بخشی از پاورپوینت
اسلاید 1 :
عنوان پایان نامه:ظرفیت باتری لیتیم-یون در وسایل نقلیه الکتریکی با سیستم استنتاج نورو-فازی آداپتیو
اسلاید 2 :
مقدمه
ویژگی باتری
مدل سازی
مجموعه داده ها
فهمیدن مدل
نتیجه گیری
عنوان
یک شاخص جدید ظرفیت باتری برای باتری لیتیم-یون به کار گرفته شده در وسایل نقلیه الکتریکی با استفاده از سیستم استنتاج نورو-فازی آداپتیو
فهرست
مقدمه
ویژگیهای باتری لیتیم-یون
مدل سازی سواک لیتیم-یون با استفاده از انفیس
مجموعه دادهها
فهمیدن مدل
نتیجه گیری
اسلاید 3 :
مقدمه
ویژگی باتری
مدل سازی
مجموعه داده ها
فهمیدن مدل
نتیجه گیری
فصل اول
مقدمه
1/35
اسلاید 4 :
در حال حاضر و در آینده قابل پیشبینی، باتریها به عنوان منبع انرژی برای وسایل نقلیه الکتریکی مدرن (EVs)، شامل باتری EV (BEV)، هیبرید EV (HEV) و پیل سوختی EV (FCEV) مورد توافق هستند. این باتریهای زیست پذیرEV شامل یک شیر تنظیم کننده اسید میباشند (VRLA) و شامل نیکل-کادمیوم، نیکل-روی، هیبرید فلزی-نیکل، روی/هوا، آلومینیوم/هوا، سدیم/گوگرد، سدیم/ نیکل کلرید، لیتیم-پلیمر و لیتیم-یون میباشند.
اسلاید 5 :
باطریVRLA برای عملکرد پایینEV ها به دلیل سودمندی هزینه به طور گستردهای مورد پذیرش قرار گرفته است؛ باطری هیبرید فلزی-نیکل برای عملکرد متوسطEV ها به دلیل انرژی مشخص خوب آن و توان مشخص خوب آن جذاب می باشد؛ و باتری لیتیم-یون برای عملکرد بالایEV ها مورد پذیرش قرار گرفته است زیراکه انرژی مشخص عالی و توان مشخص عالی را فراهم میآورد.
اسلاید 6 :
اخیراً، دیدگاه مدلسازیANN با شامل کردن فازی-لاجیک گستردهتر شده است، بنابراین استفاده از یک مدل سازی سیستم استنتاج نورو-فازی آداپتیو (انفیس) برای تخمین ظرفیت باتری هیبرید فلزی-نیکل به کار گرفته شده است. این دیدگاه به درستی میتواند حالت ظرفیت در دسترس (سواک) مربوط به باتری هیبرید فلزی-نیکل را تخمین بزند، سواک به بی آرسی نرمالایز شده به وسیلهBAC نسبت داده میشود.
اسلاید 8 :
باطری لیتیم-یون از مواد درج شده کربن لیتیاد (LixC) برای الکترود منفی به جای لیتیم فلزی استفاده میکند، اکسید درج شده فلز گذر لیتیاد (Li1-xMyOz) برای الکترود مثبت و یک محلول ارگانیک آبی یا یک پلیمر جامد برای الکترولیت استفاده میشود. یونهای لیتیم از طریق الکترولیت بین الکتردهای مثبت و منفی در حین تخلیه و شارژ عبور میکنند. واکنشهای الکتروشیمی کلی به صورتLixC+Li1-xMyOz ↔ C + LiMyOz توصیف شدهاند.
ویژگی باتری
اسلاید 9 :
در زمان تخلیه، یون های لیتیم از الکترود منفی آزاد میشوند، از طریق الکترولیت عبور کرده و به الکترود مثبت میرسند. در زمان شارژ شدن، فرایند برعکس انجام میشود. مواد الکترود مثبت Li-xCoO، Li1-xNiO2 وLi1-xMn2O4 میباشند، که مزیتهایی از قبیل پایداری در هوا، ولتاژ بالا و قابلیت برگشت پذیری برای واکنش لیتیم دارد.
اسلاید 10 :
نوع LixC/Li1-xNiO2، که به اختصارC/LiNiO2 نوشته میشود و یا به سادگی نیکل بر پایه باتری لیتیم گفته میشود، عموماً دارای ولتاژ سل 4 وات، انرژی مشخص 120 W h/kg و توان مشخص 260 W/kg میباشد. نوع بر پایه کبالت انرژی مشخص بیشتری دارد ولی هزینه بالاتر دارد و نرخ خود-تخلیه آن بیشتر است. نوع بر پایه منگنز پایینترین هزینه را دارد و انرژی خاص آن بین نوع کبالت و نوع نیکل میباشد. مزیتهای عمومی باتری لیتیم-یون، دارا بودن بالاترین ولتاژ سل، انرژی مشخص عالی، امن ترین طراحی باطریهای لیتیم و حلقه عمر طولانی میباشد.
