تخمین حالت شارژ در باتریهای لیتیوم یونی با به کارگیری رویکرد ترکیبی EKF-SMO

باتریهای لیتیوم یونی به عنوان مولفه های حیاتی در سامانه های انتقال انرژی الکتریکی نوین عمل می کنند. در این میان دقت در تخمین حالت شارژ (SOC) مستقیما بر قابلیت اطمینان، ایمنی و طول عمر عملیاتی این ذخیره سازها تاثیر می گذارد. روش های مرسوم مانند شمارش کولن به دلیل انباشت خطا و تکنیک ولتاژ مدار باز به علت نیاز به دوره های سکون، طولانی در کاربردهای پویا و بلادرنگ با چالش های جدی مواجه هستند. این پژوهش معماری ترکیبی نوینی را معرفی می کند که در آن فیلتر کالمن توسعه یافته (EKF) برای تخمین اولیه و ناظر مد لغزشی (SMO) برای افزایش پایداری در برابر عدم قطعیت های مدل و اغتشاشات به کار گرفته شده اند. برای غلبه بر محدودیت های ذاتی هر یک از این دو روش یک لایه اصلاحی مبتنی بر داده های تجربی نیز در این چارچوب گنجانده شده است. پارامترهای مدل معادل الکتریکی مرتبه دوم باتری از طریق آزمون در سه دمای عملیاتی مختلف (صفر، ۲۵ و ۴۰ درجه سلسیوس) استخراج شد. ارزیابی عملکرد تحت پروفایل های پویای رانندگی UDDS، NEDC و WLTP نشان داد که الگوریتم ترکیبی پیشنهادی خطای میانگین تخمین SOC را به کمتر از ۱% کاهش می دهد. همچنین خطای RMSE ولتاژ پایانه در محدوده ۲۵ تا ۲۷ میلی ولت تثبیت گردید. این سطح از دقت و پایداری گامی موثر در جهت توسعه سامانه های مدیریت باتری نسل آینده برای کاربرد در خودروهای الکتریکی و شبکه های هوشمند است.

Keywords:

باتری لیتیوم یونی (Li-ion Battery) , وضعیت شارژ (SOC) , سیستم مدیریت باتری (BMS) , فیلتر کالمن توسعه یافته (EKF) , ناظر مد لغزشی (SMO)