تطوير نموذج متكيف للبطارية الرصاصية الحمضية باستخدام...

8
1 تطوير نموذج متكيف لت العصبونيةلشبكاستخدام الحمضية باصية الرصارية ا لبطاIMPROVE ADAPTIVE MODEL OF LEAD ACID BATTERY USING ARTIFICIAL NEURAL NETWORK (ANN) المهندس مصعب نجيبلقادري , الدكتور المهندس محمد منذر ا , الدكتور المهندس ر ؤ وف حمدانEng.Mussab Najeeb , Dr.Eng.Raouf Hamdan , Dr.Eng.Mhd.Munthear Alqaderi ال ملخص:ستعرضنا ا في هذا البحث ا مطور لحمضية, وقدمنا نموذجاصية الرصارية البطا أشهر الطرق المستخدمة لنمذجة ات العصبونيةلشبكاستخدام ا با) ات النموذج امتربر( قيلزمن الحقيلتنبؤ بقيم عناصره با لق انطلبطاريةلة الشحن ل من حا اSOC ( State Of Charge ) لبطاريةر ا وتياB I ودرجة ارة الوسط حرT ية البحث . في نها قدمنا اسة عملية در وتحليليةترح وقارنانموذج المطور المقل لئج ال نتا نموذجلرصاصيةرية البطا التجريبية للقياسات مع ا الحمضية.In this research we presented a most famous modeling methods of Lead Acid Battery, and presented improved model by using artificial neural network (ANN) to predict its elements values (parameters of model) according to battery state of charge SOC and battery operating current IB and temperature T. Finally we presented practical and analytical study of improved model, and compared a model results with experimental results of Lead Acid Battery. مفتاحية: كلماتت العصبونيةلشبكا ا النمذجةصية الحمضية .لرصارية البطا ا

Upload: dr-munthear-alqaderi

Post on 27-Jul-2015

67 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: تطوير نموذج متكيف للبطارية الرصاصية الحمضية باستخدام الشبكات

1

لبطارية الرصاصية الحمضية باستخدام الشبكات العصبونيةل متكيفنموذج تطويرIMPROVE ADAPTIVE MODEL OF LEAD ACID BATTERY

USING ARTIFICIAL NEURAL NETWORK (ANN)

وف حمدان ؤ , الدكتور المهندس ر , الدكتور المهندس محمد منذر القادريالمهندس مصعب نجيب

Eng.Mussab Najeeb , Dr.Eng.Raouf Hamdan , Dr.Eng.Mhd.Munthear Alqaderi

ملخص:الأشهر الطرق المستخدمة لنمذجة البطارية الرصاصية الحمضية, وقدمنا نموذجا مطورا في هذا البحث استعرضنا

ا من حالة الشحن للبطارية انطالقللتنبؤ بقيم عناصره بالزمن الحقيقي )برامترات النموذج( باستخدام الشبكات العصبونيةSOC (State Of Charge ) وتيار البطاريةBI حرارة الوسطودرجة T دراسة عملية قدمنا . في نهاية البحث

الحمضية.مع القياسات التجريبية للبطارية الرصاصية نموذجنتائج الللنموذج المطور المقترح وقارنا وتحليلية

In this research we presented a most famous modeling methods of Lead Acid Battery, and

presented improved model by using artificial neural network (ANN) to predict its elements

values (parameters of model) according to battery state of charge SOC and battery operating

current IB and temperature T. Finally we presented practical and analytical study of improved

model, and compared a model results with experimental results of Lead Acid Battery.

كلمات مفتاحية: البطارية الرصاصية الحمضية . –النمذجة –الشبكات العصبونية

Page 2: تطوير نموذج متكيف للبطارية الرصاصية الحمضية باستخدام الشبكات

2

مقدمة: -1

تعتبر نمذجة السلوك الديناميكي لمنابع الطاقة خصوصا بالدراسةاإللكتروكيميائية مسألة جديرة

عديمة االنقطاع الكهربائيةعند محاكاة أنظمة القدرة UPS الهجينةاألنظمة و يةالكهروضوئواألنظمة

أنظمة كما هو الحال في . لتوليد الطاقة الكهربائيةإلى نماذج ديناميكية نحتاجالبطاريات إدارة ولتقييم وتحسين ,إلظهار حالتها بدقة للبطارية

