Online available capacity prediction and state of charge estimation based on advanced data-driven algorithms for lithium iron phosphate battery

فناوری کلیدی سیستم مدیریت باتری به صورت آنلاین برآورد وضعیت باطری دقیق و محکم است. برای باتری لیتیوم فسفات آهن، رابطه بین حالت شارژ و ولتاژ مدار باز، یک منطقه فلات است که دقت تخمینی الگوریتم های مبتنی بر ولتاژ را محدود می کند. هیسترپرسیون ولتاژ مدار مجتمع نیاز به الگوریتم های شناسایی پیشرفته آنلاین برای مقابله با مدل باتری غیر خطی قوی دارد. ظرفیت موجود، به عنوان یک پارامتر حیاتی، به وضعیت شارژ و وضعیت برآورد سلامتی باتری کمک می کند، اما پیش بینی می شود که به دلیل نفوذ جامع از درجه حرارت، پیری و نرخ های فعلی دشوار است. هدف از مشکلات فوق، شمارش آمپر-ساعت با اصلاح جاری و الگوریتم های فیلتر پیشرفته کلامان تطبیقی ​​دوگانه برای برآورد پارامترهای مدل و وضعیت شارژ تلفیق می شوند. این ترکیبی مزایای استفاده از محاسبه کمتر و ثبات بیشتری را نشان می دهد. با توجه به تأثیر دما و تخریب، الگوریتم داده محور یعنی حداقل مربعات پشتیبانی از دستگاه بردار برای پیش بینی ظرفیت موجود اجرا می شود. روش های پیش بینی و تخمین دولت برای بهبود دقت برآورد در دمای های مختلف در طول عمر باتری متصل می شوند. نتایج آزمایش ها بررسی روش های پیشنهادی دارای حالت عالی و دقت در برآورد ظرفیت موجود می باشد.