu pin thực tế cho thấy phương pháp này có thể giảm sai số tuyệt đối trung bình xuống khoảng 1.28% cho một số dải điện áp. Những kết quả này cho thấy việc theo dõi điện trở nội giúp kiểm tra SOH mạnh hơn và chính xác hơn.
Trở kháng
Các phương pháp dựa trên trở kháng sử dụng cách pin phản ứng với điện để kiểm tra SOH. Các phương pháp này thường sử dụng phổ trở kháng điện hóa hoặc các thử nghiệm tương tự. Bằng cách quan sát cách pin hoạt động ở các tần số khác nhau, các kỹ sư có thể phát hiện sự lão hóa và dự đoán SOH. Các phương pháp dựa trên trở kháng có thể rất chính xác, với sai số bình phương trung bình căn bậc hai từ 0.75% đến 1.5% đơn vị SOH.
Loại phương pháp | Mô tả Chi tiết | Độ chính xác dự đoán SOH (Lỗi RMS) | Cân nhắc thực tế |
|---|---|---|---|
Dữ liệu EIS trực tiếp | Sử dụng dữ liệu quang phổ trở kháng điện hóa thô | 0.75% – 1.5% đơn vị SOH | Đo nhanh, nhưng các tế bào có thể khác nhau |
Phù hợp mạch tương đương | So khớp dữ liệu EIS với các mô hình mạch | 0.75% – 1.5% đơn vị SOH | Cần nhiều công việc và toán học hơn, nhưng ít có sự không chắc chắn hơn |
Phân phối thời gian thư giãn (DRT) | Xem xét thời gian cần thiết để mọi thứ ổn định bằng cách sử dụng dữ liệu EIS | 0.75% – 1.5% đơn vị SOH | Cần rất nhiều sức mạnh máy tính, nhưng linh hoạt |
Phân tích đáp ứng tần số phi tuyến tính (NFRA) | Sử dụng dữ liệu tần số đặc biệt để kiểm tra SOH | 0.75% – 1.5% đơn vị SOH | Cung cấp thông tin tốt về hoạt động của pin, nhanh hơn xả hoàn toàn |
Các phương pháp dựa trên trở kháng hoạt động hiệu quả trong phòng thí nghiệm và cung cấp nhiều thông tin chi tiết về tình trạng lão hóa pin. Tuy nhiên, những phương pháp này có thể khó áp dụng trong các hệ thống pin thời gian thực. Chúng thường cần các công cụ chuyên dụng và thiết lập cẩn thận. Các phương pháp dựa trên dữ liệu mới hơn đang bắt đầu được ưa chuộng bằng cách sử dụng máy học để dự đoán tình trạng lão hóa pin mà không cần mô hình cứng.
Đếm chu kỳ
Đếm chu kỳ là một trong những phương pháp lâu đời nhất để kiểm tra SOH trong pin lithium-ion. Phương pháp này đếm số lần pin được sạc và sử dụng. Mỗi chu kỳ sạc đầy làm pin lão hóa một chút. Bằng cách đếm chu kỳ, các kỹ sư có thể ước tính được mức độ hao mòn của pin.
Việc đếm chu kỳ pin rất dễ dàng và không cần công cụ đặc biệt hay phép tính phức tạp. Tuy nhiên, nó không xem xét sự khác biệt của từng chu kỳ. Các yếu tố như nhiệt độ, mức sử dụng pin và tốc độ sạc đều ảnh hưởng đến tốc độ chai pin, nhưng việc đếm chu kỳ pin lại xử lý mọi chu kỳ pin giống nhau. Điều này có thể khiến việc kiểm tra SOH bị sai, đặc biệt là trong thực tế khi pin phải chịu nhiều loại áp lực khác nhau.
phương pháp nâng cao
Các phương pháp tiên tiến để kiểm tra SOH sử dụng máy học và trí tuệ nhân tạo để nghiên cứu rất nhiều dữ liệu pin. Những phương pháp này học hỏi từ điện áp, dòng điện và nhiệt độ để dự đoán SOH tốt hơn so với các phương pháp cũ. Các mô hình máy học như máy vectơ hỗ trợ, rừng ngẫu nhiên và mạng nơ-ron sâu có thể tìm ra các mẫu lão hóa pin phức tạp.
Các nghiên cứu gần đây cho thấy những phương pháp dựa trên dữ liệu này hoạt động tốt hơn các mô hình vật lý cũ. Ví dụ, hồi quy vectơ hỗ trợ và hồi quy quy trình Gauss có thể đạt được sai số bình phương trung bình căn bậc hai dưới 0.4% khi dự đoán SOH. Mạng nơ-ron truyền thẳng và hệ thống suy luận nơ-ron mờ thích ứng cũng hoạt động tốt, với sai số thấp và kết quả tốt cho các loại pin khác nhau.
