الیکٹرک گاڑیوں میں بیٹری بیٹری کی صحت کی بحالی کا ایک اہم مرکز ہے۔ بیٹری مینجمنٹ سسٹم (BMS) اس کی صحت کی حالت (SOH) کا جائزہ لے کر بیٹری کی بہترین حالت کو برقرار رکھتا ہے۔ SOH کو درست طریقے سے شناخت کرنے سے بیٹری کی تبدیلی کے وقت کا تعین کیا جا سکتا ہے، بیٹری کی خرابی سے بچا جا سکتا ہے، اور اس کی سروس لائف کو بڑھایا جا سکتا ہے۔ اس مضمون کا مقصد SOH پیرامیٹرز کی نشاندہی کرکے BMS کی کارکردگی کو بہتر بنانا ہے۔ تھیونین بیٹری ماڈل کی بنیاد پر، کلیدی پیرامیٹرز جیسے R{{0}}، Rp، اور Cp حاصل کیے جاتے ہیں۔ دو انکولی الگورتھم، کولمب کاؤنٹنگ اور اوپن سرکٹ وولٹیج، پیرامیٹر کی شناخت کو مکمل کرنے کے لیے استعمال کیے جاتے ہیں۔ غلطی کے لحاظ سے دو الگورتھم کے نتائج، مطلب مطلق غلطی (MAE)، جڑ کا مطلب مربع غلطی (RMSE)، اور حتمی SOH قدر کا موازنہ کیا جاتا ہے۔ تحقیق تخمینہ کی غلطی کے اعداد و شمار اور قابل اعتماد BMS کارکردگی کی معلومات حاصل کرنے پر مرکوز ہے۔ نتائج سے پتہ چلتا ہے کہ کولمب گنتی کے طریقہ کار میں SOH تخمینہ میں اوپن سرکٹ وولٹیج کے طریقہ کار کے مقابلے میں ایک چھوٹی غلطی ہے، جس میں 1.770% کی خرابی ہے۔ حتمی SOH قدر 17.33% ہے، اور Thevenin بیٹری ماڈل میں بیٹری کے لیے ماڈلنگ کی غلطی 0.0451% ہے۔
1. تعارف
الیکٹرک وہیکل بیٹری اور بیٹری مینجمنٹ سسٹم (BMS):برقی گاڑیوں میں، بیٹری توانائی کا بنیادی ذریعہ ہے، جو انجن اور دیگر نظاموں کو طاقت فراہم کرتی ہے۔ روایتی کاروں کے برعکس، الیکٹرک گاڑیوں کی بیٹریاں نسبتاً کم صلاحیت اور وولٹیج کی حامل ہوتی ہیں اور عام طور پر بیٹری کے ماڈیولز میں پیک کی جاتی ہیں۔ بیٹری سسٹم متعدد بیٹریوں پر مشتمل ہوتا ہے، جن کا انتظام BMS کے ذریعے کیا جاتا ہے۔ اس کے افعال میں بیٹری ورکنگ سسٹم کو بہتر بنانا شامل ہے، جس میں دو اہم پیرامیٹرز شامل ہیں: اسٹیٹ آف چارج (SOC) اور اسٹیٹ آف ہیلتھ (SOH)۔ SOC بقیہ صلاحیت اور کل صلاحیت کا تناسب ہے، جبکہ SOH موجودہ کارکردگی اور نئی بیٹری کی کارکردگی کے درمیان موازنہ کی قدر ہے، جس کی براہ راست پیمائش نہیں کی جا سکتی اور اس کا تخمینہ لگانے کی ضرورت ہے۔
