กลยุทธ์การทำนายและการฝึกปฏิบัติการลดความต้านทานในแบตเตอรี่ลิเธียมไอออนตามแบบจำลองเชิงเส้นลอการิทึม

เชิงนามธรรม

ความต้านทานเป็นหนึ่งในพารามิเตอร์หลักในการวัดประสิทธิภาพของแบตเตอรี่ลิเธียมไอออน (Li ion) ซึ่งสามารถสะท้อนถึงประสิทธิภาพและความสามารถในการส่งออกพลังงานของแบตเตอรี่ เช่นเดียวกับพารามิเตอร์ประสิทธิภาพอื่นๆ ของแบตเตอรี่ Li ion ความต้านทานจะได้รับผลกระทบจากสภาพการทำงานและจะเพิ่มขึ้นตามอายุการใช้งานของแบตเตอรี่ เพื่อบันทึกการขึ้นต่อกันเหล่านี้ วิธีการดั้งเดิมคือการใช้ไฟล์การกำหนดค่างานสังเคราะห์เพื่ออายุแบตเตอรี่ Li ion ภายใต้สภาวะที่แตกต่างกัน และขัดจังหวะการทดสอบอายุเป็นระยะๆ เพื่อวัดความต้านทานภายใต้สภาวะมาตรฐาน แม้ว่าวิธีนี้จะได้รับข้อมูลที่แม่นยำเกี่ยวกับพฤติกรรมของความต้านทาน แต่ข้อมูลเหล่านี้มักไม่สามารถสะท้อนถึงการเปลี่ยนแปลงของความต้านทานในการใช้งานจริงได้ครบถ้วน ดังนั้นบทความนี้จึงเสนอวิธีการใหม่ที่สามารถแยก สร้างแบบจำลอง และคาดการณ์ความต้านทานจากไฟล์การกำหนดค่างานแบบไดนามิกของแบตเตอรี่ได้โดยตรง ในกระบวนการนี้ การแยกความต้านทานขึ้นอยู่กับการจัดการและการบันทึกข้อมูลเป็นหลัก ในขณะที่การสร้างแบบจำลองและการทำนายใช้แบบจำลองเชิงเส้นลอการิทึม วิธีนี้สามารถจำลองและคาดการณ์การเปลี่ยนแปลงความต้านทานของแบตเตอรี่ได้แม่นยำยิ่งขึ้นภายใต้สภาวะการใช้งานจริง ทำให้เกิดมุมมองใหม่สำหรับการประเมินประสิทธิภาพของแบตเตอรี่และการทำนายอายุการใช้งาน

1. บทนำ

1.1 ความสำคัญและลักษณะของความต้านทานภายในแบตเตอรี่ลิเธียมไอออน

พารามิเตอร์คีย์ประสิทธิภาพและแอปพลิเคชัน:ความต้านทานภายในก็เหมือนกับความจุ เป็นตัวแปรสำคัญในการอธิบายประสิทธิภาพและพฤติกรรมอายุการใช้งานของแบตเตอรี่ลิเธียมไอออน ในการใช้งานต่างๆ เช่น การจัดเก็บพลังงานหมุนเวียนและยานพาหนะไฟฟ้า ความต้านทานภายในจะใช้เพื่อกำหนดความจุไฟฟ้าของแบตเตอรี่ และมีความสำคัญอย่างยิ่งในการเพิ่มประสิทธิภาพการออกแบบระบบแบตเตอรี่ให้ตรงตามข้อกำหนดด้านเทคนิคและเศรษฐกิจ ในขณะเดียวกัน ความต้านทานภายในยังเป็นพารามิเตอร์สำคัญสำหรับการสร้างแบบจำลองทางไฟฟ้าและความร้อนของแบตเตอรี่ ซึ่งอธิบายพฤติกรรมแบบไดนามิกและความร้อนของแบตเตอรี่ตามลำดับ

ปัจจัยไม่เชิงเส้นและมีอิทธิพล:ความต้านทานภายในของแบตเตอรี่ลิเธียมไอออนมีความไม่เชิงเส้นสูงและได้รับผลกระทบจากอุณหภูมิในการทำงาน กระแสโหลด และสถานะการชาร์จของแบตเตอรี่ (SOC) ยิ่งไปกว่านั้น ในการทำงานระยะยาว ความต้านทานภายในจะมีอายุมากขึ้นตามเวลาที่เพิ่มขึ้น

