State of health estimation of lead acid batteries in case of safety critical systems

Szerzők

  • Czibere Szilárd Centre for Energy Research
  • Hartmann Bálint Centre for Energy Research, e-mail: hartmann.balint@energia.mta.hu (levelezőszerző)

Kulcsszavak:

állapotbecslés, akkumulátorok, energiatárolás, biztonságkritikus rendszerek

Absztrakt

Amint az a cikkben olvasható a használatból eredően az akkumulátort jellemző ellenállás érték változik. Az adott akkumulátorhoz kimérve ezt az értéket a kapacitás csökkenés függvényében megállapítható az akkumulátor SoH paramétere. A mérések egy próba akkumulátoron egyszerűen vizsgálójel segítségével elvégezhetők, aminek a paraméterei a használathoz igazíthatók, így pontosabb képet kapva a használat típusából eredő degradációról. A vizsgáló jellel végzet mérés további előnye, hogy a mérés során az akkumulátorból kinyert kapacitás alacsony, illetve az eredmények feldolgozása sem igényel komoly erőforrást (pl. erős hardver igény). A mérés bármilyen SoC értéknél elvégezhető, ezáltal lehetővé téve, hogy biztonságkritikus rendszerek esetében is alkalmazható legyen. A módszer jelen formájában egy alacsony hibahatárú becslést ad az SoH paraméterre, azonban ez a mérések pontosításával tovább csökkenthető. A jövőbeli továbbfejlesztések céljából a módszer további sztochasztikus algoritmusokkal bővíthető, illetve nagy adatmennyiség ismeretében mesterséges intelligencia alapú algoritmusok tovább pontosíthatják a meghatározásra kerülő SoH értéket. 

Hivatkozások

Christopher Suozzo. 2008. Lead-acid battery aging and state of health diagnosis, Ohio.

Dasong, W., Feng, Y., Lin, G., Yuliang, L. 2019. Fuzzy Prediction of Power Lithium Ion Battery State of Function Based on the Fuzzy c-Means Clustering Algorithm, World Electric Vehicle Journal, 10(1). 1. https://doi.org/10.3390/wevj10010001

Martin M., Adel G. 2017. A Closer Look at State of Charge (SOC) and State of Health (SOH) Estimation Techniques for Batteries, Analog Devices: Technical Article.

MIT Electric Vehicle Team, 2008. A Guide to Understanding Battery Specifications.

Nina H., René S., Nicolas W., Ulrike K. 2018. State-Of-Health Identification of Lithium-Ion Batteries Based on Nonlinear Frequency Response Analysis: First Step with Machine Learning, Applied Sciences.

Stroe D. I., Swierczynski M. J., Stan A-I, Knap V., Teodorescu R., Andreasen S. J. 2014. Diagnosis of Lithium-Ion Batteries State-of-Health based on Electrochemical Impedance Spectroscopy Technique, Proceedings of the 2014 Energy Conversion Congress and Exposition (ECCE), Pages 4576–4582. https://doi.org/10.1109/ECCE.2014.6954027

Wladislaw W., Stefan K., Dirk U. S. 2013. Experimental investigation of the lithium-ion battery impedance characteristic at various conditions and aging states and its influence on theapplication, Applied Energy, 102 February 2013, Pages 885–897. https://doi.org/10.1016/j.apenergy.2012.09.030

Letöltések

Megjelent

2020-11-06

Folyóirat szám

Évf. 24 Szám 3 (2020): Special Issue of 61th Georgikon Scientific Conference

Rovat

Cikkek

License

Copyright (c) 2020 Czibere Szilárd, Bálint Hartmann

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

The articel is under the Creative Commons 4.0 standard licenc: CC-BY-NC-ND-4.0.  Under the following terms: You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use. You may not use the material for commercial purposes. If you remix, transform, or build upon the material, you may not distribute the modified material. You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.