| Authors | رمضان هاونگی |
| Journal | هوش محاسباتی در مهندسی برق |
| Page number | 62-72 |
| Serial number | ۱ |
| Volume number | ۲ |
| Paper Type | Full Paper |
| Published At | ۲۰۲۱ |
| Journal Grade | ISI |
| Journal Type | Typographic |
| Journal Country | Iran, Islamic Republic Of |
| Journal Index | isc |
Abstract
تخمین وضعیت شارژ باتری )SOC ) در باتریهای لیتیوم یون نهتنها برای مدیریت بهین ۀ ان رژ ی، ب رای اممین ان از
عملکرد امن و جلوگیری از شارژ و دشارژ و درنتیجه، کاهش عمر باتری اهمیت زیادی دارد. با وجود این، ای ن ا ارامتر ب ه م ور
مستقیم از اایانههای باتری قابل اندازهگیری نیست؛ بنابراین، نیاز به تخمین آنها وجود دارد. در این مقاله از روش حداقل مربعات
بازگشتی )RLS ) برای تخمین اارامترهای باتری و از فیلتر ذرهای اصالحشده برای تخمین SOC باتریهای لیتیوم یون استفاده
شده است. فیلتر ذرهای استاندارد دارای مشکل ادیدۀ تباهیدگی ذرات است که دقت تخمین را ک م م ی کن د؛ بن ابراین، در فیلت ر
ذرهای اصالحشده، الگوریتم تفاضل تکاملی )DE ) و گام مارکوف چاین مونت کارلو )MCMC ) روی PF استاندارد اعم ال
میشود که باعث تخمین دقیقتر و سازگارتر از SOC میشود. برای ارزیابی عملکرد روش ایشنهادی، ای ن ر وش ب ا روش ه ای
کالسیک مقایسه شده است. نتایج نشاندهندۀ عملکرد مؤثر روش ایشنهادی در مقایسه با سایر روشها است.
Paper URL