اسلاید 11 :
ازآنجاییکه محدوده پیش راندنEV به شدت بهBAC بستگی دارد، تأثیرات مربوط به آن به دلیل پروفایل جریان تخلیه و دما بسیار ضروری میباشد. به جای استفاده از پروفایلهای تخلیه جریان ثابت و یا پروفایلهای جریان تخلیهEV ساده شده ، 4 تا پروفایل جریان تخلیه EV واقعی برای ارزیابی پذیرفته شده است. شکل 1 این 4 تا پروفایل را نشان میدهد.
اسلاید 12 :
شکل 1: پروفایل جریان تخلیه EV در دمای 20 درجه سانتیگراد: (a) ECE؛ (b) FUDS؛ (c) FHDS؛ (d) JM 10.15.
اسلاید 13 :
براساس یک باتری لیتیم-یون تجاری در دسترس، شکل 2 تأثیر دما بر روی BAC آن را تحت پروفایلهای جریان تخلیه واقعیEV نشان میدهد. این شکل نشان میدهد کهBAC به طور قابل ملاحظهای با دما تغییر میکند. این حساسیت دمایی بسیار شدیدتر از باتری هیبرید فلزی-نیکل میباشد، به این معنی که استفاده از دمای آنی به عنوان یک ورودی مدل برای باتری هیبرید فلزی-نیکل در مدل سازی باتری لیتیم-یون کافی نمیباشد.
اسلاید 14 :
شکل 2: مقایسه BAC ها در دماهای مختلف و پروفایلهای مختلف جریان تخلیه EV.
اسلاید 15 :
جدول 1: مقایسهBAC ها در پروفایل های مختلف جریان تخلیهEV در دمای 20 درجه سانتی گراد.
اسلاید 16 :
فصل سوم
مدل سازی سواک لیتیم-یون با استفاده از انفیس
اسلاید 17 :
معماری پایه انفیس
شکل 3 معماری پایه انفیس را نشان میدهد بهطوریکه دو تا ورودی و یک خروجی وجود دارد. در این شکل، یک حلقه یک گره ثابت را نشان میدهد، در حالی که یک مربع یک گره آداپتیو را نشان میدهد. پارامترهای ورودی x وy میباشند.
در لایة اول، همه گره ها از نوع گرههای آداپتیو هستند. خروجی این لایه درجات عضویت فازی ورودیها میباشند، در لایة دوم، گره ها از نوع گرههای ثابت میباشند. با حرفM نامگذاری شدهاند، و نشان میدهند که آنها مانند یک ضرب کننده ساده عمل میکنند. خروجیهای این لایه، به اصطلاح، قدرت پرتاب قوانین میباشند.
اسلاید 18 :
در لایه سوم، گرهها از نوع گرههای ثابت میباشند. آنها با حرفN نشان داده شدهاند، و این نشان میدهد که آنها نقش نرمالایز کردن برای قدرتهای پرتاب از لایه قبلی بازی میکنند. خروجیهای این لایه، بهاصطلاح، قدرتهای پرتاب نرمالایز شده میباشند. در لایه چهارم، گرهها از نوع گرههای آداپتیو میباشند. خروجی هر گره در این لایه به سادگی حاصل ضرب قدرت پرتاب نرمالایز شده و چندجملهای پارامترهای ورودیf(x,y) میباشد. در لایه پنجم، فقط یک گره ثابت وجود دارد که با حرف S نامگذاری شده است. این گره مجموعه همه سیگنالهای ورودی را اجرا میکند، بنابراین خروجیz را تولید میکند.
اسلاید 19 :
شکل 3: معماری انفیس پایه.
اسلاید 20 :
دو تا لایه آداپتیو در معماری انفیس وجود دارد، به عبارت دیگر، لایه اول و لایه چهارم. در لایة اول، پارامترهای قابل تغییر، به اصطلاح، پارامترهای فرضی میباشند. در لایه چهارم، پارامترهای قابل تغییر، به اصطلاح، پارامترهای نتیجهبخش میباشند. وظیفه الگوریتم یادگیری این است که همة پارامترهای قابل تغییر را تنظیم کند تا خروجی انفیس را با دادههای ورودی تطبیق کند.
