| dc.description.abstract | I de siste tiårene har litium-ion-batterier (LIB) blitt den ledende teknologien innen energilagring. På grunn av dens mange gode egenskaper blir de implementert i en rekke ulike applikasjoner. Dessverre er ikke batteriene evigvarende, og de er heller ikke de enkleste å kontrollere trygt. Derfor er det kritisk å overvåke tilstander som State of Charge (SOC) og State of Health (SOH) for å sikre trygg og effektiv bruk av batteriet.
Det finnes ulike metoder for estimering av disse tilstandene, fra Coulombmeter til mer avanserte Kalman-filtre og partikkelfiltre. Kalman-filtre er spesielt vanlige for estimering av SOC. I tillegg kan Kalman-filtre brukes til å estimere ulike aspekter av SOH, som endringer i kapasitet og intern motstand i batteriet.
I denne oppgaven er tre varianter av Kalman-filteret implementert. På grunn av batteriets ikke-lineære oppførsel er 'Extended' Kalman-filter valgt, siden dette filteret lineariserer det ikke-lineære systemet. Det første implementerte filteret er Extended Kalman Filter (EKF), som kun estimerer SOC. Det andre filteret er Joint Extended Kalman Filter (JEKF), som er en utvidet versjon av EKF. I tillegg til å estimere SOC, estimerer dette filteret også SOH i form av endringer i kapasitet og intern motstand. Det tredje implementerte filteret er Dual Extended Kalman Filter (DEKF), en avansert type JEKF som estimerer de samme tilstandene. Alle tre filtrene, EKF, JEKF, og DEKF, er laget i to versjoner ved bruk av ulike batterimodeller: Rint-modellen og Thevenin-modellen. Presisjonen til filtrene blir evaluert ved å sammenligne dem med resultatene fra en referansekapasitetstest utført på batteridata.
Utførte simuleringer på offentlig tilgjengelige langtids-batteridata viser at de implementerte filtrene estimerer kapasiteten godt, med en feilmargin på under 5 %. Testene viser også til en mye bedre SOC-estimering fra JEKF og DEKF sammenlignet med EKF når batteriet er aldret. For et nytt batteri er denne forskjellen derimot ikke like mye til stede. Oppgaven konkluderer med at DEKF, og spesielt JEKF, er nyttige filtre for SOH-estimering av LIB, ikke bare på grunn av SOH-estimeringen, men også på grunn av deres forbedrede SOC-estimeringer når batteriet aldres. | |
| dc.description.abstract | In recent decades, lithium-ion batteries (LIB) have become the leading technology in energy storage. Due to their many advantageous properties, they are widely implemented in various applications. However, these batteries are not everlasting, nor are they the easiest to control safely. States such as State of Charge (SOC) and State of Health (SOH) are two critical conditions that are important to monitor for the safe and efficient use of the battery.
Various solutions exist for estimating these states, ranging from Coulomb-counting-based methods to more advanced Kalman filters and particle filters. Kalman filters, in particular, are a common method for estimating SOC. Different forms of SOH, such as capacity and resistance changes due to aging, can also be estimated using Kalman filters.
In this thesis, three variations of the Kalman filter are implemented. Because of the non-linear behavior of the battery, the extended type of Kalman filter is chosen, since this filter linearizes the non-linear system. The first implemented filter is the Extended Kalman Filter (EKF), which estimates SOC. The second filter is the Joint Extended Kalman Filter (JEKF), which is an expanded version of the EKF. In addition to estimating SOC, it also estimates SOH in terms of changes in capacity and internal resistance. The third implemented filter is the Dual Extended Kalman Filter (DEKF), an advanced type of JEKF that estimates the same states. All three filters, EKF, JEKF, and DEKF, are implemented in two versions using two different battery models: the Rint model and the Thevenin model. To assess their precision, the resulting implemented filters are evaluated against a reference capacity test performed on battery data.
Simulations and test cases performed on publicly available long-term battery data show good capacity estimation from the JEKF and DEKF with a margin of error of less than 5%. The tests also indicate a much better SOC estimation by JEKF and DEKF compared to EKF when the battery is aged. However, for a new battery, this difference is not present. The thesis concludes that DEKF, and especially JEKF, are useful filters for SOH estimation of LIB, not only because of the SOH estimation but also due to their SOC estimation capabilities when the battery ages. | |
