環境汚染とエネルギー危機は、人々に新しいエネルギーを開発させます。サイクル寿命が長く、自己放電率が低く、環境に優しいという特徴を持つリチウムイオン電池は、エネルギー貯蔵システムに広く適用されています [1]。バッテリーが高効率で動作するようにするには、バッテリーのエネルギー状態 (SOE) と電力状態 (SOP) を正確に推定する必要があります。
SOE は一般に、利用可能な最大エネルギーに対する残留エネルギーの比率として定義されます [2]。これは、バッテリ負荷電流と端子電圧の関数です [3]。 SOP は、バッテリーの電力能力を反映するために採用されています。これは、バッテリーが安全な地域で動作することを保証するための重要なパラメーターです。測定器で直接測定することはできません。ピーク電力予測の一般的な方法は、ハイブリッド パルス電力特性評価法 (HPPC) でした。
一般に、バッテリーは多数の単セルで構成されています。セルのパラメーターと動作温度の違いは、セルの不一致につながり、バッテリーの SOE と SOP の方法を困難にします。これらの問題を解決するために、まず等価回路バッテリー モデルを適用して、バッテリーの動的挙動を反映させます。次に,粒子群最適化(PSO)の方法を電池モデルパラメータ同定に適用し,電池SOEと端子電圧をアンセンテッドカルマンフィルタ(UKF)によって予測した。また、SOP は、セルの端子電圧、SOC、および設計限界によって決まります。提案された方法は単純で、マイクロコントローラに実装できます。
PSO-UKF の方法では、精度の履歴データは、最初に PSO によるバッテリー モデル パラメータの識別に使用されるマイクロ コント ローラーに格納されます。正確なバッテリー モデル パラメーターに基づいて、UKF は各マイクロ時間でバッテリー SOE および SOP 推定に適用されます。また、履歴データは UKF の処理中に更新されます。バッテリ モデル パラメータはゆっくりと変化するため、マクロ時間ごとにのみ更新されます。
上記の分析に基づいて、提案された方法は、複雑な行列演算のない単純な算術演算のみを参照します。また、PSO の方法に基づくバッテリー モデル パラメータの識別は、常に実行されているわけではありません。したがって、提案された方法は、マイクロコントローラ上で実行されるリアルタイムのバッテリパック SOE および SOP 推定に適用できます。さらに、バッテリの最大利用可能容量と開回路電圧 (OCV) の特性が、さまざまな動作温度下で分析されます (図 1 を参照)。
提案された方法の精度とロバスト性を検証するために、参照 [4] の RLS-UKF の方法を使用して、NEDC プロファイルと動的プロファイルの下でのバッテリ SOE と SOP 推定で提案された方法と比較します。実験結果は、バッテリーのピーク放電/充電電流は主にセル電圧とバッテリーの一貫性によって決定され、バッテリーの利用可能なエネルギーはバッテリーの動作温度によって変化し、セルの動作温度の上昇に伴ってバッテリーの利用可能なエネルギーが増加することを示しています。さらに、セルの動作温度におけるバッテリーの不一致は、SOC の不一致につながり、バッテリーの利用可能なエネルギー計算における積分の上限と下限を制限します (図 2 を参照)。
この論文は、Applied Energy 誌に最近掲載された、マルチタイム スケール フィルタに基づくリチウム イオン バッテリーのエネルギー状態と電力推定の新しい方法というタイトルの記事で説明されています。 .この研究は、中国科学技術大学の Xu Zhang、Yujie Wang、Ji Wu、Zonghai Chen によって実施されました。
参考文献:
<オール>
