این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۱۲، شماره ۱، صفحات ۶۱-۷۴
عنوان فارسی تخمین هم‌زمان پارامترها و وضعیت شارژ باتری با استفاده از حداقل مربعات بازگشتی و فیلتر ذره‌ای اصلاح‌شده
چکیده فارسی مقاله تخمین وضعیت شارژ باتری (SOC ) در باتری‌های لیتیوم یون نه‌تنها برای مدیریت بهینۀ انرژی، برای اطمینان از عملکرد امن و جلوگیری از شارژ و دشارژ و درنتیجه، کاهش عمر باتری اهمیت زیادی دارد. با وجود این، این پارامتر به‌طور مستقیم از پایانه‌های باتری قابل اندازه‌گیری نیست؛ بنابراین، نیاز به تخمین آنها وجود دارد. در این مقاله از روش حداقل مربعات بازگشتی (RLS ) برای تخمین پارامترهای باتری و از فیلتر ذره‌ای اصلاح‌شده برای تخمین SOC باتری‌های لیتیوم یون استفاده شده است. فیلتر ذره‌ای استاندارد دارای مشکل پدیدۀ تباهیدگی ذرات است که دقت تخمین را کم می‌کند؛ بنابراین، در فیلتر ذره‌ای اصلاح‌شده، الگوریتم تفاضل تکاملی (DE ) و گام مارکوف چاین مونت کارلو (MCMC ) روی PF استاندارد اعمال می‌شود که باعث تخمین دقیق‌تر و سازگارتر از SOC می‌شود. برای ارزیابی عملکرد روش پیشنهادی، این روش با روش‌های کلاسیک مقایسه شده است. نتایج نشان‌دهندۀ عملکرد مؤثر روش پیشنهادی در مقایسه با سایر روش‌ها است.
کلیدواژه‌های فارسی مقاله باتری لیتیوم یون، تخمین وضعیت شارژ، فیلتر ذره‌ای،
عنوان انگلیسی Simultaneous Estimation of model parameters and state-of-charge of Lithium-Ion Batteries using Recursive least squares and Modified Particle Filter
چکیده انگلیسی مقاله Estimating the status of battery charge (SOC) in lithium-ion batteries is important not only for optimum energy management but also for ensuring safe operation and preventing charge and discharge and thus reducing battery life. However, this parameter cannot be directly measured from the battery terminals. Therefore, SOC needs to be estimated. In this paper, the recursive least squares method (RLS) is used to estimate the battery parameters and the modified particle filter is used to estimate the SOC of lithium-ion batteries. The standard particle filter has the problem of particle degeneracy phenomenon, which reduces estimation accuracy. Therefore, in modified particle filter, the difference evolutionary algorithm and the Markov chain Monte Carlo) MCMC (method are applied to the standard PF, that makes the estimation of SOC more accurate and consistent. In order to evaluate the performance of the proposed method, this method is compared with the classical methods. The results show the effective performance of the proposed method compared to other methods.
کلیدواژه‌های انگلیسی مقاله باتری لیتیوم یون, تخمین وضعیت شارژ, فیلتر ذره‌ای
نویسندگان مقاله رمضان هاونگی |
دانشیار، دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند – بیرجند – ایران

نشانی اینترنتی https://isee.ui.ac.ir/article_24949_6dfe7d65024a5c6fe3767bd0a6f85329.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات