کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7725191 1497836 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Power capability prediction for lithium-ion batteries using economic nonlinear model predictive control
ترجمه فارسی عنوان
پیش بینی قابلیت توان برای باتری های لیتیوم یون با استفاده از کنترل پیش بینی کننده مدل غیر خطی اقتصادی
کلمات کلیدی
مدیریت باتری، مدل پیش بینی اقتصادی مدل اقتصادی، باتری های لیتیوم یون، توان قدرت پیش بینی قدرت دولت،
ترجمه چکیده
چالش های فنی مواجهه با تعیین توان موجود در باتری از پویایی های غیر خطی پیچیده، محدودیت های ورودی و خروجی و حالت های داخلی غیر قابل دسترسی است. راه حل های موجود اغلب با پیش بینی های حلقه باز با استفاده از مدل های ساده باتری یا الگوریتم های کنترل خطی به کار می رود. برای حل این چالش ها به طور همزمان، این مقاله یک مدل پیش بینی کننده غیر خطی اقتصادی را برای پیش بینی وضعیت قدرت باتری آماده می کند. این الگوریتم بر اساس یک مدل با وضوح بالا ساخته شده است که ضبط یکنواخت الکتریکی و حرارتی غیر مرتبط با یک باتری لیتیوم یون را می دهد. سپس محدودیت هایی که بر جریان، ولتاژ، درجه حرارت و هزینه برق اعمال می شود، به طور سیستماتیک مورد توجه قرار می گیرند. نتایج قابل ملاحظه ای از چند آزمون مختلف در طیف گسترده ای از شرایط نشان می دهد که رویکرد پیشنهاد شده قادر به دقت پیش بینی توان توان با خطا کمتر از 0.2٪ در حالی که حفاظت از باتری از واکنش های نامطلوب. علاوه بر این، اثرات محدودیت های دما، افق پیش بینی و دقت مدل، کمی سنجیده می شود. الگوریتم پیش بینی قدرت پیشنهادی به طور کلی و پس از آن می تواند به همان اندازه برای باتری های مختلف لیتیوم یون و شیمیایی سلولی که در آن مدل های ریاضی مناسب وجود دارد، قابل استفاده باشد.
موضوعات مرتبط
مهندسی و علوم پایه شیمی الکتروشیمی
چکیده انگلیسی
Technical challenges facing determination of battery available power arise from its complicated nonlinear dynamics, input and output constraints, and inaccessible internal states. Available solutions often resorted to open-loop prediction with simplified battery models or linear control algorithms. To resolve these challenges simultaneously, this paper formulates an economic nonlinear model predictive control to forecast a battery's state-of-power. This algorithm is built upon a high-fidelity model that captures nonlinear coupled electrical and thermal dynamics of a lithium-ion battery. Constraints imposed on current, voltage, temperature, and state-of-charge are then taken into account in a systematic fashion. Illustrative results from several different tests over a wide range of conditions demonstrate that the proposed approach is capable of accurately predicting the power capability with the error less than 0.2% while protecting the battery from undesirable reactions. Furthermore, the effects of temperature constraints, prediction horizon, and model accuracy are quantitatively examined. The proposed power prediction algorithm is general and then can be equally applicable to different lithium-ion batteries and cell chemistries where proper mathematical models exist.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Power Sources - Volume 396, 31 August 2018, Pages 580-589
نویسندگان
, , , , , ,