วิธีการวัดแบบดั้งเดิมและข้อจำกัด:มีหลายวิธีในการกำหนดความต้านทานภายในของแบตเตอรี่ลิเธียมไอออน ซึ่งโดยทั่วไปจะใช้เทคโนโลยีพัลส์ในปัจจุบัน ด้วยการใช้แอมพลิจูดและความยาวที่แน่นอนในการชาร์จและการคายประจุกระแสไฟฟ้าไปยังแบตเตอรี่ การตอบสนองแรงดันไฟฟ้าของแบตเตอรี่จะถูกบันทึก จากนั้นความต้านทานภายในจะคำนวณโดยใช้กฎของโอห์ม วิธีการนี้สามารถนำไปใช้ได้สำเร็จภายใต้สภาวะของห้องปฏิบัติการเพื่อตรวจสอบความต้านทานภายในของแบตเตอรี่ภายใต้สภาวะที่แตกต่างกัน และติดตามการเปลี่ยนแปลงของความต้านทานภายในในระหว่างกระบวนการเสื่อมสภาพ อย่างไรก็ตาม ข้อเสียเปรียบหลักคือแบตเตอรี่จะต้องอยู่ในโหมดไม่ได้ใช้งานเป็นเวลาอย่างน้อย 15 นาทีก่อนการวัดเพื่อให้เกิดความเสถียรทางอุณหพลศาสตร์ ซึ่งมีข้อจำกัดในการใช้งานจริงเนื่องจากการหยุดทำงานทางเทคนิคและเศรษฐกิจที่เป็นไปไม่ได้ของระบบจัดเก็บลิเธียมไอออน

1.2 วัตถุประสงค์และวิธีการวิจัย

วัตถุประสงค์การวิจัย:เพื่อวิเคราะห์ความเป็นไปได้ในการติดตามการเสื่อมสภาพของความต้านทานภายในของแบตเตอรี่ลิเธียมไอออนโดยตรงจากโปรไฟล์งานจริง ซึ่งใช้ในการบ่มแบตเตอรี่เป็นเวลา 38 สัปดาห์

วิธีการสกัดความต้านทานภายใน:ตามแนวคิดเบื้องหลังอัลกอริธึม SRD ความต้านทานภายในจะถูกดึงออกมาโดยการติดตามจุดเริ่มต้นและความยาวของพัลส์กระแสอย่างระมัดระวัง สมมติว่าลอการิทึมของความต้านทานที่แยกออกมาเป็นไปตามการแจกแจงแบบปกติ และค่าเฉลี่ยของมันคือฟังก์ชันไม่เชิงเส้นของ SOC ของแบตเตอรี่ พารามิเตอร์ของแบบจำลองความต้านทานภายในจะถูกประมาณทุกสัปดาห์เพื่อติดตามการเปลี่ยนแปลงของความต้านทานเมื่อเวลาผ่านไป

วิธีการทำนายอายุแบตเตอรี่:การใช้พารามิเตอร์โดยประมาณและสมมติว่าความน่าจะเป็นก่อนหน้าของ SOC และหมายเลขรอบ ตามกฎแบบเบย์และกฎความน่าจะเป็นทั้งหมด การกระจายอายุแบตเตอรี่ที่แม่นยำจะคำนวณโดยการวัดค่าความต้านทานภายในใหม่และ SOC ที่สอดคล้องกัน สุดท้าย ให้เปรียบเทียบผลลัพธ์ของวิธีที่เสนอกับผลลัพธ์ของการวัดความต้านทานโดยใช้วิธีดั้งเดิมหลังจากหมดอายุทุกสัปดาห์

2. ข้อมูลโดยละเอียดเกี่ยวกับแบตเตอรี่ทดลอง สภาวะการเสื่อมสภาพ และการวัดความต้านทานภายใน

