تخمین حالت شارژ باتری لیتیوم-یون خودرهای برقی با استفاده از شبکه عصبی مصنوعی و استنتاج عصبی-فازی- تطبیقی
کد مقاله : 1015-IRE (R1)
نویسندگان:
غلامرضا بیات *1، مهرداد نوری خاجوی2
1دانشجوی ارشد
2مدیر گروه خودرو
چکیده مقاله:
تخمین دقیق حالت شارژ یک باتری نه تنها برای مدیریت بهینه انرژی در خودروهای الکتریکی و شبکه های هوشمند قدرت، بلکه برای حفاظت باتری از رفتن به شرایط تخلیه عمیق یا شارژ بیش از اندازه و در نتیجه کاهش عمر باتری ضروری است. این شرایط حتی ممکن است شرایط بالقوه خطرناکی به لحاظ انفجار باتری ایجاد کند. با وجود اهمیت بسیار زیاد پارامتر حالت شارژ، این پارامتر قابل اندازه گیری به طور مستقیم از پایانه های باتری نمی باشد. به همین دلیل است که الگوریتم های لازم برای تخمین حالت شارژ بسته باطری و سلول منفرد براساس داده های اندازه گیری شده برای هر یک به طور مجزا مورد نیاز است. این تحقیق یک روش هوشمند جهت تخمین سطح شارژ در باتری های لیتیوم یون را با استفاده از داده های تجربی ارائه می کند. جهت تخمین از داده های ولتاژ و جریان شرکت سازنده و مدل سازی باتری استفاده شده است. بر خلاف دیگر راهبردهای تخمین، این روش پیشنهادی نیازمند شناخت هیچ پارامتری از باتری و هیچ مدل ریاضی باتری نیست. نتایج پس از مقایسه مقادیر به دست آمده از مدل و داده های بدست آمده از تخلیه یک باتری لیتیوم فرو فسفات بکار رفته در خوروهای برقی استخراج شده اند.
کلیدواژه ها:
باتری لیتیوم یون،حالت شارژ باتری، سیستم مدیریت باتری، استنتاج عصبی-فازی تطبیقی ،شبکه عصبی مصنوعی
وضعیت : مقاله برای ارائه به صورت پوستر پذیرفته شده است