پديد آورنده :
پوررضايي ناو، معين
عنوان :
مديريت هوشمند شارژ باتري با قابليت يادگيري الگوي رفتار مصرف كننده براي افزايش عمر مفيد باتري هاي خودرو برقي
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
الكترونيك قدرت و ماشين هاي الكتريكي
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
ده، 86ص. : مصور، جدول، نمودار
استاد راهنما :
احمدرضا تابش، زينب مالكي
توصيفگر ها :
پيري باتري خودرو برقي , سيكل هاي استاندارد , سطح مناسب شارژ , خوشه بندي
استاد داور :
محمدصادق گلسرخي
تاريخ ورود اطلاعات :
1400/06/02
دانشكده :
مهندسي برق و كامپيوتر
تاريخ ويرايش اطلاعات :
1400/06/06
چكيده فارسي :
ﺑﺎ ﮔﺴﺘﺮش اﺳﺘﻔﺎده از ﺧﻮدروﻫﺎي ﺑﺮقي، ﺑﺎﺗﺮيﻫﺎي ﻟﯿﺘﯿﻮم ﯾﻮن ﺑﻪ دﻟﯿﻞ ﭼگالي اﻧﺮژي ﺑﺎﻻ ﻣﻮرد ﺗﻮﺟﻪ ﻗﺮار ﮔﺮﻓﺘﻪاﻧﺪ. يكي از اﺟﺰاي ﮔﺮان ﻗﯿﻤﺖ در ﺧﻮدروﻫﺎي ﺑﺮقي ﺑﺎﺗﺮي آنﻫﺎ ميﺑﺎﺷﺪ از اﯾﻦ رو ﺗﺤﻘﯿﻘﺎت در ﺟﻬﺖ اﻓﺰاﯾﺶ ﻃﻮل ﻋﻤﺮ ﺑﺎﺗﺮي و ﻋﻮاﻣﻞ ﻣﻮﺛﺮ ﺑﺮ آن ﺻﻮرت ﮔﺮﻓﺘﻪ اﺳﺖ. از مهمترين عوامل موثر در افزايش طول عمر باتري، انتخاب رژيم و نحوه شارژ مناسب براي باتري است. از آنجا كه رفتار رانندگي در خودرو برقي بر نحوه دشارژ و شارژ خودرو موثر است، تنظيم نحوه شارژ خودرو برقي متناسب با نوع استفاده از خودرو برقي و تغيير اين رژيم متناظر با تغيير رفتار رانندگي، مي تواند به عنوان يكي از عوامل موثر در بهبود عمر مفيد باتري خودرو برقي در نظر گرفته شود.
در اﯾﻦ ﭘﺎﯾﺎنﻧﺎﻣﻪ ﺑﺎ درﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻋﻮاﻣﻞ ﻣﻮﺛﺮ ﺑﺮ ﻋﻤﺮ ﺑﺎﺗﺮي در ﺧﻮدرو ﺑﺮقي راﺑﻄﻪ ﺟﺪﯾﺪي ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﻋﻤﺮ ﺑﺎﺗﺮي ﻣﻌﺮفي ﺷﺪه اﺳﺖ. از ﻃﺮفي رواﺑﻂ ﻣﺤﺎﺳﺒﻪ ﻋﻤﺮ باﺗﺮي داراي ﻋﺪم ﻗﻄﻌﯿﺖ ﺑﻮده و از اﺑﺰار ﻓﯿﻠﺘﺮ ﮐﺎﻟﻤﻦ ﺟﻬﺖ ﺗﺨﻤﯿﻦ ﻋﻤﺮ اﺳﺘﻔﺎده ميﺷﻮد. ﯾكي از ﻋﻮاﻣﻞ ﻣﻮﺛﺮ ﺑﺮ ﻋﻤﺮ ﺑﺎﺗﺮي در ﮐﺎرﺑﺮد ﺧﻮدرو ﺑﺮقي ﻧﺤﻮه اﺳﺘﻔﺎده از ﺧﻮدروﻫﺎ است و اﯾﻦ ﺗﻔﺎوت در ﻧﺤﻮه اﺳﺘﻔﺎده از آنﻫﺎ ﺑﺎﻋﺚ اﯾﺠﺎد ﺗﻔﺎوت در ﻧﺤﻮه ﭘﯿﺮ ﺷﺪن ﺑﺎﺗﺮي ﺧﻮاﻫﺪ ﺷﺪ. ﺑﺎ ﺗﺮﮐﯿﺐ ﭼﺮﺧﻪﻫﺎي اﺳﺘﺎﻧﺪارد و ﺳﺎﺧﺖ ﺳﻨﺎرﯾﻮﻫﺎي راﻧﻨﺪگي و اﻋﻤﺎل اﯾﻦ ﺳﻨﺎرﯾﻮﻫﺎ ﺑﻪ ﺧﻮدرو ﺑﺮقي ﻋﻤﺮ ﺑﺎﺗﺮي را ﺑﺎ اﺳﺘﻔﺎده از راﺑﻄﻪ ﻣﻌﺮفي ﺷﺪه ﻣﺤﺎﺳﺒﻪ ميﮐﻨﯿﻢ. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻔﺎوت ﻣﯿﺰان اﻧﺮژي ﻣﺼﺮفي در ﻫﺮ ﺳﻨﺎرﯾﻮ، ﻧﺤﻮه ﭘﯿﺮ ﺷﺪن ﻧﯿﺰ ﻣﺘﻔﺎوت ﺧﻮاﻫﺪ ﺑﻮد ﺑﻪ ﮔﻮﻧﻪاي ﮐﻪ ﻫﺮﭼﻪ ﺑﺘﻮان ﺗﻌﺪاد ﭼﺮﺧﻪﻫﺎي ﺷﺎرژ و ﺗﺨﻠﯿﻪ ﺑﺎﺗﺮي را ﮐﺎﻫﺶ داد، ﻋﻤﺮ ﺑﺎﺗﺮي اﻓﺰاﯾﺶ ﺧﻮاﻫﺪ ﯾﺎﻓﺖ. ﭘﺲ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻫﺮ ﺳﻨﺎرﯾﻮ ميﺗﻮان ﻣﯿﺰان ﺳطح ﺷﺎرژ ﻣﻨﺎﺳﺐ و ﭘﯿﺸﻨﻬﺎداتي ﺟﻬﺖ ﺑﻬﺒﻮد ﻃﻮل ﻋﻤﺮ ﺑﺎﺗﺮي با توجه به رفتار رانندگي داشت.
