Real-time state of charge estimation algorithm for electrical batteries
Elektrikli bataryalar için gerçek zamanlı şarj durumu tahmini algoritması
- Tez No: 946142
- Danışmanlar: DOÇ. DR. JONGRAE KIM
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: University of Leeds
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Makine Teorisi ve Dinamiği Ana Bilim Dalı
- Bilim Dalı: Elektrik Makinaları ve Güç Elektroniği Bilim Dalı
- Sayfa Sayısı: 160
Özet
21. yüzyıl toplumu çevre dostu altyapılara doğru kayarken, otomotiv endüstrisinin ana ilgisi elektrikli araçlara yönelmektedir. Bu dönüşüm, güvenilir batarya yönetim sistemlerinin (BMS) geliştirilmesine bağlıdır. Elektrikli araçlardaki BMS, batarya durumu hakkında önemli bilgiler sağlar ve bunlardan biri şarj durumudur (SoC). Gelecekteki elektrikli araç endüstrisi için minimal çaba ile uygulanabilen optimal ve sağlam SoC tahmin algoritmaları hayati önem taşımaktadır. Eşdeğer devre modeline (ECM) dayalı SoC tahmin algoritmaları yaygın olarak kullanılmaktadır. Bu algoritmalar, iki temel hata kaynağından etkilenmektedir. Bunlar yanlış SoC-OCV ilişkisi ve giriş akımı ölçüm gürültüsüdür. ECM tabanlı SoC tahmininde, bu hata kaynakları tam olarak giderilememiştir. İlk olarak, SoC-OCV ilişkisini oluşturmak için yeni bir teknik sunmaktayız, bu teknik nihayetinde tek parametre tahmini problemine dönüştürülmektedir. Önerilen parametre tahmini ve SoC-OCV yapma teknikleri kullanılarak, Kalman filtresi uygulanarak SoC ve ilgili batarua durumları tahmin edilmektedir. İkinci olarak, mevcut giriş akımı ölçümündeki hatayı azaltmak için yeni bir teknik geliştirilmektedir. Hata, hesaplanan çıktı ile ölçülen çıktı arasındaki farka dayalı olarak hesaplanmaktadır. Mevcut giriş akımı ölçümünün düzeltilmesi, SoC Tahmin hatasını önemli ölçüde azaltmaktadır. Önerilen algoritmaları bilgisayar simülasyonları ve batarya deneyleri ile doğrulamaktayız. Sayısal simülasyonlar ve batarya deneyleri, SoC-OCV ilişkisinin gerçek zamanlı olarak doğru bir şekilde kurulduğunu göstermektedir. Sayısal simülasyonlarda SoC tahmin hatası %2'nin altında kalırken, batarya deneyinde ise %2.5'in içinde kalır. Akım gürültüsü azaltma algoritması, sayısal simülasyonlarda SoC hatasını %11.3'ten %0.56'ya düşürmektedir. Batarya deneyinde ise SoC hatası %1.74'ten %1.12'ye düşmektedir.
Özet (Çeviri)
While 21st-century society is shifting towards eco-friendly infrastructures, the main interest of the automotive industry has been transferring to electric vehicles. This transformation is dependent on the development of reliable battery management systems (BMSs). A BMS in electric cars provides vital information about the battery states including the state of charge (SoC). Optimal and robust SoC estimation algorithms to deploy with minimal effort are vital for the future electric car industry. The equivalent circuit model (ECM) based SoC estimation algorithms are widely used in practice. These algorithms suffer from two dominant error sources, i.e., inaccurate SoC-OCV relationship and input current measurement noise. In the ECM-based SoC estimation, these error sources have not been fully mitigated. Firstly, we present a novel technique to construct the SoC-OCV relation, which is eventually converted to a single parameter estimation problem. The Kalman filter is implemented to estimate the SoC and the related battery states using the proposed parameter estimation and the SoC-OCV construction technique. Secondly, we develop a novel technique to mitigate the error in the current input measurement. The error is calculated based on difference between the calculated output and the measured output. Correcting the current input measurement significantly reduces the SoC estimation error. We validate the proposed algorithms through computer simulations and battery experiments. The numerical simulations and the battery experiment demonstrate that the SoC-OCV relationship is accurately constructed in real-time. The SoC estimation error remains below 2% in numerical simulations whereas the SoC estimation error remains within 2.5% in the battery experiment. The current noise mitigation algorithm reduces the SoC error from 11.3% to 0.56% in the numerical simulations. In the battery experiment, the SoC error is reduced from 1.74% to 1.12%.
Benzer Tezler
- Mini sınıf elektrikli insansız hava araçları için batarya kapasitesi kestirimi
State of charge estimation for mini class unmanned air vehicle
MUHARREM AYKAN KÜLÜNK
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. COŞKU KASNAKOĞLU
- Elektrikli araç batarya yönetim sistemlerinde şarj durumu tahmini ve uygulamaları
State of charge estimation and applications in electric vehicle battery management systems
AHMET MELİH GÜRBÜZ
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜVEN KÖMÜRGÖZ KIRIŞ
- Physics guided neural network based state-of-charge estimator for lithium-ion batteries
Lithium-ion piller için fizik destekli sinir ağı tabanlı şarj durumu tahmincisi
FEDI SALHI
Yüksek Lisans
İngilizce
2022
Mekatronik MühendisliğiYıldız Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERHAN AKDOĞAN
- Elektrikli araçlar için yüksek doğrulukla şarj kestirimi sunan batarya yönetim sistemi tasarımı
Design of battery managemenet system providing high accuracy state of charge estimation for electric vehicles
MUSTAFA MERT SERİNBAŞ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ONUR GÜLBAHÇE
- Li-iyon batarya modelinin en uygunlaştırılması ve batarya bozunumunun incelenmesine katkılar
Contributions to optimization of Li-ion battery models and analysis of battery degradation
HAKAN İNCESU
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DERYA AHMET KOCABAŞ