Επιτήρηση κατάστασης ηλεκτροχημικών συσσωρευτών

Η παρούσα διπλωματική εργασία πραγματεύεται τη μελέτη και την προσομοίωση για την εκτίμηση των καταστάσεων ενός ηλεκτροχημικού συσσωρευτή. Η εργασία πραγματοποιήθηκε στο εργαστήριο Ηλεκτρομηχανικής Μετατροπής Ενέργειας του Τμήματος Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών της Πολυτεχνικής...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Βίσας, Αλέξανδρος
Άλλοι συγγραφείς: Visas, Alexandros
Γλώσσα:Greek
Έκδοση: 2022
Θέματα:
Διαθέσιμο Online:https://hdl.handle.net/10889/23419
id nemertes-10889-23419
record_format dspace
institution UPatras
collection Nemertes
language Greek
topic Κατάσταση φόρτισης
Κατάσταση υγείας
Συσσωρευτές
Εκτίμηση καταστάσεων
Εκτιμητές
Ισοδύναμο ηλεκτρικό κύκλωμα
Τάση ανοιχτού κυκλώματος
Σύστημα επιτήρησης συσσωρευτή
Ηλεκτρικά οχήματα
Κελιά ιόντων λιθίου
Τάση υστέρησης
Φίλτρο κάλμαν
Μη γραμμικό φίλτρο κάλμαν
Μέθοδος ελαχίστων τετραγώνων
State of charge (SOC)
State of health (SOH)
Battery cell
State estimation
Estimators
Equivalent circuit
Open circuit voltage
Battery management system (BMS)
Electric vehicles
Li-Ion cells
Hysteresis voltage
Kalman filter
Non linear kalman filter
Extended kalman filter (EKF)
Unscented kalman filter (UKF)
Central difference kalman filter (CDKF)
Sigma points kalman filter
Least square method
spellingShingle Κατάσταση φόρτισης
Κατάσταση υγείας
Συσσωρευτές
Εκτίμηση καταστάσεων
Εκτιμητές
Ισοδύναμο ηλεκτρικό κύκλωμα
Τάση ανοιχτού κυκλώματος
Σύστημα επιτήρησης συσσωρευτή
Ηλεκτρικά οχήματα
Κελιά ιόντων λιθίου
Τάση υστέρησης
Φίλτρο κάλμαν
Μη γραμμικό φίλτρο κάλμαν
Μέθοδος ελαχίστων τετραγώνων
State of charge (SOC)
State of health (SOH)
Battery cell
State estimation
Estimators
Equivalent circuit
Open circuit voltage
Battery management system (BMS)
Electric vehicles
Li-Ion cells
Hysteresis voltage
Kalman filter
Non linear kalman filter
Extended kalman filter (EKF)
Unscented kalman filter (UKF)
Central difference kalman filter (CDKF)
Sigma points kalman filter
Least square method
Βίσας, Αλέξανδρος
Επιτήρηση κατάστασης ηλεκτροχημικών συσσωρευτών
description Η παρούσα διπλωματική εργασία πραγματεύεται τη μελέτη και την προσομοίωση για την εκτίμηση των καταστάσεων ενός ηλεκτροχημικού συσσωρευτή. Η εργασία πραγματοποιήθηκε στο εργαστήριο Ηλεκτρομηχανικής Μετατροπής Ενέργειας του Τμήματος Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών της Πολυτεχνικής Σχολής του Πανεπιστημίου Πατρών. Στόχος είναι η δημιουργία εκτιμητών υψηλής ακρίβειας που θα μπορούσαν να χρησιμοποιηθούν για την εκτίμηση των καταστάσεων φόρτισης (SOC) και υγείας (SOH) του συσσωρευτή οι οποίοι θα αποτελέσουν μέρος του λογισμικού ενός ενσωματωμένου συστήματος διαχείρισης μπαταρίας (BMS) ενός ηλεκτρικού οχήματος. Αρχικά, γίνεται μια ιστορική αναδρομή για τις σημαντικότερες τεχνολογικές ανακαλύψεις στον τομέα της κίνησης. Έπειτα, γίνεται μια σύντομη αναφορά για το ηλεκτρικό αυτοκίνητο και τα βασικά μέρη που το απαρτίζουν. Έπειτα, παρέχονται βασικές πληροφορίες για τα κελιά και τους συσσωρευτές, τα οποία είναι τα στοιχεία εκείνα τα οποία θα επιχειρηθούν να εκτιμηθούν. Παρέχονται επίσης, πληροφορίες για τα κελιά ιόντων λιθίου, τα οποία χρησιμοποιούνται κατά κόρον στις σημερινές εφαρμογές κίνησης. Ύστερα παρέχονται πληροφορίες για το σύστημα διαχείρισης της μπαταρίας (BMS), όπως οι λειτουργικές απαιτήσεις του, καθώς και τα στοιχεία που αποτελούν ένα σύγχρονο BMS. Ακολουθεί η μοντελοποίηση του ηλεκτροχημικού κελιού μέσω ενός ηλεκτρικού κυκλώματος το οποίο θα περιγράφει όλους τους ηλεκτροχημικόυς μηχανισμούς που λαμβάνουν χώρα μέσα στο ηλεκτροχημικό κελί. Η μοντελοποίηση αυτή, αποτελεί το βασικό βήμα για την ανάπτυξη των εκτιμητών κατάστασης. Στην συνέχεια, παρουσιάζονται οι διάφορες τεχνικές εκτίμησης της κατάστασης φόρτισης (SOC) της