การประเมินสถานะแบตเตอรี่ BMS: SOC, SOH และ SOP

ในยุคพลังงานใหม่วันนี้ การนําเทคโนโลยีแบตเตอรี่มาใช้ได้ทุกที่ จากรถไฟฟ้า ไปยังระบบพลังงานที่เกิดใหม่ในฐานะส่วนประกอบหลักของระบบแบตเตอรี่, หนึ่งในความรับผิดชอบหลักคือการประเมินสถานะของแบตเตอรี่อย่างแม่นยํา, รวมถึงสถานะการชาร์จ (SOC), สถานะสุขภาพ (SOH) และสถานะพลังงาน (SOP).การประเมินที่แม่นยําของปารามิเตอร์ภาวะเหล่านี้เป็นสิ่งสําคัญสําหรับการทํางานที่ปลอดภัยและน่าเชื่อถือของแบตเตอรี่

SOC: ควบคุมพลังงานแบตเตอรี่ที่เหลืออย่างแม่นยํา

SOC (State of Charge) คือภาวะการชาร์จของแบตเตอรี่ มันสะท้อนความสัมพันธ์ในสัดส่วนระหว่างพลังงานแบตเตอรี่ที่เหลือกับความจุทั้งหมดและมันจะแสดง "ความจุ" ของแบตเตอรี่ เหมือนกับเครื่องวัดน้ํามันของรถวิธีการประเมิน SOC และลักษณะของมัน

• วิธีการบูรณาการแบบแอมฟิเบีย:คํานวณปริมาณการชาร์จและการชาร์จของแบตเตอรี่โดยการรวมกระแสไฟฟ้าเพื่อให้ได้ค่า SOC วิธีนี้ง่ายและใช้ง่าย แต่ในระหว่างการใช้งานยาวนานเนื่องจากการสะสมความผิดพลาดของเซ็นเซอร์กระแสไฟฟ้าและการปล่อยแบตเตอรี่ด้วยตัวเอง, ความผิดพลาดในการประเมิน SOC อาจเพิ่มขึ้น ดังนั้นมันมักจําเป็นที่จะชาร์จแบตเตอรี่อย่างครบถ้วนเป็นประจําเพื่อเพิ่มความแม่นยําในการประเมิน
• วิธีความกระชับกําลังในวงจรเปิด:ราคาประมาณการจากความตรงกันระหว่างความกระชับกําลังวงจรเปิดของแบตเตอรี่และ SOC หลังจากที่แบตเตอรี่ถูกปล่อยให้ยืนเป็นเวลาวัดความดันในวงจรเปิดของมันและเปรียบเทียบมันกับเส้นโค้งความดัน-SOC ของวงจรเปิดที่กําหนดไว้ก่อน เพื่อหาค่า SOC ปัจจุบันข้อดีของวิธีการนี้คือมันมีความแม่นยําสูงและไม่ได้รับผลกระทบจากการชาร์จตัวเองของแบตเตอรี่และเส้นโค้งความดัน-SOC ของวงจรเปิดจะเปลี่ยนแปลงเนื่องจากปัจจัย เช่น อุณหภูมิและการแก่ตัวของแบตเตอรี่ดังนั้นปัจจัยเหล่านี้จึงต้องถูกชดเชย
• วิธีกรอง Kalman:นี่คืออัลกอริทึมเรคอร์ริสฟิศที่ใช้แบบสเปซสเตท ซึ่งสามารถรวมข้อมูลจากหลายแหล่ง เช่น ความดันของแบตเตอรี่ ความจุ ความอุณหภูมิ เป็นต้นและยับยั้งเสียงวัดและความผิดพลาดแบบมันมีความแม่นยําการประเมินสูงและความสามารถต่อต้านการแทรกแซงที่แข็งแกร่ง และเป็นหนึ่งในวิธีการประเมิน SOC ที่มีความก้าวหน้าที่สุดในปัจจุบันปริมาณการคํานวณของวิธีนี้ค่อนข้างใหญ่ และต้องการผลประกอบการที่สูงของเครื่องประมวลผล.

