Εκτίμηση της κατάστασης της μπαταρίας από το BMS: βασικές γνώσεις σχετικά με το SOC, το SOH και το SOP

Στη σημερινή εποχή της νέας ενέργειας, η εφαρμογή της τεχνολογίας των μπαταριών είναι παντού, από τα ηλεκτρικά οχήματα στα συστήματα ανανεώσιμης ενέργειας, σε όλα τα είδη των ηλεκτρονικών προϊόντων.Ως βασικό συστατικό του συστήματος μπαταρίας, μία από τις βασικές του αρμοδιότητες είναι να εκτιμά με ακρίβεια την κατάσταση της μπαταρίας, συμπεριλαμβανομένης της κατάστασης φόρτισης (SOC), της κατάστασης υγείας (SOH) και της κατάστασης ισχύος (SOP).Η ακριβής εκτίμηση αυτών των παραμέτρων κατάστασης είναι ζωτικής σημασίας για την αποτελεσματική, ασφαλή και αξιόπιστη λειτουργία της μπαταρίας.

SOC: Ελέγξτε με ακρίβεια την εναπομείναντα ισχύ της μπαταρίας

Η κατάσταση φόρτισης (SOC) είναι η κατάσταση φόρτισης της μπαταρίας, η οποία αντικατοπτρίζει την αναλογική σχέση μεταξύ της εναπομείναντος ισχύος της μπαταρίας και της συνολικής χωρητικότητας,και εμφανίζει διαισθητικά το "περίοδο χωρητικότητας" της μπαταρίας ακριβώς όπως ο μετρητής καυσίμου ενός αυτοκινήτουΑκολουθούν διάφορες κοινές μεθόδους εκτίμησης SOC και τα χαρακτηριστικά τους:

• Μέθοδος αμφίβιας ολοκλήρωσης:υπολογίζεται η ποσότητα φόρτισης και εκφόρτισης της μπαταρίας με την ολοκλήρωση του ρεύματος για να ληφθεί η τιμή SOC. Η μέθοδος αυτή είναι απλή και εύκολη στη χρήση, αλλά κατά τη μακροχρόνια χρήση,λόγω της συσσώρευσης σφαλμάτων του αισθητήρα ρεύματος και της αυτοαπολύσεως της μπαταρίαςΩς εκ τούτου, είναι συχνά αναγκαίο να φορτίζεται πλήρως η μπαταρία για να βελτιωθεί η ακρίβεια της εκτίμησης.
• Μέθοδος τάσης ανοικτού κυκλώματος:Εκτίμηση βάσει της αντιστοιχίας μεταξύ της τάσης ανοικτού κυκλώματος της μπαταρίας και του SOC.μετρώντας την τάση του ανοικτού κυκλώματος και συγκρίνοντάς την με την προκαθορισμένη καμπύλη τάσης-SOC ανοικτού κυκλώματος για να ληφθεί η τρέχουσα τιμή SOCΤο πλεονέκτημα αυτής της μεθόδου είναι ότι έχει υψηλή ακρίβεια και δεν επηρεάζεται από την αυτοαφόρτιση της μπαταρίας, αλλά απαιτεί η μπαταρία να βρίσκεται σε στατική κατάσταση,και η καμπύλη τάσης-SOC ανοικτού κυκλώματος θα αλλάξει λόγω παραγόντων όπως η θερμοκρασία και η γήρανση της μπαταρίας, έτσι πρέπει να αντισταθμιστούν αυτοί οι παράγοντες.
• Μέθοδος φιλτραρίσματος Kalman:Αυτός είναι ένας αναδρομικός αλγόριθμος βασισμένος σε μοντέλο χώρου καταστάσεων, ο οποίος μπορεί να συγχωνεύσει πληροφορίες πολλαπλών πηγών όπως τάση μπαταρίας, ρεύμα, θερμοκρασία, κλπ., ενημερώνει την εκτίμηση SOC σε πραγματικό χρόνο,και να καταστείλει τον θόρυβο της μέτρησης και το σφάλμα του μοντέλουΈχει υψηλή ακρίβεια εκτίμησης και ισχυρή ικανότητα κατά των παρεμβολών και είναι μία από τις πιο προηγμένες μεθόδους εκτίμησης SOC επί του παρόντος.η ποσότητα υπολογισμού αυτής της μεθόδου είναι σχετικά μεγάλη και απαιτεί υψηλή απόδοση του επεξεργαστή.

