LiFePO4 SOC มีความแม่นยำเพียงใดในการใช้งานจริง-ทั่วโลก

ในด้านเทคโนโลยีแบตเตอรี่ลิเธียม การวัดที่แม่นยำSOC ของ LiFePO4ได้รับการยอมรับว่าเป็นวิชาเอกมายาวนานความท้าทายทางเทคนิค.

⭐"คุณเคยเจอสิ่งนี้:ครึ่งทางของการเดินทางด้วย RV แบตเตอรี่แสดง SOC 30% และช่วงเวลาถัดไปก็ลดลงเหลือ 0% ส่งผลให้ไฟฟ้าดับหรือหลังจากชาร์จเต็มวัน SOC ยังคงอยู่ประมาณ 80%? แบตเตอรี่ไม่เสีย-BMS (ระบบจัดการแบตเตอรี่) ของคุณ 'ตาบอด'"

แม้ว่าแบตเตอรี่ LiFePO4เป็นตัวเลือกที่ต้องการสำหรับการจัดเก็บพลังงานเนื่องจากมีความปลอดภัยเป็นพิเศษและอายุการใช้งานยาวนานผู้ใช้จำนวนมากมักพบว่า SOC กระโดดกะทันหันหรือการอ่านค่าที่ไม่ถูกต้องในการใช้งานจริง. เหตุผลเบื้องหลังอยู่ที่ความซับซ้อนโดยธรรมชาติของการประมาณค่า LiFePO4 SOC

ต่างจากการไล่ระดับแรงดันไฟฟ้าที่เด่นชัดของแบตเตอรี่ NCMการระบุ LiFePO4 SOC อย่างถูกต้องไม่ใช่เรื่องง่ายในการอ่านตัวเลข; มันต้องเอาชนะ "การรบกวน" เคมีไฟฟ้าที่เป็นเอกลักษณ์ของแบตเตอรี่

บทความนี้จะสำรวจลักษณะทางกายภาพที่ทำให้การวัด SOC ทำได้ยาก และให้รายละเอียดเกี่ยวกับวิธีการCopow มี- BMS อัจฉริยะในตัวใช้ประโยชน์จากอัลกอริธึมขั้นสูงและการทำงานร่วมกันของฮาร์ดแวร์เพื่อให้ได้ความแม่นยำสูง-การจัดการ SOC สำหรับแบตเตอรี่ LiFePO4.

soc ย่อมาจากคำว่าแบตเตอรี่?

ในเทคโนโลยีแบตเตอรี่SOC ย่อมาจาก State of Chargeซึ่งหมายถึงเปอร์เซ็นต์ของพลังงานที่เหลืออยู่ของแบตเตอรี่โดยสัมพันธ์กับความจุการใช้งานสูงสุด พูดง่ายๆ ก็คือเหมือนกับ "มาตรวัดน้ำมันเชื้อเพลิง" ของแบตเตอรี่

พารามิเตอร์แบตเตอรี่ที่สำคัญ

นอกจาก SOC แล้ว ยังมีคำย่ออีกสองคำที่มักกล่าวถึงในการจัดการแบตเตอรี่ลิเธียม:

• SOH (สภาวะสุขภาพ):แสดงความจุปัจจุบันของแบตเตอรี่เป็นเปอร์เซ็นต์ของความจุเดิมจากโรงงาน ตัวอย่างเช่น SOC=100% (ชาร์จเต็มแล้ว) แต่ SOH=80% หมายความว่าแบตเตอรี่มีอายุมากขึ้นและความจุจริงอยู่ที่เพียง 80% ของแบตเตอรี่ใหม่
• DOD (ความลึกของการปล่อย):หมายถึงปริมาณพลังงานที่ใช้ไปและเป็นส่วนเสริมของ SOC ตัวอย่างเช่น ถ้า SOC=70% ดังนั้น DOD=30%

เหตุใด SOC จึงมีความสำคัญสำหรับแบตเตอรี่ลิเธียม

• ป้องกันความเสียหาย:Keeping the battery at extremely high (>95%) หรือต่ำมาก (<15%) SOC for extended periods accelerates chemical degradation.
• การประมาณค่าช่วง:ในยานพาหนะไฟฟ้าหรือระบบกักเก็บพลังงาน การคำนวณ SOC อย่างแม่นยำถือเป็นสิ่งสำคัญในการทำนายช่วงที่เหลือ
• การป้องกันการปรับสมดุลของเซลล์:ที่ระบบการจัดการแบตเตอรี่ตรวจสอบ SOC เพื่อสร้างสมดุลให้กับเซลล์แต่ละเซลล์ ป้องกันการชาร์จเกินหรือการคายประจุเกิน-ของเซลล์ใดๆ

ความท้าทาย: เหตุใด LiFePO4 SOC จึงวัดได้ยากกว่า NCM

เมื่อเทียบกับแบตเตอรี่ลิเธียมแบบไตรภาค (NCM/NCA) การวัดสถานะการชาร์จ (SOC) ของแบตเตอรี่ลิเธียมเหล็กฟอสเฟต(LiFePO₄ หรือ LFP) มีความท้าทายมากกว่าอย่างเห็นได้ชัด ความยากลำบากนี้ไม่ได้เกิดจากข้อจำกัดในอัลกอริธึม แต่เกิดจากคุณลักษณะทางกายภาพและพฤติกรรมเคมีไฟฟ้าโดยธรรมชาติของ LFP

