كيف تقارن طرق تقدير حالة الشحن (SOC) من حيث الأداء؟ استخدم اختبار الدقة للتحقق الموثوق.

تعتمد أفضل طريقة لتقدير حالة الشحن (SOC) على ظروف التشغيل وبيانات البطارية المتاحة. يُعد حساب الكولوم طريقة بسيطة وفعالة من الناحية الحسابية، ولكن خطأها يتراكم بمرور الوقت ويعتمد بشكل كبير على حالة الشحن الأولية ودقة مستشعر التيار. تُعد طرق جهد الدائرة المفتوحة (OCV) والممانعة تقنيات مرجعية مفيدة، بينما توفر الخوارزميات القائمة على النماذج وتلك المعتمدة على البيانات دقة ديناميكية أفضل بشكل عام، ولكن على حساب متطلبات أكبر في النمذجة والحساب والتحقق.

لا توجد طريقة واحدة لتقدير حالة الشحن متفوقة عالمياً. يأتي التقدير الموثوق من مطابقة الخوارزمية مع البطارية، وملف تعريف التشغيل، وقيود الأجهزة، ثم التحقق منها مقابل قياسات عالية الدقة من نظام اختبار بطاريات دقيق.

لماذا يعتبر تقدير حالة الشحن (SOC) أمراً صعباً؟

حالة الشحن لا يمكن ملاحظتها مباشرة

تمثل حالة الشحن (SOC) سعة الشحن المتبقية للبطارية بالنسبة لسعتها القابلة للاستخدام. وعلى عكس الجهد أو التيار، لا يمكن عادةً قياس حالة الشحن مباشرة أثناء التشغيل العادي.

تعتمد استجابة جهد البطارية على التيار، ودرجة الحرارة، والتقادم، والكيمياء، ووقت الاسترخاء، والاستقطاب الداخلي. لذلك يجب على الخوارزمية استنتاج حالة الشحن من إشارات غير مكتملة ومتغيرة.

ظروف التشغيل تغير النتيجة

يمكن أن يتوافق نفس جهد الطرفين مع قيم مختلفة لحالة الشحن تحت تيارات تحميل أو درجات حرارة مختلفة. كما يؤدي تقادم البطارية إلى تغيير السعة والسلوك الكهروكيميائي، مما قد يجعل المُقدِّر الذي تمت معايرته مسبقاً أقل دقة.

لهذا السبب، فإن الخوارزمية التي تعمل بشكل جيد أثناء الاختبارات المعملية المستقرة قد تتدهور كفاءتها أثناء التسارع، أو الكبح المتجدد، أو الشحن السريع، أو التشغيل في درجات حرارة منخفضة.

كيف تقارن الطرق الرئيسية

طرق المعلمات المميزة

تقوم طرق المعلمات المميزة بتقدير حالة الشحن من خصائص البطارية القابلة للقياس، وبشكل أساسي جهد الدائرة المفتوحة (OCV) أو الممانعة.

يعد التقدير القائم على جهد الدائرة المفتوحة (OCV) بسيطاً ولا يتطلب الكثير من الحسابات. ومع ذلك، يجب أن تظل البطارية في حالة راحة حتى يقترب جهدها من التوازن، مما يجعل هذه الطريقة غير مناسبة كمقدّر وحيد أثناء الأحمال المتغيرة بسرعة.

يوفر جهد الدائرة المفتوحة أيضاً دقة ضعيفة لحالة الشحن في مناطق استقرار الجهد، خاصة خلال أجزاء من نطاق حالة الشحن المتوسط. كما أن عدم اليقين في المعايرة، والاعتماد على درجة الحرارة، والتباطؤ (Hysteresis)، والتقادم، تقلل جميعها من الدقة العملية.

يمكن للطرق القائمة على الممانعة توفير معلومات إضافية حول الحالة الكهروكيميائية. يعد قياس طيف الممانعة بالتيار المتردد قيماً بشكل خاص للتشخيص، ولكنه يتطلب أجهزة قياس متخصصة ويُستخدم بشكل أكثر شيوعاً في التوصيف المعملي بدلاً من تطبيقات نظام إدارة البطارية (BMS) منخفضة التكلفة في الوقت الفعلي.