أدائها, وهذا يحتاج إلى نموذج دقيق ومتقدم قادر على الموائمة مع تغيرات ظروف االستخدام والتقادم

.وغيرهادقيقة تأخذ بالحسبان كل العوامل طريقةاستخدام ن إ

المؤثرة ستكون معقدة وصعبة جدا عند التطبيق.مكافئة الدارات النماذج وللسهولة عادة ما تستخدم

لبطارية. نموذج الدارة الديناميكي لسلوك اللمحاكاة عناصر مجموعة من الالمكافئة عبارة عن ربط بين

خصائص البطارية.كهربائية لتعطي مميزات و النماذج الدارة المكافئة لإلشارات ظهر استجابة ت

الصغيرة تبعية خصائص البطارية لها عند مجالترددي معين, وهنا يكمن التحدي في الوصول

التردديةمعطيات اللنموذج جيد انطالقا من EIS ممانعة اإللكتروكيميائيةلل

(Electrochemical Impedance Spectroscopy).

الدارة المكافئة إن الطريقة التقليدية إليجاد ثوابت EISهي تجميع أكثر ما يمكن من معطيات

سنادها إلى خوارزمية معقدة ال خطية تعتمد على وا في بحثنا اعتمدناالمربعات. أصغر متوسط طريقة

باستخدام في نمذجة البطاريات الطريقة األحدث ى إحد باعتبارها, ANNالشبكات العصبونية

,معطياتلل تفرعيةالموزعة المعالجة ال ياتتقن مسائل.هكذا وتعتبر بشكل عام مناسبة لحل مثل

مخططا صندوقيا للشبكة العصبونية 1يبين الشكل مع أشعة الدخل والخرج.

لنظام التعرفالمخطط الصندوقي 1الشكل مجموعة من من ANN الشبكات العصبونية تتألف

ك كل منها إمكانية معالجة معالجة يملالعناصر تترابط فيما بينهاو , العصبونات تسمى محدودة

بأنها تتميز الشبكات العصبونية .داخليةبوصالت معطيات المحاكاة الناتجة عن تبنى بمساعدةنماذج

تتطلب الشبكات حيث مخطط الدخل/الخرج. سلوك النموذجالعصبونية معطيات تدريب لتعليم

الشبكة عندها يمكن استخدام خرج, الالدخل /المجال الذي المدربة لمحاكاة سلوك النظام ضمن

.[1] دربت فيه أساليب نمذجة البطارية الرصاصية الحمضية: -2

المتداولااااااااة نمذجااااااااةالالعديااااااااد ماااااااان أساااااااااليب هناااااااااك ظمهااااا مع, ولكاااان لبطاريااااات علااااى اخااااتالف أنواعهااااال

مااال لعااادم تناولهاااا كااال العوا دقيقاااا بشاااكل كااااف لاااي الهامااة المااؤثرة فااي أداا البطاريااة, وماان هااذ العواماال

:ما يلي نذكرسعة , SOC (State of charge)حالة الشحن

حرارةدرجة , التفريغنسبة الشحن/, التخزين للبطارية عمر البطارية, الوزن النوعي للكهرليت, الوسط

[2]. نذكر ما يلي: النمذجة من أشهر أساليب

:[2] للبطارية روكيميائيةاإللكتالنماذج -2-1 Electrochemical Models

الخصائص تمد على عت اكونهذج األسهل االنم عتبرت تجاهل العوامل الديناميكيةتاإللكتروكيميائية وحدها و

يمكنها ن هذ النماذج فإ وعليه األخرى. والكميةغير قادرة على لكنها زنةتالتنبؤ بالطاقة المخ

ANN

I

SOC

T

0R

1R

C

Page 3: تطوير نموذج متكيف للبطارية الرصاصية الحمضية باستخدام الشبكات

3

مثل تغيرات الجهد نمذجة الظواهر األخرىتحت الحمل كتابع للزمن وال تتضمن الكهربائي

أيضا تأثير درجة الحرارة والتقادم . :Peukert Modelبوكرت نموذج -2-2

نماااااوذج رياضاااااي يعتماااااد علاااااى معادلاااااة عباااااارة عااااان تاااااانص علااااااى أن تيااااااار التفريااااااغ التااااااي [3] بااااااوكرت

وتعطاااى بالصااايغة .يتنااااقص ماااع زياااادة زمااان التفرياااغ التالية: (1) = constant iT × nI

.تيار التفريغ )أمبير( I:حيثn ( ثابت البطاريةn=1,35 من أجل

البطاريات الرصاصية الحمضية النموذجية(.iT التيار بزمن التفريغI )بالثواني(.

