برآورد وضعیت باتری BMS: اطلاعات کلیدی SOC، SOH و SOP

در عصر انرژی جدید امروز، کاربرد تکنولوژی باتری در همه جا، از وسایل نقلیه الکتریکی تا سیستم های انرژی تجدیدپذیر، تا انواع محصولات الکترونیکی مصرفی است.به عنوان جزء اصلی سیستم باتری، یکی از مسئولیت های اصلی آن تخمین دقیق وضعیت باتری از جمله وضعیت شارژ (SOC) ، وضعیت سلامت (SOH) و وضعیت قدرت (SOP) است.برآورد دقیق این پارامترهای وضعیت برای کارآمد، کار باطری ایمن و قابل اعتماد.

SOC: کنترل دقیق قدرت باتری باقی مانده

SOC ( حالت شارژ) حالت شارژ باتری است. این نشان دهنده رابطه متناسب بین قدرت باتری باقی مانده و ظرفیت کل است.و به طور غریزی "حاشیه ظرفیت" باتری را نشان می دهد درست مثل اندازه گیری سوخت یک ماشینچند روش متداول برای تخمین SOC و ویژگی های آنها در زیر آورده شده است:

• روش ادغام دوزی:مقدار شارژ و تخلیه باتری را با یکپارچه کردن جریان برای به دست آوردن مقدار SOC محاسبه کنید. این روش ساده و آسان برای استفاده است، اما در هنگام استفاده طولانی مدت،به دلیل تجمع خطاهای سنسور جریان و خود تخلیه باتری، خطای تخمین SOC ممکن است افزایش یابد. بنابراین، اغلب لازم است به طور منظم باتری را به طور کامل شارژ کنید تا دقت تخمین را بهبود بخشید.
• روش ولتاژ مدار باز:برآورد بر مبنای مطابقت بین ولتاژ مدار باز باتری و SOC. پس از اینکه باتری برای یک دوره زمانی ایستاده است،ولتاژ مدار باز آن را اندازه گیری کنید و آن را با منحنی ولتاژ-SOC مدار باز از قبل ایجاد شده مقایسه کنید تا مقدار SOC فعلی را بدست آورید.مزیت این روش این است که دقت بالایی دارد و تحت تأثیر خود تخلیه باتری قرار نمی گیرد، اما نیاز به حالت استاتیک باتری دارد.و منحنی ولتاژ-SOC مدار باز به دلیل عوامل مانند دمای و پیری باتری تغییر خواهد کرد، بنابراین این عوامل باید جبران شوند.
• روش فیلتر سازی Kalman:این یک الگوریتم بازگشتی است که بر اساس مدل فضای حالت است، که می تواند اطلاعات منبع متعدد مانند ولتاژ باتری، جریان، درجه حرارت و غیره را ترکیب کند، برآورد SOC را در زمان واقعی به روزرسانی کند،و سرکوب سر و صدا اندازه گیری و خطا مدلاین روش دارای دقت بالا و توانایی قوی ضد تداخل است و یکی از پیشرفته ترین روش های تخمین SOC در حال حاضر است.مقدار محاسبه این روش نسبتا بزرگ است و نیاز به عملکرد بالا از پردازنده دارد..

SOH: بینش در مورد سلامت باتری

SOH (حال سلامت) نشان دهنده وضعیت سلامت باتری است که نشان دهنده درجه کاهش عملکرد باتری نسبت به باتری جدید است.و یک شاخص مهم برای ارزیابی عمر باتری و قابلیت اطمینان استدر اینجا چندین روش تخمین SOH مورد استفاده قرار می گیرد:

• روش آزمایش ظرفیت:SOH با انجام یک چرخه شارژ و تخلیه کامل باتری و اندازه گیری نسبت ظرفیت واقعی آن به ظرفیت اسمی تعیین می شود.این روش می تواند به طور مستقیم کاهش ظرفیت باتری را نشان دهد، با دقت بالا، اما نیاز به شارژ و تخلیه عمیق باتری دارد، که زمان زیادی را می برد و تاثیر خاصی بر پیر شدن باتری دارد.معمولاً برای آزمایش و ارزیابی باتری در حالت آفلاین استفاده می شود..
• روش آزمایش مقاومت داخلی:مقاومت داخلی یک باتری با افزایش سن افزایش می یابد، بنابراین SOH را می توان با اندازه گیری تغییرات در مقاومت داخلی باتری تخمین زد.این روش ساده و آسان برای اجرای است و می تواند روند پیری باتری را تا حدودی منعکس کندبا این حال، تکیه کردن فقط بر تغییرات مقاومت داخلی برای ارزیابی SOH محدودیت های خاصی دارد، زیرا مقاومت داخلی نیز تحت تأثیر عوامل مانند دمای و SOC قرار می گیرد.
• روش تشخیص الگوی داده:استفاده از الگوریتم های یادگیری ماشین مانند شبکه های عصبی مصنوعی، پشتیبانی از ماشین های بردار و غیره برای یادگیری و تجزیه و تحلیل داده های تاریخی باتری و داده های در حال اجرا در زمان واقعی،ایجاد یک مدل وضعیت سلامت باتری، و پیش بینی SOH بر اساس داده های ویژگی ورودی. این روش می تواند روابط پیچیده غیرخطی را در داده های باتری با دقت و سازگاری بالا تخمین بزند.اما نیاز به مقدار زیادی از داده های آموزشی و قابلیت های حرفه ای پردازش و تجزیه و تحلیل داده ها دارد..

