බැටරි ආරෝපණ තත්ත්වය (SOC) ඇස්තමේන්තු කිරීම
පොදු බැටරි ආකෘති
බල බැටරි වල විද්යුත් රසායනික ප්රතික්රියා ක්රියාවලිය සංකීර්ණ වන අතර එය නොයෙකුත් සහ අවිනිශ්චිත සාධක මගින් බලපායි. මෙම ක්රියාවලියේ ගණිතමය ආකෘති නිර්මාණය බහුවිධ සහ බහු{1}}ක්ෂේත්ර ගැටලුවක් වන අතර, එය සැමවිටම ශාස්ත්රීය සහ කර්මාන්ත යන දෙඅංශයේම ප්රධාන අවධානයක් සහ අභියෝගයක් වී ඇත. බල බැටරියක ආදාන උද්දීපනය (පූරණය ධාරාව) සහ නිමැවුම් නිරීක්ෂණ (වෝල්ටීයතාව සහ උෂ්ණත්වය) බල බැටරි කළමනාකරණ පද්ධතිය සඳහා සීමිත මැනිය හැකි පරාමිතීන් වේ. බලශක්ති බැටරිවල බාහිර ලක්ෂණ වඩාත් නිවැරදිව විස්තර කිරීම, විශ්වාසදායක බල බැටරි රාජ්ය ඇස්තමේන්තු ඇල්ගොරිතම සැලසුම් කිරීම සහ නව බලශක්ති වාහන සඳහා ප්රශස්ත බලශක්ති කළමනාකරණ පද්ධති සංවර්ධනය කිරීම සඳහා නිවැරදි ආකෘති නිර්මාණය අත්යවශ්ය වේ. සාමාන්ය බල බැටරි ආකෘති ප්රධාන වශයෙන් විද්යුත් රසායනික ආකෘති, සමාන පරිපථ ආකෘති සහ යන්ත්ර ඉගෙනුම් ආකෘති වලට බෙදා ඇත.
(1) විද්යුත් රසායනික ආකෘතිය
-1990 ගණන්වල මැද භාගයේදී, බර්ක්ලි හි කැලිෆෝනියා විශ්ව විද්යාලයේ M. ඩොයිල්, ටීඑෆ් ෆුලර් සහ ජේ. නිව්මන් විසින් සිදුරු සහිත ඉලෙක්ට්රෝඩ සහ සාන්ද්රගත විද්යුත් රසායනික විසඳුම් යාන්ත්රණය සැකසීමේ යාන්ත්රණයේ න්යාය මත පදනම්ව ව්යාජ-ද්වි-මාන (P2D) ආකෘතියක් ස්ථාපිත කරන ලදී. මෙම ආකෘතිය අනෙකුත් විද්යුත් රසායනික සංසිද්ධි අතර බල බැටරිය තුළ ලිතියම් අයන විසරණය සහ සංක්රමණය, ක්රියාකාරී අංශු මතුපිට විද්යුත් රසායනික ප්රතික්රියා, ඕම් නියමය සහ ආරෝපණ සංරක්ෂණය නිවැරදිව විස්තර කිරීමට අර්ධ අවකල සමීකරණ සහ වීජීය සමීකරණ මාලාවක් භාවිතා කරයි. අද වන විට, බොහෝ විද්යුත් රසායනික ආකෘති මෙම ආකෘතියෙන් ව්යුත්පන්න කර සංවර්ධනය කර ඇත. විද්යුත් රසායනික ආකෘතියක් යනු බලශක්ති බැටරියක බාහිර ලක්ෂණ පමණක් නොව අභ්යන්තර ලක්ෂණවල ව්යාප්තිය සහ වෙනස්වීම් (ඉලෙක්ට්රෝඩ සහ ඉලෙක්ට්රෝලය තුළ ලිතියම් අයන සාන්ද්රණය සහ මැනීමට අපහසු ප්රතික්රියා අධි විභවය වැනි) නිරවද්යව අනුකරණය කළ හැකි පළමු මූලධර්ම ආකෘතියකි. අනෙකුත් බල බැටරි ආකෘති සමඟ සසඳන විට, විද්යුත් රසායනික ආකෘතිවලට බලශක්ති බැටරිය තුළ ඇති අන්වීක්ෂීය ප්රතික්රියා වැඩි ගැඹුරකින් විස්තර කළ හැකි අතර වඩාත් පැහැදිලි භෞතික අර්ථයක් ඇත.