ربط تياااار بطريقاااة تاااعالقاااة باااوكرت يمكااان أن تكتااابعينااة مااع مجموعااة أخاارى التفريااغ عنااد نساابة تفريااغ م

وفقاا للصايغة التالياة مختلفاة تفريغونسب اتمن تيار [2]:

(2) 1)-(n)1/I 2× (I 2= C 1C عند SOCمن هذ العالقة تكون حالة الشحن

:[2] نسبة تفريغ ثابتة هيSOC = 1 - ( I × T ) / C (3)

تفريغ غير المن أجل معدالت دلة تتغير هذ المعامن أجل خطوات زمنية صغيرة وتعطى ,الثابتة

:[2]التالي كΔSOC = I2×ΔT/3600/C1×(I2/I1)

(n-1) (4)

في هذ المعادلة 1C ونسبة التفريغ 1Iالتيارإن ,معطى 2Iوالتيار عند اللحظة الحالية ,انمعلوم

2ة معادلالحسبها من نونسب التفريغ الموافقة له وبالتالي 4 من المعادلة ΔSOCنحسب ثم ,السابقة :[2]التالية معادلةال الحالية من SOCتنتج

SOC(k)= SOC(k-1)+ ΔSOC (5)

:Shepherd Modelنموذج شيفرد –2-3 لنمذجة غالبا يستخدمو يعتبر أفضل من سابقه

HEV (Hybridالهجينة الكهربائية المركبات

Electrical Vehicles) يصف هذا النموذج .السلوك اإللكتروكيميائي للبطارية مباشرة من قيم

مع معادلة هذا النموذج ي ستخدم .الجهد والتياربوكرت للحصول على جهد البطارية وحالة الشحن

SOC الطاقةجرار تغيرات است من أجل إيجاد . :[4]المعادلة التاليةعلى هذا النموذج يعتمد

Et = Eo - Ri×I - Ki×(1/(1 - f)) (6)

حيث:tE )جهد نهايات البطارية )فولت. 0E جهد الدائرة المفتوحة لخلية البطارية عندما

.(تتكون مشحونة بشكل كامل )فولiR )المقاومة األومية الداخلية للبطارية )أوم. iK . )مقاومة االستقطاب )أوم

F 0 تكامل المقدارI×ΔT/Q ,بالنسبة للزمنتكامل السعة اللحظية باألمبير ساعة أي

للزمن مقسوما على السعة االبتدائية بالنسبة .للبطارية وهي مشحونة بشكل كامل

Q ساعة( )أمبير سعة البطارية. I )التيار اللحظي )أمبير.

:[5] الهيدروديناميكي النموذج-2-4Hydrodynamic Model

شااحن يعتمااد هااذا النمااوذج علااى التشااابه بااين عمليااةوتفرياااااغ البطارياااااة وعملياااااة التعبئاااااة والتفرياااااغ لخااااازان

خااااااازانين بحجماااااااين يتاااااااألف مااااااان احتيااااااااطي مااااااازدوجفااااي الخاااازان موجااااود خرجالدخل/الاااامختلفااااين ونظااااام

نين يمكااااان للساااااائل أن يتااااادفق باااااين الخااااازا األصاااااغر.. متساوي فيهماالغير باالعتماد على مستوى السائل

خاااااارج إذا كااااااان التاااااادفق بااااااين الخاااااازانين أقاااااال ماااااان الالمطلاااوب فاااإن الخااازان الصاااغير سااايفر قبااال الكبيااار,

قادرة على مجابهة نسبة الوهذا يحاكي البطارية غير التفريااااغ العاليااااة ماااان الطاقااااة المطلوبااااة. أثناااااا إعااااادة الشحن فإن حجم السائل في الخزان الصغير سيحدد الضاااغط علاااى المجااارى الصاااغير وهاااذا يحااادد النسااابة