SOH: ความรู้เกี่ยวกับสุขภาพของแบตเตอรี่

SOH (State of Health) เป็นสภาพสุขภาพของแบตเตอรี่ ซึ่งสะท้อนถึงระดับการลดลงของผลงานของแบตเตอรี่เทียบกับแบตเตอรี่ใหม่และเป็นตัวชี้วัดสําคัญในการประเมินอายุการใช้งานและความน่าเชื่อถือของแบตเตอรี่นี่คือหลายวิธีการประเมิน SOH ที่ใช้กันทั่วไป:

• วิธีการทดสอบความจุ:SOH ได้ถูกกําหนดโดยการดําเนินการชาร์จและการปล่อยชาร์จวงจรครบวงจรของแบตเตอรี่และวัดอัตราส่วนของความจุจริงของแบตเตอรี่กับความจุนามวิธีนี้สามารถสะท้อนตรงความอ่อนแอของความจุของแบตเตอรี่, ด้วยความแม่นยําสูง แต่ต้องชาร์จและปล่อยแบตเตอรี่อย่างลึก ซึ่งใช้เวลานานและจะมีผลการแก่ตัวของแบตเตอรี่ปกติใช้ในการทดสอบและประเมินแบตเตอรี่แบบออฟไลน์.
• วิธีการทดสอบความต้านทานภายใน:ความต้านทานภายในของแบตเตอรี่จะเพิ่มขึ้นเมื่อความแก่ตัวเพิ่มขึ้น ดังนั้น SOH สามารถประเมินได้โดยการวัดการเปลี่ยนแปลงของความต้านทานภายในของแบตเตอรี่วิธีนี้เรียบง่ายและง่ายในการนําไปใช้ และสามารถสะท้อนแนวโน้มการแก่ตัวของแบตเตอรี่ในระดับหนึ่งอย่างไรก็ตาม การพึ่งพากับการเปลี่ยนแปลงความต้านทานภายในเท่านั้นในการประเมิน SOH มีข้อจํากัดบางอย่าง เพราะความต้านทานภายในจะได้รับผลกระทบจากปัจจัย เช่น อุณหภูมิและ SOC
• วิธีการจําแนกรูปแบบข้อมูล:ใช้อัลกอริทึมการเรียนรู้เครื่องจักร เช่น เครือข่ายประสาทเทียม เครื่องจักรเวกเตอร์สนับสนุน เป็นต้น เพื่อเรียนรู้และวิเคราะห์ข้อมูลประวัติศาสตร์ของแบตเตอรี่ และข้อมูลการทํางานในเวลาจริงกําหนดรูปแบบสถานะสุขภาพของแบตเตอรี่, และคาดการณ์ SOH จากข้อมูลลักษณะการเข้า วิธีนี้สามารถทําเหมืองความสัมพันธ์ที่ซับซ้อนไม่เป็นเส้นตรงในข้อมูลแบตเตอรี่, ด้วยความแม่นยําการประเมินสูงและการปรับตัวแต่ต้องการข้อมูลการฝึกอบรมจํานวนมาก และความสามารถในการประมวลผลและวิเคราะห์ข้อมูลอย่างมืออาชีพ.

SOP: การประเมินความสามารถของพลังงานแบตเตอรี่ให้ถูกต้อง

SOP (State of Power) หมายถึงพลังงานสูงสุดที่แบตเตอรี่สามารถผลิตหรือดูดซึมได้อย่างปลอดภัยในช่วงเวลาหนึ่งด้านล่างมีวิธีการประเมิน SOP หลายวิธีและลักษณะของพวกเขา:

• วิธีการประเมินที่พัฒนาจากแบบแบตเตอรี่โดยการกําหนดรูปแบบวงจรที่เท่าเทียมกัน หรือรูปแบบเทอร์โมไดนามิกของแบตเตอรี่ โดยรวมข้อมูลสถานะของแบตเตอรี่ เช่น SOC, อุณหภูมิ, กระแสไฟฟ้า เป็นต้นปริมาตร เช่น ความต้านทานภายในของแบตเตอรี่, ความดัน polarisation เป็นต้นถูกคํานวณและ SOP ได้รับวิธีนี้สามารถสะท้อนถึงคุณสมบัติพลังงานของแบตเตอรี่อย่างแม่นยําแต่การตั้งแบบและการระบุพารามิเตอร์ค่อนข้างซับซ้อน, และความแม่นยําของรุ่นและความสามารถในการคํานวณของแบตเตอรี่
• วิธีการเรียนรู้เครื่องจักร:ใช้อัลกอริทึมการเรียนรู้เครื่องจักรเพื่อเรียนรู้และฝึกข้อมูลพลังงานประวัติศาสตร์ของแบตเตอรี่ และลักษณะสถานะที่เกี่ยวข้อง และจัดตั้งรูปแบบการคาดการณ์ SOP เช่น เครือข่ายประสาท ไม้ตัดสินใจเป็นต้น. วิธีนี้สามารถเรียนรู้โดยอัตโนมัติลักษณะพลังงานของแบตเตอรี่โดยใช้ข้อมูลประวัติศาสตร์จํานวนมาก และมีความสามารถปรับปรุงและการต่อต้านการแทรกแซงที่แข็งแรงแต่มีจํานวนมากของข้อมูลที่แม่นยําที่จําเป็นในระหว่างกระบวนการฝึกแบบ, และความสามารถในการตีความของรุ่นค่อนข้างไม่ดี

