يتتبع مرشح الجسيمات حالة شحن البطارية (SOC) من خلال الاحتفاظ بالعديد من التقديرات المحتملة للحالة، ثم يتنبأ بالعمر الإنتاجي المتبقي (RUL) عبر تمرير هذه التقديرات من خلال نموذج تدهور. يمثل كل جسيم تركيبة محتملة من حالة الشحن، والحالات المرتبطة بالجهد، وتأثيرات درجة الحرارة، ومعلمات التقادم. ومع وصول قياسات التيار والجهد ودرجة الحرارة، يتنبأ الإطار بمسار كل جسيم، ويمنحه وزنًا وفقًا لمدى توافقه مع القياسات، ثم يعيد أخذ عينات من المجموعة، ويمدّد الجسيمات الباقية حتى الوصول إلى حالة نهاية التفريغ أو نهاية العمر.
الخلاصة الأساسية: يُعد ترشيح الجسيمات مفيدًا لأنه لا يفرض تمثيل البطارية غير الخطية والمتقادمة بتقدير غاوسي واحد. بل ينتج توزيعًا احتماليًا لحالة الشحن والتدهور، مما يسمح بالإبلاغ عن العمر الإنتاجي المتبقي كتنبؤ مصحوب بعدم يقين بدلًا من تقديم رقم واحد غير مدعوم.
لماذا يناسب ترشيح الجسيمات اختبارات البطاريات غير الخطية
لا يمكن تمثيل سلوك البطارية تمثيلًا كافيًا بنموذج خطي ثابت
يختلف فقدان سعة البطارية، والتفريغ الذاتي، ونمو المقاومة الداخلية، والحساسية لدرجة الحرارة، وتأثيرات معدل التشغيل تبعًا لتاريخ التشغيل وحالة الشحن والعمر. وتجعل الأحمال النبضية أو المتغيرة بدرجة كبيرة هذه التأثيرات أكثر وضوحًا.
قد يصبح المقدّر الخطي المبسّط غير دقيق عندما تعمل البطارية خارج الظروف المستخدمة في المعايرة. أما مرشح الجسيمات فيستخدم نموذجًا غير خطي لانتقال الحالة، ويمكنه تمثيل المعلمات المتغيرة وملفات التشغيل غير المنتظمة.
تشمل الحالة أكثر من حالة الشحن
قد يتضمن متجه حالة البطارية ما يلي:
[ x_k = \begin{bmatrix} SOC_k & V_{1,k} & V_{2,k} & R_k & Q_k & \theta_k \end{bmatrix}^{T} ]
تمثل (SOC_k) حالة الشحن، ويمكن أن يمثل (V_1) و(V_2) حالات الجهد الديناميكية، بينما يمكن أن يمثل (R_k) المقاومة الداخلية، و(Q_k) السعة القابلة للاستخدام، و(\theta_k) معلمات التدهور أو النموذج الأخرى.
تعتمد الحالة الدقيقة على نموذج البطارية المحدد. ويتمثل المبدأ المهم في إمكانية تقدير حالة الشحن ومعلمات التقادم معًا بدلًا من التعامل مع صحة البطارية باعتبارها مدخلًا ثابتًا.
كيفية تتبع المرشح لحالة الشحن
1. تهيئة مجموعة من حالات البطارية المحتملة
في بداية الاختبار، ينشئ المرشح جسيمات:
[ {x_0^i, w_0^i}_{i=1}^{N} ]
كل جسيم (x_0^i) هو حالة ابتدائية محتملة، و(w_0^i) هو وزن احتماله. ويمكن للجسيمات أن تعكس عدم اليقين في حالة الشحن الابتدائية، والسعة، والمقاومة، وتأثيرات درجة الحرارة، ومعلمات النموذج الأخرى.
فعلى سبيل المثال، إذا كانت حالة الشحن الابتدائية غير مؤكدة، فإن الجسيمات تغطي نطاقًا من القيم بدلًا من تعيين قيمة دقيقة واحدة للبطارية.
2. تمرير كل جسيم عبر نموذج البطارية
عند تدوير البطارية، يتم تحديث كل جسيم باستخدام نموذج لتطور الحالة:
[ x_k^i = f_{k-1}(x_{k-1}^i,u_k,\theta_k^i)+w_k^i ]
يتضمن المدخل (u_k) عادةً التيار المقاس، وقد يتضمن أيضًا درجة الحرارة، وظروف الحمل، أو متغيرات تشغيل أخرى. ويمثل حد ضوضاء العملية خطأ النموذج والتأثيرات غير المقاسة.
