Абстрацт
Систем за управљање батеријом (БМС) је кључан за разумевање перформанси батерије у екстремним условима, као што је тестирање високе брзине. Ова студија предлаже нови БМС за континуирано праћење, пренос и складиштење кључних параметара као што су напон, струја и температура НЦА {{0}}С литијум-јонских батерија током тестирања великом брзином. Овај БМС комбинује технологију дубоког учења за предвиђање здравственог статуса батерије (мерено капацитетом пражњења) праћењем спољних параметара батерије. Спроведена су два експеримента: статички експеримент за верификацију БМС функције и експеримент са стварним радним условима (тест злоупотребе великог увећања са вибрацијама на електричним погонским возилима) да би се процениле његове стварне перформансе. Резултати су показали да је вршна температура површине батерије током стварних услова лета достигла 55 степени Ц, што је више од статичког теста; Алгоритам за процену капацитета дубоког учења открио је просечно одступање капацитета од 0,04 Ах, демонстрирајући тачан здравствени статус предвиђањем капацитета батерије. Овај БМС демонстрира ефективно прикупљање података и могућности предвиђања, одражавајући стварну ситуацију у тестирању злоупотребе.
1. Увод
Важност литијум-јонских батерија (ЛИБ) и њихових повезаних технологија:ЛИБ-ови су кључни у тренутној технолошкој области и нашироко се користе у електричним возилима, беспилотним летелицама и преносивим електронским уређајима. У поређењу са традиционалном технологијом батерија, ЛИБ имају предности као што су висока густина енергије и дуг животни век, али њихова широка примена такође доноси изазове старења батерија. Стога је стање здравља (СОХ) важан параметар за мерење старења батерије. Прецизна процена СОХ суочава се са многим изазовима, а системи за управљање батеријом (БМС) су кључни за прецизно праћење параметара батерије.
Дизајн и повезани индикатори БМС-а:Дизајн БМС-а је обично повезан са специфичним апликацијама, а поред СОХ, Стање напуњености (СОЦ) и Преостали корисни век (РУЛ) су такође уобичајени индикатори здравља батерије. Подаци за ове индикаторе обично потичу из сопствених поставки прикупљања података (ДАК), које могу да обезбеде податке за дубоко учење (ДЛ), али имају ограничења као што су велика величина, висока цена и циљање на одређене батерије. Интеграција ДЛ технологије са напредним БМС-ом је обећавајући приступ који може да превазиђе изазове метода прикупљања података и обезбеди скалабилност.
Важни параметри и сродни захтеви за истраживање ЛИБ-ова:СОХ, СОЦ, РУЛ и Ц-стоп су сви важни параметри за перформансе ЛИБ-а. Повећање Ц-стопе ће довести до смањења капацитета батерије и перформанси. Садашње методе прикупљања података суочавају се са изазовима као што су сложена подешавања и нејасна прецизност сензора, што захтева развој иновативних преносивих БМС оквира за прикупљање података у различитим сценаријима примене као што је велико увећање. Ова студија предлаже свеобухватни оквир БМС-а који интегрише претходно развијени ДЛ модел мреже за деградацију капацитета (ЦД Нет), који може да испуни захтеве за праћење у реалном времену електричног погона. Његове могућности прикупљања података и интеграције модела су верификоване кроз експерименте.
2. Развој БМС-а
Преглед развоја БМС-а:За предложени БМС развијена је штампана плоча за прикупљање кључних података потребних за предвиђање здравља батерије и предузимање акција на основу предвиђања. Развијени БМС користи податке о стварним радним условима (укључујући напон батерије, струју и температуру) за предвиђање здравља батерије, а прикупљени подаци се уносе у модел дубоког учења (ДЛ) за предвиђање у реалном времену.
Мерење сензора
Мерење струје и напона:Сензор високе бочне струје ИНА219 се користи за мерење струје уметањем шант отпорника. Да би се прилагодили сценаријима велике струје, подразумевани 0.1 Ω шант отпорник је замењен отпорником 0.01 Ω, омогућавајући тренутном опсегу мерења да достигне ± 32А.

Мерење температуре:Сензор ПТ100 Адафруит МАКС31865 је одабран да мери температуру, која има ниску потрошњу енергије, високу прецизност и стабилност. Календар ван Дусенова једначина се користи за добијање односа између температуре и отпора. Пет сензора се користи за мерење површинске температуре и температуре околине четири батерије, респективно, а врши се и калибрација.


