| Authors | رمضان هاونگی |
|---|---|
| Journal | سامانه های غیرخطی در مهندسی برق |
| Page number | ۳۲-۵۴ |
| Serial number | ۱۰ |
| Volume number | ۲ |
| Paper Type | Full Paper |
| Published At | ۲۰۲۴ |
| Journal Type | Typographic |
| Journal Country | Iran, Islamic Republic Of |
| Journal Index | isc |
Abstract
تخمین وضعیت شارژ باتریهای لیتیوم یون نه تنها برای مدیریت بهینه انرژی،بلکه برای اطمینان از عملکرد امن، جلوگیری از شارژ ، دشارژ و در نتیجه کاهش عمر باتری از اهمیت بالایی برخوردار است. با این وجود، این پارامتر به طور مستقیم از پایانههای باتری قابل اندازهگیری نیست. بنابراین نیاز به تخمین آن وجود دارد. در این مقاله فیلتر ذرهای حاشیهای کمکی بهبود یافته برای تخمین وضعیت شارژ باتریهای لیتیوم یون ارایه شده است. در روش پیشنهادی، برخلاف فیلتر ذرهای، نمونهبرداری بر روی توزیع حاشیهای انجام میشود و ابعاد نمونهبرداری با گذشت زمان افزایش نمییابد. بعلاوه، در روش پیشنهادی از عملگرهای ژنتیک و الگوریتم M-Hبرای افزایش تنوع میان ذرات استفاده شده است. استفاده از عملگرهای ژنتیک و الگوریتم M-Hباعث میشود ذراتی که نمونه برداری مجدد شدهاند، بطور مجانبی نمونهها را از تابع چگالی احتمال پسین حالت واقعی تقریب بزنند و سازگاری افزایش یابد. عملکرد روش پیشنهادی برای تخمین وضعیت شارژ باتری، با تخمین وضعیت شارژ براساس فیلتر ذرهای توسعه یافته و فیلتر ذرهای بی رد مقایسه شده است. نتایج نشان دهنده عملکرد موثر روش پیشنهادی در مقایسه با سایر روشها است. روش پیشنهادی برای بدست آوردن دقت تخمین یکسان با فیلتر ذرهای به ذرات به مراتب کمتری نیاز دارد و حجم محاسبات آن پایین است. جذر میانگین مربعات خطا در روش پیشنهادی با ذرات مختلف 0/007نزدیک است در حالی که در سایر روشها با کاهش ذرات،جذر میانگین مربعات خطا افزایش مییابد باتری لیتیوم یون، تخمین وضعیت شارژ، فیلتر ذرهای حاشیهای، الگوریتم ژنتیک، الگوریتم ..M-H واژههای کلیدی [ Downloaded f
tags: باتری لیتیوم یون، تخمین وضعیت شارژ، فیلتر ذرهای حاشیهای، الگوریتم ژنتیک، الگوریتم ..