تتنبأ هذه الخطوة بكيفية تطور كل حالة محتملة للبطارية خلال فترة أخذ العينات التالية.
3. التنبؤ بالمخرج القابل للقياس
يحوّل المرشح كل حالة متنبأ بها إلى قياس متوقع:
[ \hat{z}_k^i = h_k(x_k^i,u_k)+v_k^i ]
بالنسبة إلى تقدير حالة الشحن، قد يكون المخرج المقاس (z_k) هو الجهد الطرفي، أو التيار، أو درجة الحرارة، أو مجموعة من هذه الإشارات. ويربط نموذج الملاحظة بين الحالات الداخلية مثل حالة الشحن والمقاومة والجهد الذي يراه نظام الاختبار.
4. تحديث أوزان الجسيمات باستخدام القياسات
بمجرد وصول القياس الفعلي، يتم تقييم كل جسيم وفقًا لمدى تطابق تنبؤه مع ذلك القياس:
[ w_k^i \propto w_{k-1}^i,p(z_k\mid x_k^i) ]
تحصل الجسيمات التي تتنبأ بالجهد المقاس والإشارات الأخرى بشكل جيد على أوزان أعلى، بينما تحصل الجسيمات غير المتوافقة على أوزان أقل.
يصحح تحديث القياس هذا الأخطاء المتراكمة أثناء التمرير المعتمد على النموذج. وعمليًا، يجمع المرشح بين حساب الكولوم والتنبؤ المعتمد على النموذج وبين المعلومات الواردة من الجهد المقاس وأجهزة الاستشعار الأخرى.
5. حساب حالة الشحن من توزيع الجسيمات الموزون
يمكن الحصول على حالة الشحن المقدرة من المتوسط الموزون:
[ \widehat{SOC}k = \sum{i=1}^{N} w_k^i,SOC_k^i ]
يوفر تشتت الجسيمات معلومات إضافية عن مستوى الثقة. يشير التوزيع الضيق إلى أن القياسات والنموذج يحددان حالة الشحن بدرجة جيدة نسبيًا، بينما يشير التوزيع الواسع إلى قدر أكبر من عدم اليقين.
وهذا فرق أساسي عن تقدير حالة الشحن ذي النقطة الواحدة: إذ يمكن لمرشح الجسيمات عرض أفضل تقدير ونطاق قيم حالة الشحن المحتملة في الوقت نفسه.
كيفية تنبؤ المرشح بالعمر الإنتاجي المتبقي
يتطلب العمر الإنتاجي المتبقي حالة تدهور أو مؤشرًا للصحة
تصف حالة الشحن حالة الشحنة الحالية. أما العمر الإنتاجي المتبقي فيتطلب تقديرًا لكيفية تغير قدرة البطارية بمرور الوقت.
لذلك يمكن أن يضم المرشح متغيرات تدهور مثل السعة القابلة للاستخدام، أو المقاومة الداخلية، أو معلمة مرتبطة بنمو طبقة SEI. وتتطور هذه المتغيرات بالتزامن مع حالة الشحن أثناء التدوير.
يمكن أيضًا استخدام مؤشر صحة مشتق من السعة أو المقاومة أو إشارة تدهور أخرى، شريطة تنقية الإشارة من ضوضاء القياس ومعالجتها بما يتوافق مع سلوك التدهور المتوقع للبطارية.
نمذجة التدهور كعملية عشوائية
يمكن تمثيل حالة التدهور بصورة عامة كما يلي:
[ d_k = g(d_{k-1},u_k,T_k,\text{التاريخ})+\eta_k ]
يمكن للنموذج أن يأخذ في الحسبان ظروف التشغيل مثل ملف التيار، ودرجة الحرارة، والمدة، وتاريخ التدوير المتراكم. ويسمح حد ضوضاء العملية للخلايا الفردية بالانحراف عن مسار التدهور الاسمي.
وهذا مهم لأن خليتين لهما حالة الشحن الحالية نفسها قد تختلفان في معدلات فقدان السعة، وبالتالي في العمر المتبقي.
تمرير كل جسيم إلى المستقبل للتنبؤ
بعد استيعاب أحدث بيانات الاختبار، يمرر المرشح كل جسيم باقٍ إلى الأمام في ظل الحمل المستقبلي المتوقع والظروف البيئية المتوقعة.