عندها.التي يمكن للبطارية أن تشحن :[6] نماذج العناصر المنتهية -2-5

(1)

(2)

(3)

(4)

(5)

Page 4: تطوير نموذج متكيف للبطارية الرصاصية الحمضية باستخدام الشبكات

4

Finite Element Type Models نمااااذج العناصاااار المنتهياااة لمحاكااااة البطاريااااة تعتماااد

الخليااة إلااى عاادد ماان العناصاار المنتهيااة علااى تجزئااةويتم التعامل مع كل عنصر بشكل مساتقل. تساتطيع هااذ النماااذج الفيزيوكيميائيااة أن تحاااكي تاادفق التيااار

والتااادفقالكماااون فاااي الخلياااة وانتشاااار الشاااوارد وتااوزعودراسااااة سااااطو األقطاااااب الكهرلياااات,كثافااااة ل تااااابعال

وعمليااااااة إطااااااالق الغااااااازات عنااااااد الكهرلياااااات,ضاااااامن هااااااذا األساااااالوب الشااااااحن الزائااااااد. إن أهاااااام مااااااا يميااااااز

وحادة معالجاة إلاى حتاجيلمحاكاة أنه معقد للغاية و ل

.ذات إمكانيات كبيرةللبطارية الرصاصية النماذج المتكيفة -2-6

الحمضية:بعد دراستنا المعمقة للنماذج المختلفة للبطارية تبين

شكل لنا أن العامل األهم في نجا النموذج لي الدارة المكافئة ومكوناتها فقط بل وفي كيفية

ومراقبة الحصول على برامترات هذا النموذج أيضا,ق مرحلة وف التغيرات الديناميكية لقيم هذ البرامترات

الدارة 2وطبيعة عمل البطارية. يبين الشكل المكافئة التي سنستخدمها في بحثنا كنموذج متكيف للبطارية الرصاصية الحمضية, أي أن البرامترات غير ثابتة وتتبع لحالة البطارية. في هذ الدارة تمثل

المقاومة الكلية للبطارية 0R المقاومة التسلسليةت وصالت األقطاب وتساوي مجموع مقاوما

شبكة الأما و واألجزاا المعدنية من صفائحها,المقاومة الناتجة عن تمثل 1R مقاومةفإن تفرعية ال

السعة تمثل 1C مكثفةوال ,مرور التيار في الكهرليتالمكافئة للصفائح الموجبة والسالبة في الكهربائية

.[7]جميع الخاليا المكونة للبطارية لشحن والتفريغ عند تيارات قمنا بإجراا تجارب ا

ودرجات حرارة مختلفة على بطارية رصاصية (, ذات DELCO – VRLA) حمضية من نوعوأجرينا , 37.5AHوسعة 12Vجهد اسمي

قيم عناصر الدارة ل 1الجدولالقياسات المبينة في

وتيار SOC عند حاالت مختلفة لحالة الشحنحيث في حالة التفريغ Tودرجة الحرارة BIالعمل

اعتبرنا التيار ذو قيمة موجبة, وكذلك القياسات قيم عناصر الدارة عند حاالت ل 2الجدولالمبينة في

ودرجة BIوتيار العمل SOC مختلفة لحالة الشحنفي حالة الشحن حيث اعتبرنا التيار ذو Tالحرارة

قيمة سالبة.

[7] المكافئة للبطاريةنموذج الدارة 2الشكل

الدارة المكافئة في النموذج المقتر إليجاد عناصر يبين استخدمنا شبكة عصبونية ثنائية الطبقات.

عصبونية ذاتاللشبكة لالنموذج الرياضي 3الشكل b2b,1مصفوفات األوزان, W2W,1 وفيهاطبقتين,

شبكةهذ ال فيالطبقة األولى إن عتبتي االنحياز. الطبقة المخفية والثانية طبقة الخرج. هي

SOC هذ الشبكة هو حالة الشحن للبطارية دخل , وخرجها هو عناصر الدارة والتيار ودرجة الحرارة

.C1,R0R,1 المكافئة للبطاريةالقياسات الشبكة العصبونية باستخدام نادرب

في حالتي 2و 1التجريبية المبينة في الجدولين منهجية االنتشار الخلفيالشحن والتفريغ باعتماد

ميل ا. طالمعتمد على تابع الخطأي تالت للتدريبيساوي الصفر تبقى أوزان الطبقة ثابتة. الخطأتابع

للحصول تقريب اليمكن للشبكة العصبونية أن تقوم بالوزن في كل يعطى على خطأ أقل في كل مرة.

