پديد آورنده :
فيروزي مقام، دانيال
عنوان :
تخمين وضعيت سلامت باتري‌هاي ليتيوم-يون با استفاده از روش يادگيري با نظارت ضعيف
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
الكترونيك قدرت و ماشين‌هاي الكتريكي
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
سيزده، 90ص. : مصور، جدول، نمودار
توصيفگر ها :
باتري‌هاي ليتيوم-يون , تخمين ظرفيت , تخمين سطح سلامت , يادگيري با نظارت ضعيف , معماري پردازش ابري براي تخمين وضعيت سلامت باتري , اينترنت اشيا
تاريخ ورود اطلاعات :
1402/07/16
دانشكده :
مهندسي برق و كامپيوتر
تاريخ ويرايش اطلاعات :
1402/07/17
چكيده فارسي :
يكي از مشكلات اصلي صنعتي شدن كشورهاي جهان و گسترش استفاده از سوخت‌هاي فسيلي، آلودگي هوا و گرمايش زمين است. بر اين اساس قوانين بين المللي متعددي براي كاهش آلاينده‌هاي ناشي از صنايع مختلف و حمل و نقل وضع شده است. بخش قابل توجهي از انتشار آلاينده‌هاي ناشي از حمل و نقل جاده‌اي و خودروهاي با سوخت فسيلي است. به همين دليل در سال‌هاي اخير توسعه و جايگزيني اين نوع خودروها با خودروهاي برقي به شدت مورد توجه قرار گرفته است. يكي از چالش‌هاي توسعه خودروهاي برقي، ذخيره انرژي الكتريكي با چگالي انرژي و توان مناسب و با قابليت شارژ و دشارژ متعدد است. بر اين اساس پركاربردترين ذخيره‌ساز انرژي در خودروهاي برقي كه به مرحله تجاري‌سازي رسيده است، باتري ليتيوم-يون مي‌باشد. اين نوع باتري بر اثر فعل و انفعالات شيميايي دروني و عوامل بيروني مختلف، در گذر زمان و طي چرخه‌هاي شارژ و دشارژ متعدد، دچار كاهش ظرفيت و اصطلاحاً پيري مي‌شود. با توجه به اين موضوع و اهميت قابليت اطمينان منبع انرژي در بحث خودروهاي برقي، روش‌هاي متعددي براي تخمين ظرفيت اين نوع باتري ارائه شده است و تحقيق و توسعه اين روش‌ها همچنان ادامه دارد. يكي از چالش‌هاي اين حوزه، تخمين عمر باتري خودرو برقي به صورت برخط و با حجم داده برچسب‌دار محدود است كه در اين تحقيق مورد بررسي قرار مي‌گيرد. در اين پايان‌نامه پس از معرفي و مقايسه ذخيره‌سازهاي الكتروشيميايي، عوامل موثر بر كاهش ظرفيت آن‌ها در دو دسته عوامل دروني و بيروني بررسي مي‌شود. سپس با توجه به اين كه نمي‌توان ظرفيت باتري‌ها را با حسگرها به صورت مستقيم اندازه‌گيري كرد، روش‌هاي تخمين ظرفيت شامل روش‌هاي اسپكتروسكوپي امپدانس الكتروشيميايي، مدل‌هاي مداري و تحليلي و روش‌هاي داده‌محور بررسي مي‌شوند. از روش اسپكتروسكوپي امپدانس الكتروشيميايي نمي‌توان براي تخمين برخط ظرفيت باتري استفاده كرد و نياز به تجهيزات خاص آزمايشگاهي دارد. همچنين در مدل‌هاي مداري و تحليلي، با پير شدن باتري پارامترهاي مدل تغيير مي‌كند و قابليت اطمينان روش كاهش مي‌يابد. همچنين براي تخمين عمر باتري با استفاده از روش‌هاي داده‌محور، نياز به داده‌هاي زياد و برچسب‌دار مي‌باشد. با توجه به اين دلايل، در ادامه پايان‌نامه روش پيشنهادي پيمايش نقطه به نقطه براي تخمين ظرفيت باتري بر اساس تعداده داده برچسب‌دار محدود و پراكنده معرفي و مباني رياضي آن ارائه مي‌شود. سپس روش پيشنهادي با استفاده از مجموعه داده تست ناسا ارزيابي مي‌شود. اين روش كه مشخصه ظرفيت باتري را استخراج مي‌كند، نسبت به تفاوت در ظرفيت نامي باتري‌ها مقاوم است و مي‌تواند ظرفيت باتري نو را فقط با داشتن ظرفيت نامي آن تا آخرين چرخه تخمين بزند. همچنين با افزايش تعداد داده‌هاي برچسب‌دار دقت تخمين اين روش بهبود مي‌يابد. در ادامه براي جمع‌آوري داده‌هاي ظرفيت باتري، معماري سامانه جمع‌آوري داده طراحي و ارائه مي‌شود. در معماري پيشنهادي، دو نوع داده شامل داده‌هاي برچسب‌دار محدود و پراكنده و داده‌هاي بدون برچسب با حجم زياد براي استخراج مشخصه ظرفيت باتري تعريف مي‌شوند. همچنين براي جمع‌آوري داده‌هاي بدون برچسب، نمونه عملي داده‌نگار بر بستر اينترنت اشيا طراحي و ساخته مي‌شود.
چكيده انگليسي :
United Nations framework convention on climate change forces governments to reduce pollutants caused by their industries and transportation. The emissions of non-electric vehicles are among the significant components of air pollutants. For this reason, in recent years, the replacement of these vehicles with electric ones have been highly considered. One of the challenges in the development of electric vehicles is improvement of the energy storage lifespan under multiple charging/discharging cycles. The most widely used energy storage in electric vehicles (EVs) that has reached the commercialization stage is a lithium-ion battery. Due to internal interactions and various external factors, the battery ages over the time and following successive partial and full charging/discharging cycles. Considering the importance of reliability of the energy storage in electric vehicles, ongoing researches in this field deal with several methods to estimate the capacity of this type of battery in order to estimate the battery state of health. This work proposes and demonstrates an online health estimation method for a battery using a data-driven method with limited labeled data so-called weakly supervised learning. In this thesis, firstly, the electrochemical battery and their fundamental reactions are investigated, then the contributing factors that impact on aging with respect to internal and external characteristics are studied. Then, capacity estimation methods including electrochemical impedance spectroscopy methods, circuit and analytical models, and data-driven methods are investigated and compared. The electrochemical impedance spectroscopy method cannot be used to estimate the battery capacity online since it requires special laboratory equipment. Also, in circuit and analytical models, as the models age, the model parameters need to be updated using labeled data that is unavailable. Also, it is shown that data-driven methods need an enriched dataset in advance to accurately estimate the battery health. The proposed method of point-to-point mapping enables the usage of data-driven methods with lack of enriched dataset and it is evaluated using the NASA test dataset. It is shown that the proposed method is robust to the difference in the nominal capacity of the batteries and it can estimate the battery health using limited labeled points. Finally, a cloud architecture designed and presented and experimentally evaluated based on internet-of-thing interconnection.
استاد راهنما :
احمدرضا تابش , زينب مالكي
استاد مشاور :
امير خورسندي كوهانستاني
استاد داور :
حميدرضا كارشناس , نسرين رضايي حسين آبادي
