مروری بر روش های تخمین سلامت باتری های لیتیوم یونی و مقدار عمرمفیدباقیمانده آن ها

این مقاله تجزیه وتحلیل دقیقی از پیش بینی SOH (سطح سلامت)برای LIBs (باتری های لیتیوم–یون)ارائه می دهد. ابتدا دلایل تخریب را به عنوان پیش زمینه ای برای پیش بینی SOH موردبحث قرار می دهد. به تعریف و رابطه ی بین SOH و RUL (عمر مفید باقیمانده) پرداخته شده است. سپس چارچوبی را برای پیش بینی SOH توسعه می دهد. اصل واکنش داخلی و مکانیسم پیری LIB ها پیچیده است و توصیف آن ها در مدل های خاص می تواند دشوار باشد؛ اما در حال حاضر روش های متعددی برای پیش بینی SOH وجود دارد که بسیاری از آن ها دارای قابلیت های پیش بینی در محیط های شبیه سازی شده هستند اما در BEV های (باتری های خودرو های الکتریکی)واقعی به طور دقیق پیش بینی نمی شود.روش های مختلفی برای پیش بینی سلامت باتری به کار می رودکه در این مقاله روش های پیش بینی SOH فعلی به چهار دسته تقسیم می شوند:۱-روش های مبتنی بر مدل۲- روش های مبتنی برداده۳-روش های ترکیبی۴- روش های دیگر. برای روش هایی که انواع مشابه یا متفاوتی از فرآیندها را ترکیب می کنند، در دسته بندی ترکیبی طبقه بندی می شوند.این چهار دسته نمای کلی خوبی از مطالعات پیش بینی SOH فعلی ارائه می دهند. SOC و OCV به دلیل سادگی و کاربردی بودن، بیشترین استفاده را در BEV های واقعی دارند. بااین حال، روش ترکیبی را که ترکیبی از ICA و داده محور است، دقیق تر و احتمال بیشتری برای استفاده در تولید صنعتی در نظر گرفته می شود. این روش ها را برای پیش بینی BEV های واقعی به کارمی ببرند.بابررسی جامع این روش ها تحلیلی از عملگرد هر روش انجام می شود مزایا ومعایب و کاربرد های هرروش بررسی می شود . دقت پیش بینی در بسیاری از این روش ها بسیار بالاست که می تواند باعث سردرگمی بحث شود. بااین حال، تمام روش های پیش بینی SOH پیشنهادی دامنه کاربرد خود رادارند و در شرایط خاصی می توان به نتایج بهتری دست یافت. همچنین، پیچیدگی و نحوه عملکرد برای هر روش متفاوت است که می تواند بر کاربردهای واقعی تاثیر بگذارد. روش های ترکیبی می تواند یکی از بهترین گزینه ها برای پیش بینی دقیق تر سلامت و عمر باقیمانده باتری باشد.اگرچه سعی شد یک بررسی جامع از پیش بینی SOH ارائه شود، برخی از جنبه ها به طور کامل بررسی نشده اند. این مقاله فقط وضعیت تحقیق پیش بینی SOH را در BEV ها معرفی می کند.

کلیدواژه ها:

و SOH ۲ ، RUL ۳ ، روش پیش بینی ۴ ، ECM