Az akkumulátor töltöttségi állapotának (SOC) becslése
Általános akkumulátormodellek
Az akkumulátorok elektrokémiai reakciója összetett, számos és bizonytalan tényező befolyásolja. Ennek a folyamatnak a matematikai modellezése multidiszciplináris és több{1}}területi probléma, és mindig is kulcsfontosságú és kihívást jelentett mind a tudományos élet, mind az ipar számára. Az akkumulátor bemeneti gerjesztése (terhelési áram) és kimeneti megfigyelései (feszültség és hőmérséklet) véges mérhető paraméterek az akkumulátor-kezelő rendszer számára. A pontos modellezés elengedhetetlen az akkumulátorok külső jellemzőinek pontosabb leírásához, megbízható akkumulátorállapot-becslési algoritmusok tervezéséhez, valamint az új energetikai járművek optimális energiagazdálkodási rendszereinek kidolgozásához. Az általános teljesítményű akkumulátormodelleket főként elektrokémiai modellekre, egyenértékű áramköri modellekre és gépi tanulási modellekre osztják.
(1) Elektrokémiai modell
Az 1990-es évek közepén M. Doyle, TF Fuller és J. Newman, a Berkeley-i Kaliforniai Egyetem munkatársa létrehoztak egy pszeudo-két-dimenziós (P2D) modellt a porózus elektródák és koncentrált oldatok elméletén alapulva, megalapozva ezzel az elektrokémiai mechanizmusmodelleket. Ez a modell egy sor parciális differenciálegyenletet és algebrai egyenletet használ, hogy pontosan írja le a lítium-ionok diffúzióját és migrációját az akkumulátoron belül, az aktív részecskék felületén zajló elektrokémiai reakciókat, az Ohm-törvényt és a töltésmegmaradást, többek között az elektrokémiai jelenségeket. A mai napig a legtöbb elektrokémiai modellt ebből a modellből származtatják és fejlesztették ki. Az elektrokémiai modell egy első elvű modell, amely nemcsak az akkumulátor külső jellemzőit képes pontosan szimulálni, hanem a belső jellemzők eloszlását és változásait is (például a lítium-ionok koncentrációját az elektródákban és az elektrolitban, valamint a reakció túlpotenciálját, amelyek nehezen mérhetők). Más akkumulátormodellekkel összehasonlítva az elektrokémiai modellek mélyebben leírhatják az akkumulátor belsejében zajló mikroszkopikus reakciókat, és kifejezettebb fizikai jelentéssel bírnak.
A P2D modellek sokoldalúak és méretezhetők, különböző anyagrendszerű akkumulátortípusokhoz alkalmazhatók, és bonyolultabb, több-mezős csatolási modellekké fejleszthetők és bővíthetők. Ezért a P2D modellek pótolhatatlan szerepet játszanak az akkumulátor modellezésben. Azonban összetett parciális differenciálegyenleteket és számos elektrokémiai paramétert tartalmaznak, ami magas követelményeket támaszt az akkumulátor-kezelő rendszer (BMS) számítási képességeivel szemben. Jelenleg a P2D modellek megoldása elsősorban numerikus módszereket alkalmaz, mint a véges differencia módszer, a végeselem módszer és a véges térfogat módszer.
(2) Egyenértékű áramköri modell
Az ekvivalens áramköri modell hagyományos áramköri elemeket, például ellenállásokat, kondenzátorokat és állandó feszültségű forrásokat használ az áramköri hálózat kialakítására az akkumulátor külső jellemzőinek leírására. Ez a modell egy feszültségforrást használ az akkumulátor termodinamikai egyensúlyi elektromotoros erejének, és egy RC hálózatot használ az akkumulátor dinamikus jellemzőinek leírására. Az ekvivalens áramköri modell jól alkalmazható az akkumulátor különböző működési állapotaira, és a modell állapotegyenletei származtathatók, megkönnyítve az elemzést és az alkalmazást. Az ekvivalens áramköri modellt széles körben használták az új energiahordozók modellezésében és szimulációs kutatásában, valamint a modell{3}}alapú BMS-ben. A 7-27. ábra egy tipikus ekvivalens áramköri modellt mutat be egy n RC hálózati struktúrából álló akkumulátorról, amelyet n-RC modellnek neveznek. Ez a modell három részből áll:
1) Feszültségforrás: Az akkumulátor nyitott-áramköri feszültségét $U_{oc}$ jelöli.
2) Ohmos belső ellenállás: Az akkumulátor elektróda anyagainak, az elektrolitnak, a szigetelő ellenállásnak és a különböző alkatrészeknek az érintkezési ellenállását a $R_o$ jelöli.
3) RC hálózat: Az akkumulátor dinamikus jellemzőit, beleértve a polarizációs jellemzőket és a diffúziós hatásokat, a $R_p$ polarizációs ellenállás és a $C_p$ polarizációs kapacitás írja le, ahol $i=0, ..., n_s$.
A 7-27. ábrán az Up az akkumulátor polarizációs feszültségét jelenti.
A Kirchhoff-féle feszültség- és áramtörvény, valamint a kondenzátorfeszültség változása és az áramerősség közötti összefüggés alapján az áramköri modell állapot{0}}téregyenlete a következőképpen fejezhető ki:
Az általánosan használt akkumulátor-ekvivalens áramköri modellek, mint például a Rint-modell, a Thevenin-modell és a Dual Polarization (DP) modell, az n-RC-ekvivalens áramkör-modell speciális esetei, amikor n=0, n=1, illetve n=2, és széles körben használatosak az akkumulátor állapotának becslésében és kezelésében.
(3) Gépi tanulási modellek
A gépi tanulási modellekhez nincs szükség az akkumulátor belső összetételének és sajátos reakciómechanizmusainak ismeretére; csak az akkumulátor történeti működési adatait kell megszerezniük (áram, feszültség, hőmérséklet stb.). Lényegében nemlineáris leképezési függvényeket hoznak létre a változók között adatvezérelt módszerekkel. Az ilyen típusú modellek fő előnye a különböző akkumulátortípusokhoz való alkalmazhatóság, a jó sokoldalúság, valamint az a képesség, hogy teljes mértékben szimulálja az akkumulátor viselkedésének nemlineáris jellemzőit.
Az akkumulátor menedzsment és vezérlés területén az alkalmazott gépi tanulási módszerek elsősorban a fuzzy logikát, a neurális hálózatokat, a támogató vektorgépeket és ezek kombinált algoritmusait foglalják magukban. 2016 márciusában az AlphaGo győzelme a Go világbajnok Lee Sedol felett új vitalitást adott a mély tanulásba, elindítva a kutatás és alkalmazás új hullámát, amelyet az akkumulátorkezelésben is alkalmaztak. Az edzéshez elegendő akkumulátoradattal ez a fajta modell jó prediktív teljesítményt érhet el. Ennek a modellnek azonban hiányzik a fizikai jelentése, értelmezhetetlen, teljesítményét pedig nagymértékben befolyásolja a képzési adatok mennyisége és minősége, ami megnehezíti a megbízhatóságának és robusztusságának garantálását akkumulátor-kezelő rendszerekre alkalmazva.