เหตุผลที่สำคัญที่สุดและพื้นฐานที่สุดอยู่ที่เส้นโค้งแรงดันไฟฟ้าที่แบนมาก – SOC ของเซลล์ LFP ในช่วงการทำงานส่วนใหญ่ แรงดันไฟฟ้าของแบตเตอรี่จะเปลี่ยนแปลงเพียงเล็กน้อยเท่านั้นเมื่อ SOC แปรผัน ซึ่งทำให้การประมาณค่า SOC ที่อิงตามแรงดันไฟฟ้า-ขาดความละเอียดและความไวที่เพียงพอในการใช้งานจริง- ซึ่งส่งผลให้การประมาณค่า SOC ที่แม่นยำนั้นยากขึ้นอย่างมาก

1. ที่ราบแรงดันไฟฟ้าแบนสูงมาก

นี่คือเหตุผลพื้นฐานที่สุด ในระบบแบตเตอรี่หลายๆ ระบบ โดยทั่วไป SOC จะถูกประมาณโดยการวัดแรงดันไฟฟ้า (วิธีที่ใช้แรงดันไฟฟ้า-)

• แบตเตอรี่ลิเธียมแบบไตรภาค (NCM):แรงดันไฟฟ้าจะเปลี่ยนไปตาม SOC ที่ทางลาดที่ค่อนข้างชัน เมื่อ SOC ลดลงจาก 100% เป็น 0% โดยทั่วไปแรงดันไฟฟ้าจะลดลงในลักษณะใกล้-เชิงเส้นจากประมาณ 4.2 V เป็น 3.0 V ซึ่งหมายความว่าแม้แรงดันไฟฟ้าจะเปลี่ยนแปลงเพียงเล็กน้อย (เช่น 0.01 V) ก็สอดคล้องกับการเปลี่ยนแปลงที่สามารถระบุได้อย่างชัดเจนในสถานะประจุ
• แบตเตอรี่ลิเธียมเหล็กฟอสเฟต (LFP):ตลอดช่วง SOC ที่กว้าง-ประมาณจาก 20% ถึง 80%- แรงดันไฟฟ้าจะยังคงเกือบคงที่ ซึ่งโดยปกติจะคงที่ประมาณ 3.2–3.3 V ภายในภูมิภาคนี้ แรงดันไฟฟ้าจะเปลี่ยนแปลงน้อยมากแม้ว่าจะมีการชาร์จหรือคายประจุความจุจำนวนมากก็ตาม
• การเปรียบเทียบ:การวัด SOC ในแบตเตอรี่ NCM ก็เหมือนกับการสังเกตความลาดชัน-คุณสามารถบอกตำแหน่งของคุณได้อย่างง่ายดายตามความสูง การวัด SOC ในแบตเตอรี่ LFP นั้นเหมือนกับการยืนบนสนามฟุตบอลมากกว่า เนื่องจากพื้นดินราบเรียบจนเป็นการยากที่จะระบุได้ว่าคุณอยู่ใกล้ศูนย์กลางหรือใกล้ขอบมากขึ้นโดยใช้ความสูงเพียงอย่างเดียว

2. ผลกระทบฮิสเทรีซิส

แบตเตอรี่ LFP จัดแสดงกเอฟเฟกต์ฮิสเทรีซีสของแรงดันไฟฟ้าที่เด่นชัด. ซึ่งหมายความว่าที่สถานะการชาร์จเดียวกัน (SOC) แรงดันไฟฟ้าที่วัดได้ระหว่างการชาร์จจะแตกต่างจากแรงดันไฟฟ้าที่วัดได้ในระหว่างการคายประจุ

• ความคลาดเคลื่อนของแรงดันไฟฟ้านี้ทำให้เกิดความคลุมเครือสำหรับระบบจัดการแบตเตอรี่ (BMS) ในระหว่างการคำนวณ SOC
• หากไม่มีการชดเชยอัลกอริธึมขั้นสูง การใช้ตารางค้นหาแรงดันไฟฟ้าเพียงอย่างเดียวอาจส่งผลให้เกิดข้อผิดพลาดในการประมาณค่า SOC เกิน 10%

3. แรงดันไฟฟ้ามีความไวต่ออุณหภูมิสูง

การเปลี่ยนแปลงแรงดันไฟฟ้าของเซลล์ LFP มีขนาดเล็กมาก ดังนั้นความผันผวนที่เกิดจากอุณหภูมิจึงมักจะบดบังการเปลี่ยนแปลงที่เกิดจากการเปลี่ยนแปลงสถานะประจุจริง

• ในสภาพแวดล้อมที่มีอุณหภูมิต่ำ- ความต้านทานภายในของแบตเตอรี่จะเพิ่มขึ้น ส่งผลให้แรงดันไฟฟ้าไม่เสถียรมากยิ่งขึ้น
• สำหรับ BMS เป็นการยากที่จะแยกแยะว่าแรงดันไฟฟ้าตกเล็กน้อยเกิดจากการที่แบตเตอรี่หมดหรือเพียงเพราะสภาวะแวดล้อมที่เย็นกว่า

4. ขาดโอกาสในการปรับเทียบ "จุดสิ้นสุด"

เนื่องจากแรงดันไฟฟ้าแบนราบยาวในช่วง SOC ตรงกลาง BMS จึงต้องอาศัยวิธีการนับคูลอมบ์ (รวมกระแสที่ไหลเข้าและออก) เพื่อประมาณค่า SOC อย่างไรก็ตาม เซ็นเซอร์ปัจจุบันสะสมข้อผิดพลาดอยู่ตลอดเวลา

