ဘက်ထရီအခြေအနေ (SOC) ခန့်မှန်းချက်
အသုံးများသော ဘက်ထရီမော်ဒယ်များ
ပါဝါဘက်ထရီများ၏ လျှပ်စစ်ဓာတုတုံ့ပြန်မှုဖြစ်စဉ်သည် ရှုပ်ထွေးပြီး မသေချာသောအချက်များစွာဖြင့် လွှမ်းမိုးထားသည်။ ဤလုပ်ငန်းစဉ်၏ သင်္ချာပုံသဏ္ဍာန်သည် ဘက်စုံ စည်းကမ်းနှင့် နယ်ပယ်ပေါင်းစုံ-ပြဿနာဖြစ်ပြီး၊ ပညာရပ်ဆိုင်ရာနှင့် လုပ်ငန်းနယ်ပယ်နှစ်ခုစလုံးအတွက် အမြဲတမ်း အဓိကအာရုံစိုက်ပြီး စိန်ခေါ်မှုတစ်ခုဖြစ်သည်။ ပါဝါဘက်ထရီ၏ input excitation (load current) နှင့် output လေ့လာချက်များ (voltage နှင့် temperature) များသည် power battery management system အတွက် အကန့်အသတ်ဖြင့် တိုင်းတာနိုင်သော parameters များဖြစ်သည်။ တိကျသောမော်ဒယ်လ်သည် ပါဝါဘက်ထရီများ၏ ပြင်ပသွင်ပြင်လက္ခဏာများကို ပိုမိုတိကျစွာဖော်ပြရန်၊ ယုံကြည်စိတ်ချရသော ပါဝါဘက်ထရီအခြေအနေ ခန့်မှန်းတွက်ချက်မှုဆိုင်ရာ အယ်လဂိုရီသမ်များကို ဒီဇိုင်းထုတ်ခြင်းနှင့် စွမ်းအင်သုံးကားအသစ်များအတွက် အကောင်းဆုံးစွမ်းအင်စီမံခန့်ခွဲမှုစနစ်များကို ဖော်ဆောင်ရန်အတွက် မရှိမဖြစ်လိုအပ်ပါသည်။ အသုံးများသော ပါဝါဘက်ထရီမော်ဒယ်များကို အဓိကအားဖြင့် လျှပ်စစ်ဓာတုဗေဒ မော်ဒယ်များ၊ တူညီသော ဆားကစ်မော်ဒယ်များနှင့် စက်သင်ယူမှု မော်ဒယ်များအဖြစ် ခွဲခြားထားသည်။
(၁) Electrochemical Model၊
-၁၉၉၀ ခုနှစ်များအလယ်ပိုင်းတွင်၊ M. Doyle၊ TF Fuller နှင့် J. Newman တို့သည် California, Berkeley တက္ကသိုလ်မှ J. Newman သည် pseudo-၂-dimensional (P2D) မော်ဒယ်ကို porous electrodes သီအိုရီနှင့် စုစည်းထားသော ဖြေရှင်းနည်းများပေါ်တွင် အခြေခံ၍ electrochemical ယန္တရား မော်ဒယ်များ ဖွံ့ဖြိုးတိုးတက်ရေးအတွက် အုတ်မြစ်ချခဲ့သည်။ ဤမော်ဒယ်သည် ပါဝါဘက်ထရီအတွင်းရှိ လီသီယမ်အိုင်းယွန်းများ ပျံ့နှံ့ခြင်းနှင့် ရွှေ့ပြောင်းခြင်း၊ တက်ကြွသောအမှုန်များ၏မျက်နှာပြင်ပေါ်ရှိ လျှပ်စစ်ဓာတ်တုံ့ပြန်မှု၊ Ohm ၏ဥပဒေနှင့် အားသွင်းထိန်းသိမ်းမှုတို့ကို တိကျစွာဖော်ပြရန် ဤမော်ဒယ်သည် တစ်စိတ်တစ်ပိုင်းကွဲပြားသောညီမျှခြင်းများနှင့် အက္ခရာသင်္ချာညီမျှခြင်းများကို