Проценка на состојбата на полнење на батеријата (SOC).
Вообичаени модели на батерии
Процесот на електрохемиска реакција на напојувачките батерии е сложен, под влијание на бројни и несигурни фактори. Математичкото моделирање на овој процес е мултидисциплинарен и повеќе{1}}полесен проблем и отсекогаш бил клучен фокус и предизвик и за академската и за индустријата. Влезната возбуда (струја на оптоварување) и излезните набљудувања (напон и температура) на напојната батерија се конечни мерливи параметри за системот за управување со енергетската батерија. Точното моделирање е од суштинско значење за попрецизно опишување на надворешните карактеристики на батериите за напојување, дизајнирање на сигурни алгоритми за проценка на состојбата на батериите за напојување и развој на оптимални системи за управување со енергија за возила со нова енергија. Вообичаените модели на батерии за напојување главно се поделени на електрохемиски модели, модели на еквивалентни кола и модели за машинско учење.
(1) Електрохемиски модел
Во средината на-1990-тите, М. Дојл, Т.Ф. Фулер и Џ. Њуман од Универзитетот во Калифорнија, Беркли, основаа псевдо-дво-димензионален (P2D) модел заснован на теоријата на порозни електроди и концентрирани раствори, поставувајќи ја основата за развој на електронски механизми на модели. Овој модел користи серија парцијални диференцијални равенки и алгебарски равенки за прецизно да ја опише дифузијата и миграцијата на литиумските јони во внатрешноста на батеријата, електрохемиските реакции на површината на активните честички, Омовиот закон и зачувувањето на полнежот, меѓу другите електрохемиски феномени. До денес, повеќето електрохемиски модели се изведени и развиени од овој модел. Електрохемискиот модел е модел со први принципи кој може точно да ги симулира не само надворешните карактеристики на батеријата за напојување, туку и дистрибуцијата и промените на внатрешните карактеристики (како што се концентрацијата на литиумските јони во електродите и електролитот и преголемиот потенцијал на реакцијата, кои тешко се мерат). Во споредба со другите модели на батерии за напојување, електрохемиските модели можат да ги опишат микроскопските реакции во внатрешноста на напојната батерија во поголема длабочина и имаат поексплицитно физичко значење.
Моделите P2D се разновидни и скалабилни, применливи за типови батерии со различни системи на материјали и може да се развијат и прошират во посложени мулти-модели за спојување на терени. Затоа, P2D моделите играат незаменлива улога во моделирањето на батериите. Сепак, тие содржат сложени парцијални диференцијални равенки и бројни електрохемиски параметри, поставувајќи високи барања за пресметковните способности на системот за управување со батерии (BMS). Во моментов, решавањето на моделите P2D примарно користи нумерички методи, како што се методот на конечни разлики, методот на конечни елементи и методот на конечен волумен.
(2) Модел на еквивалентно коло
Моделот на еквивалентно коло користи традиционални елементи на колото како што се отпорници, кондензатори и извори на постојан напон за да формира мрежа на кола за да ги опише надворешните карактеристики на батеријата за напојување. Овој модел користи извор на напон за да ја претстави термодинамичката рамнотежна електромоторна сила на батеријата за напојување и RC мрежа за да ги опише динамичките карактеристики на батеријата за напојување. Моделот на еквивалентно коло има добра применливост за различни работни состојби на напојната батерија и може да се изведат равенките на состојбите на моделот, што ја олеснува анализата и примената. Моделот на еквивалентно коло е широко користен во истражување на моделирање и симулација на нови енергетски возила и BMS базиран на модели-. Слика 7-27 покажува типичен модел на еквивалентно коло на енергетска батерија составена од n RC мрежни структури, познат како n-RC модел. Овој модел се состои од три дела:
1) Извор на напон: Напонот на отворено-коло на батеријата е претставен со $U_{oc}$.
2) Омски внатрешен отпор: Отпорот на контакт на материјалите на електродата на батеријата за напојување, електролитот, изолациониот отпорник и различните компоненти е претставен со $R_o$.
3) RC мрежа: Динамичките карактеристики на батеријата за напојување, вклучувајќи ги карактеристиките на поларизација и ефектите на дифузија, се опишани со отпорот на поларизација $R_p$ и капацитетот на поларизација $C_p$, каде што $i=0, ..., n_s$.
На слика 7-27, Горе го претставува напонот на поларизација на напојната батерија.
Врз основа на законот за напон и струја на Кирхоф, и врската помеѓу промената на напонот на кондензаторот и струјата, состојбата-равенката на просторот на моделот на колото може да се изрази како:
Најчесто користените модели на кола со еквивалентни батерии за напојување, како што се моделот Rint, моделот Thevenin и моделот со двојна поларизација (DP) се посебни случаи на моделот на n-RC еквивалентно коло кога n=0, n=1 и n=2, соодветно, и се широко користени во алгоритмирање на состојбата на батериите за управување со енергија.
(3) Модели за машинско учење
Моделите за машинско учење не бараат познавање на внатрешниот состав на батеријата и специфичните механизми за реакција; тие треба само да ги добијат историските податоци за работа на батеријата (струја, напон, температура итн.). Во суштина, тие воспоставуваат нелинеарни функции за мапирање помеѓу променливите преку податоци{2}}управувани методи. Главната предност на овој тип на модел е неговата применливост на различни типови батерии, неговата добра разновидност и неговата способност целосно да ги симулира нелинеарните карактеристики на однесувањето на батеријата.
Во областа на управувањето и контролата на батериите за напојување, методите за машинско учење што се користат главно вклучуваат нејасна логика, невронски мрежи, векторски машини за поддршка и нивни комбинирани алгоритми. Во март 2016 година, победата на AlphaGo над светскиот шампион во Go, Ли Седол, внесе нова виталност во длабокото учење, предизвикувајќи нов бран на истражување и примена, кој исто така беше применет за управување со батерии. Со доволно податоци за батериите за обука, овој тип на модел може да постигне добри предиктивни перформанси. Сепак, овој модел нема физичко значење, не може да се толкува, а неговата изведба е во голема мера под влијание на квантитетот и квалитетот на податоците за обуката, што го отежнува гарантирањето на неговата доверливост и робусност кога се применува на системите за управување со батерии.