• เพื่อแก้ไขข้อผิดพลาดเหล่านี้โดยทั่วไป BMS ต้องมีการสอบเทียบที่ประจุเต็ม (100%) หรือคายประจุจนเต็ม (0%)
• เนื่องจากแรงดันไฟฟ้าของ LFP เพิ่มขึ้นหรือลดลงอย่างรวดเร็วเมื่อใกล้ประจุเต็มหรือใกล้หมดเท่านั้นหากผู้ใช้ฝึก "เติม-การชาร์จ" บ่อยครั้งโดยไม่ได้ชาร์จจนเต็มหรือคายประจุจนหมด BMS สามารถทำงานได้เป็นเวลานานโดยไม่มีจุดอ้างอิงที่เชื่อถือได้ ซึ่งนำไปสู่SOC ดริฟท์เมื่อเวลาผ่านไป

แหล่งที่มา:แบตเตอรี่ LFP กับ NMC: คู่มือการเปรียบเทียบฉบับสมบูรณ์

Iคำบรรยายภาพผู้วิเศษ:แบตเตอรี่ NCM มีความชันของแรงดันไฟฟ้า–SOC ที่สูงชัน ซึ่งหมายความว่าแรงดันไฟฟ้าจะลดลงอย่างเห็นได้ชัดเมื่อสถานะประจุลดลง ทำให้ประเมิน SOC ได้ง่ายขึ้น ในทางตรงกันข้าม แบตเตอรี่ LFP จะคงที่ตลอดช่วง-SOC กลางส่วนใหญ่ โดยแรงดันไฟฟ้าแทบไม่มีการเปลี่ยนแปลงเลย

วิธีการคำนวณ SOC ทั่วไปในสถานการณ์จริง-ในโลก

ในการใช้งานจริง BMS มักจะไม่พึ่งพาวิธีการเดียวในการแก้ไขความถูกต้องของ SOC แต่จะรวมเทคนิคหลายอย่างเข้าด้วยกัน

1. วิธีแรงดันไฟฟ้าวงจรเปิด (OCV)

นี่เป็นแนวทางพื้นฐานที่สุด ขึ้นอยู่กับข้อเท็จจริงที่ว่าเมื่อแบตเตอรี่อยู่นิ่ง (ไม่มีกระแสไหล) จะมีความสัมพันธ์ที่ชัดเจน-ระหว่างแรงดันไฟฟ้าที่ขั้วต่อกับ SOC

• หลักการ: ตารางตรวจสอบ แรงดันไฟฟ้าของแบตเตอรี่ที่ระดับ SOC ต่างๆ ได้รับการวัด-ล่วงหน้าและจัดเก็บไว้ใน BMS
• ข้อดี: ใช้งานง่ายและค่อนข้างแม่นยำ
• ข้อเสีย: แบตเตอรี่ต้องพักการใช้งานเป็นเวลานาน (สิบนาทีถึงหลายชั่วโมง) เพื่อให้สมดุลทางเคมี ส่งผลให้การวัด SOC แบบเรียลไทม์-ระหว่างการทำงานหรือการชาร์จเป็นไปไม่ได้
• สถานการณ์การใช้งาน: การเริ่มต้นหรือการสอบเทียบอุปกรณ์เริ่มต้นหลังจากไม่มีการใช้งานเป็นเวลานาน

2. วิธีการนับคูลอมบ์

ปัจจุบันนี้เป็นแกนหลักสำหรับการประมาณค่า SOC แบบเรียลไทม์-

หลักการ:ติดตามปริมาณประจุที่ไหลเข้าและออกจากแบตเตอรี่ ในทางคณิตศาสตร์ สามารถทำให้ง่ายขึ้นได้ดังนี้:

ข้อดี:อัลกอริธึมนั้นเรียบง่ายและสามารถสะท้อนการเปลี่ยนแปลงแบบไดนามิกใน SOC ได้แบบเรียลไทม์

ข้อเสีย:

• ข้อผิดพลาดค่าเริ่มต้น:หาก SOC เริ่มต้นไม่ถูกต้อง ข้อผิดพลาดจะยังคงอยู่
• ข้อผิดพลาดสะสม:ความเบี่ยงเบนเล็กน้อยในเซ็นเซอร์ปัจจุบันอาจสะสมเมื่อเวลาผ่านไป ส่งผลให้เกิดความไม่ถูกต้องเพิ่มมากขึ้น

สถานการณ์การใช้งาน:การคำนวณ SOC แบบเรียลไทม์-สำหรับอุปกรณ์อิเล็กทรอนิกส์และยานพาหนะส่วนใหญ่ระหว่างการทำงาน

3. วิธีการกรองคาลมาน

เพื่อเอาชนะข้อจำกัดของสองวิธีก่อนหน้านี้ วิศวกรได้แนะนำแบบจำลองทางคณิตศาสตร์ที่ซับซ้อนมากขึ้น