:[1]بالمعادلة التالية خطوة

Page 5: تطوير نموذج متكيف للبطارية الرصاصية الحمضية باستخدام الشبكات

5

مختلفة ات حرارةوتيارات ودرج تفريغعناصر الدارة المكافئة عند حاالت 1الجدول

100 90 80 70 60 50 SOC % 035 020 05 3 5 0 200 5 0 350 200 5 0 350 200 5 0 350 200 5 0 035 200 50 T

0R

Ωm

20.1 19.6 18.3 19.1 17.6 19.5 9.8 13.5 18.1 3.9 11.8 15.9 7.3 2.4 9.9 2.1 4.3 2.0 0

BI

A

17.4 17.5 14.6 16.4 16.9 14.3 8.8 13.3 14.0 7.5 13.9 14.2 8.7 10.9 15.4 14.1 12.8 18.8 -3.4

23.5 24.8 24.4 22.5 24.8 26.4 13.7 16.9 25.4 10.1 15.1 13.5 11.3 14.2 21.9 19.6 21.7 28.5 -6.7

28.4 25.3 23.2 30.0 26.3 24.0 16.3 16.9 23.1 12.4 15.0 19.8 12.0 16.1 19.1 18.8 17.8 23.5 -10.1

27.6 30.1 24.3 27.6 28.8 25.0 15.1 16.4 24.0 12.7 16.1 19.8 11.5 16.3 17.5 15.1 17.6 24.6 -13.4

32.3 21.1 23.1 36.3 20.1 22.1 20.3 17.5 21.9 12.6 14.3 21.1 12.4 14.2 20.6 14.7 16.9 13.5 -16.8

7.9 16.2 244.8 7.3 15.2 256.8 41.2 9.5 256.2 3.5 7.9 8.3 3.9 4.8 4.1 3.1 4.1 3.1 0

BI

A 1R

Ωm

69.5 143.2 162.7 63.5 133.7 122.7 62.9 52.0 116.7 28.9 40.0 61.0 27.0 31.1 52.6 57.4 74.2 113.4 -3.4

58.1 119.7 111.5 56.3 118.5 104.5 52.7 54.1 101.5 28.7 41.6 59.9 26.8 29.4 50.2 45.7 59.3 81.9 -6.7

51.8 101.9 130.7 48.6 107.3 100.7 47.6 54.0 94.7 28.9 39.0 57.4 27.2 31.9 49.0 38.6 51.6 70.2 -10.1

51.1 99.4 146.2 48.1 108.3 148.4 47.0 50.4 140.4 26.7 33.5 55.8 24.9 28.3 47.7 35.5 42.3 58.7 -13.4

58.0 77.9 134.9 42.3 76.3 129.8 45.6 45.8 127.5 25.4 30.3 52.3 23.0 25.4 44.9 32.9 36.9 50.6 -16.8

2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 0

BI

A

1C

KF

0.40 0.27 0.35 0.40 0.28 0.36 0.40 0.49 0.36 0.51 0.50 0.41 0.51 0.50 0.41 0.51 0.31 0.09 -3.4

0.35 0.20 0.24 0.36 0.21 0.27 0.41 0.43 0.27 0.51 0.48 0.32 0.51 0.49 0.28 0.51 0.33 0.17 -6.7

0.35 0.12 0.19 0.39 0.14 0.20 0.38 0.35 0.20 0.51 0.43 0.29 0.51 0.49 0.21 0.51 0.34 0.07 -10.1

0.25 0.10 0.20 0.29 0.11 0.21 0.33 0.32 0.21 0.51 0.47 0.27 0.51 0.48 0.23 0.51 0.29 0.05 -13.4

0.26 0.08 0.16 0.30 0.07 0.18 0.57 0.33 0.18 0.51 0.49 0.25 0.51 0.48 0.20 0.51 0.21 0.06 -16.8

مختلفة وتيارات ودرجات حرارة عناصر الدارة المكافئة عند حاالت شحن 2الجدول

الشبكة العصبونية ثنائية الطبقة 3الشكل

)7()(

)()()1(

kv

kEkvkv

lj

ljlj

:حيثE الخطأهي تابع. ljv(k) وزن الطبقةl للعصبونj الخطوة فيk.

ljv(k+1) وزن الطبقةl للعصبونj في الخطوة(k+1).