အသုံးပြုထားသည်။ ယနေ့အထိ၊ လျှပ်စစ်ဓာတုဗေဒ မော်ဒယ်အများစုသည် ဤမော်ဒယ်မှ ဆင်းသက်လာပြီး တီထွင်ထုတ်လုပ်လာကြသည်။ electrochemical model သည် ပါဝါဘက်ထရီ၏ ပြင်ပလက္ခဏာများသာမက အတွင်းပိုင်းလက္ခဏာများ၏ ဖြန့်ဖြူးခြင်းနှင့် ပြောင်းလဲခြင်းများ (လျှပ်ကူးပစ္စည်းနှင့် အီလက်ထရွန်းများတွင် လစ်သီယမ်အိုင်းယွန်းများ၏ ပြင်းအားနှင့် တိုင်းတာရန်ခက်ခဲသော တုံ့ပြန်မှုလွန်ကဲခြင်း) တို့ကို တိကျစွာ အတုယူနိုင်သော ပထမမူဘောင်ပုံစံတစ်ခုဖြစ်သည်။ အခြားသော ပါဝါဘက်ထရီမော်ဒယ်များနှင့် နှိုင်းယှဉ်ပါက လျှပ်စစ်ဓာတုဗေဒ မော်ဒယ်များသည် ပါဝါဘက်ထရီအတွင်းရှိ အဏုကြည့်တုံ့ပြန်မှုများကို ပိုမိုနက်ရှိုင်းစွာ ဖော်ပြနိုင်ပြီး ပိုမိုရှင်းလင်းပြတ်သားသော ရုပ်ပိုင်းဆိုင်ရာ အဓိပ္ပာယ်ရှိသည်။
P2D မော်ဒယ်များသည် စွယ်စုံရနှင့် အရွယ်တင်နိုင်သော၊ ကွဲပြားခြားနားသော ပစ္စည်းစနစ်များဖြင့် ဘက်ထရီအမျိုးအစားများအတွက် အသုံးပြုနိုင်သည့်အပြင် ပိုမိုရှုပ်ထွေးသော-နယ်ပယ်စုံချိတ်ဆက်မှုမော်ဒယ်များအဖြစ်သို့ ချဲ့ထွင်ကာ တိုးချဲ့နိုင်သည်။ ထို့ကြောင့်၊ P2D မော်ဒယ်များသည် ဘက်ထရီ မော်ဒယ်ပြုလုပ်ရာတွင် အစားထိုး၍မရသော အခန်းကဏ္ဍမှ ပါဝင်ပါသည်။ သို့သော်၊ ၎င်းတို့တွင် ရှုပ်ထွေးသော တစ်စိတ်တစ်ပိုင်းကွဲပြားသော ညီမျှခြင်းများနှင့် မြောက်မြားစွာသော လျှပ်စစ်ဓာတုဆိုင်ရာ ကန့်သတ်ချက်များ ပါဝင်သောကြောင့် ဘက်ထရီစီမံခန့်ခွဲမှုစနစ် (BMS) ၏ တွက်ချက်နိုင်မှုစွမ်းရည်အပေါ် မြင့်မားသော တောင်းဆိုမှုများကို ဖြည့်ဆည်းပေးသည်။ လက်ရှိတွင်၊ P2D မော်ဒယ်များကို ဖြေရှင်းခြင်းတွင် ကန့်သတ်ခြားနားချက်နည်းလမ်း၊ အကန့်အသတ်ရှိသော ဒြပ်စင်နည်းလမ်းနှင့် ကန့်သတ်ပမာဏနည်းလမ်းတို့ကဲ့သို့သော ကိန်းဂဏာန်းနည်းလမ်းများကို အဓိကအသုံးပြုသည်။
(၂) Equivalent Circuit Model ၊