حساب الكولوم (Coulomb Counting)

يحسب حساب الكولوم، والذي يسمى أيضاً تكامل الأمبير-ساعة، حالة الشحن عن طريق دمج التيار بمرور الوقت:

[ SOC(t) = SOC(t_0) - \frac{1}{Q_{\mathrm{usable}}}\int_{t_0}^{t} I(\tau),d\tau ]

تكمن نقاط قوتها في سهولة التنفيذ، وانخفاض العبء الحسابي، وإمكانية تطبيقها عبر العديد من كيميائيات البطاريات. كما أنها تعمل أثناء الشحن والتفريغ الديناميكي لأنها تتبع تدفق الشحن الفعلي بدلاً من الاعتماد على جهد الراحة.

نقطة ضعفها المركزية هي الخطأ التراكمي. يمكن أن يؤدي إزاحة صغيرة في التيار، أو انحراف المستشعر، أو قيمة سعة غير صحيحة، أو حالة شحن أولية غير دقيقة إلى إنتاج تقدير غير صحيح بشكل متزايد.

لذلك، غالباً ما يُستخدم حساب الكولوم كآلية تتبع أساسية، ولكنه يتطلب تصحيحاً دورياً من جهد الدائرة المفتوحة (OCV)، أو المراقبين القائمين على النماذج، أو مراجع الشحن الكامل، أو معلومات مستقلة أخرى.

التقدير القائم على النماذج

تمثل الطرق القائمة على النماذج سلوك البطارية باستخدام دائرة مكافئة أو نموذج رياضي آخر. ثم يقوم المراقبون مثل مرشحات كالمان (Kalman filters)، ومرشحات الجسيمات، ومراقبات وضع الانزلاق بدمج تنبؤات النموذج مع الجهد والتيار ودرجة الحرارة المقاسة.

يمكن لهذه الطرق تحقيق دقة ديناميكية قوية لأنها تأخذ في الاعتبار سلوك الجهد العابر وحالات البطارية الداخلية. وهي عموماً أكثر قوة من حساب الكولوم المستقل عندما تتم معايرة النموذج والقياسات بشكل جيد.

القيد الرئيسي هو الاعتماد على النموذج. يلزم تحديد دقيق للمعلمات، وقد تختلف المعلمات باختلاف درجة الحرارة، وحالة الشحن، ومعدل التيار، وتقادم الخلية، والاختلافات في التصنيع.

تتطلب متغيرات مرشح كالمان أيضاً افتراضات ضوضاء مناسبة وضبطاً دقيقاً. تحت نبضات التيار الحادة، يمكن أن يعاني مرشح كالمان الممتد التقليدي من تأخير في التتبع أو تذبذب إذا لم تعكس كسبه وديناميكيات النموذج ظروف التشغيل بشكل كافٍ.

يمكن للنهج التكيفية تحسين هذا السلوك عن طريق تغيير كسب المُقدِّر خلال فترات الشحن والتفريغ النشطة والعودة إلى إعدادات أكثر تحفظاً أثناء الراحة. يجب إثبات مثل هذه التحسينات تجريبياً عبر ملفات تعريف نبضية تمثيلية بدلاً من افتراضها من المحاكاة وحدها.

التقدير المعتمد على البيانات

تستخدم الطرق المعتمدة على البيانات تقنيات مثل الشبكات العصبية، وآلات ناقل الدعم (SVM)، وأنظمة الاستدلال العصبي الضبابي لتعلم العلاقة بين الإشارات المقاسة وحالة الشحن.

يمكنها نمذجة سلوك البطارية غير الخطي دون الحاجة إلى معادلة كهروكيميائية صريحة. ومع بيانات التدريب التمثيلية، قد تحقق دقة عالية تحت ملفات تعريف ديناميكية معقدة.

يتم تحديد أدائها من خلال جودة وتغطية مجموعة بيانات التدريب. فالمُقدِّر الذي تم تدريبه فقط على درجات حرارة معتدلة، أو حالات تقادم محدودة، أو ملفات تعريف تيار ضيقة قد يعمل بشكل سيئ عند نشره خارج تلك الظروف.

قد تتطلب الطرق المعتمدة على البيانات أيضاً قدرة معالجة أكبر وتحققاً أكثر شمولاً. دقة التدريب العالية ليست دليلاً كافياً على الموثوقية الميدانية؛ يجب أن يشمل التحقق خلايا ودرجات حرارة وحالات تقادم وملفات تعريف تحميل لم يسبق رؤيتها.

مقارنة الأداء في الممارسة العملية

الدقة

توفر طرق المعلمات المميزة عموماً أقل دقة ديناميكية لأنها تستخدم معلومات حالة محدودة وحساسة لظروف التشغيل.