ينتج كل جسيم مسارًا مستقبليًا محتملًا للسعة والمقاومة والجهد وحالة الشحن. ثم تُفحص المسارات مقابل نقطة نهاية محددة، مثل:
- نهاية التفريغ (EOD): وصول البطارية إلى حد الجهد المحدد تحت الحمل المعين.
- نهاية العمر (EOL): وصول البطارية إلى معيار محدد للسعة أو المقاومة أو الأداء أو السلامة.
- الفشل التشغيلي: عدم قدرة البطارية على تلبية متطلبات التطبيق المحددة.
يصبح عدد دورات المستقبل أو خطوات الزمن اللازمة للوصول إلى نقطة النهاية هو تنبؤ العمر الإنتاجي المتبقي لذلك الجسيم.
تحويل أزمنة الوصول إلى نقطة النهاية إلى توزيع احتمالي
تشكل مجموعة تنبؤات نقاط النهاية على مستوى الجسيمات توزيعًا للعمر الإنتاجي المتبقي:
[ p(RUL\mid z_{1:k}) ]
ومن هذا التوزيع، يمكن للنظام الإبلاغ عن العمر الإنتاجي المتبقي المتوقع، أو التنبؤ الوسيط، أو فترات التنبؤ. وغالبًا ما تكون الفترة أكثر فائدة من قيمة واحدة لأنها تكشف عدم اليقين الناجم عن القياسات المشوشة، والظروف الابتدائية غير المؤكدة، وخطأ النموذج، والاختلاف بين الخلايا.
كيفية الحفاظ على تقدير مفيد عبر إعادة أخذ العينات
تصبح أوزان الجسيمات غير متساوية طبيعيًا
بعد تكرار عمليات التنبؤ وتحديث القياسات، قد تحصل جسيمات كثيرة على أوزان تقترب من الصفر، بينما تحمل أعداد قليلة معظم كتلة الاحتمال. وتسمى هذه الحالة انحلال الجسيمات.
إذا لم تتم معالجة هذه الحالة، يفقد المرشح فعليًا التنوع اللازم لتمثيل عدم اليقين ومسارات التدهور البديلة.
تركز إعادة أخذ العينات الحسابات على الحالات المحتملة
عندما يصبح الانحلال كبيرًا، تزيل الخوارزمية الجسيمات منخفضة الوزن وتكرر الجسيمات مرتفعة الوزن. ثم يتم تمرير المجموعة الجديدة مرة أخرى مع إضافة ضوضاء العملية حتى لا تنهار في نسخ متطابقة.
لا تنشئ إعادة أخذ العينات معلومات قياس جديدة، بل تعيد توزيع الجهد الحسابي نحو الحالات المتوافقة مع سلوك البطارية المرصود.
ينبغي التحكم في محفز إعادة أخذ العينات
قد تؤدي إعادة أخذ العينات في كل خطوة زمنية إلى تقليل تنوع الجسيمات، بينما يسمح عدم إجرائها إطلاقًا بتراكم الانحلال. وتستخدم التطبيقات عادةً معيار حجم العينة الفعّال أو تشخيصًا مشابهًا لتحديد وقت الحاجة إلى إعادة أخذ العينات.
تعتمد العتبة المناسبة على النموذج، وعدد الجسيمات، وجودة أجهزة الاستشعار، والميزانية الحسابية.
كيف يبدو سير عمل الاختبار
إعداد بيانات الاختبار ومزامنتها
يجب أن تلتقط أنظمة اختبار البطاريات التيار والجهد بصورة متزامنة. كما أن معلومات درجة الحرارة وملف التشغيل مهمة، لأن الحمل الديناميكي والظروف الحرارية ومدة النبضة يمكن أن تؤثر بشدة في كل من تقدير حالة الشحن والتنبؤ بالتدهور.
تجعل النبضات ذات التيار العالي والأحمال المتغيرة بسرعة جودة أخذ العينات أمرًا مهمًا بوجه خاص. فقد تؤدي المزامنة السيئة إلى جعل المرشح ينسب أخطاء توقيت القياس إلى حالات بطارية غير صحيحة.
تهيئة إشارات التدهور
قد تحتوي مؤشرات الصحة الخام المشتقة من السعة والمقاومة والجهد على ضوضاء محلية. ولذلك قد تبدو إشارة التدهور وكأنها تتعافى مؤقتًا رغم أن التقادم غير القابل للعكس لم يتراجع.