Контрола уређаја:Изаберите Ардуино Уно Рев 2 Ви-Фи плочу као контролер, који има могућност снимања, предобраде и преноса података. Он обезбеђује напајање сензорске мреже преко свог унутрашњег 5В регулатора и повезује сензор и микроконтролер користећи СПИ протокол.
| Тип | Веза | Користите |
| Снага и серијски | УСБ | Напајање од 5 В као и серијска комуникација са главним процесором |
| Гроунд | ГНД | Заједничка звезда уземљење за сваку компоненту у мрежи сензора |
| Схунт В+ | Сензор струје В+ | Позитивна Келвин веза од струјног шанта до позитивне батерије |
| Схунт В- | Сензор струје В- | Негативна Келвин веза од струјног шанта до позитивног оптерећења |
| Ардуино Пинс | ||
| СЦЛК | Ардуино Пин 13 | Сат линија за СПИ |
| СДО | Ардуино Пин 12 | Излаз серијских података за СПИ |
| СДИ | Ардуино Пин 11 | Серијски унос података за СПИ |
| ЦС1 | Ардуино Пин 10 | Сензор температуре за одабир чипа 1 |
| ЦС2 | Ардуино Пин 9 | Сензор температуре за одабир чипа 2 |
| ЦС3 | Ардуино Пин 8 | Сензор температуре за одабир чипа 3 |
| ЦС4 | Ардуино Пин 7 | Сензор температуре за одабир чипа 4 |
| ЦС5 | Ардуино Пин 6 | Сензор температуре за одабир чипа 5 |
| СЦЛК | Ардуино Пин СЦЛК | Сат серијских података за И2Ц |
| СДО | Ардуино Пин СДО | Адреса серијских података за И2Ц |
| сврха | Коришћени сензори | Оперативни напон | Максимална струја напајања |
| Паковање сензора напона и струје | Адафруит ИНА219 | 3.0 - 5.5 V | 1 мА |
| Сензори температуре површине батерије | Адафруит ПТ100 МАКС31865 | 3.0 - 3.6 V | 3 мА |
| Сензор температуре околине | Адафруит ПТ100 МАКС31865 | 3.0 - 3.6 V | 3 мА |
СОХ процена:Подаци о напону и температури прикупљени БМС преносе се на рачунар, а тренутни подаци се користе за израчунавање стања напуњености (СОЦ) батерије помоћу Кулонове методе бројања. СОЦ, заједно са номиналним капацитетом и хемијским саставом батерије, се уноси у ЦД Нет модел да би се предвидео капацитет пражњења батерије и израчунао СОХ. ЦД Нет модел користи комбинацију неуронских мрежа са специфичним структурама, које су оптимизоване и обрађене за предвиђање.

| Карактеристично | Валуе |
| Ћелијска хемија | НЦА |
| Фактор форме ћелије | 18650 |
| Називни капацитет | 3120 мАх |
| Називни напон | 3.6 V |
| Стандардно пуњење | ЦЦЦВ, 1 Ц, 4,2 В |
| Стандардно пражњење | Константно пуњење, 1 Ц, 2,5 В |
| Тежина | 46.4 ± 1.5 g |
3. Експериментална поставка
Преглед експерименталног подешавања:Батерија која се састоји од четири 18650 Сони ВТЦ 6 батерије повезане у серију тестирана је коришћењем НЦА хемијског система. Уведене су релевантне спецификације појединачних батерија и пакета батерија.
Испитивање на земљи:Сврха је да се анализирају перформансе новоразвијеног БМС-а пре него што се примени на возила на електрични погон. Користите систем НЕВВАРЕ Повервалл ЦТ-4004-20В20А као оптерећење, повежите БМС са батеријским пакетом и оптерећењем, пратите напон, струју и температуру површине сваке батерије и снимите податке помоћу БМС-а. Поставите РТД сензор у центар батерије и забележите смер батерије да бисте обезбедили доследност у бележењу температуре. Извршите 42 циклуса пуњења и пражњења, са шаблоном циклуса сличним НАСА-ином сертификационом експерименту за мале сателите.