2.1 การทดสอบข้อมูลจำเพาะของแบตเตอรี่

การทดลองนี้ใช้แบตเตอรี่ลิเธียมไอออนทรงกระบอกที่มีความจุระบุ 2.5Ah และแรงดันไฟฟ้าระบุที่ 3.3V แบตเตอรี่ได้รับการออกแบบโดยใช้กราไฟท์แอโนดและแคโทดลิเธียมเหล็กฟอสเฟต (LFP) ซึ่งออกแบบมาโดยเฉพาะสำหรับการใช้งานที่มีกำลังไฟสูง และสามารถทนต่อการชาร์จและการคายประจุอย่างต่อเนื่องได้สูงสุดถึงสี่เท่าของกระแสไฟฟ้าที่กำหนด

2.2 การตั้งค่าสภาพความชรา

โปรไฟล์ปัจจุบันและวงจรอายุ: ใช้แบตเตอรี่ตามโปรไฟล์ปัจจุบันที่แสดงในรูปที่ 1 โดยมีระยะเวลาหนึ่งสัปดาห์ ความพิเศษอยู่ที่ว่าในกรณีมากกว่า 95% จะใช้กระแสไฟที่อัตรา 4C (เช่น 10A) สำหรับการชาร์จและการคายประจุ ที่อุณหภูมิการเสื่อมสภาพที่ 25 องศาเซลเซียส โปรไฟล์การเสื่อมสภาพนี้จะถูกนำไปใช้เพื่อทดสอบแบตเตอรี่นานสูงสุด 38 สัปดาห์ หลังจากใช้โปรไฟล์ปัจจุบันนี้ โปรไฟล์ SOC ของแบตเตอรี่จะแสดงในรูปที่ 2 โดย SOC จะแตกต่างกันไประหว่าง 10% ถึง 90%

2.3 กระบวนการและผลลัพธ์การวัดความต้านทานภายใน

วิธีการวัดและพารามิเตอร์:หลังจากการทดสอบอายุรายสัปดาห์ ความต้านทานภายในของแบตเตอรี่จะถูกวัดโดยใช้เทคโนโลยีพัลส์ปัจจุบัน ทำการวัดที่ 20%, 50% และ 80% SOC โดยมีพัลส์กระแสที่อัตรา 4C (10A) เป็นเวลา 18 วินาที ก่อนการวัด แบตเตอรี่จะต้องอยู่ในโหมดเดินเบาเป็นเวลา 15 นาที เพื่อให้เกิดความเสถียรทางอุณหพลศาสตร์

การวิเคราะห์ผลการวัด:หลังจากผ่านไป 38 สัปดาห์ ความต้านทานภายในของแบตเตอรี่เพิ่มขึ้น 8.7% ในขณะที่ความจุของแบตเตอรี่ลดลงมากกว่า 15% เมื่อเทียบกับค่าการวัดเริ่มต้น สิ่งนี้บ่งชี้ว่าในระหว่างกระบวนการเสื่อมสภาพ แม้ว่าความจุของแบตเตอรี่จะลดลงอย่างมาก แต่ความต้านทานภายในที่เพิ่มขึ้นนั้นค่อนข้างน้อย ซึ่งสะท้อนถึงการเปลี่ยนแปลงประสิทธิภาพของแบตเตอรี่ภายใต้สภาวะการเสื่อมสภาพนี้ ข้อมูลนี้เป็นพื้นฐานสำหรับการวิจัยเพิ่มเติมเกี่ยวกับความสัมพันธ์ระหว่างความต้านทานภายในของแบตเตอรี่กับ SOC และการสร้างแบบจำลองความต้านทานภายใน

3. วิธีการและคุณลักษณะที่เกี่ยวข้องในการแยกความต้านทานภายในแบตเตอรี่ออกจากโปรไฟล์ไดนามิก

3.1 หลักการดึงความต้านทานภายในตามโปรไฟล์ไดนามิก

หากต้องการแยกความต้านทานภายในของแบตเตอรี่ออกจากโปรไฟล์ไดนามิกที่แสดงในรูปที่ 1 จำเป็นต้องติดตามกระแส I และแรงดันไฟฟ้า V_ ก่อนที่จะเริ่มพัลส์ปัจจุบัน หากทราบกระแส แรงดันไฟฟ้า และ V_ ณ ช่วงเวลาหนึ่ง t ตามกฎของโอห์ม:

คำนวณความต้านทานในขณะนั้น สิ่งสำคัญคือการกำหนดเวลาและวิธีอัปเดต V_ ขึ้นอยู่กับการเปลี่ยนแปลงของกระแสตั้งแต่เวลา t ถึง (t+1) สามารถแบ่งออกเป็นสามสถานการณ์ต่อไปนี้:

3.2. การอัพเดตวิธีการของ V_ ภายใต้การเปลี่ยนแปลงปัจจุบันที่แตกต่างกัน

การเปลี่ยนแปลงปัจจุบันจาก 0 เป็นไม่เป็นศูนย์ (สถานการณ์ที่ 1):V{{0}}s ได้รับการอัปเดตเป็นค่าแรงดันไฟฟ้าล่าสุดเมื่อกระแสเป็น 0 ล่าสุด (เช่น (V_t)) วิธีการนี้อาศัยเวลาผ่อนคลายระหว่างพัลส์ปัจจุบันเพื่อทำให้แรงดันไฟฟ้าของแบตเตอรี่ถึง (หรือเข้าใกล้) แรงดันไฟฟ้าวงจรเปิด (OCV) ยิ่งเวลาผ่อนคลายนานเท่าใด การประมาณความต้านทานของแบตเตอรี่ก็จะยิ่งแม่นยำมากขึ้นเท่านั้น

การเปลี่ยนแปลงปัจจุบันจากค่าที่ไม่ใช่ศูนย์หนึ่งไปเป็นอีกค่าที่ไม่เป็นศูนย์ (สถานการณ์ที่ 2):สถานการณ์มีความซับซ้อน หากแบตเตอรี่ไม่ได้ใช้งานครั้งสุดท้ายสั้น ค่าที่เก็บไว้ในปัจจุบัน (V_s) สามารถใช้เพื่อกำหนดความต้านทานได้ แต่ยิ่งแบตเตอรี่ไม่ได้ใช้งานนาน ค่าความแม่นยำก็จะน้อยลง เพื่อให้ได้แบบจำลองที่แม่นยำยิ่งขึ้น บทความนี้จะละเว้นตัวต้านทานที่แยกออกมาในกรณีเช่นนี้ มีวิธีแก้ไขปัญหานี้สองวิธีที่เป็นไปได้:

ประการแรกคือการพิจารณาการเปลี่ยนแปลงของกระแสจากค่าปัจจุบัน เพื่อให้สถานการณ์ที่ 2 สามารถแปลงเป็นสถานการณ์ที่ 1 ได้ (เช่น ถ้าฉัน2- I2 {t-1}<€) and (I2 {t+1} - I2- t>€) จากนั้นให้ (V_s=V_t);

ประการที่สอง หากทราบ SOC ของแบตเตอรี่และมีโมเดลความสัมพันธ์ระหว่าง OCV และ SOC ความสัมพันธ์นี้สามารถใช้เพื่ออัปเดต V_ เพื่อปรับปรุงความแม่นยำของการประมาณค่าความต้านทานภายใน

ปัจจุบันยังคงไม่เปลี่ยนแปลง (สถานการณ์ที่ 3):ถ้า|ฉัน2- I2 {t+1} |<=&, V_s does not need to be updated. Simply calculate the resistance at time t+1 using the formula and proceed to the next iteration.

3.3 อิทธิพลของระยะเวลาผ่อนปรนต่อวิธีการสกัด

The internal resistance is affected by the length of the current pulse, and it takes time for the battery to reach thermodynamic stability after the current interruption. Tracking the previous pulse length L and relaxation period length T is beneficial. By comparing the resistance identification results under two conditions: requiring a relaxation period at least as long as the previous current pulse (T>=L) and requiring only 1 second relaxation period (T>1) มีการศึกษาอิทธิพลของช่วงเวลาผ่อนคลายต่อประสิทธิภาพของวิธีการสกัด ค่าความต้านทานภายในที่แยกออกมาในสองสถานการณ์จะแสดงเป็น R_i และ bar ตามลำดับ {R}_i

