L’obbiettivo di questo elaborato è di analizzare la robustezza e l’idoneità dell’algoritmo di filtro di Kalman applicato alla stima dello stato di carica nelle batterie a flusso di Vanadio. Nelle batterie a flusso si usa solitamente il metodo OCV, che necessita di misure dirette per la stima dello stato di carica, l’algoritmo di Kalman permette invece di stimare lo SoC indirettamente a partire dalla tensione ai morsetti e dalla corrente assorbita o erogata, tramite delle equazioni di predizione e aggiornamento implementate da questo osservatore di stato in retroazione, che considera il rumore di misura e di processo. Si considerano due diversi modelli elettrici semplificati individuati in letteratura, ai quali si applica il filtro per ottenere delle stime dello stato di carica, confrontando i risultati con quelli ottenuti sperimentalmente. Questi modelli sono non lineari, perciò il tipo di filtro applicato è quello esteso, che permette di eseguire stime a priori linearizzando le funzioni localmente. Il primo modello è basato sul modello di Thevenin, utilizza una combinazione di un generatore di tensione dipendente dallo stato di carica, resistori, condensatori ed elementi non lineari che rappresentano la dinamica della batteria, ha come obbiettivo quello di catturare i trend elettrochimici della batteria attraverso le sue caratteristiche elettriche. Il secondo modello considerato viene elaborato per una maggior precisione, considera infatti anche gli effetti della temperatura sullo stato di carica, consiste in quattro parti, un generatore di tensione, resistenze interne di carica e scarica, un modello di predizione della temperatura e un unità di sovrapotenziale di concentrazione. Testando questo metodo su i modelli, si è rivelato in entrambi i casi robusto e affidabile, in grado di filtrare significativamente rumori di misura e processo.
Stima dello stato di carica nelle batterie a flusso di vanadio con filtro di Kalman
SCHIAVO, NICOLA
2022/2023
Abstract
L’obbiettivo di questo elaborato è di analizzare la robustezza e l’idoneità dell’algoritmo di filtro di Kalman applicato alla stima dello stato di carica nelle batterie a flusso di Vanadio. Nelle batterie a flusso si usa solitamente il metodo OCV, che necessita di misure dirette per la stima dello stato di carica, l’algoritmo di Kalman permette invece di stimare lo SoC indirettamente a partire dalla tensione ai morsetti e dalla corrente assorbita o erogata, tramite delle equazioni di predizione e aggiornamento implementate da questo osservatore di stato in retroazione, che considera il rumore di misura e di processo. Si considerano due diversi modelli elettrici semplificati individuati in letteratura, ai quali si applica il filtro per ottenere delle stime dello stato di carica, confrontando i risultati con quelli ottenuti sperimentalmente. Questi modelli sono non lineari, perciò il tipo di filtro applicato è quello esteso, che permette di eseguire stime a priori linearizzando le funzioni localmente. Il primo modello è basato sul modello di Thevenin, utilizza una combinazione di un generatore di tensione dipendente dallo stato di carica, resistori, condensatori ed elementi non lineari che rappresentano la dinamica della batteria, ha come obbiettivo quello di catturare i trend elettrochimici della batteria attraverso le sue caratteristiche elettriche. Il secondo modello considerato viene elaborato per una maggior precisione, considera infatti anche gli effetti della temperatura sullo stato di carica, consiste in quattro parti, un generatore di tensione, resistenze interne di carica e scarica, un modello di predizione della temperatura e un unità di sovrapotenziale di concentrazione. Testando questo metodo su i modelli, si è rivelato in entrambi i casi robusto e affidabile, in grado di filtrare significativamente rumori di misura e processo.File | Dimensione | Formato | |
---|---|---|---|
Schiavo_Nicola.pdf
accesso aperto
Dimensione
1.21 MB
Formato
Adobe PDF
|
1.21 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/44100