μπαταρίας και γίνεται σύγκριση των εκτιμητών μη γραμμικών συστημάτων, όπωςτοExtendedKalmanFilter(EKF)καιτωνφίλτρωνKalmanπουβασίζονταιστα«σημείασίγμα»(sigmapoints), όπωςτο Unscented Kalman Filter (UKF) και το Central Difference Kalman Filter (CDKF), ώστε να επιλεχθεί ο βέλτιστος εκτιμητής για ένα ενσωματωμένο σύστημα ηλεκτρικού οχήματος. Το επόμενο βήμα είναι η δημιουργία ενός εκτιμητή της κατάστασης υγείας (SOH) της μπαταρίας, του οποίου η εγκυρότητα των αποτελεσμάτων βασίζεται στην ακρίβεια των αποτελεσμάτων του εκτιμητή της κατάστασης φόρτισης της μπαταρίας. Είναι, επομένως, απαραίτητη η σύγκριση μεταξύ των διαφόρων εκτιμητών που βασίζονται στη μέθοδο των ελαχίστων τετραγώνων (WLS, WTLS, TLS, AWTLS), ώστε να επιλεχθεί η βέλτιστη μέθοδος εκτίμησης του SOH. Τέλος, παρουσιάζονται τα συμπεράσματα και κάποιες προτεινόμενες μελλοντικές εργασίες που συνδέονται άμεσα με το αντικείμενο της παρούσας διπλωματικής.
author2 Visas, Alexandros
author_facet Visas, Alexandros
Βίσας, Αλέξανδρος
author Βίσας, Αλέξανδρος
author_sort Βίσας, Αλέξανδρος
title Επιτήρηση κατάστασης ηλεκτροχημικών συσσωρευτών
title_short Επιτήρηση κατάστασης ηλεκτροχημικών συσσωρευτών
title_full Επιτήρηση κατάστασης ηλεκτροχημικών συσσωρευτών
title_fullStr Επιτήρηση κατάστασης ηλεκτροχημικών συσσωρευτών
title_full_unstemmed Επιτήρηση κατάστασης ηλεκτροχημικών συσσωρευτών
title_sort επιτήρηση κατάστασης ηλεκτροχημικών συσσωρευτών
publishDate 2022
url https://hdl.handle.net/10889/23419
work_keys_str_mv AT bisasalexandros epitērēsēkatastasēsēlektrochēmikōnsyssōreutōn
AT bisasalexandros statemonitoringofelectrochemicalbatteries
_version_ 1771297331978698752
spelling nemertes-10889-234192022-10-18T03:36:44Z Επιτήρηση κατάστασης ηλεκτροχημικών συσσωρευτών State monitoring of electrochemical batteries Βίσας, Αλέξανδρος Visas, Alexandros Κατάσταση φόρτισης Κατάσταση υγείας Συσσωρευτές Εκτίμηση καταστάσεων Εκτιμητές Ισοδύναμο ηλεκτρικό κύκλωμα Τάση ανοιχτού κυκλώματος Σύστημα επιτήρησης συσσωρευτή Ηλεκτρικά οχήματα Κελιά ιόντων λιθίου Τάση υστέρησης Φίλτρο κάλμαν Μη γραμμικό φίλτρο κάλμαν Μέθοδος ελαχίστων τετραγώνων State of charge (SOC) State of health (SOH) Battery cell State estimation Estimators Equivalent circuit Open circuit voltage Battery management system (BMS) Electric vehicles Li-Ion cells Hysteresis voltage Kalman filter Non linear kalman filter Extended kalman filter (EKF) Unscented kalman filter (UKF) Central difference kalman filter (CDKF) Sigma points kalman filter Least square method Η παρούσα διπλωματική εργασία πραγματεύεται τη μελέτη και την προσομοίωση για την εκτίμηση των καταστάσεων ενός ηλεκτροχημικού συσσωρευτή. Η εργασία πραγματοποιήθηκε στο εργαστήριο Ηλεκτρομηχανικής Μετατροπής Ενέργειας του Τμήματος Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών της Πολυτεχνικής Σχολής του Πανεπιστημίου Πατρών. Στόχος είναι η δημιουργία εκτιμητών υψηλής ακρίβειας που θα μπορούσαν να χρησιμοποιηθούν για την εκτίμηση των καταστάσεων φόρτισης (SOC) και υγείας (SOH) του συσσωρευτή οι οποίοι θα αποτελέσουν μέρος του λογισμικού ενός ενσωματωμένου συστήματος διαχείρισης μπαταρίας (BMS) ενός ηλεκτρικού οχήματος. Αρχικά, γίνεται μια ιστορική αναδρομή για τις σημαντικότερες τεχνολογικές ανακαλύψεις στον τομέα της κίνησης. Έπειτα, γίνεται μια σύντομη αναφορά για το ηλεκτρικό αυτοκίνητο και τα βασικά μέρη που το απαρτίζουν. Έπειτα, παρέχονται βασικές πληροφορίες για τα κελιά και τους συσσωρευτές, τα οποία είναι τα στοιχεία εκείνα τα οποία θα επιχειρηθούν να εκτιμηθούν. Παρέχονται επίσης, πληροφορίες για τα κελιά ιόντων λιθίου, τα οποία χρησιμοποιούνται κατά κόρον στις σημερινές εφαρμογές κίνησης. Ύστερα παρέχονται πληροφορίες για το σύστημα διαχείρισης της μπαταρίας (BMS), όπως οι λειτουργικές απαιτήσεις του, καθώς και τα στοιχεία που