3.4 ลักษณะการประมาณค่าความต้านทานภายใน

เนื่องจากการใช้ความยาวพัลส์ 18 วินาทีในการวัดความต้านทานภายในหลังจากอายุมากขึ้นในแต่ละสัปดาห์ ความต้านทานภายในที่แยกออกมาโดยใช้วิธีที่เสนอจึงถูกกำหนดเป็นค่าความต้านทาน R_i=R{{3} } {i, 18s} หลังจาก 18 วินาที กระแสไฟฟ้าในโปรไฟล์อายุแบบไดนามิกที่พิจารณา (รูปที่ 1) ส่วนใหญ่จะแตกต่างกันไปที่แอมพลิจูดอัตรา C เดียวกัน ดังนั้นความต้านทานภายในของแบตเตอรี่จึงประมาณไว้ในช่วงปัจจุบันที่ 9.5A-10.5A เท่านั้น ซึ่งช่วยในการ (1) แยกการพึ่งพาความต้านทานภายในกับกระแส และ (2) ตรวจสอบวิธีการที่เสนอโดยไม่มีอคติ

4. ความสัมพันธ์ระหว่างความต้านทานภายในแบตเตอรี่กับ SOC และการวิเคราะห์การทำนายอายุแบตเตอรี่

4.1 ความสัมพันธ์และการสร้างแบบจำลองระหว่างการต่อต้านภายในและ SOC

กฎการเปลี่ยนแปลงของการต้านทานภายในด้วย SOC:หลังจากได้รับผลกระทบจากอุณหภูมิการแยก กระแสไฟฟ้า (อัตรา C) และความยาวพัลส์ ความต้านทานภายในของแบตเตอรี่ที่ทดสอบจะเปลี่ยนไปตาม SOC เท่านั้น และจะเพิ่มขึ้นตามอายุของแบตเตอรี่ เนื่องจากความต้านทานภายในของแบตเตอรี่เพิ่มขึ้นเมื่อ SOC เข้าใกล้ 0 และ 1 ให้ใช้:

อธิบายความสัมพันธ์กับ SOC และใช้ลอการิทึมเพื่อแสดงความเป็นเส้นตรงในพื้นที่พารามิเตอร์ ซึ่งอำนวยความสะดวกในการประมาณค่าพารามิเตอร์ สมมติว่าความต้านทานแบตเตอรี่ในสัปดาห์ที่กำหนด \ (w \)

ปฏิบัติตามการแจกแจงแบบปกติโดยมีค่าเฉลี่ยเป็น {{0}} และความแปรปรวนของ o-2 และความแปรปรวนไม่แปรผันตามสัปดาห์ ประมาณค่าพารามิเตอร์โดยใช้วิธีความน่าจะเป็นสูงสุด โดยสมมติว่า beta_ {1, w} และ beta_ {2, w} มีค่าน้อยกว่าหรือเท่ากับ 0 ทั้งคู่

รูปแบบการตรวจสอบความถูกต้องของข้อมูลการทดลอง:ตามโปรไฟล์การชราภาพและวิธีการดังกล่าวข้างต้น ค่าความต้านทานภายในที่แยกออกมา (ดูรูปที่ 7 และรูปที่ 8 จุดสีดำ) ได้รับการติดตั้งกับโมเดลข้างต้น เส้นสีน้ำเงินแสดงถึงดัชนีความต้านทานลอการิทึมที่คาดหวัง พื้นที่แรเงาคือช่วงความเชื่อมั่น 95% และจุดสีแดงและเส้นประแสดงถึงค่าการวัดการตรวจสอบรายสัปดาห์และค่าโมเดลที่ติดตั้งรายเดือนที่สอดคล้องกัน ตามลำดับ เมื่อเปรียบเทียบผลลัพธ์ภายใต้ข้อกำหนดระยะเวลาผ่อนคลายสองข้อ ระยะเวลาการผ่อนคลายที่เข้มงวดจะช่วยลดจำนวนค่าความต้านทานภายใน แต่ลดความแปรผันลงอย่างมาก คำนวณเปอร์เซ็นต์ข้อผิดพลาดสัมบูรณ์ (APE) เพื่อตรวจสอบความถูกต้องของวิธีการ ในกรณีส่วนใหญ่ ค่ามัธยฐานของ APE ในรูปที่ 9 จะน้อยกว่า 4.5% ซึ่งบ่งชี้ว่าวิธีการระบุความต้านทานภายในที่เสนอสามารถทดแทนวิธีการแบบเดิมได้ (ซึ่งกำหนดให้แบตเตอรี่ไม่ได้ใช้งานเป็นเวลา 15 นาที) รูปที่ 11 แสดงให้เห็นว่าเมื่อเวลาผ่านไป เมื่อพารามิเตอร์เบต้าลดลง ค่าเบี่ยงเบนมาตรฐานของแบบจำลองจะลดลงก่อนแล้วจึงเพิ่มขึ้น การลดลงของ beta_ {1, w} และ beta{{10}} {2, w} ทำให้ความต้านทานภายในเพิ่มขึ้นเร็วขึ้นเมื่อ SOC เข้าใกล้ 1 พารามิเตอร์ beta จะร่วมกันควบคุม ความต้านทานภายในขั้นต่ำที่คาดหวังเมื่อ SOC เท่ากับ 0.5 ซึ่งยังคงค่อนข้างคงที่ในระหว่างกระบวนการชราภาพ

