Kennel, Ralph (Prof. Dr. Dr. h.c.); Endisch, Christian (Prof. Dr.)
Sprache:
de
Fachgebiet:
ELT Elektrotechnik
Stichworte:
Kalmna-Filter; Lithium-Ionen-Akkumulator; State of Charge; Zustandsschätzung
Übersetzte Stichworte:
Kalman filter; lithium-ion batteries; state of charge; state estimation
TU-Systematik:
ELT 855; ELT 868
Kurzfassung:
In der vorliegenden Arbeit werden Schätzverfahren vorgestellt und für den Einsatz in intelligenten Batteriesystemen optimiert. Diese Batteriesysteme zeichnen sich durch Sensorik auf Zellebene, eine rekonfigurierbare Topologie und die Anwendung von Methoden des maschinellen Lernens im Batteriemanagementsystem aus. Der Einfluss von Schalthandlungen auf die Systemanregung und Schätzgüte werden untersucht. Weiterhin wird eine Methode zur Fusion von Zellstrom- und Zellspannungssensoren vorgestellt, wodurch unter anderem die Messungenauigkeit verringert werden kann.
«
In der vorliegenden Arbeit werden Schätzverfahren vorgestellt und für den Einsatz in intelligenten Batteriesystemen optimiert. Diese Batteriesysteme zeichnen sich durch Sensorik auf Zellebene, eine rekonfigurierbare Topologie und die Anwendung von Methoden des maschinellen Lernens im Batteriemanagementsystem aus. Der Einfluss von Schalthandlungen auf die Systemanregung und Schätzgüte werden untersucht. Weiterhin wird eine Methode zur Fusion von Zellstrom- und Zellspannungssensoren vorgestellt, w...
»
Übersetzte Kurzfassung:
In this work estimation methods are presented and optimized for the use in intelligent battery systems. These battery systems are characterized by sensors on cell level, a reconfigurable topology and the application of machine learning methods in the battery management system. The influence of switching operations on the system’s excitation and the estimation performance is investigated. Furthermore, a sensor data fusion method is presented to combine sensor data of cell current and voltage. The resulting benefits include but are not limited to an increased estimation accuracy.
«
In this work estimation methods are presented and optimized for the use in intelligent battery systems. These battery systems are characterized by sensors on cell level, a reconfigurable topology and the application of machine learning methods in the battery management system. The influence of switching operations on the system’s excitation and the estimation performance is investigated. Furthermore, a sensor data fusion method is presented to combine sensor data of cell current and voltage. The...
»