η كون عادة بين الصفر والواحد.يم و يالتعل عامل :[1] يعبر عن الخطأ في كل خطوة كالتالي

100 90 80 70 60 50 SOC % 035 020 05 035 020 05 035 020 05 053 020 05 035 020 05 035 020 05 T

0R

Ωm

11.8 10.3 11.1 9.2 11.9 12.0 8.9 11.9 12.5 11.5 12.5 13.9 12.8 13.8 15.7 16.6 14.8 24.1 0

BI

A

16.1 15.9 15.5 13.5 16.2 15.1 11.2 14.7 14.9 13.0 15.3 16.0 17.8 16.9 23.2 20.9 18.1 28.9 15.9

14.4 13.7 13.6 13.1 14.6 14.8 12.7 14.0 14.4 12.9 14.8 16.2 16.4 16.2 22.2 19.5 17.9 27.1 31.8

13.2 12.7 12.7 12.2 13.6 13.9 16.0 13.2 13.8 12.6 13.9 15.2 16.1 15.2 19.0 18.6 16.8 24.5 47.7

12.7 11.5 11.9 10.4 12.8 13.2 15.9 12.5 13.1 12.2 13.1 14.3 14.7 14.3 17.2 17.9 16.0 23.1 63.6

12.3 10.6 11.5 10.2 12.0 12.2 15.8 11.9 12.7 11.9 12.5 13.8 13.2 13.7 15.8 16.4 14.5 22.5 79.5

3.3 5.2 4.9 1.5 6.0 3.0 1.2 4.2 2.5 2.1 3.8 3.3 2.5 3.4 3.2 2.9 2.0 2.1 0

BI

A 1R

Ωm

21.9 29.1 35.0 13.9 18.0 19.6 12.4 15.0 16.1 12.2 13.8 17.4 12.9 13.3 18.9 14.9 13.5 21.3 15.9

12.6 18.9 20.1 13.6 11.0 12.4 9.1 9.2 10.6 8.9 8.9 12.5 10.0 9.2 14.8 12.2 10.1 14.1 31.8

8.9 13.7 16.2 11.5 8.1 9.2 4.2 7.2 8.1 7.8 7.1 10.9 8.8 7.5 12.5 10.0 8.3 11.9 47.7

7.9 11.4 13.1 8.8 6.7 7.6 2.5 6.1 7.1 6.9 6.1 8.1 7.6 7.1 10.3 10.7 9.1 9.5 63.6

7.7 10.1 8.7 7.6 5.8 7.5 1.2 5.3 6.4 6.1 6.0 7.3 8.1 6.9 11.0 13.8 9.8 47.5 79.5

10 10 10 10 10.1 10 10 10 10 10 10 10 10 10.1 10.1 10 10 10 0

BI

A

1C

KF

0.25 0.25 0.27 0.48 0.29 0.34 0.49 0.34 0.52 0.49 0.38 0.31 0.49 0.39 0.43 0.67 0.48 0.57 15.9

0.45 0.50 0.13 0.51 0.50 0.56 0.49 0.63 0.56 0.49 0.84 0.82 0.67 0.86 0.71 1.01 1.2 0.86 31.8

0.45 0.57 0.57 0.46 0.83 0.58 0.26 1 0.55 0.67 1 0.79 0.49 1 0.89 0.52 1 0.29 47.7

0.45 0.57 0.409 0.48 1 0.86 0.49 1 0.57 0.49 1 0.58 1 1 0.57 1.01 1 0.48 63.6

0.44 1.142 0.51 0.46 0.57 1 0.49 1 0.93 0.49 1 0.57 0.49 1 1 1.32 1 1 79.5

100 90 80 70 60 50 SOC % 035 020 05 035 020 05 035 020 05 035 020 05 035 020 05 035 020 05 T

0R

Ωm

11.8 10.3 11.1 9.2 11.9 12.0 8.9 11.9 12.5 11.5 12.5 13.9 12.8 13.8 15.7 16.6 14.8 24.1 0