يمكن لأساليب التنعيم مثل المتوسطات المتحركة أو ترشيح Savitzky–Golay تقليل الضوضاء المحلية. كما يمكن تطبيق قيد الرتابة عندما يُتوقع فيزيائيًا أن يتدهور مؤشر الصحة المختار بصورة رتيبة، مما يمنع إدخال آثار التعافي غير المعقولة في نموذج التنبؤ.
معايرة النموذج دون اتصال
يمكن استخدام بيانات التقادم التاريخية من خلايا متعددة لتقدير سلوك التدهور على مستوى المجموعة والاختلاف بين الخلايا. وتساعد هذه المرحلة غير المتصلة في تحديد نطاقات المعلمات المعقولة، ومستويات ضوضاء العملية، وسلوك أزمنة الفشل.
يمكن لنماذج التأثيرات المختلطة أو نماذج المجموعة ذات الصلة تمثيل اتجاهات التقادم المشتركة وانحرافات الخلايا الفردية معًا.
تحديث الخلية الفردية عبر الإنترنت
أثناء الاختبار المباشر، يستخدم مرشح الجسيمات القياسات الحالية لتكييف نموذج المجموعة مع الخلية المحددة قيد المراقبة. ويمكن لقياسات المقاومة أو السعة ذات الصلة، في الوقت الفعلي، تحديث مسار التدهور الفردي.
غالبًا ما يكون هذا النهج ذو المرحلتين أكثر متانة من الاعتماد حصريًا على المتوسطات التاريخية أو على قياسات خلية واحدة المشوشة.
فهم المقايضات
يؤثر عدد الجسيمات في الدقة والحسابات
يمكن لعدد أكبر من الجسيمات تمثيل توزيعات الاحتمال المعقدة بدقة أكبر، خصوصًا عندما يكون بُعد الحالة كبيرًا أو يكون التوزيع اللاحق متعدد الأنماط. وتتمثل التكلفة في زيادة استخدام الذاكرة ووقت الحساب.
قد ينتج عن قلة الجسيمات تقديرات غير مستقرة أو فقدان مسارات تدهور محتملة. ولذلك ينبغي تحديد عدد الجسيمات من خلال التحقق، لا افتراض أنه يضمن الدقة.
تظل جودة النموذج مهمة
لا يعوض مرشح الجسيمات عن نموذج بطارية غير مناسب جوهريًا. فإذا أغفل نموذج انتقال الحالة أو نموذج القياس تأثيرات مهمة لدرجة الحرارة، أو الاستهلاك، أو النبضات، أو التقادم، فقد يمنح المرشح احتمالًا مرتفعًا لحالات غير صحيحة فيزيائيًا.
ومن الأفضل فهم الخوارزمية باعتبارها مقدّرًا بايزيًا غير خطي، وليس بديلًا عن توصيف البطارية.
يعتمد العمر الإنتاجي المتبقي على ظروف التشغيل المستقبلية
يعتمد تنبؤ العمر الإنتاجي المتبقي على الأحمال ودرجات الحرارة وسياسات التشغيل المستقبلية المفترضة. فقد تصل الخلية إلى نقطة النهاية في وقت أبكر عند الطلب المستمر ذي التيار العالي مقارنةً بملف تشغيل أخف.
لذلك ينبغي لنظام الاختبار أو الإنتاج تحديد سيناريو التنبؤ صراحةً. وإلا فقد يكون رقم العمر الإنتاجي المتبقي الذي يبدو دقيقًا مضللًا.
قد تكون الحدود الثابتة غير مناسبة
لا يمثل حد واحد للمقاومة أو السعة الفشل بدقة دائمًا، خصوصًا عندما تكون متطلبات الأداء في التطبيق متغيرة أو عندما لا يكون الفشل التام محددًا بوضوح.
عند الاقتضاء، يمكن ربط قياسات التدهور بالزمن حتى الفشل من خلال نماذج احتمالية أو نماذج قائمة على المخاطر. ويسمح ذلك للتنبؤ بأن يعكس سلوك الفشل المرصود بدلًا من الاعتماد على حد اعتباطي وحده.
قد يزداد عدم اليقين بسرعة أثناء التنبؤات طويلة الأجل
كلما امتد المرشح إلى ما بعد أحدث قياس، زاد تأثير عدم اليقين في العملية والظروف المستقبلية غير المؤكدة على النتيجة. ولذلك ينبغي تحديث تنبؤات العمر الإنتاجي المتبقي طويلة الأفق عند توفر بيانات تدوير جديدة.