ညီမျှသော circuit model သည် ပါဝါဘက်ထရီ၏ ပြင်ပသွင်ပြင်လက္ခဏာများကို ဖော်ပြရန်အတွက် circuit network တစ်ခုကို ဖွဲ့စည်းရန်အတွက် ခုခံအား၊ ကာပတ်တာများနှင့် အဆက်မပြတ်ဗို့အားအရင်းအမြစ်များကဲ့သို့သော ရိုးရာ circuit အစိတ်အပိုင်းများကို အသုံးပြုသည်။ ဤမော်ဒယ်သည် ပါဝါဘက်ထရီ၏ အပူချိန်မျှခြေလျှပ်စစ်မော်တာတွန်းအားအား ကိုယ်စားပြုရန်အတွက် ဗို့အားအရင်းအမြစ်ကို အသုံးပြုကာ ပါဝါဘက်ထရီ၏ တက်ကြွသောလက္ခဏာများကို ဖော်ပြရန်အတွက် RC ကွန်ရက်ကို အသုံးပြုပါသည်။ ညီမျှသော circuit မော်ဒယ်သည် ပါဝါဘက်ထရီ၏ လည်ပတ်မှုအခြေအနေအမျိုးမျိုးအတွက် ကောင်းမွန်စွာ အသုံးချနိုင်ပြီး မော်ဒယ်၏ အခြေအနေညီမျှခြင်းများကို ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် အသုံးချခြင်းတို့ကို လွယ်ကူချောမွေ့စေနိုင်သည်။ ညီမျှသော circuit မော်ဒယ်ကို စွမ်းအင်သုံးယာဉ် မော်ဒယ်အသစ်နှင့် သရုပ်ဖော်ခြင်းဆိုင်ရာ သုတေသနနှင့် မော်ဒယ်-အခြေခံ BMS တွင် တွင်ကျယ်စွာ အသုံးပြုခဲ့သည်။ ပုံ 7-27 သည် n-RC မော်ဒယ်ဟု ရည်ညွှန်းထားသော n RC ကွန်ရက်တည်ဆောက်ပုံများဖြင့် ဖွဲ့စည်းထားသော ပါဝါဘက်ထရီ၏ ပုံမှန်ညီမျှသော ပတ်လမ်းပုံစံကို ပြသည်။ ဤမော်ဒယ်တွင် အပိုင်းသုံးပိုင်း ပါဝင်သည်-
1) ဗို့အားအရင်းအမြစ်- ပါဝါဘက်ထရီ၏ အဖွင့်-ပတ်လမ်းဗို့အားကို $U_{oc}$ ဖြင့် ကိုယ်စားပြုသည်။
2) Ohmic Internal Resistance- ပါဝါဘက်ထရီလျှပ်ကူးပစ္စည်းပစ္စည်းများ၊ လျှပ်ကူးပစ္စည်း၊ အထီးကျန်ခံနိုင်ရည်နှင့် အစိတ်အပိုင်းများ၏ ထိတွေ့ခုခံမှုကို $R_o$ ဖြင့် ကိုယ်စားပြုသည်။
3) RC ကွန်ရက်- ပါဝါဘက်ထရီ၏ တက်ကြွသောဝိသေသလက္ခဏာများဖြစ်သည့် polarization ဝိသေသလက္ခဏာများနှင့် ပျံ့နှံ့မှုအကျိုးသက်ရောက်မှုများ အပါအဝင်၊ အား polarization resistance $R_p$ နှင့် polarization capacitance $C_p$၊ $i=0, ..., n_s$ တို့ဖြင့် ဖော်ပြထားပါသည်။
ပုံ 7-27 တွင်၊ Up သည် ပါဝါဘက်ထရီ၏ polarization ဗို့အားကို ကိုယ်စားပြုသည်။
Kirchhoff ၏ ဗို့အားဥပဒေနှင့် လက်ရှိဥပဒေနှင့် capacitor ဗို့အားပြောင်းလဲမှုနှင့် လက်ရှိကြားဆက်နွယ်မှုကို အခြေခံ၍ circuit model ၏ space equation ကို state{0}}အဖြစ် ဖော်ပြနိုင်သည်-
