کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5475389 1521409 2017 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Electrothermal dynamics-conscious lithium-ion battery cell-level charging management via state-monitored predictive control
ترجمه فارسی عنوان
با استفاده از کنترل پیش بینی شده تحت کنترل دولتی، کنترل شارژ باتری لیتیوم یون الکتروترمال را به طور قابل توجهی کنترل می کند
کلمات کلیدی
باتری لیتیوم یون، کنترل شارژ باتری، کنترل پیش بینی مدل، مدل الکتروترمال، برآورد دولت،
ترجمه چکیده
مدیریت شارژ باتری لیتیوم یون تبدیل به یک فناوری توانمند در جهت تغییر پارادایم تحرک الکتریکی شده است. شارژ سریع برای بهبود راحتی مورد نظر است، اما ممکن است بیش از حد باعث کاهش سلامتی باتری شما شود یا حتی باعث مشکلات ایمنی شود. این مقاله یک الگوریتم جدید برای مدیریت عملیات شارژ باتری را با استفاده از رویکرد کنترل مبتنی بر مدل ارائه می دهد. بر اساس یک مدل الکتروترمال کاملا متصل شده، استراتژی شارژ سریع برای اولین بار به عنوان یک مسئله کنترل پیش بینی کننده مدل خطی متغیر است. محدودیت ها به طور صریح اعمال می شود تا از باتری بیش از حد و گرمای بیش از حد محافظت شود. برای فعال کردن کنترل بازخورد حالت، حالت های داخلی باتری غیر قابل اندازه گیری از جمله درجه حرارت شارژ و هسته از طریق یک ناظر غیرخطی با استفاده از اندازه گیری های پر سر و صدا از جریان، ولتاژ و دمای سطح، محاسبه می شود. نتایج قابل ملاحظه نشان می دهد که رویکرد پیشنهادی قادر به بهینه سازی تعادل زمان و افزایش دما می باشد. علاوه بر این، از شبیه سازی ها نشان داده شده است که الگوریتم شارژ مبتنی بر کنترل پیش بینی مدل به نظر می رسد برای پیاده سازی در زمان واقعی امیدوار کننده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
چکیده انگلیسی
Lithium-ion battery charging management has become an enabling technology towards a paradigm shift of electrified mobility. Fast charging is desired for convenience improvements but may excessively degrade battery's health or even cause safety issues. This paper proposes a novel algorithm to manage battery charging operations using a model-based control approach. Based on a fully coupled electrothermal model, the fast charging strategy is formulated as a linear-time-varying model predictive control problem, for the first time. Constraints are explicitly imposed to protect the battery from overcharging and overheating. To enable the state-feedback control, unmeasurable battery internal states including state-of-charge and core temperature are estimated via a nonlinear observer using noisy measurements of current, voltage, and surface temperature. Illustrative results demonstrate that the proposed approach is able to optimally balance time and temperature increase. In addition, it is shown from simulations that the model predictive control based charging algorithm appears promising for real-time implementation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 141, 15 December 2017, Pages 250-259
نویسندگان
, , , ,