تخمین سطح شارژِ مجموعه سلول لیتیومی با اتصال سری با استفاده از فیلتر کالمن تعمیم‌یافته

نویسندگان

  • حداد میلادی پژوهشکده خودرو، سوخت و محیط زیست، دانشگاه تهران، تهران، ایران
  • حسن نهضتی پژوهشکده خودرو، سوخت و محیط زیست، دانشگاه تهران، تهران، ایران
چکیده مقاله:

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 الزاماً با سطح شارژ سلولها یکسان نیست. این مقاله به ارایه روشی برای تخمین سطح شارژ مجموعه باتری می‌پردازد که در کنار دقت بالا، هزینه محاسباتی نسبتاً پایینی دارد. ابتدا از روش شمارش کولمب و منحنی ولتاژ مدار باز باتری که از داده‌های تجربی استخراج شده است، به طور همزمان برای تخمین سطح شارژِ میانگین مجموعه باتری استفاده شده است. سپس با استفاده از فیلتر کالمن تعمیم‌یافته، اختلاف سطح شارژ بین هر کدام از سلولها و سطح شارژ میانگین تخمین زده شده است. روش پیشنهادی بوسیله یک بستر تست تجربی و برای مجموعه‌ای متشکل از سه سلول باتری لیتیومی که به شکل سری متصل شده‌اند مورد ارزیابی و صحه‌گذاری قرار گرفته است. نتایج تست‌های تجربی حاکی از عملکرد مناسب روش پیشنهادی در تخمین سطح شارژ پک باتری لیتیومی می‌باشد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تخمین وضعیت شارژ باتری لیتیوم با استفاده از فیلتر کالمن مکعبی تطبیقی فازی

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 ب...

متن کامل

تخمین مدار یک ماهواره با اتصال عمیق مشاهده گر GNSS در فیلتر کالمن خنثی (UKF)

با اتصال عمیق یک (UKF) این پژوهش به تخمین مدار یک ماهواره نوعی با استفاده از فیلتر کالمن خنثی در حلقه آن م یپردازد. در این راستا، ابتدا مدار ماهواره با لحاظ کردن اثرات ناهمگونی GNSS مشاهده گر با UKF زمین شبی هسازی شده و اثرات تغییرات زمانی مدار نیز در حلقه تخمین اعمال گردید. سپس الگوریتم استفاده از مدل غیرخطی دینامیک مداری، پیشبینی اولیه را انجام می دهد. در ادامه با استفاده از یک و سیستم فضایی ...

متن کامل

تخمین 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...

متن کامل

تخمین مدار یک ماهواره با اتصال عمیق مشاهده گر gnss در فیلتر کالمن خنثی (ukf)

با اتصال عمیق یک (ukf) این پژوهش به تخمین مدار یک ماهواره نوعی با استفاده از فیلتر کالمن خنثی در حلقه آن م یپردازد. در این راستا، ابتدا مدار ماهواره با لحاظ کردن اثرات ناهمگونی gnss مشاهده گر با ukf زمین شبی هسازی شده و اثرات تغییرات زمانی مدار نیز در حلقه تخمین اعمال گردید. سپس الگوریتم استفاده از مدل غیرخطی دینامیک مداری، پیشبینی اولیه را انجام می دهد. در ادامه با استفاده از یک و سیستم فضایی ...

متن کامل

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...

متن کامل

تخمین حرکت با استفاده از مدل انرژی و فیلتر کالمن

هدف از انجام پایان نامه حاضر، اعمال مدل انرژی و فیلتر کالمن به بحث تخمین حرکت در تصاویر متحرک و ارائه نتایج حاصله از آن می باشد. فیلتر کالمن عبارتست از مجموعه روابط بازگشتی که پس از ارائه پیش بینی در مورد روندی خاص، با توجه به نتایج عملی به دست آمده از آن روند، اقدام به تصحیح پارامترهای پیش بینی خود می کند تا در مراحل بعد بتواند پیش بینی های مفیدتری ارائه نماید. این فیلتر از پارامترهای قابل اند...

15 صفحه اول

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 52  شماره 1

صفحات  11- 20

تاریخ انتشار 2018-04-18

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023