Phương pháp học máy không cần mô hình pin chi tiết.
Điện toán đám mây cho phép chạy các mô hình lớn hơn, giúp kiểm tra SOH tốt hơn ngay cả khi hệ thống pin nhỏ.
Sử dụng nhiều hơn một mô hình học máy có thể giúp kiểm tra SOH chính xác hơn.
Những cách này có thể đạt được sai số tuyệt đối trung bình trong vòng 3% và sai số bình phương trung bình trong vòng 2% trong các thử nghiệm thực tế.
Tuy nhiên, các phương pháp tiên tiến cần dữ liệu đào tạo tốt và nhiều. Chúng có thể gặp vấn đề với hiện tượng lão hóa pin bất thường hoặc những thay đổi lớn trong cách sử dụng pin. Việc lựa chọn các tính năng tốt từ dữ liệu sạc là rất quan trọng, vì việc sạc pin diễn ra thường xuyên hơn so với việc sử dụng hết pin trên xe điện. Các kỹ sư phải đảm bảo những phương pháp này mạnh mẽ và an toàn trước khi áp dụng vào thực tế. hệ thống pin bảo vệ con người.
Lưu ý: Việc chuyển đổi từ các mô hình vật lý cũ sang các phương pháp dựa trên dữ liệu cho thấy chúng ta cần các biện pháp kiểm tra SOH tốt hơn và linh hoạt hơn đối với pin lithium-ion. Học máy giúp phát hiện sớm tình trạng lão hóa của pin và giúp pin hoạt động tốt hơn bằng cách phát hiện sớm các dấu hiệu sự cố.
Kết hợp các phương pháp để có độ chính xác
Phương pháp tiếp cận kết hợp
Hệ thống quản lý pin hoạt động tốt hơn khi sử dụng nhiều phương pháp để kiểm tra trạng thái sạc và tình trạng pin. Chỉ một phương pháp không thể giải quyết mọi vấn đề trong hệ thống pin lithium-ion. Phương pháp kết hợp Kết hợp sức mạnh của thuật toán dựa trên mô hình, dữ liệu và học máy. Điều này giúp giảm thiểu nhiễu, xử lý các yếu tố chưa biết và theo kịp tốc độ lão hóa pin.
Nhiều thuật toán tối ưu hóa, chẳng hạn như phương pháp bình phương nhỏ nhất, thuật toán tối ưu hóa hướng dương và thuật toán tìm kiếm đại bàng hói, giúp kiểm tra trạng thái sạc tốt hơn. Ví dụ, thuật toán tìm kiếm đại bàng hói có sai số đỉnh chỉ 1.06% đối với SOC.
Bản đồ tự tổ chức cải tiến và học bán giám sát đã cho thấy lỗi cao nhất gần 1.25% và RMSE thấp tới 0.55%. Những kết quả này có nghĩa là các phương pháp kết hợp cung cấp khả năng kiểm tra SOC mạnh mẽ cho pin lithium-ion.
Việc sử dụng cân bằng cell chủ động với máy học để duy trì tuổi thọ hữu ích giúp giải quyết các vấn đề về chênh lệch cell và lão hóa pin. Các cell cân bằng cung cấp dữ liệu trạng thái sạc tốt hơn, giúp dự đoán tình trạng pin lithium-ion.
Các mô hình mạng nơ-ron lai hỗ trợ việc theo dõi sự thay đổi nhiệt độ và cách sử dụng pin. Bằng cách kết hợp cân bằng vật lý và các phương pháp dựa trên dữ liệu, hệ thống quản lý pin có thể giúp pin lithium-ion hoạt động tốt hơn và bền bỉ hơn. Hợp nhất đa mô hình, như Random Forest, giúp kiểm tra tình trạng pin hiệu quả hơn bằng cách sử dụng những điểm mạnh nhất của các mô hình khác nhau.
Các phương pháp lai giúp hệ thống quản lý pin xử lý những thay đổi trong thế giới thực. Điều này làm cho chúng đáng tin cậy hơn cho xe điện và các mục đích sử dụng khác.
Cân nhắc ứng dụng
Việc lựa chọn và sử dụng các phương pháp lai trong hệ thống pin lithium-ion thực tế cần được lên kế hoạch cẩn thận. Các kỹ sư phải cân nhắc nhu cầu của từng mục đích sử dụng, chẳng hạn như ô tô điện hoặc lưu trữ.
