Σχεδίαση και σύστημα διάγνωσης μπαταρίας
Battery design and diagnostic system
Λέξεις-κλειδιά
Μπαταρίες ; Μπαταρίες λιθίου ; Διάγνωση μπαταριών ; Διάγνωση βλαβών ; Κυψέλες μπαταρίαςΠερίληψη
Στην παρόυσα εργασία παρουσιάζεται και μια στατιστική μέθοδο διάγνωσης βλαβών και ανίχνευσης ανωμαλιών σε συστήματα μπαταριών ηλεκτρικών διόδων με βάση δεδομένα που συλλέγονται από την κεντρική πλατφόρμα παρακολούθησης. Η εργασία αναφέρει αρχικά τα στάδια παραγωγής μπαταρίας λιθίου και αφορά πρωτίστως τη διάγνωση βλαβών ολόκληρου του συστήματος και την ανίχνευση ανωμαλιών της εσωτερικής τάσης του στοιχείου με μαθηματικούς τύπους και για τη διάγνωση σφαλμάτων ολόκληρου του συστήματος, η κατάσταση λειτουργίας του ηλεκτρικού αρχικά χωρίζεται σε τέσσερις περιπτώσεις ανάλογα με το ρεύμα και την ταχύτητα της μπαταρίας. Στη συνέχεια, η πυκνότητα πιθανότητας των δεδομένων για κάθε στιγμή υπολογίζεται χρησιμοποιώντας την ιδιότητα ότι κάθε αλλαγή παραμέτρου αντιστοιχεί στην κατανομή Gauss. Στη συνέχεια, οι τιμές της πυκνότητας πιθανότητας που αντιστοιχούν σε όλες τις παραμέτρους πολλαπλασιάζονται ως συντελεστής διάγνωσης σφάλματος. Τα αποτελέσματα επικύρωσης δείχνουν ότι η προτεινόμενη μέθοδος μπορεί να διαγνώσει με ακρίβεια σφάλματα και ανωμαλίες του συστήματος και είναι κατάλληλη για τη διαχείριση της ασφάλειας σε πραγματικό χρόνο . Επιπλέον, ο συνδυασμός μεθόδων ανάλυσης δεδομένων και οπτικοποίησης επιτρέπει την έγκαιρη και ακριβή ανίχνευση ανωμαλιών τάσης κυψέλης.
Περίληψη
A statistical method for fault diagnosis and anomaly detection in diode battery systems based on data collected from the central monitoring platform is also presented in this thesis. The thesis first mentions the stages of lithium battery production. It is primarily concerned with the fault diagnosis of the whole system and the abnormality detection of the internal voltage of the cell with mathematical formulas, and for the fault diagnosis of the entire system, the operating state of the electric is initially divided into four cases according to with battery current and speed. The validation results show that the proposed method can accurately diagnose system faults and anomalies and is suitable for real-time security management. In addition, combining data analysis and visualization methods enables early and accurate detection of cell voltage anomalies.