Jurnal Internasional Proses, Vol. 7, Halaman 38: Deteksi Kesalahan Stokastik Berbasis Model dan Diagnosis Baterai Lithium-Ion

Download Jurnal Disini

Proses, Vol. 7, Halaman 38: Deteksi Kesalahan Stokastik Model Berbasis dan Diagnosis Baterai Lithium-Ion

Proses doi: 10.3390 / pr7010038

Penulis:
Anak Jeongeun
Yuncheng Du

Baterai Lithium-ion (Li-ion) telah menjadi solusi penyimpanan energi yang dominan di banyak aplikasi, seperti kendaraan listrik hibrida dan listrik, karena kepadatan energinya yang lebih tinggi dan siklus hidup yang lebih lama. Untuk aplikasi ini, baterai harus bekerja dengan andal dan tidak menimbulkan ancaman keselamatan. Namun, kinerja baterai Li-ion dapat dipengaruhi oleh perilaku termal yang abnormal, yang didefinisikan sebagai kesalahan. Sangat penting untuk mengembangkan sistem manajemen termal yang andal untuk memprediksi dan memonitor perilaku termal baterai Li-ion secara akurat. Menggunakan model prinsip-pertama baterai, pekerjaan ini menyajikan algoritme deteksi dan diagnosis kesalahan stokastik (FDD) untuk mengidentifikasi dua kesalahan tertentu dalam sel baterai Li-ion, menggunakan jumlah yang mudah diukur seperti suhu. Selain itu, model yang digunakan untuk FDD biasanya berasal dari fenomena fisik yang mendasarinya. Untuk membuat suatu model dapat ditelusuri dan bermanfaat, adalah umum untuk membuat penyederhanaan selama pengembangan model, yang akibatnya dapat menyebabkan ketidaksesuaian antara model dan sel baterai. Lebih lanjut, algoritma FDD dapat dipengaruhi oleh ketidakpastian, yang dapat berasal dari berbagai fenomena intrinsik waktu atau model kalibrasi dengan data yang bising. Algoritma FDD dua langkah dikembangkan dalam pekerjaan ini untuk memperbaiki model sel baterai Li-ion dan untuk mengidentifikasi operasi yang salah dalam kondisi operasi normal. Masalah optimisasi berulang diusulkan untuk memperbaiki model dengan memasukkan kesalahan antara jumlah yang diukur dan prediksi model, yang diikuti oleh FDD berbasis optimisasi untuk memberikan deskripsi probabilistik dari kemungkinan kesalahan yang mungkin terjadi, sambil mempertimbangkan ketidakpastian. Algoritma FDD stokastik dua langkah terbukti efisien dalam hal tingkat deteksi kesalahan untuk kesalahan individu dan simultan dalam baterai Li-ion, dibandingkan dengan simulasi Monte Carlo (MC).

Download Jurnal Disini
Jurnal

Proses, Vol. 7, Halaman 38: Deteksi Kesalahan Stokastik Berbasis Model dan Diagnosis Baterai Lithium-Ion

Leave a reply "Jurnal Internasional Proses, Vol. 7, Halaman 38: Deteksi Kesalahan Stokastik Berbasis Model dan Diagnosis Baterai Lithium-Ion"

Author: 
    author