يمكن أن يكون حساب الكولوم دقيقاً على فترات قصيرة عندما يكون قياس التيار وحالة الشحن الأولية دقيقين. وتتدهور دقته على المدى الطويل ما لم يتم تصحيح الانحراف بشكل دوري.

يمكن للطرق القائمة على النماذج والمعتمدة على البيانات توفير أعلى دقة ديناميكية، خاصة للسلوك غير الخطي والعابر. تعتمد ميزتها على نماذج دقيقة، أو ضبط مناسب، أو بيانات تدريب تمثيلية كافية.

العبء الحسابي

يعد البحث في جداول جهد الدائرة المفتوحة (OCV) وحساب الكولوم غير مكلف حسابياً ومناسباً للأنظمة المدمجة المقيدة.

تتطلب مرشحات كالمان والمراقبون الآخرون مزيداً من الحسابات لأنهم يقومون بتحديث الحالات الداخلية وتقديرات عدم اليقين. يمكن لمرشحات الجسيمات والمراقبين غير الخطيين المعقدين فرض عبء معالجة أكبر.

تختلف الشبكات العصبية والنماذج ذات الصلة اختلافاً كبيراً في التكلفة. يمكن لنموذج مضغوط أن يعمل بكفاءة على وحدة تحكم إدارة البطارية (BMS)، بينما قد تتطلب النماذج الأعمق أو الأكثر تعقيداً ذاكرة وقدرة معالجة أكبر بكثير.

قوة التشغيل

يعد حساب الكولوم قابلاً للتنبؤ ولكنه عرضة لانحياز المستشعر وأخطاء التهيئة. تقدير جهد الدائرة المفتوحة (OCV) مستقر في ظروف الراحة المناسبة ولكنه ضعيف أثناء التشغيل النشط.

يمكن للطرق القائمة على النماذج أن تظل دقيقة عبر الظروف الديناميكية عندما تتكيف معلماتها مع درجة الحرارة والتقادم. يمكن أن تكون الطرق المعتمدة على البيانات قوية داخل نطاق تدريبها ولكنها أقل اعتمادية في الظروف غير المدربة.

غالباً ما يجمع نظام إدارة البطارية (BMS) العملي بين الطرق بدلاً من اختيار واحدة فقط. يمكن لحساب الكولوم تتبع التغييرات قصيرة المدى، بينما يمكن للمراقب القائم على النموذج أو التصحيح القائم على جهد الدائرة المفتوحة (OCV) الحد من الانحراف طويل المدى.

لماذا تعتبر أنظمة اختبار البطارية الدقيقة مهمة؟

إنها تؤسس حقيقة أساسية موثوقة

لا يمكن التحقق من خوارزميات حالة الشحن بشكل هادف مقابل بيانات إدخال غير دقيقة. يسجل نظام اختبار البطارية الدقيق التيار والجهد ودرجة الحرارة الخاضعة للرقابة، وعند الحاجة، قياسات الممانعة بدقة معروفة.

توفر هذه القياسات مجموعات البيانات المرجعية اللازمة لمقارنة مخرجات المُقدِّر مع حالة البطارية المحددة تجريبياً. لا يلغي النظام عدم اليقين في حالة الشحن مباشرة، ولكنه يجعل ظروف الاختبار، وتدفق الشحن، والسعة، وبيانات الاستجابة موثوقة بما يكفي للتحقق القابل للدفاع عنه.

إنها تلتقط سلوك البطارية الديناميكي

يمكن لأنظمة الاختبار تنفيذ دورات شحن وتفريغ خاضعة للرقابة، وفترات راحة، وظروف درجة حرارة، وملفات تعريف نبضية مركبة. يمكن أن تمثل هذه الملفات التسارع، والكبح، والخمول، والشحن السريع، وظروف التشغيل الحقيقية الأخرى.

تكشف أشكال موجات الجهد والتيار الناتجة عالية الدقة عن انخفاضات الجهد العابر، والاستقطاب، والاسترخاء، والسلوك المعتمد على المعدل. هذه المعلومات ضرورية لتحديد معلمات الدائرة المكافئة وتدريب المُقدِّرات المعتمدة على البيانات.

إنها تدعم تدريب الخوارزميات

تحتاج الخوارزميات القائمة على النماذج إلى بيانات لتحديد المعلمات عبر حالة الشحن، ودرجة الحرارة، ومعدل التيار، وظروف التقادم. تحتاج الخوارزميات المعتمدة على البيانات إلى مجموعات بيانات أوسع تغطي نطاق التشغيل الذي سيتم استخدام المُقدِّر فيه.