P2D මාදිලි විවිධ ද්රව්ය පද්ධති සහිත බැටරි වර්ගවලට අදාළ වන බහුකාර්ය සහ පරිමාණය කළ හැකි අතර, වඩාත් සංකීර්ණ බහු{1}}ක්ෂේත්ර සම්බන්ධක ආකෘති වෙත සංවර්ධනය කර දීර්ඝ කළ හැක. එබැවින්, P2D මාදිලි බැටරි ආකෘති නිර්මාණයේදී ප්රතිස්ථාපනය කළ නොහැකි කාර්යභාරයක් ඉටු කරයි. කෙසේ වෙතත්, ඒවායේ සංකීර්ණ අර්ධ අවකල සමීකරණ සහ බොහෝ විද්යුත් රසායනික පරාමිතීන් අඩංගු වන අතර, බැටරි කළමනාකරණ පද්ධතියේ (BMS) ගණනය කිරීමේ හැකියාවන් සඳහා ඉහළ ඉල්ලුමක් පවතී. දැනට, P2D ආකෘති විසඳීමේදී මූලික වශයෙන් පරිමිත වෙනස ක්රමය, පරිමිත මූලද්රව්ය ක්රමය සහ පරිමිත පරිමාව ක්රමය වැනි සංඛ්යාත්මක ක්රම භාවිතා කරයි.
(2) සමාන පරිපථ ආකෘතිය
සමාන පරිපථ ආකෘතිය බලශක්ති බැටරියේ බාහිර ලක්ෂණ විස්තර කිරීම සඳහා පරිපථ ජාලයක් සෑදීම සඳහා ප්රතිරෝධක, ධාරිත්රක සහ නියත වෝල්ටීයතා මූලාශ්ර වැනි සාම්ප්රදායික පරිපථ මූලද්රව්ය භාවිතා කරයි. මෙම ආකෘතිය බල බැටරියේ තාප ගතික සමතුලිතතා විද්යුත් චලන බලය නියෝජනය කිරීමට වෝල්ටීයතා ප්රභවයක් සහ බල බැටරියේ ගතික ලක්ෂණ විස්තර කිරීමට RC ජාලයක් භාවිතා කරයි. සමාන පරිපථ ආකෘතිය බලශක්ති බැටරියේ විවිධ මෙහෙයුම් තත්වයන් සඳහා හොඳ අදාළත්වයක් ඇති අතර, ආකෘතියේ රාජ්ය සමීකරණ ව්යුත්පන්න කළ හැක, විශ්ලේෂණය සහ යෙදුම සඳහා පහසුකම් සපයයි. සමාන පරිපථ ආකෘතිය නව බලශක්ති වාහන ආකෘති නිර්මාණය සහ සමාකරණ පර්යේෂණ සහ ආකෘති-පාදක BMS සඳහා බහුලව භාවිතා වේ. රූප සටහන 7-27 n-RC මාදිලිය ලෙසින් හඳුන්වන n RC ජාල ව්යුහයන්ගෙන් සමන්විත බල බැටරියක සාමාන්ය සමාන පරිපථ ආකෘතියක් පෙන්වයි. මෙම ආකෘතිය කොටස් තුනකින් සමන්විත වේ:
1) වෝල්ටීයතා මූලාශ්රය: බල බැටරියේ විවෘත-පරිපථ වෝල්ටීයතාව $U_{oc}$ මගින් නිරූපණය කෙරේ.
2) Ohmic අභ්යන්තර ප්රතිරෝධය: බල බැටරි ඉලෙක්ට්රෝඩ ද්රව්ය, ඉලෙක්ට්රෝලය, හුදකලා ප්රතිරෝධක සහ විවිධ සංරචකවල සම්බන්ධතා ප්රතිරෝධය $R_o$ මගින් නිරූපණය කෙරේ.