در اين پايان نامه همچنين، رﻓﺘﺎرﻫﺎي راﻧﻨﺪگي ﻣﺨﺘﻠﻒ ﮐﻪ از ﭼﺮﺧﻪﻫﺎي ﻏﯿﺮ اﺳﺘﺎﻧﺪارد ﺗﺸكيل ﺷﺪه ﺑﺎﺷﻨﺪ ﺑﺎ اﺳﺘﻔﺎده از آﻧﺎﻟﯿﺰ آﻣﺎري ﺳﺮﻋﺖ ﻣﻮﺗﻮر الكتريكي ﻣﻮرد ﺑﺮرسي ﻗﺮار گرفته و ﺷﺒﺎﻫﺖ آنﻫﺎ ﺑﺎ ﺳﻨﺎرﯾﻮﻫﺎي اﺳﺘﺎﻧﺪارد اوﻟﯿﻪ ﺑﺮرسي ﺧﻮاﻫﺪ ﺷﺪ. ﺑﺮاي ﭘﯿﺪا ﮐﺮدن اﯾﻦ ﺷﺒﺎﻫﺖﻫﺎ و ﮔﺮوه ﺑﻨﺪي رﻓﺘﺎرﻫﺎي راﻧﻨﺪگي از اﺑﺰارﻫﺎي ﺧﻮﺷﻪ ﺑﻨﺪي k ﻣﯿﺎﻧﮕﯿﻦ و ﺧﻮﺷﻪ ﺑﻨﺪي ﻃﯿفي اﺳﺘﻔﺎده ميﺷﻮد. ﺳﭙﺲ ﻣﯿﺰان دﻗﺖ ﻫﺮﮐﺪام از اﯾﻦ دو روش ﺧﻮﺷﻪﺑﻨﺪي ﻣﻮرد ارزﯾﺎﺑﯽ ﻗﺮار ميﮔﯿﺮد. ﭘﺲ از ﻣﺸﺨﺺ ﺷﺪن ﮔﺮوه ﻫﺮ رﻓﺘﺎر راﻧﻨﺪگي ﺑﺎ ﺳﻨﺎرﯾﻮﻫﺎي اﺳﺘﺎﻧﺪارد ميﺗﻮان ﺗﻮﺻﯿﻪﻫﺎﯾﯽ ﮐﻪ از ﻗﺒﻞ ﺑﺮاي ﺣﺎﻟﺖ اﺳﺘﺎﻧﺪارد ﺟﻬﺖ اﻓﺰاﯾﺶ ﻃﻮل ﻋﻤﺮ ﺑﺎﺗﺮي ﺑﻪ دﺳﺖ آﻣﺪه ﺑﻪ راﻧﻨﺪه اراﺋﻪ داد.
چكيده انگليسي :
Lithium-ion batteries are widely used in variety of applications such as portable electronic devices, and electric vehicles (EVs) due to their high energy/power densities. The battery is among the sensitive and expensive components in an EV that needs attention in usage to improve its lifespan. Recently, the estimation and improving the battery remaining useful life topics attract a vast amount of research efforts, especially for EV application. This thesis proposes a framework based on battery charging regime which improves the battery lifespan considering the driving behavior of an EV drivers. Also, a formulation is presented to estimate the battery life in an EV in which the cycle- and calendar aging of a battery are taken into account.
Analytical expressions for the estimation of battery life often involve uncertainties. Kalman
filter is among the common tools that is used to predict the battery remaining useful life. In EVs, the driving pattern can be considered as one of the main factors which directly impact on the battery life. The thesis proposes a clustering method to map a driving pattern into a combination of standard driving cycles. Then, an optimum charging pattern is assigned to each standard driving cycle and based on the clustering method. The investigations show that the fewer charging/discharging for electric vehicles and lower state-of-charge in case of occasional usage (e.g. driving twice a week) can be used as the main guidelines for improving the battery lifespan.
Using the suggested method, a set of recommendations for selection of state-of-charge levels and charging cycles are determined which eventually enhance battery lifespan corresponding to every driving pattern. In this method, statistical analysis of electric motor speed will be used to investigate a new driving pattern that is not exactly match with standard and pre-defined cycles. Specifically, k-means and spectral clustering methods are used as the clustering tools to determine the likeness of the pattern to the standard cycles.
استاد راهنما :
احمدرضا تابش، زينب مالكي
استاد داور :
محمدصادق گلسرخي