BI

A

16.1 15.9 15.5 13.5 16.2 15.1 11.2 14.7 14.9 13.0 15.3 16.0 17.8 16.9 23.2 20.9 18.1 28.9 15.9

14.4 13.7 13.6 13.1 14.6 14.8 12.7 14.0 14.4 12.9 14.8 16.2 16.4 16.2 22.2 19.5 17.9 27.1 31.8

13.2 12.7 12.7 12.2 13.6 13.9 16.0 13.2 13.8 12.6 13.9 15.2 16.1 15.2 19.0 18.6 16.8 24.5 47.7

12.7 11.5 11.9 10.4 12.8 13.2 15.9 12.5 13.1 12.2 13.1 14.3 14.7 14.3 17.2 17.9 16.0 23.1 63.6

12.3 10.6 11.5 10.2 12.0 12.2 15.8 11.9 12.7 11.9 12.5 13.8 13.2 13.7 15.8 16.4 14.5 22.5 79.5

3.3 5.2 4.9 1.5 6.0 3.0 1.2 4.2 2.5 2.1 3.8 3.3 2.5 3.4 3.2 2.9 2.0 2.1 0

BI

A 1R

Ωm

21.9 29.1 35.0 13.9 18.0 19.6 12.4 15.0 16.1 12.2 13.8 17.4 12.9 13.3 18.9 14.9 13.5 21.3 15.9

12.6 18.9 20.1 13.6 11.0 12.4 9.1 9.2 10.6 8.9 8.9 12.5 10.0 9.2 14.8 12.2 10.1 14.1 31.8

8.9 13.7 16.2 11.5 8.1 9.2 4.2 7.2 8.1 7.8 7.1 10.9 8.8 7.5 12.5 10.0 8.3 11.9 47.7

7.9 11.4 13.1 8.8 6.7 7.6 2.5 6.1 7.1 6.9 6.1 8.1 7.6 7.1 10.3 10.7 9.1 9.5 63.6

7.7 10.1 8.7 7.6 5.8 7.5 1.2 5.3 6.4 6.1 6.0 7.3 8.1 6.9 11.0 13.8 9.8 47.5 79.5

10 10 10 10 10.1 10 10 10 10 10 10 10 10 10.1 10.1 10 10 10 0

BI

A

1C

KF

0.25 0.25 0.27 0.48 0.29 0.34 0.49 0.34 0.52 0.49 0.38 0.31 0.49 0.39 0.43 0.67 0.48 0.57 15.9

0.45 0.50 0.13 0.51 0.50 0.56 0.49 0.63 0.56 0.49 0.84 0.82 0.67 0.86 0.71 1.01 1.2 0.86 31.8

0.45 0.57 0.57 0.46 0.83 0.58 0.26 1 0.55 0.67 1 0.79 0.49 1 0.89 0.52 1 0.29 47.7

0.45 0.57 0.409 0.48 1 0.86 0.49 1 0.57 0.49 1 0.58 1 1 0.57 1.01 1 0.48 63.6

0.44 1.142 0.51 0.46 0.57 1 0.49 1 0.93 0.49 1 0.57 0.49 1 1 1.32 1 1 79.5

Page 6: تطوير نموذج متكيف للبطارية الرصاصية الحمضية باستخدام الشبكات

6

)8()()()( kylYke ll حيث:

)(lY القيمة الناتجة عن القياسات الهدف( .بية(التجري

)(kyl خرج الشبكة العصبونية في كل خطوة. )(kel الخطأ في كل خطوة.

:[1] المعادلة التاليةب الخطأيعطى تابع

)9())()((2

1

)(2

1)(

1

2

1

2

L

l

l

L

l

l

kylY

kekE

:تجريبيا SOC حالة الشحن حساب -3من معادلتي SOC حالة الشحن قيم علىحصلنا

, التفريغ بمعدل ثابت ومتغير بوكرت في حالتيمن وقمنا باعتماد القيم المحسوبة 4و 3المعادالت .في تدريب الشبكة 5المعادلة