تسمح الأنظمة المعملية للباحثين بتكرار الاختبارات باستمرار وتصنيف مجموعات البيانات حسب تدفق الشحن المعروف، وقياسات السعة، والظروف البيئية، وتاريخ الاختبار. وهذا يحسن كلاً من تطوير الخوارزميات وقابلية تكرار النتائج.

إنها تمكن من التحقق المستقل

يجب فصل بيانات التدريب والتحقق. وإلا، قد تبدو الخوارزمية دقيقة لأنها حفظت ظروف الاختبار بشكل فعال.

يستخدم برنامج التحقق السليم ملفات تعريف ديناميكية لم يسبق رؤيتها ويقيم الأداء عبر درجات حرارة مختلفة، وقيم حالة الشحن الأولية، ومعدلات التيار، والخلايا، وحالات التقادم. تجعل المعدات الدقيقة هذه المقارنات ذات مغزى من خلال تقليل عدم اليقين في القياسات المرجعية.

قياس جودة خوارزمية حالة الشحن

قيم أكثر من مجرد متوسط الخطأ

يمكن أن يخفي متوسط خطأ حالة الشحن سلوكاً خطيراً بالقرب من حدود التشغيل. يجب أن يتضمن التقييم الحد الأقصى للخطأ، وجذر متوسط مربع الخطأ، ووقت التقارب، والانحراف، والاستجابة العابرة، والأداء أثناء الشحن والتفريغ.

يجب أيضاً فحص الخطأ بشكل منفصل عند حالة الشحن العالية، وحالة الشحن المنخفضة، ومنطقة الاستقرار المتوسطة. حساسية جهد البطارية والمخاطر العملية ليست موحدة عبر هذه المناطق.

استخدم تفاوتات قياس مناسبة

يجب أن يكون إعداد الاختبار أكثر دقة من سلوك الخوارزمية الذي يتم تقييمه. قد تشمل المتطلبات المرجعية خطأ جهد إجمالي في حدود ±1% تقريباً من نطاق المقياس الكامل، وخطأ تيار في حدود ±0.3 أمبير للتيارات التي تصل إلى 30 أمبير أو ±1% فوق 30 أمبير، وخطأ درجة حرارة في حدود ±2 درجة مئوية تقريباً.

بالنسبة لقياسات الوحدات الفردية، يمكن استخدام هدف خطأ يبلغ حوالي ±0.5% من نطاق المقياس الكامل. يجب اختيار الحدود الدقيقة وفقاً لكيمياء الخلية، والتطبيق، ونطاق الأداة، ومعيار السلامة أو التحقق المعمول به.

اختبر نطاق التشغيل الكامل

يجب أن يتضمن التحقق ملفات تعريف قائمة على الراحة بالإضافة إلى ملفات تعريف ديناميكية. يجب أن تغطي أيضاً تباين درجات الحرارة، والنبضات عالية المعدل، ومعدلات الشحن والتفريغ المختلفة، وتلاشي السعة، والخلايا ذات الاختلافات في التصنيع.

على سبيل المثال، قد يُظهر مرشح كالمان التكيفي المعدل تقارباً أسرع بكثير أثناء النبضات عالية المعدل مقارنة بمرشح كالمان التقليدي. هذا الاستنتاج لا يكون ذا مصداقية إلا عندما يكون مدعوماً ببيانات نبضية مقاسة ويتم التحقق منه أثناء ملفات تعريف تشغيل منفصلة.

فهم المقايضات

الدقة الأعلى تتطلب مزيداً من المعلومات

الطرق البسيطة جذابة لأنها تحتاج إلى قياسات أقل وحسابات أقل. قيدها هو أنها تمتلك آليات أقل لتصحيح أخطاء التهيئة، وانحراف المستشعر، وتأثيرات درجة الحرارة، وتقادم البطارية.

تستخدم المُقدِّرات الأكثر تقدماً معلومات إضافية من خلال نماذج داخلية أو علاقات متعلمة. هذا يحسن الدقة المحتملة ولكنه يزيد من الحاجة إلى المعايرة، وموارد المعالج، وبيانات الاختبار، والصيانة.

دقة المختبر لا تضمن الدقة الميدانية

يمكن لمجموعة بيانات معملية عالية الجودة أن تنتج مُقدِّراً يعمل بشكل جيد للغاية في ظل ظروف خاضعة للرقابة. لا يمكنها ضمان تشغيل موثوق إذا كانت البطارية المنشورة، أو المستشعرات، أو نطاق درجة الحرارة، أو ملف تعريف التحميل يقع خارج نطاق التحقق.

