Perkiraan status baterai BMS: SOC, SOH dan SOP

Di era energi baru saat ini, aplikasi teknologi baterai ada di mana-mana, mulai dari kendaraan listrik hingga sistem energi terbarukan, hingga semua jenis produk elektronik konsumen.Sebagai komponen inti dari sistem baterai, salah satu tanggung jawab utamanya adalah untuk memperkirakan secara akurat keadaan baterai, termasuk keadaan muatan (SOC), keadaan kesehatan (SOH) dan keadaan daya (SOP).Perkiraan yang akurat dari parameter keadaan ini sangat penting untuk, operasi baterai yang aman dan dapat diandalkan.

SOC: Mengontrol daya baterai yang tersisa dengan akurat

SOC (State of Charge) adalah keadaan baterai yang terisi.dan secara intuitif menampilkan "margin kapasitas" baterai seperti pengukur bahan bakar mobilBerikut adalah beberapa metode perkiraan SOC umum dan karakteristik mereka:

• Metode integrasi amfibi:menghitung jumlah muatan dan debit baterai dengan mengintegrasikan arus untuk mendapatkan nilai SOC.karena akumulasi kesalahan sensor arus dan pembebasan diri bateraiOleh karena itu, seringkali perlu untuk mengisi baterai secara teratur untuk meningkatkan akurasi perkiraan.
• Metode tegangan sirkuit terbuka:Perkiraan berdasarkan korespondensi antara tegangan sirkuit terbuka baterai dan SOC. Setelah baterai dibiarkan berdiri untuk jangka waktu tertentu,mengukur tegangan sirkuit terbuka dan membandingkannya dengan kurva tegangan-SOC sirkuit terbuka yang telah ditetapkan sebelumnya untuk mendapatkan nilai SOC saat iniKeuntungan dari metode ini adalah bahwa ia memiliki akurasi yang tinggi dan tidak terpengaruh oleh peluncuran diri baterai, tetapi membutuhkan baterai berada dalam keadaan statis,dan kurva tegangan-SOC sirkuit terbuka akan berubah karena faktor seperti suhu dan penuaan baterai, sehingga faktor-faktor ini perlu dikompensasi.
• Metode penyaringan Kalman:Ini adalah algoritma rekursif berdasarkan model ruang keadaan, yang dapat menggabungkan informasi sumber ganda seperti tegangan baterai, arus, suhu, dll, memperbarui perkiraan SOC secara real time,dan menekan kebisingan pengukuran dan kesalahan modelIni memiliki akurasi perkiraan yang tinggi dan kemampuan anti-interferensi yang kuat, dan merupakan salah satu metode perkiraan SOC yang paling maju saat ini.jumlah perhitungan metode ini relatif besar dan membutuhkan kinerja tinggi dari prosesor.

SOH: Wawasan tentang kesehatan baterai

SOH (State of Health) mewakili status kesehatan baterai, yang mencerminkan tingkat degradasi kinerja baterai relatif terhadap baterai baru,dan merupakan indikator penting untuk mengevaluasi umur baterai dan keandalanBerikut adalah beberapa metode perkiraan SOH yang umum digunakan:

• Metode pengujian kapasitas:SOH ditentukan dengan melakukan siklus pengisian dan pembuangan baterai secara lengkap dan mengukur rasio kapasitas aktual baterai terhadap kapasitas nominal.Metode ini dapat langsung mencerminkan attenuasi kapasitas baterai, dengan akurasi tinggi, tetapi membutuhkan pengisian dan pengurangan baterai yang mendalam, yang membutuhkan waktu yang lama dan akan memiliki efek penuaan tertentu pada baterai.biasanya digunakan untuk pengujian offline dan evaluasi baterai.
• Metode pengujian resistensi internal:Resistensi internal baterai meningkat seiring bertambahnya usia, sehingga SOH dapat diperkirakan dengan mengukur perubahan resistensi internal baterai.Metode ini sederhana dan mudah diterapkan dan dapat mencerminkan tren penuaan baterai sampai batas tertentuNamun, hanya mengandalkan perubahan resistensi internal untuk mengevaluasi SOH memiliki keterbatasan tertentu, karena resistensi internal juga akan dipengaruhi oleh faktor-faktor seperti suhu dan SOC.
• Metode pengenalan pola data:Menggunakan algoritma pembelajaran mesin, seperti jaringan saraf buatan, mesin vektor pendukung, dll untuk mempelajari dan menganalisis data historis baterai dan data berjalan real-time,membangun model status kesehatan baterai, dan memprediksi SOH berdasarkan data fitur masukan. Metode ini dapat menambang hubungan nonlinear yang kompleks dalam data baterai, dengan akurasi estimasi dan kemampuan beradaptasi yang tinggi,tetapi membutuhkan sejumlah besar data pelatihan dan kemampuan pengolahan dan analisis data profesional.

SOP: Mengevaluasi kapasitas daya baterai dengan akurat

SOP (State of Power) mengacu pada daya maksimum yang dapat dikeluarkan atau diserap baterai dengan aman pada saat tertentu.Berikut adalah beberapa metode estimasi SOP dan karakteristik mereka:

• Metode perkiraan berdasarkan model baterai:Dengan membangun model sirkuit setara atau model termodinamika baterai, menggabungkan informasi keadaan baterai, seperti SOC, suhu, arus, dll.,parameter seperti resistensi internal baterai, tegangan polarisasi, dll dihitung, dan SOP diperoleh.namun pembentukan model dan identifikasi parameter relatif rumit, dan akurasi model dan kemampuan komputasi baterai diperlukan.
• Metode pembelajaran mesin:Menggunakan algoritma pembelajaran mesin untuk mempelajari dan melatih data daya historis baterai dan karakteristik keadaan terkait, dan membangun model prediksi SOP, seperti jaringan saraf, pohon keputusan,dllMetode ini dapat secara otomatis mempelajari karakteristik daya baterai berdasarkan sejumlah besar data historis, dan memiliki kemampuan beradaptasi yang kuat dan kemampuan anti-interferensi,tetapi sejumlah besar data yang akurat diperlukan selama proses pelatihan model, dan interpretasi model relatif buruk.

Skenario aplikasi untuk estimasi status baterai

• Kendaraan listrik:Perkiraan SOC yang akurat dapat memberikan informasi jangkauan yang dapat diandalkan bagi pengemudi kendaraan listrik untuk menghindari gangguan mengemudi yang disebabkan oleh daya yang tidak cukup;Evaluasi SOH membantu memprediksi masa pakai baterai dan segera mengingatkan pengguna untuk memelihara atau mengganti baterai; Perkiraan SOP dapat memastikan bahwa kendaraan dapat beroperasi secara normal dalam kondisi daya tinggi seperti akselerasi dan pendakian, sementara menghindari overload baterai dan kerusakan,meningkatkan keamanan dan keandalan kendaraan.
• Sistem energi terbarukan:Dalam sistem pembangkit listrik energi terbarukan seperti energi matahari dan angin,Perkiraan yang akurat dari status baterai oleh BMS dapat memastikan pemanfaatan yang efisien dan operasi yang stabil dari sistem penyimpanan energiDengan mengelola proses pengisian dan pengurangan baterai secara wajar, mengoptimalkan distribusi dan penjadwalan energi sesuai dengan SOC dan SOP,meningkatkan tingkat pemanfaatan energi terbarukan dan keandalan pasokan listrik, memperpanjang umur baterai, dan mengurangi biaya pemeliharaan sistem.

Perkembangan

Dengan perkembangan terus-menerus teknologi baterai dan meningkatnya permintaan aplikasi, teknologi perkiraan status baterai BMS juga terus berinovasi dan meningkat.perkiraan status baterai akan berkembang ke arah berikut::

• Keakuratan dan keandalan yang lebih tinggi:Dengan teknologi sensor yang lebih maju, algoritma pemrosesan sinyal dan metode fusi data, akurasi dan keandalan perkiraan SOC, SOH dan SOP semakin meningkat,kesalahan dan ketidakpastian estimasi berkurang, dan dukungan yang lebih kuat untuk pengelolaan baterai yang halus dan operasi yang aman.
• Algoritma yang lebih cerdas:Teknologi kecerdasan buatan seperti deep learning dan reinforcement learning akan banyak digunakan dalam estimasi keadaan baterai,memungkinkan BMS untuk secara otomatis mempelajari karakteristik kompleks baterai