تحقیقی پس منظر اور متعلقہ طریقے:اسٹیٹ آف ہیلتھ (SOH) بیٹری کی کارکردگی اور عمر کا اندازہ لگا سکتی ہے۔ بیٹری کے استعمال کے دوران معیار میں کمی، اندرونی مزاحمت اور صلاحیت کے پیرامیٹرز میں تبدیلیاں ہو سکتی ہیں۔ SOH پیرامیٹرز کی شناخت کرنے سے بیٹری کی اصل حالت کا تعین کرنے، متبادل اوقات کی تجویز کرنے اور بیٹری کی زندگی کو بڑھانے میں مدد ملتی ہے۔ اسٹیٹ آف ہیلتھ (SOH) یا اسٹیٹ آف چارج (SOC) کا اندازہ لگانے کے لیے فی الحال متعدد طریقے ہیں، لیکن کچھ طریقے ہیں جو بیک وقت دونوں کی شناخت کرتے ہیں اور BMS پر کمپیوٹیشنل بوجھ کو کم کرنے کے لیے مناسب پیرامیٹرز تیار کرتے ہیں۔ بیٹری کے پیرامیٹرز کی نگرانی کے لیے الگورتھم کو پیرامیٹر کی تبدیلیوں کے مطابق ڈھالنے اور بیٹری کی حالت کا اندازہ لگانے کی ضرورت ہے۔ طریقوں کو تین اقسام میں تقسیم کیا جا سکتا ہے، بشمول سپیکٹرل مائبادی کا طریقہ، سرکٹ ماڈل مساوات کا طریقہ، اور الیکٹرو کیمیکل مائبادا ماڈل طریقہ۔
متعلقہ کام کا جائزہ:بیٹری کے پیرامیٹرز کی شناخت کے لیے پچھلی تحقیق میں عام طور پر متعدد طریقے استعمال کیے گئے ہیں۔ کولمبک گنتی (CC) اور اوپن سرکٹ وولٹیج (OCV) کے طریقے برقی گاڑی BMS میں بڑے پیمانے پر استعمال ہوتے ہیں، ہر ایک کے اپنے فوائد اور نقصانات ہیں۔ CC طریقہ SOH کا تخمینہ بیٹری کے اندر اور باہر کی صلاحیت کی نگرانی کرکے، چارجنگ سائیکل کے دوران بجلی کے نقصان کو مدنظر رکھتے ہوئے، اور وولٹیج کی بحالی کے ذریعے متعلقہ معلومات بھی فراہم کر سکتا ہے۔ بیٹری کے مکمل طور پر آرام کرنے کے بعد OCV طریقہ کو متوازن وولٹیج کے طور پر سمجھا جا سکتا ہے، اور BMS بیٹری پیرامیٹر کے حالات پر غور کر کے اسٹیٹ آف ہیلتھ (SOH) کا اندازہ لگایا جاتا ہے۔
اس مطالعہ کا فوکس بیٹری کی زندگی کو بڑھانے کے لیے درست SOH پیرامیٹرز کی نشاندہی کرنا ہے۔ SOH پیرامیٹرز کی تشخیص اور شناخت کے لیے بیٹری ماڈل پر مبنی طریقہ استعمال کیا جاتا ہے۔ تھیوینن بیٹری ماڈل کا استعمال R0، Rp، اور Cp پیرامیٹرز کی شناخت کے لیے ایک انکولی الگورتھم (Recursive Least Squares, RLS) کے ذریعے کیا جاتا ہے۔ تشخیص کے نتائج کی بنیاد پر، کمپیوٹیشنل بوجھ کو کم کرنے کے لیے درست SOH تخمینے حاصل کیے جاتے ہیں۔
تحقیقی شراکت:بیٹری کے پیرامیٹرز کی جانچ کے نتائج BMS سسٹم کی کارکردگی کا جائزہ لینے کے لیے معقول تخمینہ اور چھوٹی غلطی کی شرح فراہم کرتے ہیں۔ Coulomb گنتی کا طریقہ بیٹری کی گنجائش کا حساب لگانے کے لیے آسان ہے، اور بیٹری کی زیادہ سے زیادہ طاقت چارج اور ڈسچارج سائیکل کے بڑھنے کے ساتھ کم ہو جاتی ہے۔ تھیونین بیٹری ماڈل کی نسبتہ خرابی 2% سے کم ہے۔ SOH تخمینہ کی درستگی کے لحاظ سے، CC طریقہ RLS سے برتر ہے، اور CC طریقہ بیٹری کے ٹرمینل وولٹیج اور SOC کا اندازہ لگا سکتا ہے، جبکہ OCV طریقہ صرف بیٹری کے پیرامیٹرز کا اندازہ لگا سکتا ہے۔