• หลักการ:ตัวกรองคาลมานผสมผสานวิธีการนับคูลอมบ์และวิธีการใช้แรงดันไฟฟ้า-เข้าด้วยกัน โดยจะสร้างแบบจำลองทางคณิตศาสตร์ของแบตเตอรี่ (โดยทั่วไปจะเป็นแบบจำลองวงจรที่เทียบเท่ากัน) โดยใช้การบูรณาการในปัจจุบันเพื่อประมาณ SOC ในขณะเดียวกันก็แก้ไขข้อผิดพลาดในการบูรณาการอย่างต่อเนื่องด้วยการวัดแรงดันไฟฟ้าแบบเรียลไทม์-
• ข้อดี:ความแม่นยำไดนามิกที่สูงมาก กำจัดข้อผิดพลาดสะสมโดยอัตโนมัติ และแสดงความแข็งแกร่งที่แข็งแกร่งต่อสัญญาณรบกวน
• ข้อเสีย:ต้องใช้พลังการประมวลผลสูงและโมเดลพารามิเตอร์ทางกายภาพของแบตเตอรี่ที่แม่นยำมาก
• สถานการณ์การใช้งาน:ระบบ BMS ใน-ยานพาหนะไฟฟ้าระดับไฮเอนด์ เช่น Tesla และ NIO

⭐"Copow ไม่เพียงแต่ใช้อัลกอริธึมเท่านั้น เราใช้ทองแดงสับ-แมงกานีสที่มีต้นทุนสูงขึ้น-และมีความแม่นยำเพิ่มขึ้น 10 เท่า รวมกับ-เทคโนโลยีการปรับสมดุลแบบแอคทีฟที่พัฒนาขึ้นเองของเรา

ซึ่งหมายความว่าแม้ในสภาวะที่รุนแรง-เช่นสภาพอากาศที่เย็นจัดหรือการชาร์จและการคายประจุที่ตื้นบ่อยครั้ง-ข้อผิดพลาด SOC ของเรายังคงสามารถควบคุมได้ภายใน ±1% ในขณะที่ค่าเฉลี่ยอุตสาหกรรมยังคงอยู่ที่ 5%–10%."

4. การสอบเทียบการชาร์จ/คายประจุเต็ม (การสอบเทียบจุดอ้างอิง)

นี่เป็นกลไกการชดเชยแทนที่จะเป็นวิธีการวัดผลที่เป็นอิสระ

• หลักการ:เมื่อแบตเตอรี่ถึงแรงดันไฟตัดการชาร์จ (ชาร์จเต็ม) หรือแรงดันไฟตัดการคายประจุ (ว่าง) SOC จะเป็น 100% หรือ 0% อย่างแน่นอน
• การทำงาน:ซึ่งทำหน้าที่เป็น "จุดบังคับสอบเทียบ" ซึ่งขจัดข้อผิดพลาดสะสมทั้งหมดจากการนับคูลอมบ์ทันที
• สถานการณ์การใช้งาน:นี่คือสาเหตุที่ Copow แนะนำให้ชาร์จแบตเตอรี่ LiFePO₄ ให้เต็มเป็นประจำ-เพื่อเริ่มการปรับเทียบนี้

ปัจจัยที่บ่อนทำลายความแม่นยำ SOC ของ lifepo4 ของคุณ

ในตอนต้นของบทความนี้ เราได้แนะนำแบตเตอรี่ลิเธียมเหล็กฟอสเฟตเนื่องจากคุณลักษณะทางเคมีไฟฟ้าที่เป็นเอกลักษณ์ ความแม่นยำ SOC ของแบตเตอรี่ LFP จึงได้รับผลกระทบได้ง่ายกว่าแบตเตอรี่ลิเธียมประเภทอื่นๆทำให้เกิดความต้องการที่สูงขึ้นบีเอ็มเอสการประมาณค่าและการควบคุมในการใช้งานจริง

1. ที่ราบแรงดันไฟฟ้าแบบแบน

นี่คือความท้าทายที่ใหญ่ที่สุดสำหรับแบตเตอรี่ LFP

• ปัญหา:ระหว่าง SOC ประมาณ 15% ถึง 95% แรงดันไฟฟ้าของเซลล์ LFP เปลี่ยนแปลงน้อยมาก โดยทั่วไปจะผันผวนเพียงประมาณ 0.1 V
• ผลที่ตามมา:แม้แต่ข้อผิดพลาดในการวัดเล็กๆ น้อยๆ จากเซนเซอร์-เช่น ออฟเซ็ต 0.01 V- ก็อาจทำให้ BMS ประเมิน SOC ผิดพลาดได้ 20%–30% ซึ่งทำให้วิธีการค้นหาแรงดันไฟฟ้าแทบจะไม่ได้ผลในช่วง SOC ระดับกลาง ทำให้ต้องอาศัยวิธีการนับคูลอมบ์ ซึ่งมีแนวโน้มที่จะเกิดข้อผิดพลาดสะสม

2. แรงดันไฟฟ้าฮิสเทรีซีส

แบตเตอรี่ LFP มีเอฟเฟกต์ "หน่วยความจำ" ที่เด่นชัด ซึ่งหมายความว่าเส้นโค้งการชาร์จและการคายประจุจะไม่ทับซ้อนกัน

• ปัญหา:ที่ SOC เดียวกัน แรงดันไฟฟ้าทันทีหลังจากการชาร์จจะสูงกว่าแรงดันไฟฟ้าทันทีหลังจากการคายประจุ
• ผลที่ตามมา:หาก BMS ไม่ทราบสถานะก่อนหน้าของแบตเตอรี่ (ไม่ว่าจะเพิ่งชาร์จหรือเพิ่งคายประจุ) ระบบอาจคำนวณ SOC ที่ไม่ถูกต้องโดยอิงจากแรงดันไฟฟ้าปัจจุบันเพียงอย่างเดียว

3. ความไวต่ออุณหภูมิ

ในแบตเตอรี่ LFP ความผันผวนของแรงดันไฟฟ้าที่เกิดจากการเปลี่ยนแปลงของอุณหภูมิมักจะเกินกว่าที่เกิดจากการเปลี่ยนแปลงสถานะประจุจริง

• ปัญหา:เมื่ออุณหภูมิโดยรอบลดลง ความต้านทานภายในของแบตเตอรี่จะเพิ่มขึ้น ส่งผลให้แรงดันไฟที่ขั้วต่อลดลงอย่างเห็นได้ชัด
• ผลที่ตามมา:BMS พบว่าเป็นการยากที่จะแยกแยะว่าแรงดันไฟฟ้าตกเกิดจากการที่แบตเตอรี่หมดหรือเพียงเพราะสภาวะที่เย็นกว่า หากไม่มีการชดเชยอุณหภูมิที่แม่นยำในอัลกอริธึม การอ่าน SOC ในฤดูหนาวมักจะ "ลดลง" หรือลดลงเหลือศูนย์กะทันหัน

4. ขาดการสอบเทียบการชาร์จเต็ม

เนื่องจากไม่สามารถวัด SOC ได้อย่างแม่นยำในช่วงตรงกลาง แบตเตอรี่ LFP จึงอาศัยจุดแรงดันไฟฟ้าที่คมชัดที่ระดับสุดขั้ว-0% หรือ 100% ในการสอบเทียบ

• ปัญหา:หากผู้ใช้ปฏิบัติตามพฤติกรรม "การชาร์จเต็ม-" ให้รักษาแบตเตอรี่ให้คงที่ระหว่าง 30% ถึง 80% โดยไม่เคยชาร์จจนเต็มหรือคายประจุจนหมด
• ผลที่ตามมา:ข้อผิดพลาดสะสมจากการนับคูลอมบ์ (ตามที่อธิบายไว้ข้างต้น) ไม่สามารถแก้ไขได้ เมื่อเวลาผ่านไป BMS จะทำงานเหมือนเข็มทิศโดยไม่มีทิศทาง และ SOC ที่แสดงอาจเบี่ยงเบนไปจากสถานะการชาร์จจริงอย่างมาก

5. ความแม่นยำและการดริฟท์ของเซ็นเซอร์ปัจจุบัน

เนื่องจากวิธีการที่ใช้แรงดันไฟฟ้า-ไม่น่าเชื่อถือสำหรับแบตเตอรี่ LFP BMS จึงต้องอาศัยการนับคูลอมบ์เพื่อประมาณค่า SOC

• ปัญหา:เซ็นเซอร์ปัจจุบัน-ต้นทุนต่ำมักจะแสดงค่าเบี่ยงเบนจุดเป็นศูนย์- แม้ว่าแบตเตอรี่จะไม่ได้ใช้งาน เซ็นเซอร์อาจตรวจจับกระแสไฟฟ้าที่ไหล 0.1 A อย่างผิดพลาดได้
• ผลที่ตามมา:ข้อผิดพลาดเล็กๆ น้อยๆ ดังกล่าวจะสะสมอย่างไม่มีกำหนดเมื่อเวลาผ่านไป หากไม่มีการสอบเทียบเป็นเวลาหนึ่งเดือน ข้อผิดพลาดในการแสดงผล SOC ที่เกิดจากการเบี่ยงเบนนี้อาจสูงถึงหลายแอมแปร์{1}}ชั่วโมง

6. ความไม่สมดุลของเซลล์

ชุดแบตเตอรี่ LFP ประกอบด้วยเซลล์หลายเซลล์ที่เชื่อมต่อกันเป็นอนุกรม

• ปัญหา:เมื่อเวลาผ่านไป เซลล์บางเซลล์อาจมีอายุเร็วขึ้นหรือมีการปลดปล่อยตัวเองออกมา-สูงกว่าเซลล์อื่นๆ
• ผลที่ตามมา:เมื่อเซลล์ที่ "อ่อนที่สุด" ถึงการชาร์จจนเต็มก่อน ก้อนแบตเตอรี่ทั้งหมดจะต้องหยุดการชาร์จ ณ จุดนี้ BMS อาจบังคับให้ SOC ข้ามไปที่ 100% ทำให้ผู้ใช้เห็นการเพิ่มขึ้นอย่างกะทันหันที่ดูเหมือน "ลึกลับ" ใน SOC จาก 80% เป็น 100%

7. ข้อผิดพลาดในการประมาณการปล่อยประจุด้วยตนเอง-

แบตเตอรี่ LFP คายประจุเอง-ระหว่างการจัดเก็บ

• ปัญหา:หากอุปกรณ์ยังคงปิดอยู่เป็นเวลานาน BMS จะไม่สามารถตรวจสอบกระแสไฟฟ้าคายประจุเองขนาดเล็ก-ในแบบเรียลไทม์ได้
• ผลที่ตามมา:เมื่อเปิดอุปกรณ์อีกครั้ง BMS มักจะอาศัย SOC ที่บันทึกไว้ก่อนปิดเครื่อง ส่งผลให้มีการแสดงผล SOC ที่ประเมินไว้สูงเกินไป

BMS อัจฉริยะปรับปรุงความแม่นยำของ SOC ได้อย่างไร

การเผชิญกับความท้าทายโดยธรรมชาติของแบตเตอรี่ LFP เช่น แรงดันไฟฟ้าที่ราบเรียบและฮิสเทรีซีสที่เด่นชัดโซลูชัน BMS ขั้นสูง (เช่นที่ใช้โดยแบรนด์ระดับสูง-เช่น Copow) ไม่ต้องพึ่งพาอัลกอริธึมเดียวอีกต่อไป. แต่กลับใช้ประโยชน์จากการตรวจจับหลาย-มิติและการสร้างแบบจำลองแบบไดนามิกเพื่อเอาชนะข้อจำกัดด้านความแม่นยำของ SOC

1. ฟิวชั่นเซ็นเซอร์หลายตัว-และความแม่นยำในการสุ่มตัวอย่างสูง

ขั้นตอนแรกสำหรับ BMS อัจฉริยะคือการ "มองเห็น" ได้แม่นยำยิ่งขึ้น

• การสับเปลี่ยนความแม่นยำสูง-:เมื่อเปรียบเทียบกับเซ็นเซอร์กระแสเอฟเฟกต์ Hall{0}} ทั่วไป BMS อัจฉริยะในแบตเตอรี่ Copow LFP ใช้ทองแดงสับแมงกานีส-ที่มีการเบี่ยงเบนของอุณหภูมิน้อยที่สุด ทำให้ข้อผิดพลาดในการวัดกระแสไฟฟ้าอยู่ภายใน 0.5%
• การสุ่มตัวอย่างระดับแรงดันไฟฟ้า-:ในการจัดการกับกราฟแรงดันไฟฟ้าคงที่ของเซลล์ LFP นั้น BMS จะได้รับความละเอียดระดับแรงดันไฟฟ้าระดับมิลลิโวลต์- โดยจับได้แม้กระทั่งความผันผวนเพียงเล็กน้อยภายในที่ราบสูง 3.2 V
• การชดเชยอุณหภูมิหลาย-จุด:หัววัดอุณหภูมิจะถูกวางไว้ในตำแหน่งต่างๆ ทั่วทั้งเซลล์ อัลกอริธึมจะปรับแบบจำลองความต้านทานภายในและพารามิเตอร์ความจุที่ใช้งานได้ในแบบเรียลไทม์ตามอุณหภูมิที่วัดได้

2. การชดเชยอัลกอริทึมขั้นสูง: ตัวกรองคาลมานและการแก้ไข OCV

BMS อัจฉริยะในแบตเตอรี่ Copow LFP ไม่ใช่ระบบที่สะสมอย่างง่าย-อีกต่อไป แกนกลางทำงานเป็นกลไกการแก้ไข-วงรอบตัวเอง-แบบปิด

• ตัวกรองคาลมานแบบขยาย (EKF):นี่เป็นแนวทางที่ "คาดการณ์-และ-ถูกต้อง" BMS คาดการณ์ SOC โดยใช้การนับคูลอมบ์ในขณะเดียวกันก็คำนวณแรงดันไฟฟ้าที่คาดหวังโดยอิงตามแบบจำลองเคมีไฟฟ้าของแบตเตอรี่ (แบบจำลองวงจรเทียบเท่า) จากนั้นความแตกต่างระหว่างแรงดันไฟฟ้าที่คาดการณ์และที่วัดได้จะถูกนำมาใช้เพื่อแก้ไขการประมาณค่า SOC แบบเรียลไทม์อย่างต่อเนื่อง
• OCV แบบไดนามิก-การแก้ไขเส้นโค้ง SOC:เพื่อจัดการกับผลกระทบฮิสเทรีซีสของ LFP ระบบ- BMS ระดับไฮเอนด์จะจัดเก็บเส้นโค้ง OCV หลายเส้นไว้ภายใต้อุณหภูมิและสภาวะการชาร์จ/คายประจุที่แตกต่างกัน ระบบจะระบุโดยอัตโนมัติว่าแบตเตอรี่อยู่ในสถานะ "หลังจาก-พักการชาร์จ" หรือ "หลังจาก-พักการชาร์จ" และเลือกเส้นโค้งที่เหมาะสมที่สุดสำหรับการสอบเทียบ SOC

3. การปรับสมดุลที่ใช้งานอยู่

ระบบ BMS ทั่วไปสามารถกระจายพลังงานส่วนเกินผ่านการคายประจุแบบต้านทานเท่านั้น (การปรับสมดุลแบบพาสซีฟ) เท่านั้นการปรับสมดุลแบบแอคทีฟอัจฉริยะในแบตเตอรี่ Copow LFP ช่วยปรับปรุง-ความน่าเชื่อถือ SOC ของระบบได้อย่างมาก.

• การกำจัด "การเรียกเก็บเงินเต็มจำนวนอันเป็นเท็จ":การปรับสมดุลแบบแอคทีฟจะถ่ายโอนพลังงานจากเซลล์ที่มีแรงดันไฟฟ้าสูง-ไปยังเซลล์ที่มีแรงดันไฟฟ้าต่ำ- วิธีนี้จะช่วยป้องกันสถานการณ์ "เต็มเร็ว" หรือ "หมดเร็ว" ที่เกิดจากเซลล์แต่ละเซลล์ไม่สอดคล้องกัน ช่วยให้ BMS สามารถบรรลุจุดสอบเทียบการชาร์จ/คายประจุเต็มได้แม่นยำยิ่งขึ้น
• การรักษาความสม่ำเสมอ:เฉพาะเมื่อเซลล์ทั้งหมดในแพ็คมีความสม่ำเสมอสูงเท่านั้นจึงจะสามารถ-การสอบเทียบเสริมตามแรงดันไฟฟ้าได้อย่างแม่นยำ มิฉะนั้น SOC อาจผันผวนเนื่องจากการเปลี่ยนแปลงในแต่ละเซลล์

4. การเรียนรู้และความสามารถในการปรับตัว (SOH Integration)

BMS ในแบตเตอรี่ Copow LFP มีหน่วยความจำและความสามารถในการวิวัฒนาการแบบปรับเปลี่ยนได้

• การเรียนรู้ความจุอัตโนมัติ:เมื่อแบตเตอรี่มีอายุมากขึ้น BMS จะบันทึกประจุที่จ่ายระหว่างแต่ละรอบการชาร์จเต็ม- และอัปเดตสถานะสุขภาพของแบตเตอรี่ (SOH) โดยอัตโนมัติ
• การอัปเดตพื้นฐานความจุแบบเรียลไทม์-:หากความจุจริงของแบตเตอรี่ลดลงจาก 100 Ah เป็น 95 Ah อัลกอริธึมจะใช้ 95 Ah เป็นข้อมูลอ้างอิง SOC 100% ใหม่โดยอัตโนมัติ ซึ่งจะช่วยขจัดการอ่าน SOC ที่ประเมินค่าสูงเกินไปซึ่งเกิดจากอายุการใช้งานออกไปโดยสิ้นเชิง

ทำไมถึงเลือกโคโปว์?

1. การตรวจจับที่แม่นยำ

การสุ่มตัวอย่างแรงดันไฟฟ้าระดับมิลลิโวลต์-และการวัดกระแสไฟฟ้าที่มีความแม่นยำสูง-ทำให้ BMS ของ Copow สามารถจับสัญญาณไฟฟ้าที่ละเอียดซึ่งกำหนด SOC ที่แท้จริงในแบตเตอรี่ LFP

2. ความฉลาดที่พัฒนาตนเอง-

ด้วยการบูรณาการการเรียนรู้ SOH และการสร้างแบบจำลองความจุแบบปรับเปลี่ยนได้ BMS จะอัปเดตพื้นฐาน SOC อย่างต่อเนื่องตามอายุของแบตเตอรี่-ทำให้การอ่านมีความแม่นยำตลอดเวลา

3. การบำรุงรักษาที่ใช้งานอยู่

การปรับสมดุลแบบแอคทีฟอัจฉริยะจะรักษาความสม่ำเสมอของเซลล์ ป้องกันสถานะเต็มหรือว่างก่อนกำหนดที่ผิดพลาด และรับรองความถูกต้องแม่นยำระดับ SOC ของระบบ-

บทความที่เกี่ยวข้อง:อธิบายเวลาตอบสนองของ BMS: เร็วกว่าไม่ได้ดีกว่าเสมอไป

⭐ BMS แบบธรรมดากับ BMS อัจฉริยะ (ใช้ Copow เป็นตัวอย่าง)

สรุป:

• BMS แบบธรรมดา:ประมาณการ SOC แสดงการอ่านที่ไม่ถูกต้อง มีแนวโน้มว่าพลังงานจะลดลงในฤดูหนาว ส่งผลให้อายุการใช้งานแบตเตอรี่สั้นลง
• ⭐BMS อัจฉริยะที่ฝังอยู่ในแบตเตอรี่ Copow LiFePO4:การตรวจสอบที่แม่นยำแบบเรียลไทม์- ประสิทธิภาพในฤดูหนาวที่เสถียรยิ่งขึ้น การปรับสมดุลแบบแอคทีฟช่วยยืดอายุแบตเตอรี่ได้มากกว่า 20% ซึ่งเชื่อถือได้เหมือนกับแบตเตอรี่ของสมาร์ทโฟน

เคล็ดลับการปฏิบัติ: ผู้ใช้สามารถรักษาความแม่นยำของ SOC สูงได้อย่างไร

1. ทำการสอบเทียบการชาร์จเต็มตามปกติ (วิกฤต)

• ฝึกฝน:ขอแนะนำให้ชาร์จแบตเตอรี่ให้เต็ม 100% อย่างน้อยสัปดาห์ละครั้งหรือเดือน
• หลักการ:แบตเตอรี่ LFP มีแรงดันไฟฟ้าคงที่มากในช่วง SOC ตรงกลาง ทำให้ BMS ประเมิน SOC ตามแรงดันไฟฟ้าได้ยาก เมื่อชาร์จเต็มแล้วเท่านั้นที่แรงดันไฟฟ้าจะเพิ่มขึ้นอย่างเห็นได้ชัด ช่วยให้ BMS ตรวจจับ "ขอบเขตที่แข็ง" นี้และแก้ไข SOC ให้เป็น 100% โดยอัตโนมัติ ขจัดข้อผิดพลาดสะสม

2. รักษา "การชาร์จแบบลอยตัว" หลังจากการชาร์จเต็มแล้ว

• ฝึกฝน:หลังจากแบตเตอรี่ถึง 100% อย่าถอดปลั๊กไฟทันที ปล่อยให้ชาร์จเพิ่มอีก 30–60 นาที
• หลักการ:ช่วงนี้เป็นหน้าต่างทองของการปรับสมดุล BMS สามารถปรับสมดุล-เซลล์แรงดันไฟฟ้าต่ำได้ เพื่อให้มั่นใจว่า SOC ที่แสดงมีความถูกต้องและไม่มีการประมาณค่าสูงเกินไป

