용량 손실에 기반한 배터리 성능 상태 추정
이 예제에서는 칼만 필터를 사용하여 배터리 용량과 SOH(성능 상태)를 추정하는 방법을 보여줍니다. 배터리의 초기 SOC(충전 상태)는 0.5입니다. 추정기는 SOC 초기 조건으로 0.8을 사용합니다. 배터리는 50시간 동안 계속 충전되고 방전됩니다. 이 예제에서는 확장 칼만 필터를 사용하여 배터리 용량(단위: 암페어시)과 SOC를 추정합니다. 배터리 용량에 대한 추정 오차는 4% 미만입니다. SOC는 확장 칼만 필터를 사용하여 추정됩니다. 고정 용량을 사용하는 경우 추정된 SOC 값은 실제 값과 다릅니다. 추정기의 기능을 보여주고 시뮬레이션 지속 시간을 제한하기 위해 이 예제에서는 용량 손실률이 증가하는 경우를 모델링합니다.
모델
시뮬레이션 결과
다음 플롯은 실제 배터리 충전 상태와 추정된 배터리 충전 상태, 추정된 용량, 추정된 배터리 성능 상태를 보여줍니다.
실시간 시뮬레이션의 결과
이 예제는 다음 플랫폼에서 테스트되었습니다.
Intel® 3.5 GHz i7 멀티코어 CPU 및 4GB가 탑재된 Speedgoat™ Performance 실시간 타깃 머신
Intel® Core XEON E3-1275v3 (3.5GHz) 및 4GB RAM이 탑재된 dSPACE® SCALEXIO LabBox
Simscape 로컬 솔버를 사용하면 이 모델을 50마이크로초의 스텝 크기로 실시간 실행할 수 있습니다. 샘플 레이트가 작을 경우, 콜드 캐시(cold cache)로 인해 초기 태스크 실행 중 태스크 오버런이 발생할 수 있습니다. 이러한 오버런을 방지하려면, 선택한 플랫폼에서 해당 옵션을 지원하는 경우 실시간 애플리케이션의 시작 단계에서 허용되는 태스크 오버런 수를 제한하거나 주기적 태스크의 샘플 시간 시간을 늘려서 시작 동작을 완화하십시오.
참고 항목
Battery Capacity Estimator (Kalman Filter) | SOH Estimator (Capacity-Based)