ويعرض النظام الموثوق تغيرات عدم اليقين بدلًا من تقديم تنبؤ ثابت حتى حدوث الفشل.
اختيار الحل المناسب لهدفك
يكون ترشيح الجسيمات أكثر فعالية عندما يُصمم سير عمل التقدير والتنبؤ حول هدف الاختبار.
- إذا كان تركيزك الأساسي هو دقة حالة الشحن: استخدم نموذجًا كهربائيًا غير خطي، وقم بمزامنة قياسات التيار والجهد، وأدرج تأثيرات درجة الحرارة ذات الصلة، وأبلغ عن حالة الشحن المقدرة وعدم اليقين المرتبط بها.
- إذا كان تركيزك الأساسي هو التنبؤ بالعمر الإنتاجي المتبقي: أدرج متغيرات التدهور مثل السعة أو المقاومة في حالة الجسيم، وحدد معيار نهاية التفريغ أو نهاية العمر صراحةً، ومرر الجسيمات وفق ملف تشغيل مستقبلي محدد.
- إذا كان تركيزك الأساسي هو التنبؤ المتين بين الخلايا: عاير سلوك المجموعة دون اتصال، ومثّل اختلافات التصنيع، وحدّث مسار تدهور كل خلية عبر الإنترنت باستخدام قياساتها الخاصة.
- إذا كان تركيزك الأساسي هو النشر في الوقت الفعلي: تحكم في عدد الجسيمات وتواتر إعادة أخذ العينات، وعالج مؤشرات الصحة المشوشة مسبقًا، وتحقق من زمن الاستجابة الحسابي مقارنةً بمتطلبات أخذ العينات في نظام الاختبار.
يحوّل إطار ترشيح الجسيمات المصمم جيدًا قياسات البطارية غير الخطية إلى توزيع احتمالي متطور لكل من حالة الشحن الحالية وعمر البطارية المستقبلي، مما يمنح المهندسين أساسًا لاتخاذ القرارات بدلًا من إحساس زائف بالدقة.
جدول الملخص:
| الجانب | الوصف |
|---|---|
| المبدأ الأساسي | يستخدم مجموعة من الجسيمات لتمثيل حالات البطارية المحتملة، مما يتيح التقدير غير الخطي وغير الغاوسي. |
| تتبع حالة الشحن | يمرر الجسيمات عبر نموذج البطارية، ويحدّث الأوزان استنادًا إلى القياسات، ويحسب حالة الشحن كمتوسط موزون. |
| التنبؤ بالعمر الإنتاجي المتبقي | يمدّد الجسيمات إلى المستقبل في ظل ظروف مفترضة، ويحدد معايير نهاية العمر، وينتج توزيعًا احتماليًا للعمر الإنتاجي المتبقي. |
| الميزة الرئيسية | يوفر حدود عدم اليقين إلى جانب التقديرات، مما يحسن اتخاذ القرارات عند التعامل مع بيانات مشوشة أو غير مكتملة. |
| إعادة أخذ العينات | يمنع انحلال الجسيمات من خلال إعادة أخذ العينات، مع تركيز الجهد الحسابي على الحالات المحتملة. |
| المقايضات | يتطلب اختيارًا دقيقًا لعدد الجسيمات، ودقة النموذج، وسيناريوهات التشغيل المستقبلية لتحقيق توازن بين الدقة والقدرة الحسابية. |
هل أنت مستعد لتعزيز اختبارات البطاريات لديك باستخدام التنبؤات المتقدمة؟
في KINTEK، نوفر معدات مختبرية شاملة للبحث والتطوير في مجال البطاريات وأبحاث المواد المتقدمة. يغطي نطاق منتجاتنا سير عمل تصنيع الخلية بالكامل، بدءًا من خلط الملاط والطلاء والكبس الدقيق وصولًا إلى تجميع الخلايا وأنظمة الاختبار. ولتحقيق تقديرات دقيقة لحالة الشحن والعمر الإنتاجي المتبقي، تتكامل معدات الاختبار الدقيقة وأنظمة اكتساب البيانات المتينة لدينا بسلاسة مع أطر مثل ترشيح الجسيمات. سواء كنت تعمل في البحث والتطوير في مجال البطاريات أو في علم المواد، تساعدك حلولنا على تحقيق نتائج موثوقة وغنية بالمعلومات.
تواصل معنا اليوم لمناقشة كيفية دعم KINTE لاحتياجات اختبار البطاريات لديك والارتقاء بأبحاثك.