Rint မော်ဒယ်၊ Thevenin မော်ဒယ်၊ နှင့် Dual Polarization (DP) မော်ဒယ်ကဲ့သို့ အသုံးများသော ပါဝါဘက်ထရီ ညီမျှသော ဆားကစ်မော်ဒယ်များသည် n-RC ညီမျှသော ဆားကစ်မော်ဒယ်များကို n=0၊ n=1 နှင့် n=2 အသီးသီး အသီးသီးရှိပြီး ပါဝါဘက်ထရီ အခြေအနေ ခန့်မှန်းချက်နှင့် စီမံခန့်ခွဲမှုတွင် တွင်ကျယ်စွာ အသုံးပြုထားသည်။
(၃) Machine Learning Models များ
စက်သင်ယူမှုမော်ဒယ်များသည် ဘက်ထရီ၏အတွင်းပိုင်းဖွဲ့စည်းမှုနှင့် သီးခြားတုံ့ပြန်မှုယန္တရားများကို အသိပညာမလိုအပ်ပါ။ ဘက်ထရီ၏သမိုင်းဝင်လည်ပတ်မှုဒေတာ (လက်ရှိ၊ ဗို့အား၊ အပူချိန် စသည်) ကို ရယူရန်သာ လိုအပ်သည်။ အခြေခံအားဖြင့်၊ ၎င်းတို့သည် ဒေတာ-မောင်းနှင်ထားသော နည်းလမ်းများမှတစ်ဆင့် ကိန်းရှင်များကြားတွင် လိုင်းမဟုတ်သောမြေပုံဆွဲခြင်း လုပ်ဆောင်ချက်များကို တည်ထောင်သည်။ ဤမော်ဒယ်အမျိုးအစား၏ အဓိကအားသာချက်မှာ မတူညီသောဘက်ထရီအမျိုးအစားများအတွက် အသုံးချနိုင်မှု၊ ၎င်း၏ကောင်းမွန်သော ဘက်စုံသုံးနိုင်မှုနှင့် ဘက်ထရီအပြုအမူများ၏ လိုင်းမဟုတ်သော ဝိသေသလက္ခဏာများကို အပြည့်အဝ အတုယူနိုင်စွမ်းဖြစ်သည်။
ပါဝါဘက်ထရီ စီမံခန့်ခွဲမှုနှင့် ထိန်းချုပ်မှုနယ်ပယ်တွင်၊ အဓိကအားဖြင့် အသုံးပြုသည့် စက်သင်ယူမှုနည်းလမ်းများတွင် fuzzy logic၊ neural networks၊ support vector machines နှင့် ၎င်းတို့၏ပေါင်းစပ် algorithms များပါဝင်သည်။ 2016 ခုနှစ် မတ်လတွင် AlphaGo ၏ Go ကမ္ဘာ့ချန်ပီယံ Lee Sedol ကို အနိုင်ရရှိခြင်းဖြင့် နက်ရှိုင်းသောသင်ယူမှုတွင် တက်ကြွမှုအသစ်ကို ထည့်သွင်းခဲ့ပြီး ဘက်ထရီစီမံခန့်ခွဲမှုတွင် အသုံးချသည့် သုတေသနနှင့် အသုံးချမှုလှိုင်းအသစ်ကို ဖြစ်ပေါ်စေခဲ့သည်။ လေ့ကျင့်မှုအတွက်လုံလောက်သောဘက်ထရီဒေတာဖြင့်၊ ဤမော်ဒယ်အမျိုးအစားသည် ကောင်းသောကြိုတင်ခန့်မှန်းနိုင်သောစွမ်းဆောင်ရည်ကိုရရှိနိုင်ပါသည်။ သို့သော်၊ ဤမော်ဒယ်သည် ရုပ်ပိုင်းဆိုင်ရာ အဓိပ္ပါယ်ကင်းမဲ့ပြီး အဓိပ္ပါယ်မဖော်နိုင်သော၊ ၎င်း၏စွမ်းဆောင်ရည်သည် လေ့ကျင့်ရေးဒေတာ၏ အရေအတွက်နှင့် အရည်အသွေးတို့ကြောင့် များစွာသက်ရောက်မှုရှိပြီး ဘက်ထရီစီမံခန့်ခွဲမှုစနစ်များတွင် အသုံးပြုသည့်အခါ ၎င်း၏ယုံကြည်စိတ်ချရမှုနှင့် ကြံ့ခိုင်မှုကို အာမခံရန်ခက်ခဲစေသည်။
