هدف ما ، تخمین SoC و SoH در باتری­ های لیتیوم-یون توسط فیلتر کالمن و SVM

در این گزارش دو روش جدید توسط فیلتر کالمن و SVM  برای تخمین SoC  و SoH  باتری­ های لیتیوم-یون به کار گرفته شده است. تخمین SoH و SoC در وسایل نقلیه الکتریکی  به منظور تخمین میزان انرژی و توان سیستم اهمیت فراوانی دارد. در طول زمان  استفاده از باتری، مقاومت داخلی و ظرفیت آن به دلیل تغییرات ایجاد شده در الکترولیت تغییر خواهد نمود. در صورتی که تخمین دقیقی از SoC و SoH وجود نداشته باشد، ممکن است وسیله نقلیه الکتریکی با کاهش شدید توان و شتاب مواجه شود.

یک فیلتر دوگانه شامل یک فیلتر کالمن استاندارد و یک فیلتر کالمن Unscented به منظور پیش­ بینی وضعیت داخلی باتری به کار گرفته شده است. به علاوه، الگوریتم ماشین بردار پشتیبان (SVM) پیاده­ سازی و با فیلترها مذکور کوپل شده است. هر دو روش ارائه شده براساس داده­ های حاصل از اندازه­گیری ارزیابی شده است. خطای تخمین    SoCکمتر از ۱ درصد و تخمین دقیق مقاومت ارائه شده است.

در این مقاله روش تخمین پارامترهای باتری لیتیوم-یون به صورت آنلاین و رباست ارائه شد. این روش­ها از مجموعه روش­های ریاضی مینیمم واریانس (فلیتر دوگانه) و یادگیری ماشین (SVR) بوده اند. دقت تخمین و محاسبات این روش­ها در مقایسه با سایر مقالات در حد مناسب و قابل قبولی است. حتی در صورت وجود ۲۰ درصد خطای ظرفیت باتری، روش­های به تخمین­های مناسبی همگرا می­شوند. بنابراین قابلیت جبرانسازی خطای اندازه­گیری را تا حدی دارا می باشند. ضمنا امکان پیاده سازی روش­ های ارائه شده به صورت آفلاین و آنلاین وجود دارد.

تخمین SoC و SoH در باتری­ های لیتیوم-یون توسط فیلتر کالمن و SVM

 Advanced mathematical methods of SOC and SOH

Estimation for lithium-ion batteries

Published in:  Journal of Power Sources, Elsevier

Date of Publication: 2013

برای مشاهده مقاله ؛ تصویر فوق را کلیک کنید تا دانلود شود

مشخصات شبیه ساز:

کارشناسی ارشد برق کنترل

دانشگاه فردوسی مشهد

محتویات:

• اصل مقاله
• پیاده سازی با Matlab
• ضمیمه کردن گزارش فارسی و نتایج
• دیتابیس مورد نیاز

دانلود فایل