SOH: Εικόνα για την υγεία της μπαταρίας

Η κατάσταση υγείας (SOH) αντιπροσωπεύει την κατάσταση υγείας της μπαταρίας, η οποία αντικατοπτρίζει τον βαθμό υποβάθμισης των επιδόσεων της μπαταρίας σε σχέση με τη νέα μπαταρία·και αποτελεί σημαντικό δείκτη για την αξιολόγηση της διάρκειας ζωής και της αξιοπιστίας της μπαταρίαςΠαρακάτω παρατίθενται διάφορες συνήθως χρησιμοποιούμενες μεθόδους εκτίμησης SOH:

• Μέθοδος δοκιμής χωρητικότητας:Η SOH προσδιορίζεται με την εκτέλεση πλήρους κύκλου φόρτισης και φόρτισης της μπαταρίας και μετρώντας τη σχέση της πραγματικής της χωρητικότητας προς τη ονομαστική της χωρητικότητα.Η μέθοδος αυτή μπορεί να αντικατοπτρίζει άμεσα την εξασθένιση της χωρητικότητας της μπαταρίας, με υψηλή ακρίβεια, αλλά απαιτεί βαθιά φόρτιση και εκφόρτιση της μπαταρίας, η οποία απαιτεί μεγάλο χρονικό διάστημα και θα έχει μια ορισμένη επίδραση γήρανσης της μπαταρίας.χρησιμοποιείται συνήθως για δοκιμές εκτός σύνδεσης και αξιολόγηση της μπαταρίας.
• Μέθοδος δοκιμής εσωτερικής αντίστασης:Η εσωτερική αντίσταση μιας μπαταρίας αυξάνεται με την αύξηση της γήρανσης, έτσι ώστε η SOH μπορεί να εκτιμηθεί μετρώντας τις αλλαγές στην εσωτερική αντίσταση της μπαταρίας.Η μέθοδος αυτή είναι απλή και εύκολη στην εφαρμογή και μπορεί να αντικατοπτρίζει την τάση γήρανσης της μπαταρίας σε κάποιο βαθμό.Ωστόσο, η εξάρτηση αποκλειστικά από τις αλλαγές της εσωτερικής αντίστασης για την αξιολόγηση της SOH έχει ορισμένους περιορισμούς, επειδή η εσωτερική αντίσταση θα επηρεαστεί επίσης από παράγοντες όπως η θερμοκρασία και η SOC.
• Μέθοδος αναγνώρισης προτύπων δεδομένων:Χρησιμοποιούν αλγόριθμους μηχανικής μάθησης, όπως τεχνητά νευρωνικά δίκτυα, μηχανές διανυσμάτων υποστήριξης κλπ., για να μαθαίνουν και να αναλύουν τα ιστορικά δεδομένα της μπαταρίας και τα δεδομένα λειτουργίας σε πραγματικό χρόνο,δημιουργία μοντέλου κατάστασης υγείας της μπαταρίαςΗ μέθοδος αυτή μπορεί να αντλήσει σύνθετες μη γραμμικές σχέσεις στα δεδομένα μπαταρίας, με υψηλή ακρίβεια εκτίμησης και προσαρμοστικότητα,αλλά απαιτεί μεγάλο ποσό δεδομένων κατάρτισης και επαγγελματικές ικανότητες επεξεργασίας και ανάλυσης δεδομένων.

SOP: Ακριβής αξιολόγηση των δυνατοτήτων ισχύος της μπαταρίας

Η SOP (State of Power) αναφέρεται στην μέγιστη ισχύ που μπορεί να παράγει ή να απορροφήσει με ασφάλεια μια μπαταρία σε μια συγκεκριμένη στιγμή.Παρακάτω παρατίθενται διάφορες μέθοδοι εκτίμησης των ΣΟΠ και τα χαρακτηριστικά τους.:

• Μέθοδος εκτίμησης βάσει μοντέλου μπαταρίας:Με τη δημιουργία ισοδύναμου μοντέλου κυκλώματος ή θερμοδυναμικού μοντέλου της μπαταρίας, συνδυάζοντας τις πληροφορίες για την κατάσταση της μπαταρίας, όπως SOC, θερμοκρασία, ρεύμα κ.λπ.,τις παραμέτρους όπως η εσωτερική αντίσταση της μπαταρίαςΗ μέθοδος αυτή μπορεί να αντικατοπτρίζει με ακρίβεια τα χαρακτηριστικά ισχύος της μπαταρίας,αλλά η καθιέρωση του μοντέλου και ο προσδιορισμός των παραμέτρων είναι σχετικά περίπλοκοι, και απαιτούνται η ακρίβεια του μοντέλου και οι υπολογιστικές δυνατότητες της μπαταρίας.
• Μέθοδος μηχανικής μάθησης:Χρησιμοποιήστε αλγόριθμους μηχανικής μάθησης για να μάθετε και να εκπαιδεύσετε τα ιστορικά δεδομένα ισχύος της μπαταρίας και τα σχετικά χαρακτηριστικά της κατάστασης, και να δημιουργήσετε μοντέλα πρόβλεψης SOP, όπως νευρωνικά δίκτυα, δέντρα αποφάσεων,κλπ.Η μέθοδος αυτή μπορεί να μάθει αυτόματα τα χαρακτηριστικά ισχύος της μπαταρίας με βάση ένα μεγάλο ποσό ιστορικών δεδομένων, και έχει ισχυρή προσαρμοστικότητα και ικανότητα κατά των παρεμβολών,αλλά απαιτείται μεγάλη ποσότητα ακριβών δεδομένων κατά τη διάρκεια της διαδικασίας εκπαίδευσης μοντέλου, και η ερμηνευσιμότητα του μοντέλου είναι σχετικά κακή.