2. بیٹری مینجمنٹ سسٹم
بیٹری کے اجزاء (بی ایم ایس کے افعال اور ساخت):BMS الیکٹرک گاڑیوں میں سیکڑوں یا ہزاروں بیٹریوں پر مشتمل بیٹری سسٹم کو ریگولیٹ کرتا ہے، اور اس کے اہم کام ہوتے ہیں جیسے کہ نگرانی، پیرامیٹرز کا تخمینہ لگانا، حفاظت کرنا، رپورٹس فراہم کرنا، اور بیٹریوں کا توازن۔ اس کے اہم کاموں میں بیٹری کو نقصان سے بچانا، بیٹری کو مناسب وولٹیج اور درجہ حرارت کی حدود میں چلانا، اور بیٹری کو ایسے پیرامیٹرز پر کام کرنے کے لیے برقرار رکھنا جو سسٹم کی ضروریات جیسے SOC، SOH، اور SOF کو پورا کرتے ہیں۔ BMS سینسر، ایکچویٹرز، اور کنٹرولرز پر مشتمل ہوتا ہے، جس میں ان پٹ شامل ہوتے ہیں جن میں سینسر سگنلز جیسے کرنٹ، وولٹیج، درجہ حرارت، اور پیڈلز، اور آؤٹ پٹ شامل ہوتے ہیں جن میں تھرمل مینجمنٹ، بیلنس، سیفٹی مینجمنٹ، چارجنگ انڈیکیشن، فالٹ الارم اور کمیونیکیشن کے ماڈیولز شامل ہیں۔ BMS سافٹ ویئر میں متعدد فنکشنل ماڈیولز شامل ہیں جیسے بیٹری پیرامیٹر کا پتہ لگانا، تخمینہ لگانا، اور غلطی کی تشخیص۔ بیٹری وولٹیج کی پیمائش، پیرامیٹر کا تخمینہ، توازن، اور خرابی کی تشخیص BMS کے اہم مسائل ہیں، جن میں بیٹری وولٹیج کی پیمائش میں مشکلات کا سامنا کرنا پڑتا ہے جیسے کہ بیٹری سیریز کے کنکشن اور اعلی درستگی کی ضروریات کی وجہ سے وولٹیج میں فرق۔
بیٹری ماڈلنگ:یہ مضمون بیٹری ماڈلنگ کے ذریعے اسٹیٹ آف ہیلتھ (SOH) کے پیرامیٹرز کا تعین کرتا ہے، اور درست تخمینہ حاصل کرنے کے لیے ان پٹ بیٹری وولٹیج، کرنٹ، اور درجہ حرارت کے پیرامیٹرز کو SOH میں تبدیل کرتا ہے۔ تھیوینن بیٹری ماڈل کا استعمال کرتے ہوئے، بیٹری پولرائزیشن کے عمل کے وولٹیج کے عارضی ردعمل کو بیٹری کی اندرونی مزاحمت اور اہلیت کے پیرامیٹرز کو منتخب کرکے بیان کیا جاتا ہے۔ بیٹری ماڈل کی ریاضیاتی مساوات اور متعلقہ پیرامیٹرز (Voc, R0, Rp، اور Cp) کے حساب کے طریقے فراہم کیے گئے ہیں، جو RLS الگورتھم کے ذریعے حاصل کیے جاتے ہیں اور تھیونین بیٹری ماڈل پر لاگو ہوتے ہیں۔
3. صحت کی حالت کے پیرامیٹرز کا تعین کریں۔