SOP: به طور دقیق توانایی های قدرت باتری را ارزیابی کنید

SOP (حال قدرت) به حداکثر قدرت اشاره دارد که یک باتری می تواند به طور ایمن در یک لحظه تولید یا جذب کند. این به ویژه برای برنامه های کاربردی با قدرت بالا مانند وسایل نقلیه الکتریکی مهم است.روش های مختلف تخمین SOP و ویژگی های آنها در زیر آورده شده است::

• روش تخمین بر اساس مدل باتری:با ایجاد یک مدل مدار معادل یا مدل ترمودینامیکی باتری، با ترکیب اطلاعات وضعیت باتری، مانند SOC، دمای، جریان و غیره،پارامترهای مانند مقاومت داخلی باتری، ولتاژ قطبی و غیره محاسبه می شود و SOP بدست می آید. این روش می تواند به طور دقیق ویژگی های قدرت باتری را نشان دهد،اما ایجاد مدل و شناسایی پارامتر نسبتا پیچیده است.، و دقت مدل و قابلیت های محاسباتی باتری مورد نیاز است.
• روش یادگیری ماشینی:استفاده از الگوریتم های یادگیری ماشین برای یادگیری و آموزش داده های قدرت تاریخی باتری و ویژگی های مربوطه، و ایجاد مدل های پیش بینی SOP، مانند شبکه های عصبی، درختان تصمیم گیری،و غیرهاین روش می تواند به طور خودکار ویژگی های قدرت باتری را بر اساس مقدار زیادی از داده های تاریخی یاد بگیرد و قابلیت سازگاری قوی و توانایی ضد تداخل دارد.اما مقدار زیادی از داده های دقیق در طول روند آموزش مدل مورد نیاز است، و تفسیر مدل نسبتا ضعیف است.

سناریوهای کاربرد برای تخمین وضعیت باتری

• خودروهای الکتریکی:تخمین دقیق SOC می تواند اطلاعات قابل اعتماد را برای رانندگان خودروهای الکتریکی فراهم کند تا از وقفه های رانندگی ناشی از قدرت ناکافی جلوگیری شود.ارزیابی SOH به پیش بینی عمر کار باتری کمک می کند و به سرعت به کاربران یادآوری می کند که باتری را نگهداری یا تعویض کنندبرآورد SOP می تواند اطمینان حاصل کند که خودرو می تواند به طور معمول در شرایط قدرت بالا مانند شتاب و صعود کار کند، در حالی که از بیش از حد بارگذاری و آسیب باتری جلوگیری می کند.بهبود ایمنی و قابلیت اطمینان خودرو.
• سیستم انرژی تجدید پذیر:در سیستم های تولید برق از انرژی های تجدید پذیر مانند انرژی خورشیدی و بادی،برآورد دقیق وضعیت باتری توسط BMS می تواند استفاده کارآمد و عملکرد پایدار سیستم ذخیره انرژی را تضمین کندبا مدیریت منطقی فرآیند شارژ و تخلیه باتری، بهینه سازی توزیع و برنامه ریزی انرژی مطابق با SOC و SOP،بهبود میزان استفاده از انرژی های تجدید پذیر و قابلیت اطمینان تامین برق، که طول عمر باتری را افزایش می دهد و هزینه نگهداری سیستم را کاهش می دهد.

روند توسعه

با توسعه مداوم تکنولوژی باتری و افزایش تقاضا برای کاربرد، تکنولوژی تخمین وضعیت باتری BMS نیز به طور مداوم در حال نوآوری و بهبود است.برآورد وضعیت باتری در جهت های زیر توسعه خواهد یافت.:

• دقت و قابلیت اطمینان بیشتر:با استفاده از تکنولوژی سنسور پیشرفته تر، الگوریتم های پردازش سیگنال و روش های همجوشی داده، دقت و قابلیت اطمینان تخمین SOC، SOH و SOP بیشتر بهبود می یابد.اشتباهات و عدم قطعیت در برآورد کاهش می یابد، و پشتیبانی قوی تر برای مدیریت دقیق و عملیات ایمن باتری ها.
• الگوریتم های باهوش تر:فناوری های هوش مصنوعی مانند یادگیری عمیق و یادگیری تقویت کننده به طور گسترده ای در تخمین وضعیت باتری استفاده می شود.اجازه می دهد BMS به طور خودکار ویژگی های پیچیده باتری را یاد بگیرد