αποτελούν ένα σύγχρονο BMS. Ακολουθεί η μοντελοποίηση του ηλεκτροχημικού κελιού μέσω ενός ηλεκτρικού κυκλώματος το οποίο θα περιγράφει όλους τους ηλεκτροχημικόυς μηχανισμούς που λαμβάνουν χώρα μέσα στο ηλεκτροχημικό κελί. Η μοντελοποίηση αυτή, αποτελεί το βασικό βήμα για την ανάπτυξη των εκτιμητών κατάστασης. Στην συνέχεια, παρουσιάζονται οι διάφορες τεχνικές εκτίμησης της κατάστασης φόρτισης (SOC) της μπαταρίας και γίνεται σύγκριση των εκτιμητών μη γραμμικών συστημάτων, όπωςτοExtendedKalmanFilter(EKF)καιτωνφίλτρωνKalmanπουβασίζονταιστα«σημείασίγμα»(sigmapoints), όπωςτο Unscented Kalman Filter (UKF) και το Central Difference Kalman Filter (CDKF), ώστε να επιλεχθεί ο βέλτιστος εκτιμητής για ένα ενσωματωμένο σύστημα ηλεκτρικού οχήματος. Το επόμενο βήμα είναι η δημιουργία ενός εκτιμητή της κατάστασης υγείας (SOH) της μπαταρίας, του οποίου η εγκυρότητα των αποτελεσμάτων βασίζεται στην ακρίβεια των αποτελεσμάτων του εκτιμητή της κατάστασης φόρτισης της μπαταρίας. Είναι, επομένως, απαραίτητη η σύγκριση μεταξύ των διαφόρων εκτιμητών που βασίζονται στη μέθοδο των ελαχίστων τετραγώνων (WLS, WTLS, TLS, AWTLS), ώστε να επιλεχθεί η βέλτιστη μέθοδος εκτίμησης του SOH. Τέλος, παρουσιάζονται τα συμπεράσματα και κάποιες προτεινόμενες μελλοντικές εργασίες που συνδέονται άμεσα με το αντικείμενο της παρούσας διπλωματικής. The present diploma thesis deals with the study and simulation for the assessment of the states of a battery. The work was carried out in the Electromechanical Energy Conversion laboratory of the Department of Electrical Engineering and Computer Technology of the Polytechnic School of the University of Patras. The purpose of this thesis is to create highly accurate estimators that could be used to estimate battery state of charge (SOC) and health (SOH) that will be part of the software of an integrated battery management system (BMS) of an electric vehicle. First, a historical review of the most important technological discoveries in the field of movement is introduced. Then there is a brief reference on the electric car and the main components that make it up. Afterwards, fundamental information is provided about cells and batteries, which are the components we will attempt to estimate. Also, information is presented on lithium-ion cells, which are commonly used in today's electric vehicle applications. Details are then provided about the battery management system (BMS), such as its functional requirements, as well as the features that consist of a modern BMS. Next step is the modeling of the electrochemical cell through an electrical circuit, which will describe all the electrochemical mechanisms that take place inside the electrochemical cell. This modeling is the basic step for the development of state estimators. Next, various battery state of charge (SOC) estimation techniques are presented, and a comparison is made between nonlinear system estimators such as the Extended Kalman Filter (EKF) and Kalman filters based on "sigma points" such as the Unscented Kalman Filter (UKF) and the Central Difference Kalman Filter (CDKF), to select the optimal estimator for an embedded electric vehicle system. What follows, is to create a battery state of health (SOH) estimator whose validity of results is based on the accuracy of the results of the battery SOC estimator. It is, therefore, necessary to compare the various least-squares-based estimators, such as WLS, WTLS, TLS, AWTLS to choose the optimal SOH estimation method. Finally, the conclusions and some proposed future works related to the subject of this diploma are presented. 2022-10-17T19:25:42Z 2022-10-17T19:25:42Z 2022-10-13 https://hdl.handle.net/10889/23419 el Attribution 3.0 United States http://creativecommons.org/licenses/by/3.0/us/ application/pdf