صحت کی حیثیت کے پیرامیٹرز کی شناخت کی اہمیت اور طریقے:بی ایم ایس کی کارکردگی کے لیے درست SOH پیرامیٹرز اہم ہیں۔ یہ مطالعہ SOH ابتدائی اقدار کو حاصل کرنے اور BMS کارکردگی کا جائزہ لینے کے لیے ان پیرامیٹرز کی شناخت کے لیے ایک انکولی الگورتھم کے طور پر Coulomb گنتی کا استعمال کرتا ہے۔ Thevenin بیٹری ماڈل کا استعمال بیٹری ماڈل کے پیرامیٹرز اور OCV-SOC فنکشن کا تعین کرنے کے لیے کیا جاتا ہے۔ مخصوص عمل میں بیٹری ماڈل میں کرنٹ داخل کرنا، ٹرمینل وولٹیج ڈیٹا کا تجزیہ کرنا، ٹائم ڈومین سے SOC ڈومین میں تبدیل کرنا، اور OCV-SOC فنکشن حاصل کرنے کے لیے کریو فٹنگ شامل ہے۔ پیرامیٹر کی شناخت کا عمل اس وقت تک دہرایا جاتا ہے جب تک کہ SOH کا تخمینہ مناسب نہ ہو اور غلطی کی شرح کم نہ ہو۔
OCV-SOC فنکشن:تھیوینن بیٹری ماڈل کی بنیاد پر، OCV (SOC) ایک سورس وولٹیج پیرامیٹر ہے جو بیٹری پیک کو منسلک کرنے سے پہلے بغیر کسی منسلک لوڈ کے بیٹری کے وولٹیج اور وولٹیج کی جانچ کرکے حاصل کیا جاتا ہے۔ SOC OCV وکر کا تخمینہ لگاتار لوڈ ٹیسٹ ڈیٹا کا استعمال کرتے ہوئے لگایا جاتا ہے اور اسے بارہویں ترتیب کے کثیر نام کے ساتھ لگایا جاتا ہے۔ دسویں ترتیب کثیر میں Voc کا تخمینہ لگانے میں سب سے زیادہ درستگی ہے اور سب سے چھوٹی جڑ مطلب مربع غلطی (RMSE) ہے، جس کا SOC اور OCV فنکشنز کی درستگی پر نمایاں اثر پڑتا ہے۔
R0، Rp، اور Cp پیرامیٹرز:تھیونین بیٹری ماڈل کے لیے ایس او سی میں سورس وولٹیج کے طور پر OCV کی ضرورت ہوتی ہے، جو نبض کی جانچ کے ذریعے حاصل کی جاتی ہے۔ R{{0}} ایک اندرونی مزاحمت ہے جس کی قدر دیگر مزاحمتوں سے زیادہ ہے۔ نمونے لینے کی مدت کے مسئلے کی وجہ سے، ڈیٹا کی چھوٹی تبدیلیوں کو پکڑنا مشکل ہے۔ R0 اور SOC کے درمیان تعلق سیکنڈ آرڈر پولینومیئل کریو فٹنگ کے ذریعے حاصل کیا گیا تھا، جس کی اوسط R0 قدر 0.027735 Ω ہے۔ R0، Rp، اور Cp وولٹیج اور موجودہ نبض کی جانچ کے لیے ان پٹ ڈیٹا فراہم کرتے ہیں اور آؤٹ پٹ پیرامیٹر کی قدریں حاصل کرتے ہیں۔
تجرباتی نتیجہ
بیٹری کے ذریعے مانیٹر کیے جانے والے اسٹیٹ آف ہیلتھ (SOH) کے پیرامیٹرز کا تجزیہ کرکے، BMS کی کارکردگی حاصل کی جاتی ہے، اور جسمانی پیرامیٹر ڈیٹا جیسے کہ ٹرمینل وولٹیج اور بیٹری کا انلیٹ/آؤٹ لیٹ کرنٹ حاصل کیا جاتا ہے۔ بیٹری ماڈلنگ کی بنیاد پر، پیرامیٹر ڈیٹا کی شناخت کی جاتی ہے اور اسے بیٹری کی حیثیت کی نگرانی اور تحفظ کے نظام کے لیے استعمال کیا جاتا ہے۔ SOH تخمینہ کے طریقہ کار میں بیٹری کی مزاحمت اور صلاحیت میں تبدیلیوں کی پیمائش شامل ہے، بالترتیب Ohm کے قانون اور Coulomb گنتی کا طریقہ استعمال کرتے ہوئے، اور SOC اور SOH اقدار کو حاصل کرنے کے لیے OCV-SOC رشتہ مساوات میں OCV قدر کو تبدیل کرنا۔