สถานการณ์การใช้งานสําหรับการประเมินสถานะของแบตเตอรี่

• รถไฟฟ้า:การประเมิน SOC ที่แม่นยําสามารถให้ข้อมูลระยะทางที่น่าเชื่อถือได้สําหรับคนขับรถไฟฟ้า เพื่อหลีกเลี่ยงการหยุดขับรถที่เกิดจากพลังงานที่ไม่เพียงพอการประเมิน SOH ช่วยคาดการณ์อายุการใช้งานของแบตเตอรี่ และเตือนผู้ใช้อย่างรวดเร็วในการบํารุงรักษาหรือเปลี่ยนแบตเตอรี่; การประเมิน SOP สามารถทําให้รถสามารถทํางานได้ตามปกติ ภายใต้สภาพพลังงานสูง เช่น การเร่งและการขึ้น ขณะที่หลีกเลี่ยงการอ้วนแบตเตอรี่และความเสียหายการปรับปรุงความปลอดภัยและความน่าเชื่อถือของรถ.
• ระบบพลังงานที่เกิดจากแหล่งพลังงานที่สามารถปรับปรุงได้ในระบบการผลิตพลังงานจากพลังงานที่เกิดใหม่ เช่นพลังงานแสงอาทิตย์และพลังงานลมการประเมินสถานะของแบตเตอรี่โดยแม่นยําของ BMS สามารถรับประกันการใช้งานที่มีประสิทธิภาพและการทํางานที่มั่นคงของระบบเก็บพลังงานโดยการจัดการกระบวนการชาร์จและปล่อยแบตเตอรี่อย่างสมเหตุสมผล, ปรับปรุงการกระจายและกําหนดเวลาของพลังงานตาม SOC และ SOP,ปรับปรุงอัตราการใช้งานพลังงานที่เกิดจากแหล่งพลังงานที่สามารถปรับปรุงได้ใหม่ และความน่าเชื่อถือในการจําหน่ายพลังงาน, ขยายอายุการใช้งานของแบตเตอรี่ และลดค่ารักษาระบบ

แนวโน้มการพัฒนา

ด้วยการพัฒนาอย่างต่อเนื่องของเทคโนโลยีแบตเตอรี่และความต้องการการใช้งานที่เพิ่มขึ้น เทคโนโลยีการประเมินสถานะแบตเตอรี่ BMS ยังมีการนวัตกรรมและปรับปรุงอย่างต่อเนื่องในอนาคตการประเมินสถานะของแบตเตอรี่จะพัฒนาในทิศทางต่อไปนี้:

• ความแม่นยําและความน่าเชื่อถือสูงกว่าด้วยเทคโนโลยีเซ็นเซอร์ที่มีความก้าวหน้ามากขึ้น อัลกอริทึมการประมวลผลสัญญาณ และวิธีการรวมข้อมูล ความแม่นยําและความน่าเชื่อถือของการประเมิน SOC, SOH และ SOP ได้ดีขึ้นมากขึ้นความผิดพลาดและความไม่แน่นอนในการประเมินลดลงและการสนับสนุนที่แข็งแกร่งขึ้นสําหรับการจัดการที่ละเอียดและการใช้งานที่ปลอดภัยของแบตเตอรี่
• อัลกอริทึมที่ฉลาดกว่าเทคโนโลยีปัญญาประดิษฐ์ เช่น deep learning และ reinforcement learning จะถูกใช้อย่างแพร่หลายในการประเมินสภาพของแบตเตอรี่ทําให้ BMS สามารถเรียนรู้ลักษณะที่ซับซ้อนของแบตเตอรี่ได้โดยอัตโนมัติ