4.2. การทำนายและการวิเคราะห์อายุแบตเตอรี่

หลักการทำนายตามแบบจำลอง:จากแบบจำลองความสัมพันธ์ระหว่างความต้านทานภายในและ SOC ที่กล่าวถึงข้างต้น การทราบค่า SOC และอายุแบตเตอรี่ (สัปดาห์) จะสามารถทำนายความต้านทานภายในของแบตเตอรี่ได้อย่างแม่นยำ มิฉะนั้นก็จำเป็นต้องกำหนด

ใช้การกระจายความน่าจะเป็นเพื่อประมาณอายุแบตเตอรี่ สำหรับสิ่งนี้ จำเป็นต้องสมมติการกระจายความน่าจะเป็นของ SOC หมายเลขรอบ และ SOC ความต้านทานภายใน การกระจายร่วมของสัปดาห์ สมมติว่า SOC และหมายเลขรอบมีความเป็นอิสระก่อนหน้านี้ SOC ของแบตเตอรี่จะมีการกระจายสม่ำเสมออย่างต่อเนื่องในช่วงเวลาหนึ่งหน่วย และหมายเลขรอบจะเป็นไปตามการกระจายสม่ำเสมอแยกกันบนชุดของรอบที่เป็นไปได้ ตามกฎของเบย์และกฎความน่าจะเป็นทั้งหมด ให้คำนวณการแจกแจงภายหลัง:

สรุปการกระจายด้านหลังของวงจรแบตเตอรี่ตามค่ามัธยฐานถ่วงน้ำหนักและบริเวณความหนาแน่นด้านหลังสูง (HPD) โดยที่บริเวณ HPD 95% แสดงถึงการรวมกันของขอบเขตขั้นต่ำที่มีความน่าจะเป็นรวมกัน (พื้นที่ใต้เส้นโค้ง) ที่ 95%

การวิเคราะห์ผลการทำนายภายใต้ความต้านทานภายในและ SOC ที่แตกต่างกัน:เมื่อความต้านทานภายในอยู่ที่ 15m Ω การกระจายความน่าจะเป็นภายหลังที่ 20% และ 80% SOC เกือบจะเท่ากัน โดยมีช่วงค่ามัธยฐานถ่วงน้ำหนักที่ 17.4-24.7 สัปดาห์ ภูมิภาค HPD 95% ครอบคลุมช่วงอายุทั้งหมด (1-38 สัปดาห์) ทำให้ยากต่อการแยกแยะอายุแบตเตอรี่ ซึ่งสอดคล้องกับข้อเท็จจริงที่ว่าความต้านทานภายในของแบตเตอรี่จะเพิ่มขึ้นเพียง 8.7% หลังจากผ่านไป 38 สัปดาห์ และเนื่องจากเบต้า_ {2, w} ลดลงเร็วกว่าเบต้า_ {1, w } มีความแตกต่างในการกระจายหลังที่ 20% และ 80% SOC (ดูรูปที่ 12-14) เมื่อความต้านทานภายในเพิ่มขึ้นเป็น 20m Ω มีความเป็นไปได้ 95% ที่แบตเตอรี่จะมีอายุการใช้งานมากกว่า 22.8 สัปดาห์และ 27.5 สัปดาห์ที่ 20% และ 80% SOC ตามลำดับ ที่ SOC 50% การกระจายภายหลังมีความน่าจะเป็นสูงกว่าที่ 1-10 สัปดาห์และ 23-38 สัปดาห์ นี่เป็นเพราะค่าการวัดความต้านทานภายในลดลงใกล้กับ 50% SOC ในระยะแรกของการเสื่อมสภาพ และอัตราการเร่งที่แตกต่างกันของความต้านทานภายในเพิ่มขึ้นที่ SOC ที่แตกต่างกัน (ดูรูปที่ 15-17)

