Battery State Estimation: Methods and models (Energy Engineering)

باتری ها برای ذخیره انرژی تجدیدپذیر متناوب برای برنامه های ثابت و موبایل از اهمیت حیاتی برخوردار هستند. برای شارژ باتری و حفظ ظرفیت آن، وضعیت باتری - مانند شارژ فعلی، ایمنی و سلامت، و همچنین مقادیری که نمی توان مستقیماً اندازه گیری کرد - باید برای سیستم مدیریت باتری شناخته شود. تخمین حالت وضعیت الکتریکی یک سیستم را با حذف نادرستی و خطا از داده های اندازه گیری تخمین می زند. روش ها و تکنیک های متعددی برای باتری های لیتیوم یون و سایر باتری ها استفاده می شود. مدل‌های مختلف باتری به دنبال ساده‌سازی مدارهای مورد استفاده در سیستم مدیریت باتری هستند.

این کار مختصر روش‌ها و تکنیک‌های تخمین وضعیت مورد نیاز برای قابل اعتماد نگه داشتن باتری‌ها را نشان می‌دهد. این کتاب به ویژه بر مکانیسم ها، پارامترها و عوامل تأثیرگذار تمرکز دارد. فصل‌ها مدل‌سازی معادل و چندین تکنیک فیلتر کالمن، از جمله فیلتر کالمن توسعه‌یافته تطبیقی ​​برای تخمین وضعیت باتری چندگانه، پیش‌بینی فیلتر کالمن دوگانه برای شرایط کاری پیچیده، و فیلتر ذرات تخمین ایمنی با در نظر گرفتن اثر محو شدن ظرفیت را ارائه می‌کنند.

خواندن این کتاب برای محققان در تحقیق و توسعه باتری، از جمله سیستم های مدیریت باتری و الکترونیک قدرت مرتبط، برای تولید کنندگان باتری، و برای دانشجویان پیشرفته در الکترونیک قدرت ضروری است.

Batteries are of vital importance for storing intermittent renewable energy for stationary and mobile applications. In order to charge the battery and maintain its capacity, the states of the battery - such as the current charge, safety and health, but also quantities that cannot be measured directly - need to be known to the battery management system. State estimation estimates the electrical state of a system by eliminating inaccuracies and errors from measurement data. Numerous methods and techniques are used for lithium-ion and other batteries. The various battery models seek to simplify the circuitry used in the battery management system.

This concise work captures the methods and techniques for state estimation needed to keep batteries reliable. The book focuses particularly on mechanisms, parameters and influencing factors. Chapters convey equivalent modelling and several Kalman filtering techniques, including adaptive extended Kalman filtering for multiple battery state estimation, dual extended Kalman filtering prediction for complex working conditions, and particle filtering of safety estimation considering the capacity fading effect.

This book is necessary reading for researchers in battery research and development, including battery management systems and related power electronics, for battery manufacturers, and for advanced students in power electronics.