A mechanism identification model based state-of-health diagnosis of lithium-ion batteries for energy storage applications

سیستم های باتری لیتیوم یون پیشرفته، در تنظیمات چند سلولی و عملیات در مقیاس بزرگ، در حال حاضر در حال توسعه برای برنامه های ذخیره سازی انرژی است. علاوه بر این، باتری های بازنشسته به طور فزاینده ای در صحنه های ذخیره سازی انرژی استفاده می شوند. بنابراین، وضعیت باتری واقع بینانه و دقیق تشخیص بهداشت و تشخیص مکانیزم مربوط به پیری مورد نیاز برای بهبود مدیریت و کنترل باتری است و در نهایت قابلیت اطمینان و ایمنی سیستم باتری را تضمین می کند. مدل باتری نیمه سلولی با استفاده از روش تشخیصی سلامت پیشنهاد شده است تا مکانیزم های پیری و ویژگی های احتمالی کاهش ظرفیت را به صورت کمی سنجیده شود. با استفاده از الگوریتم بهینه سازی ذرات ذره، مدل نیمه سلولی برای اندازه گیری مکانیزم های تخریب باتری حاصل از تغییرات پارامتر، که رفتار الکترود با نسبت مناسب تطبیق و تحولات آنها در سطوح مختلف پیری باتری را توصیف می کند، پارامتر شده است. قابلیت اطمینان و قابلیت اطمینان این رویکرد توسط پایگاه داده سلول ها مورد بررسی قرار گرفته است و مسیرهای مختلف پیری را مورد بررسی قرار داده است. رویکرد ما یک روش تلفیقی داده مدل است تا مزایای استفاده گسترده از آن را در زمینه شیمی مختلف و حالت های عملیاتی ارائه دهد.