Các phương pháp dựa trên dữ liệu sử dụng dữ liệu cảm biến theo thời gian thực và thay đổi theo tuổi thọ hoặc mức độ sử dụng pin. Những phương pháp này chính xác hơn, hoạt động với nhiều loại hóa chất khác nhau và xử lý nhiễu cảm biến tốt.
Các khuôn khổ lai kết hợp các thuật toán rừng ngẫu nhiên, mô hình vật lý và các công cụ học máy khác tốt hơn. Sự cân bằng này mang lại độ chính xác, hoạt động nhanh và có thể được sử dụng cho nhiều loại và tình huống pin lithium-ion.
Các kỹ sư phải giải quyết các vấn đề như cần nhiều dữ liệu tốt, chọn đúng tính năng và chi phí máy tính. Việc kết hợp các tính năng và điều chỉnh cài đặt có thể giúp dự đoán tốt hơn và hỗ trợ những thay đổi theo thời gian thực.
Rất nhiều dữ liệu, chẳng hạn như điện áp cell, dòng điện, nhiệt độ và số chu kỳ sạc, giúp lựa chọn phương pháp kết hợp tốt nhất. Những phương pháp này giúp xử lý dữ liệu nhiễu hoặc bị thiếu và cung cấp kết quả đặc biệt cho từng mục đích sử dụng, chứ không chỉ dựa trên trạng thái sạc và tình trạng pin cơ bản. Trong thực tế, các phương pháp kết hợp hoạt động hiệu quả trong phòng thí nghiệm và ngoài thực địa, chẳng hạn như trong ô tô điện, nơi chúng giữ cho pin an toàn và hoạt động trong các điều kiện khác nhau.
Mẹo: Khi lựa chọn phương pháp lai, các kỹ sư nên kết hợp phương pháp với mục tiêu, dữ liệu và nơi sử dụng của hệ thống pin. Điều này giúp đảm bảo việc quản lý pin lithium-ion đáng tin cậy, có khả năng mở rộng và hoạt động theo thời gian thực.
Việc nắm rõ SoC và SOH phù hợp rất quan trọng đối với hiệu suất và độ an toàn của pin lithium-ion. Mỗi phương pháp đều có những ưu điểm riêng, nhưng việc kết hợp nhiều phương pháp trong một hệ thống quản lý pin sẽ mang lại kết quả tốt nhất để kéo dài tuổi thọ và hoạt động tốt hơn cho pin lithium-ion. Nghiên cứu mới cho thấy việc sử dụng các phương pháp thông minh để chọn lọc dữ liệu quan trọng và cải thiện mạng nơ-ron nhân tạo có thể giảm thiểu sai sót xuống mức rất nhỏ, thậm chí chỉ 0.16%. Điều này giúp pin sử dụng được lâu hơn và an toàn hơn. Điều quan trọng là phải chọn phương pháp ước tính phù hợp với nhu cầu của từng loại pin lithium-ion.
FAQ
Nhiệm vụ chính của hệ thống quản lý pin là gì?
Hệ thống quản lý pin giúp pin an toàn. Hệ thống kiểm tra trạng thái sạc và tình trạng pin. Hệ thống cân bằng các cell pin để chúng hoạt động cùng nhau. Hệ thống ngăn pin quá nóng hoặc quá đầy. Điều này giúp pin hoạt động lâu hơn và hiệu quả hơn.
Tại sao cảm biến không thể đo trạng thái sạc trực tiếp?
Cảm biến không thể nhìn vào bên trong pin. Các phản ứng hóa học diễn ra bên trong pin mà cảm biến không thể nhìn thấy. Cảm biến chỉ đo điện áp, dòng điện và nhiệt độ. Hệ thống sử dụng những con số này với các thuật toán đặc biệt để dự đoán trạng thái sạc.
Nhiệt độ ảnh hưởng thế nào đến việc ước tính trạng thái pin?
Khi thời tiết quá nóng hoặc quá lạnh, phản ứng của pin sẽ thay đổi. Hệ thống có thể mắc lỗi về trạng thái sạc hoặc trạng thái hoạt động. Các hệ thống quản lý pin tốt sẽ thay đổi thuật toán để khắc phục những lỗi này.
Phương pháp nào đưa ra ước tính tình trạng sức khỏe chính xác nhất?
Phương pháp | Mức độ chính xác |
|---|---|
Machine Learning | Rất cao |
Phân tích trở kháng | Cao |
Kháng chiến nội bộ | Trung bình |
Đếm chu kỳ | Thấp |
Học máy thường mang lại kết quả tốt nhất nếu dữ liệu tốt.