مقارنة النتائج:الخالصة و -4للبطاريات الرصاصية الحمضية SOCتتراو قيم

وذلك النخفاض الجهد %50-%100بين عمليا عندما تنخفضللخلية الواحدة V 1.75إلى ما دون

ويعتبر هذا الجهد ,%50حالة الشحن إلى ما دون غير مجدي وتتعرض البطارية للخطر عندما نستمر

هذا النموذج قيما يعطي بالتفريغ أكثر من ذلك, لعناصر الدارة المكافئة التي تمثل برامترات دقيقة

النموذج عند أي قيمة لحالة الشحن تقع في المجال .المذكور

النموذج عند قيم لحالة ااختبرنللتحقق من ذلك مختلفة عن تلك التي دربنا الشبكة SOCالشحن

العصبونية عندها, وبعد أخذ القيم من هذا النموذج الخطأ وحسبنامع القيم التجريبية المقاسة قارناها

لكل عنصر من عناصر الدارة 8من المعادلة المقارنة قمنا باختبار إلجراا عملية المكافئة.

ودرجة SOC=82%د حالة شحن بطارية عنال ABI 20= تفريغ وتيار ,C0T=35 وسط حرارة

قيمة للحصول على القيم المقاسة التجريبية, وطبقنا حالة الشحن هذ على النموذج وحصلنا على القيم المقابلة لبرامترات الدارة المكافئة الناتجة عن

النمذجة.مقارنة بين القيم الناتجة عن 3يبين الجدول

.اسات التجريبية وعن النموذج العصبونيالقيالسابق أن 3يتبين من القيم الواردة في الجدول

%1.03 - %4.09الخطأ المحسوب يتراو بين وتقريب جيدةمما يجعل القيم الناتجة عن النموذج

في التنبؤ ببرامترات تهالشبكة العصبونية يمتاز بدق الدارة المكافئة عند أي حالة شحن للبطاريةالرصاصية الحمضية. كذلك يمتاز النموذج الجديد بقدرته على التكيف وبقدرته على إعطاا نتائج دقيقة والعمل بالزمن الحقيقي وبدون فصل البطارية عن

العمل.

0R بارامترات الدارة

(mΩ) 1R

(mΩ)

1C

(KF) 1.64 11.2 9.8 القيم الناتجة من الشبكة العصبونية

1.71 11.5 9.7 القيم التجريبية

4.09 2.61 1.03 نسبة الخطأ )%(

SOC=82%مقارنة بين القيم الناتجة عن الشبكة العصبونية والقيم التجريبية للبطارية عند 3 الجدول

(9)

(10)

Page 7: تطوير نموذج متكيف للبطارية الرصاصية الحمضية باستخدام الشبكات

7

:المراجع -5

[1] Omid M. Omidvar and David L. Elliott, "Neural Systems for Control", February-1997,

Academic Press- ISBN.

[2] T.R.Crompton, "Battery Modeling", 2000, Newnes Oxford.

[3] Bumby, J.R.F, " Energy Requirements For Internal Combustion Engine And Battery

Electric-Power Vehicle" IEE Proceedings. Vol132, Pt.A,No.5, pp.265-279.

[4] Moore, Stephen and Merhdad Eshani, Texas A&M, "An Empirically Based Electrosource

Horizon Lead-Acid Battery Model",1982, L. E. Nasar.

[5] Ander Tenno," MODELLING AND EVALUATION OF VALVE-REGULATED LEAD-

ACID BATTERIES", 2004, Helsinki University of Technology Control Engineering

Laboratory.

[6] Gu, W. B., C. Y. Wang, and B. Y. Liaw, "The use of computer simulation in the

evaluation of electric vehicle batteries", 1998, Journal of Power Sources, 75.

[7] Ahmed Fasih, "Modeling and Fault Diagnosis of Automotive Lead-Acid Batteries", April

2, 2006, The Ohio State University.

Page 8: تطوير نموذج متكيف للبطارية الرصاصية الحمضية باستخدام الشبكات

8

:المصطلحات -6

Artificial neural network الشبكات العصبونية

State of charge حالة الشحن

Electrochemical impedance spectroscopy طيف الممانعة اإللكتروكيميائية

Electrochemical models النموذج اإللكتروكيميائي

Peukert model نموذج بوكرت

Shepherd model نموذج شيفرد

Hydrodynamic model النموذج الهيدروديناميكي

Finite element type model نموذج العناصر المنتهية