تخمین وضعیت شارژ باتری لیتیوم یونی در وسایل نقلیه الکتریکی با استفاده ازمدل یادگیری عمیق

نویسندگان

  • محمود مقدسیان استادیار پردیس صنعتی شهدای هویزه، دانشگاه شهید چمران اهواز، سوسنگرد، ایران نویسنده

کلمات کلیدی:

باتری لیتیوم یونی, شبکه های عصبی مصنوعی, وضعیت شارژ, یادگیری عمیق

چکیده

در این مطالعه یک روش مبتنی بر داده برای تخمین وضعیت شارژ باتری های لیتیوم یونی پیشنهاد شده است تا محدودیت های رویکردهای مرسوم مبتنی بر مدل را که به پارامترهای دقیق نیاز دارند، برطرف کند. عملکرد مدل پیشنهادی با استفاده از برآورد دقت شارژ باتری،تخمین وضعیت شارژ (SOC) باتری در هر محیط اندازه گیری میگردد. در نتیجه، روش پیشنهادی دقت تخمین بالایی (میانگین خطای مطلق کمتر از 4 درصد) را در طیف وسیعی از دمای رانندگی ( 0 تا 25 درجه سانتیگراد) تنها با دادههای رانندگی محدود نشان میدهد.

چاپ شده

1403-06-30

نحوه استناد به مقاله

تخمین وضعیت شارژ باتری لیتیوم یونی در وسایل نقلیه الکتریکی با استفاده ازمدل یادگیری عمیق. (1403). مجله کهربا, 11(44), 76-85. https://kahrobaonline.ir/article/view/KNO-1102-4407

مقالات مشابه

1-10 از 59

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.