5. สรุป

การระบุความต้านทานภายในและวิธีการสร้างแบบจำลอง:การศึกษานี้เสนอวิธีการระบุความต้านทานภายในแบตเตอรี่โดยตรงจากโปรไฟล์การเสื่อมสภาพแบบไดนามิก และการสร้างแบบจำลองพฤติกรรมการเสื่อมสภาพ โดยการติดตามการเปลี่ยนแปลงในโปรไฟล์ปัจจุบันอย่างระมัดระวังและใช้กฎของโอห์มในการคำนวณความต้านทานในแต่ละช่วงเวลา ความต้านทานภายในจะถูกกำหนดให้เป็นความต้านทานหลังจากการชาร์จต่อเนื่องเป็นเวลา 18 วินาที และจำกัดอยู่ที่เงื่อนไขที่ระยะเวลาผ่อนคลายอย่างน้อยเท่ากับ ตราบเท่าที่ชีพจรปัจจุบันก่อนหน้า ความต้านทานภายในที่แยกออกมาสำหรับสัปดาห์ที่กำหนดจะถูกจำลองเป็นฟังก์ชันเชิงเส้นลอการิทึมของ SOC ซึ่งมีความสอดคล้องอย่างมากกับความต้านทานภายในที่วัดด้วยวิธีดั้งเดิม

การวิเคราะห์เสถียรภาพความต้านทานภายใน:การวิเคราะห์แสดงให้เห็นว่าเมื่อเทียบกับอัตราที่สูงขึ้นของความต้านทานภายในที่เพิ่มขึ้นที่ 20% และ 80% SOC ความต้านทานภายในที่แยกออกมาได้เกือบ 50% SOC นั้นค่อนข้างคงที่ภายในไม่กี่สัปดาห์ ซึ่งสอดคล้องกับผลลัพธ์ที่ได้รับจากวิธีการแบบดั้งเดิมโดยสิ้นเชิง

กรอบการคำนวณการกระจายความน่าจะเป็นภายหลังของอายุแบตเตอรี่:วิธีการที่นำเสนอสามารถบูรณาการเข้ากับกรอบการทำงานสำหรับการคำนวณการกระจายความน่าจะเป็นภายหลังของอายุแบตเตอรี่ จากค่าความต้านทานภายในที่วัดได้และ SOC สามารถกำหนดการกระจายความน่าจะเป็นของแบตเตอรี่ที่มีอายุ \(w\) สัปดาห์ได้ ซึ่งจะช่วยประมาณอายุการใช้งานที่เหลืออยู่ (RUL) ของแบตเตอรี่เพิ่มเติม แต่ส่วนนี้จะเหลืออยู่ เพื่อการวิจัยในอนาคต

นอกเหนือจากการประมาณค่า RUL แล้ว ส่วนขยายง่ายๆ อีกประการหนึ่งของกรอบการวิจัยนี้คือการเรียนรู้พฤติกรรม SOC และความสัมพันธ์กับการใช้งานแบตเตอรี่ ซึ่งไม่ได้กล่าวถึงในบทความนี้และสามารถสำรวจเพิ่มเติมได้ในอนาคตเพื่อให้มีความเข้าใจที่ครอบคลุมมากขึ้นเกี่ยวกับประสิทธิภาพของแบตเตอรี่และเพิ่มประสิทธิภาพ การจัดการแบตเตอรี่