سٹیٹک ڈسچارج ٹیسٹ کیا گیا، اور نتائج سے ظاہر ہوا کہ CC الگورتھم نے موجودہ قدر کو وقت سے ضرب دے کر SOH تبدیلی حاصل کی، جب کہ OCV الگورتھم نے بیٹری ماڈل کے ٹرمینل وولٹیج یا OCV ویلیو کا استعمال کر کے SOH قدر حاصل کی۔ دو الگورتھم کے SOH تبدیلی کے منحنی خطوط ایک جیسے تھے۔ ٹیسٹ نے بیٹری پیرامیٹر کی شناخت کے نتائج بھی حاصل کیے، اور بیٹری میں نرمی کی خصوصیات کو پیرامیٹر کی شناخت کے لیے استعمال کیا جا سکتا ہے۔ ٹیسٹ سائیکل جتنا تیز ہوگا، SOH کا تخمینہ اتنا ہی درست ہوگا۔ CC الگورتھم SOH ابتداء میں OCV الگورتھم سے برتر ہے، جو بیٹری کی اندرونی مزاحمت کو بہتر طور پر سمجھ سکتا ہے اور ساتھ ہی ساتھ بیٹری کے ٹرمینل وولٹیج Vt، SOC، اور SOH کا تخمینہ لگا سکتا ہے، جس میں تخمینہ کی غلطی 2% سے کم ہے۔
SOH پیرامیٹرز کی شناخت کے خرابی کے ڈیٹا سے، CC الگورتھم کی اوسط مربع غلطی (MSE) ہے {{0}}.0111، حتمی SOH قدر 17.33% ہے، غلطی کا فیصد 1.770% ہے، اور جڑ مطلب مربع غلطی (RMSE) 0.0132 ہے۔
تحقیق کے نتائج کی بحث:CC اور OCV الگورتھم پر بیٹری کی اندرونی مزاحمت کا اثر ایک جیسا ہے، اور CC الگورتھم چھوٹی غلطیوں کے ساتھ اندرونی مزاحمت کو بہتر طور پر سمجھ سکتا ہے۔ CC الگورتھم بیٹری کے ٹرمینل وولٹیج Vt، SOC، اور SOH کا بیک وقت کامیابی سے اندازہ لگا سکتا ہے، تخمینہ کی غلطی 2% سے کم ہے۔ ڈسچارج ٹیسٹ میں، CC الگورتھم SOH ابتدائیہ میں OCV الگورتھم سے زیادہ درست ہے، جس میں CC الگورتھم کے لیے 1.770% اور OCV الگورتھم کے لیے 3.256% کا تخمینہ اوسط مربع غلطی (MSE) ہے۔ یہ نتائج بی ایم ایس کی تشخیص میں پیرامیٹر کی شناخت کے لیے حوالہ فراہم کرتے ہیں۔
4. خلاصہ
SOH پیرامیٹر کی شناخت پر مبنی BMS کی کارکردگی کی جانچ کے نتائج سے پتہ چلتا ہے کہ Coulomb گنتی الگورتھم کے تخمینہ کے بہتر نتائج ہیں، SOH تخمینہ کی غلطی 1.770% اور حتمی SOH قدر 17.33% ہے۔ بیٹریوں کے لیے تھیونین بیٹری ماڈل کی ماڈلنگ کی خرابی 0.0451% ہے۔ دو طریقوں (کولمب گنتی اور اوپن سرکٹ وولٹیج) کا استعمال کرتے ہوئے SOH تخمینہ کی درستگی کے لحاظ سے، کولمب گنتی میں زیادہ درستگی ہوتی ہے۔ اس کے علاوہ، بیٹری ماڈلنگ پر مبنی انکولی الگورتھم بیٹری کے ٹرمینل وولٹیج اور SOH کا اندازہ لگا سکتے ہیں۔