مقایسه تخمین حالت شارژ باتری لیتیوم یون با استفاده از شبکه عصبی مصنوعی و استنتاج عصبی- فازی- تطبیقی

تخمین دقیق حالت شارژ یک باتری نه تنها برای مدیریت بهینه انرژی در خودروهای الکتریکی و شبکه های هوشمند قدرت، بلکه برای حفاظت باتری از رفتن به شرایط تخلیه عمیق یا شارژ بیش از اندازه و در نتیجه کاهش عمر باتری ضروری است. این شرایط حتی ممکن است شرایط بالقوه خطرناکی به لحاظ انفجار باتری ایجاد کند. با وجود اهمیت بسیار زیاد پارامتر حالت شارژ، این پارامتر به طور مستقیم از پایانه های باتری قابل اندازه گیری نیست. در این پژوهش ابتدا مدل مدار معادل الکتریکی در محیط سیمولینک متلب با دو شبکه RC شبیه سازی شده است. این مدل دارای این مزیت است که یک آزمون سریع برای استخراج پارامترها و مشخصات دینامیکی مدل باتری را ارایه می کند ولی برای کاربرد برخط در خودرو مناسب نیست. به همین دلیل است که الگوریتم های شبکه عصبی و استنتاج فازی عصبی سازگار برای تخمین حالت شارژ بسته باتری و سلول منفرد براساس داده های اندازه گیری شده برای هر سلول به طور مجزا مورد نیاز است. در این پژوهش به منظور اعتبارسنجی شبکه عصبی از نرخ جریان 0/6آمپر و در شبکه انفیس از نرخ تخلیه 0/8، 0/1 و 0/45 استفاده شده است. مقایسه روش انفیس با روش عصبی در این تحقیق نشان داد که روش انفیس در تخمین حالت شارژ از شبکه عصبی دقیق تر است و دارای همبستگی نقاط تجربی و خروجی شبکه است، به طوری که خطای شبکه انفیس در برخی حالت های شارژ به مقدار کمتر از 2% می رسد.