Тестирање из ваздуха:Спроведено након тестирања на земљи, коришћењем електричног авиона (дрона ФЛИВОО Екплорер) за 20 циклуса пражњења да би се прикупили подаци у условима велике брзине пражњења. Увод у релевантне параметре авиона, батерија је инсталирана на 3Д штампаном носачу, БМС је на врху, протокол пуњења је у складу са тестирањем на земљи, али циклус пражњења је насумичан. Авион је око 1 стопу изнад земље током пражњења. Када БМС покаже да напон батерије достигне 10В, пражњење се зауставља и возило мирује 0,167 сати пре пуњења.
4. Резултати и дискусија
Резиме дискусије о резултатима:Представља резултате и кључне налазе добијене коришћењем новоразвијеног БМС-а (укључујући предвиђање ЦД Нет модела). Новоразвијени БМС прикупља податке из статичког и динамичког оптерећења батерија и неприметно се интегрише са ДЛ моделима као што је ЦД Нет, пружајући флексибилност прилагођавања технолошком развоју.
Резултати испитивања на земљи
Мерење криве напона:Подаци о времену напона за 42 циклуса пуњења и пражњења БМС и опреме за тестирање (БАн) су слични. Иако БМС подаци имају почетно кашњење, они се на крају конвергирају, са просечном девијацијом од 0.2В између њих. Део криве пражњења константног напона може се користити за проучавање односа са СОХ, а одступање је због разлика у брзини преноса података и унутрашњем такту.

Мерење тренутне криве:Тренутни подаци БМС-а и БАн-а су усклађени у целини, а тренутне промене током фаза пражњења и пуњења прате правила. Међутим, постоји кашњење у БМС читању података током тренутне фазе конверзије, што доводи до одређених одступања. Након уклањања тачака података великих одступања, просечно одступање је мање, а очитавање струје је тачније од очитавања напона.


Мерење температурне криве:Пратите температуру површине четири батерије и откријте да се температура постепено повећава током процеса пуњења и пражњења, достижући највишу тачку на крају пуњења константном струјом. Затим се температура мења током пуњења и пражњења константног напона. Четврта батерија у батеријском пакету има релативно високу температуру, а БМС може открити и приказати температурне разлике сваке батерије. Температурне аномалије се могу користити за управљање батеријом.

Резултати испитивања из ваздуха
Мерење криве струје и напона:Током лета дрона, струја се насумично мења, а БМС може прецизно да забележи струју пражњења велике брзине. Струја пражњења расте са бројем тестова, а напон опада са 16,8В на 10В током процеса пражњења. На струју и напон утиче подешавање става лета током лета.

Мерење температурне криве:Током тестирања из ваздуха, температура површине батерије је виша од оне током испитивања на земљи, са максималном температуром од око 55 степени Ц. Током процеса пуњења температура има тенденцију да се смањи, а током процеса пражњења температура се постепено повећава. Постоје разлике у температури између различитих батерија, а на температурне флуктуације утичу подешавања положаја лета.


Резултати ансамбла дубоког учења:У земаљским тестирањима, капацитет батерије се постепено смањивао, а модел ЦД Нет је предвидео капацитет од 5. циклуса, што је било слично капацитету бројања Кулона који је забележио БМС. Предвиђање модела је било релативно тачно; Капацитет бројања Кулона је био нестабилан током тестирања из ваздуха, али модел је и даље могао да предвиди са просечном разликом од 0.046 Ах. Упоређивањем капацитета измереног Кулоновом методом бројања са предвиђеним капацитетом модела, верификована је успешна интеграција БМС и ДЛ модела, који се могу користити за предвиђање здравственог стања (СОХ) батерија.

5. Резиме
Резиме налаза истраживања:За прикупљање података о стварном радном стању електричних погонских возила је потребан преносиви БМС који може да ради у тешким условима, као што је велика брзина пражњења ЛИБ-ова. Ово истраживање предлаже нову архитектуру БМС-а, која користи оквире ивице и облака за снимање, пренос и примање података, и може да се носи са високом брзином пражњења, замењујући традиционалне методе засноване на ЦАН магистрали и ивичним рачунарима.
Резиме резултата теста:Спроведени су теренски и ваздушни тестови, а површинска температура батерије је била највиша на крају фазе константне струје пражњења. Температура површине батерије је била још виша у тесту ваздуха, достигавши максимум од скоро 55 степени Ц. Повећање температуре може бити узроковано факторима као што су старење батерије и промене СОЦ-а, а превисока температура може довести до квара батерије. Током 42 циклуса на земљи и 20 циклуса у ваздуху, површинска температура се постепено повећавала.
Резултати предвиђања модела:Користећи прикупљене податке, ЦД Нет модел предвиђа здравствено стање (СОХ) батерије у стварним условима рада. Предвиђање капацитета модела за следећи циклус у земаљском тестирању је релативно тачно, са просечним одступањем од {{0}}.026 Ах; Иако је дошло до флуктуација капацитета током тестирања из ваздуха, предвиђена просечна разлика је била 0,046 Ах, а БМС је успео да ефикасно прикупи податке унутар опсега прага тренутног напонског сензора.