3) RC ජාලය: ධ්රැවීකරණ ලක්ෂණ සහ විසරණ බලපෑම් ඇතුළුව බල බැටරියේ ගතික ලක්ෂණ, ධ්රැවීකරණ ප්රතිරෝධය $R_p$ සහ ධ්රැවීකරණ ධාරිතාව $C_p$ මගින් විස්තර කෙරේ, මෙහි $i=0, ..., n_s$.
රූපය 7-27 හි, Up මගින් බලශක්ති බැටරියේ ධ්රැවීකරණ වෝල්ටීයතාවය නියෝජනය කරයි.
Kirchhoff ගේ වෝල්ටීයතා නියමය සහ වත්මන් නියමය සහ ධාරිත්රක වෝල්ටීයතා වෙනස්වීම සහ ධාරාව අතර සම්බන්ධය මත පදනම්ව, පරිපථ ආකෘතියේ-අවකාශ සමීකරණය මෙසේ ප්රකාශ කළ හැක:
Rint ආකෘතිය, Thevenin ආකෘතිය, සහ ද්විත්ව ධ්රැවීකරණය (DP) මාදිලිය වැනි බහුලව භාවිතා වන බල බැටරි සමාන පරිපථ ආකෘති n-RC සමාන පරිපථ ආකෘතියේ විශේෂ අවස්ථා වන විට පිළිවෙලින් n=0, n=1, සහ n=2, බලය සහ බැටරි රාජ්ය කළමනාකරණයේ බහුලව භාවිතා වේ.
(3) යන්ත්ර ඉගෙනුම් ආකෘති
යන්ත්ර ඉගෙනුම් ආකෘති බැටරියේ අභ්යන්තර සංයුතිය සහ නිශ්චිත ප්රතික්රියා යාන්ත්රණ පිළිබඳ දැනුමක් අවශ්ය නොවේ; ඔවුන්ට අවශ්ය වන්නේ බැටරියේ ඓතිහාසික මෙහෙයුම් දත්ත (ධාරා, වෝල්ටීයතාව, උෂ්ණත්වය, ආදිය) ලබා ගැනීම පමණි. අත්යවශ්යයෙන්ම, ඔවුන් දත්ත-ධාවන ක්රම හරහා විචල්යයන් අතර රේඛීය නොවන සිතියම්කරණ ශ්රිත ස්ථාපිත කරයි. මෙම මාදිලියේ ප්රධාන වාසිය වන්නේ විවිධ බැටරි වර්ග සඳහා එහි අදාළත්වය, එහි හොඳ බහුකාර්යතාව සහ බැටරි හැසිරීම් වල රේඛීය නොවන ලක්ෂණ සම්පූර්ණයෙන්ම අනුකරණය කිරීමට ඇති හැකියාවයි.
බලශක්ති බැටරි කළමනාකරණය සහ පාලන ක්ෂේත්රයේ, යන්ත්ර ඉගෙනීමේ ක්රමවලට ප්රධාන වශයෙන් නොපැහැදිලි තර්කනය, ස්නායු ජාල, ආධාරක දෛශික යන්ත්ර සහ ඒවායේ ඒකාබද්ධ ඇල්ගොරිතම ඇතුළත් වේ. 2016 මාර්තු මාසයේදී, Go ලෝක ශූර Lee Sedolට එරෙහිව AlphaGo හි ජයග්රහණය ගැඹුරු ඉගෙනීමට නව ජීව ශක්තියක් එන්නත් කළ අතර, නව පර්යේෂණ සහ යෙදුම් රැල්ලක් අවුලුවාලන අතර, එය බැටරි කළමනාකරණයට ද යොදා ගෙන ඇත. පුහුණුව සඳහා ප්රමාණවත් බැටරි දත්ත සහිතව, මෙම වර්ගයේ ආකෘතිය හොඳ අනාවැකි කාර්ය සාධනයක් ලබා ගත හැකිය. කෙසේ වෙතත්, මෙම ආකෘතියට භෞතික අර්ථයක් නොමැත, අර්ථකථනය කළ නොහැකි අතර, එහි කාර්ය සාධනය පුහුණු දත්තවල ප්රමාණය හා ගුණාත්මක භාවයට බෙහෙවින් බලපායි, බැටරි කළමනාකරණ පද්ධති සඳහා යොදන විට එහි විශ්වසනීයත්වය සහ ශක්තිමත් බව සහතික කිරීමට අපහසු වේ.
