تخمین وضعیت شارژ باتری لیتیوم با استفاده از فیلتر کالمن مکعبی تطبیقی فازی
Authors
Abstract:
تخمین وضعیت شارژ باتری(SOC) در باتریهای لیتیوم یون برای اطمینان از عملکرد ایمنی و جلوگیری از شارژ و دشارژ بیش از حد از اهمیت بالایی برخوردار است. با وجود اهمیت بسیار زیاد پارامتر SOC، این پارامتر به طور مستقیم از پایانههای باتری قابل اندازهگیری نیست. بنابراین نیاز به تخمین آن وجود دارد. تاکنون روشهای مختلفی برای تخمین وضعیت شارژ باتریهای لیتیوم یون معرفی شده است. در این مقاله شناسایی مدل باتری و الگوریتم تخمین SOC بر اساس فیلتر کالمن مکعبی تطبیقی فازی (FACKF) برای باتریهای لیتیوم یون در وسایل نقلیه الکتریکی ارائه شده است. در این روش، ابتدا باتری لیتیوم یون توسط مدار معادل RC مرتبه دوم مدل شده است. سپس روش فیلتر کالمن مکعبی برای تخمین پارامترهای باتری و وضعت شارژ باتری استفاده شده است. یکی از ملزومات فیلتر کالمن مکعبی اطلاع داشتن از ماتریسهای کواریانس نویز اندازهگیری و پروسه است. با وجود این، این ماتریسها عموما در عمل نامعلوم میباشند. درصورت انتخاب نادقیق ماتریسهای Q و R عملکرد فیلتر تحت تاثیر قرار گرفته و دقت تخمین وضعیت شارژ کاهش و حتی امکان واگرایی وجود دارد. برای رفع این مشکل در این مقاله یک سیستم فازی برای نظارت بر عملکرد فیلتر کالمن مکعبی طراحی شده است. سیستم فازی ماتریسهای R و Q به گونه ای تنظیم می نماید که فیلتر دارای عملکرد بهینه باشد. برای ارزیابی عملکرد روش پیشنهادی، این روش با روش های کلاسیک مقایسه شده است. نتایج نشان دهنده عملکرد موثر روش پیشنهادی در مقایسه با سایر روشها است.
similar resources
فیلتر کالمن دو بعدی تعمیم یافته به منظور تخمین دمای درونی باتری بدون استفاده از حسگر
چکیده: دیدگاهها و روشهای متداول برای تخمین دمای داخلی باتری از مدلهای عددی الکتریکی- حرارتی استفاده میکنند که در آنها نیاز به حسگر دما ضروری است. به منظور تضمین استفاده ایمن و درست از باتریهای لیتیوم- یون در طول عمل، برآورد دقیق از درجه حرارت باتری از اهمیت ویژهای برخوردار است. در این مقاله روشی برای تخمین دمای هسته سلول باتری و سطح باتری با استفاده از یک مدل حرارتی کوپل شده با مدل امپدان...
full textطراحی و ساخت کنترل کننده هوشمند شارژ باتری های لیتیوم-یون با استفاده از تخمین حالت شارژ
در این پروژه از الگوریتمهای هوشمند نظیر شبکه های عصبی برای مدل سازی، فیلتر کالمن توسعه یافته برای تخمین حالت شارژ و نیز منطق فازی برای کنترل حالت شارژ باتری در محدوده مشخص استفاده می گردد، که در این صورت علاوه بر شارژ سریع باتری از فراشارژ شدن آن و درنتیجه صدمه زدن به باتری جلوگیری می گردد. گفتنی است که الگوریتمهای مورد استفاده نسبت به تغییر پارامترهای باتری مقاوم اند و لذا در تمام مدت کارکرد ب...
15 صفحه اولطراحی الگوریتم تخمین وضعیت یک ماهوارة LEO با استفاده از روش تطبیقی مدلهای چند گانه و مقایسة آن با فیلتر کالمن توسعهیافته
در این مقاله یکساختار جدید برای تخمین وضعیت با دقت بالا برای ماهوارههای سنجش از دور و مبتنی بر روش های تطبیقی مدلهای چند گانه (Multiple Model Attitude Estimation) طراحی می گردد. در ساختار الگوریتم تخمین وضعیت ارائه شده, مسئلة خطی سازی در هر لحظه که در روش فیلتر کالمن توسعه یافته انجام میگیرد به خطیسازی در نقاط کار کمتری کاهش مییابد که این مسئله سرعت پردازش را افزایش خواهد داد. در این ساختا...
full textتخمین سطح شارژِ مجموعه سلول لیتیومی با اتصال سری با استفاده از فیلتر کالمن تعمیمیافته
مجموعه باتری یکی از اجزای اصلی در خودروهای الکتریکی است که بهطور معمول از مجموعهای از سلولهای باتری تشکیل شده است که به صورت سری به یکدیگر متصل میشوند. یکی از مهمترین وظایف سیستم مدیریت باتری در خودروهای الکتریکی تخمین سطح شارژ مجموعه باتری است. سلولهای موجود در یک پک باتری بدلیل تلرانسهای مختلف ساخت و شرایط مختلف عملکردی الزاماً سطح شارژ یکسانی ندارند و از اینرو، سطح شارژ مجموعه باتری الزا...
full textتخمین جریان و کنترل جریان بدون حسگر مبدل Cuk با استفاده از فیلتر کالمن توسعهیافته
روشهای کنترل جریان بدون حسگر که نیاز به استفاده از حسگر جریان را با به کار گرفتن رؤیتگر جریان از میان میبرند، میتوانند راهحلهایی مقرونبهصرفه و مطمئن برای کنترل گسسته مبدلهای DC-DC به ارمغان بیاورند. ازآنجاییکه هرگونه عدم دقت در مدل مبدل میتواند موجب انحراف جریان رؤیتشده از جریان واقعی سلف و درنتیجه خطای حالت ماندگار ولتاژ خروجی گردد، مدلی دقیق استخراج میشود که شامل مقاومتهای پار...
full textMy Resources
Journal title
volume 7 issue 2
pages 1- 14
publication date 2020-08-22
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023