لذلك يجب أن تمثل خطة الاختبار الاستخدام الفعلي. يجب أن توصِّف أجهزة الاختبار كلاً من السلوك الاسمي والاضطرابات التي سيواجهها نظام إدارة البطارية (BMS) في الخدمة.

حالة الشحن (SOC) تختلف عن حالة الصحة (SOH) وحالة الطاقة (SOE)

تقدر حالة الشحن (SOC) الشحن المتبقي، بينما تصف حالة الصحة (SOH) التدهور بالنسبة لبطارية جديدة أو مرجعية. تقدر حالة الطاقة (SOE) الطاقة المتبقية القابلة للاستخدام وتأخذ في الاعتبار سلوك الجهد أثناء التفريغ بشكل مباشر أكثر.

يمكن أن تحتوي البطارية على حالة شحن عالية ولكنها تقدم طاقة أقل مما كانت عليه عندما كانت جديدة لأن خصائص السعة والجهد قد تدهورت. بالنسبة لتطبيقات مثل المركبات الكهربائية، قد تكمل حالة الطاقة (SOE) حالة الشحن (SOC) عند تقدير النطاق أو وقت التشغيل المتبقي.

دقة الأداة لها عواقب تتعلق بالسلامة

تؤثر أخطاء الجهد والتيار ودرجة الحرارة على كل من تقييم الخوارزمية وحماية البطارية. يمكن للقياسات الضعيفة أن تحجب الشحن الزائد، والتفريغ الزائد، والتدفئة غير الطبيعية، والتغيرات المتعلقة بالتدهور.

تساعد أنظمة الاختبار الدقيقة في فصل خطأ الخوارزمية عن خطأ الأجهزة. هذا التمييز ضروري عند اتخاذ قرار بشأن ما إذا كان المُقدِّر، أو المستشعر، أو نموذج البطارية، أو استراتيجية التحكم بحاجة إلى تحسين.

كيفية تطبيق هذا على مشروعك

يجب اختيار الطريقة المناسبة كجزء من بنية نظام إدارة البطارية (BMS) الكاملة، بما في ذلك المستشعرات، وسعة المعالج، وكيمياء البطارية، وملف تعريف التشغيل، واستراتيجية إعادة المعايرة.

• إذا كان تركيزك الأساسي هو التكلفة الحسابية المنخفضة: استخدم حساب الكولوم أو طرق المعلمات المميزة، ولكن أضف تصحيحاً دورياً وقم بتوصيف انحراف المستشعر، وتأثيرات درجة الحرارة، وعدم اليقين في حالة الشحن الأولية.
• إذا كان تركيزك الأساسي هو الدقة الديناميكية: استخدم مراقباً قائماً على النموذج مثل متغير مرشح كالمان وحدد معلماته عبر ظروف التيار، ودرجة الحرارة، وحالة الشحن، والتقادم.
• إذا كان تركيزك الأساسي هو سلوك البطارية غير الخطي: فكر في مُقدِّر معتمد على البيانات، بشرط أن تغطي مجموعة بيانات التدريب نطاق التشغيل المقصود بالكامل وأن تتضمن بيانات تحقق مستقلة.
• إذا كان تركيزك الأساسي هو القوة الميدانية طويلة المدى: اجمع بين حساب الكولوم وآلية تصحيح مستقلة وتحقق من الاستراتيجية الهجينة عبر التقادم، ودرجة الحرارة، وملفات تعريف التحميل المتنوعة.
• إذا كان تركيزك الأساسي هو التحقق من الخوارزمية القابل للدفاع عنه: استخدم نظام اختبار بطارية دقيق لالتقاط بيانات التيار والجهد ودرجة الحرارة والممانعة المتزامنة بموجب بروتوكولات خاضعة للرقابة وقابلة للتكرار.

لا يتم بناء خوارزمية حالة شحن موثوقة من الرياضيات المتطورة فحسب، بل من القياسات الدقيقة، والاختبار التمثيلي، والتحقق الذي يعكس سلوك البطارية الحقيقي.

جدول الملخص:

هل أنت مستعد للتحقق من خوارزميات حالة الشحن (SOC) الخاصة بك بدقة؟ توفر KINTEK أنظمة اختبار بطاريات شاملة للبحث والتطوير والمواد المتقدمة، تغطي سير عمل تصنيع الخلايا بالكامل. تساعدك معداتنا على تحقيق تقدير دقيق وموثوق لحالة الشحن. اتصل بنا اليوم لمناقشة احتياجات الاختبار الخاصة بك!