Σενάρια εφαρμογής για την εκτίμηση της κατάστασης της μπαταρίας

• Ηλεκτρικά οχήματα:Η ακριβής εκτίμηση SOC μπορεί να παρέχει αξιόπιστες πληροφορίες για την αυτονομία των οδηγών ηλεκτρικών οχημάτων, ώστε να αποφεύγονται οι διακοπές οδήγησης που προκαλούνται από ανεπαρκή ισχύ.Η αξιολόγηση SOH βοηθά στην πρόβλεψη της διάρκειας ζωής της μπαταρίας και υπενθυμίζει αμέσως στους χρήστες τη συντήρηση ή την αντικατάσταση της μπαταρίαςΗ εκτίμηση SOP μπορεί να εξασφαλίσει ότι το όχημα μπορεί να λειτουργεί κανονικά σε συνθήκες υψηλής ισχύος, όπως επιτάχυνση και αναρρίχηση, αποφεύγοντας παράλληλα υπερφόρτωση και βλάβη της μπαταρίας.βελτίωση της ασφάλειας και της αξιοπιστίας του οχήματος.
• Σύστημα ανανεώσιμης ενέργειας:Σε συστήματα παραγωγής ενέργειας από ανανεώσιμες πηγές, όπως η ηλιακή και η αιολική ενέργεια,Η ακριβής εκτίμηση της κατάστασης της μπαταρίας από το BMS μπορεί να εξασφαλίσει την αποτελεσματική αξιοποίηση και σταθερή λειτουργία του συστήματος αποθήκευσης ενέργειαςΜε την εύλογη διαχείριση της διαδικασίας φόρτισης και εκφόρτισης της μπαταρίας, βελτιστοποιώντας τη διανομή και τον προγραμματισμό της ενέργειας σύμφωνα με το SOC και το SOP,βελτίωση του ποσοστού αξιοποίησης των ανανεώσιμων πηγών ενέργειας και της αξιοπιστίας του ενεργειακού εφοδιασμού, παρατείνοντας τη διάρκεια ζωής της μπαταρίας και μειώνοντας το κόστος συντήρησης του συστήματος.

Τάσεις ανάπτυξης

Με τη συνεχή ανάπτυξη της τεχνολογίας μπαταριών και την αυξανόμενη ζήτηση εφαρμογής, η τεχνολογία εκτίμησης της κατάστασης της μπαταρίας BMS επίσης καινοτομεί και βελτιώνεται συνεχώς.Οι εκτιμήσεις της κατάστασης της μπαταρίας θα αναπτυχθούν προς τις ακόλουθες κατευθύνσεις::

• Μεγαλύτερη ακρίβεια και αξιοπιστία:Με πιο προηγμένες τεχνολογίες αισθητήρων, αλγόριθμους επεξεργασίας σήματος και μεθόδους σύντηξης δεδομένων, η ακρίβεια και η αξιοπιστία της εκτίμησης SOC, SOH και SOP βελτιώνονται περαιτέρω,μειώνονται τα σφάλματα και οι αβεβαιότητες των εκτιμήσεων, και ισχυρότερη υποστήριξη για την εκλεπτυσμένη διαχείριση και την ασφαλή λειτουργία των μπαταριών.
• Πιο έξυπνοι αλγόριθμοι:Οι τεχνολογίες τεχνητής νοημοσύνης, όπως η βαθιά μάθηση και η μάθηση με ενίσχυση, θα χρησιμοποιηθούν ευρέως στην εκτίμηση της κατάστασης της μπαταρίας,επιτρέποντας στο BMS να μαθαίνει αυτόματα τα σύνθετα χαρακτηριστικά της μπαταρίας