3. ปล่อยให้แบตเตอรี่มีเวลาพักบ้าง

• ฝึกฝน:หลังจากใช้งานระยะไกล-หรือรอบการชาร์จ/คายประจุพลังงานสูง- ให้ปล่อยให้อุปกรณ์พักเป็นเวลา 1-2 ชั่วโมง
• หลักการ:เมื่อปฏิกิริยาเคมีภายในคงที่ แรงดันไฟฟ้าของแบตเตอรี่จะกลับสู่ค่า-แรงดันไฟฟ้าวงจรเปิดที่แท้จริง BMS อัจฉริยะใช้ช่วงพักนี้เพื่ออ่านแรงดันไฟฟ้าที่แม่นยำที่สุดและแก้ไขค่าเบี่ยงเบน SOC

4. หลีกเลี่ยง-ระยะยาว "การปั่นจักรยานตื้น"

• ฝึกฝน:พยายามหลีกเลี่ยงการเก็บแบตเตอรี่ไว้ที่ระดับ SOC 30% ถึง 70% ซ้ำๆ เป็นเวลานาน
• หลักการ:การทำงานอย่างต่อเนื่องในช่วงกลางทำให้เกิดข้อผิดพลาดในการนับคูลอมบ์สะสมเหมือนก้อนหิมะ ซึ่งอาจส่งผลให้ SOC ลดลงอย่างกะทันหันจาก 30% เป็น 0%

5. ให้ความสนใจกับอุณหภูมิโดยรอบ

• ฝึกฝน:ในสภาพอากาศหนาวเย็นจัด ให้พิจารณาการอ่าน SOC เพื่อใช้อ้างอิงเท่านั้น
• หลักการ:อุณหภูมิต่ำจะลดกำลังการผลิตชั่วคราวและเพิ่มความต้านทานภายใน หาก SOC ลดลงอย่างรวดเร็วในฤดูหนาว นี่เป็นเรื่องปกติ เมื่ออุณหภูมิสูงขึ้น การชาร์จจนเต็มจะคืนค่าการอ่าน SOC ที่แม่นยำ

⭐หากแอปพลิเคชันของคุณต้องการความถูกต้องแม่นยำของ SOC -ในระยะยาวอย่างแท้จริง BMS "ขนาดเดียว-เหมาะกับ-ทั้งหมด" นั้นไม่เพียงพอ

Copow Battery ส่งมอบโซลูชันแบตเตอรี่ LiFePO₄ ที่ปรับแต่งเอง-ตั้งแต่สถาปัตยกรรมการตรวจจับและการออกแบบอัลกอริทึมไปจนถึงการปรับสมดุลกลยุทธ์-ที่ตรงกับโปรไฟล์โหลด รูปแบบการใช้งาน และสภาพแวดล้อมการทำงานของคุณ

ความแม่นยำของ SOC ไม่ได้เกิดขึ้นจากข้อกำหนดการซ้อน ได้รับการออกแบบมาโดยเฉพาะสำหรับระบบของคุณ

ปรึกษาผู้เชี่ยวชาญด้านเทคนิคของ Copow

บทสรุป

สรุปแม้จะวัด.SOC ของ LiFePO4เผชิญกับความท้าทายโดยธรรมชาติ เช่น แรงดันไฟฟ้าที่ราบเรียบ ฮิสเทรีซิส และความไวของอุณหภูมิ การทำความเข้าใจหลักการทางกายภาพที่ซ่อนอยู่เผยให้เห็นกุญแจสำคัญในการปรับปรุงความแม่นยำ

โดยใช้ประโยชน์จากคุณสมบัติต่างๆ เช่น การกรองคาลมาน การปรับสมดุลที่ใช้งานอยู่ และSOH การเรียนรู้ด้วยตนเอง-ในระบบ BMS อัจฉริยะ-เช่นนั้นติดตั้งอยู่ในแบตเตอรี่ Copow LFP-เรียล-การตรวจสอบ LiFePO4 SOC สามารถทำได้แล้วความแม่นยำระดับเชิงพาณิชย์-.

สำหรับผู้ใช้ปลายทาง การนำหลักปฏิบัติการใช้งานที่มีข้อมูลทางวิทยาศาสตร์มาใช้เป็นวิธีที่มีประสิทธิภาพในการรักษา-ความถูกต้องของ SOC ในระยะยาว

ในขณะที่อัลกอริธึมมีการพัฒนาอย่างต่อเนื่องแบตเตอรี่โคพาว LFPจะให้ข้อเสนอแนะ SOC ที่ชัดเจนและเชื่อถือได้มากขึ้น เพื่อสนับสนุนอนาคตของระบบพลังงานสะอาด

⭐⭐⭐ไม่ต้องจ่ายเงินสำหรับความวิตกกังวล SOC อีกต่อไปเลือกแบตเตอรี่ LFP ที่มี BMS อัจฉริยะรุ่นที่สอง-ของ Copowดังนั้นทุกแอมแปร์-ชั่วโมงจึงมองเห็นและใช้งานได้[ปรึกษาผู้เชี่ยวชาญด้านเทคนิคของ Copow ตอนนี้]หรือ[ดูรายละเอียดซีรีส์ระดับไฮเอนด์-ของ Copow].