리튬 이온 배터리 (LIB)는 전기 자동차 (EV) 및 마이크로 그라이드와 같은 많은 분야에서 에너지 저장 시스템 (ESS)의 최적 선택 중 하나가되었습니다.
그러나 배터리에만 의존하는 ESS에는 몇 가지 단점이 있습니다. (1) 피크 전력 수요를 충족시키기 위해 배터리의 전력 밀도가 충분히 높아야합니다. 전력 밀도가 높은 배터리가 개발되었지만 비용은 일반적인 배터리보다 훨씬 높습니다. (2) ESS의 전력 개선은 대규모 배터리와 높은 배출 전류가 필요하므로 배터리는 열전, 과잉 차지 및 기타 고장으로 어려움을 겪을 가능성이 높습니다.
한편으로, 높은 전력 부하 조건에서 안전을 보장하기 위해 온도를 엄격하게 제어해야합니다. 반면, 고속 전하/방전 전류를 갖는 긴 작동 시간은 노화 및 용량 손실을 초래할 것입니다. (3) 일부 응용 분야 (예 :EV, HEV 등)에서 배터리는 일반적으로 충전 및 배출이 빈번하여 배터리 수명에 부정적인 영향을 미칩니다. ESS의 작동을 향상시키기 위해 슈퍼 커패시터는 배터리와 버퍼로 통합 하여이 하이브리드 에너지 저장 시스템 (HESS)을 서지 전류 취급에서보다 강력하게 만드는 버퍼로 통합하도록 설계되었습니다.
Lib/Supercapacator Hess에서, Supercapacitor는 높은 전력 밀도와 고효율로 인해 빠르고 효과적인 에너지 출력을 제공합니다. 그러나, 슈퍼 커패시터는 전극 재료에 하전 된 종의 표면 흡착 반응에 의해 에너지 만 저장하기 때문에 에너지 밀도가 낮다. 다행히도 LIB는 에너지 밀도가 높지만 상대적으로 낮은 전력 밀도를 갖는 보완 특성을 가지고 있습니다. 이 혼성화는 리브 또는 슈퍼 커패시터의 개별 사용보다 더 나은 사용으로 간주되며 두 장치보다 큰 이점을 제공합니다.
HESS의 안전한 운영을 보장하기 위해서는 정확한 상태 추정, 열 관리, 결함 진단 등을 포함한 지능형 기능을 제공하기 위해 에너지 관리 시스템이 필요합니다. LIBS 및 슈퍼 커패시터가 적절한 영역에서 작동하고 전력 능력과 실시간 에너지의 과잉 및 실시간 추정을 방지하고 최대 충전 및 배전 에너지가 중요하고 에너지 관리가 필요합니다. 
이 작업에서는 모델 기반의 다중 타임 스케일 전력 기능 및 최대 충전/방전 에너지 예측 접근법이 제시됩니다 (그림 1 참조). 전류, 전압 및 최첨단 충전 (SOC)과 같은 여러 제약 조건을 갖춘 전력 능력 및 최대 충전/방전 에너지 예측에 대한 명시적인 분석이 정교화됩니다. 센서 소음으로 인한 추정 오류를 극복하기 위해 확장 된 칼만 필터는 전력 기능 및 에너지 예측에 사용됩니다. 전하 및 방전 전력 능력 및 최대 전하 및 방전 에너지는 다른 동적 특성화 일정에서 정량적으로 평가됩니다.
분석의 첫 번째 부분에서 LIB 및 SuperCapacitor 하이브리드 시스템의 모델 프레임 워크가 개발되었으며, 이는 LIB, SuperCapacitor 및 DC/DC 변환기의 세 부분으로 구성됩니다. 그런 다음 모델 매개 변수 식별을위한 수학적 도구가 소개됩니다. 잊어 버린 요소를 가진 재귀 최소 제곱 방법의 데이터 중심 알고리즘은 자세히 설명됩니다.
분석의 두 번째 부분에서, 다중 제약 조건을 고려한 다중 타임 스케일 전력 능력 예측은 LIBS 및 슈퍼 커패시터 모두에 대해 논의되었다. 전력 능력 추정에서 강조 중 하나는 SOC의 상태 추정입니다. Kalman 필터는 시스템 상태 추정 필드에 광범위하게 적용되었으므로 매개 변수 예측을위한 효율적인 재귀 방법을 제공하기 때문에 Kalman 필터는 전력 예측에 사용됩니다. 마지막으로, LIB 및 슈퍼 커패시터의 최대 전하/방전 에너지는 전력 기능 예측 결과에 따라 계산됩니다.
분석의 마지막 부분에서 개발 된 모델의 정밀도와 제안 된 전력 및 에너지 예측 방법의 견고성을 검증하기 위해 다양한 동적 특성화 일정 하에서 검증 실험이 수행되고 결과가 분석됩니다. 결과는 제시된 모델 및 파라미터 식별 알고리즘에 의해 정확한 전압 예측 값을 얻을 수 있음을 나타냅니다. LIBS 및 슈퍼 커패시터 모두에 대해 다른 시간 척도를 갖는 최대 충전 및 배출 에너지를 비교합니다. 결과에서 작은 시간 척도의 예측은 최대 충전 및 배출 에너지의 절대 값이 작은 것으로 결론을 내릴 수 있습니다. 즉, 긴 시간 확장 최대 충전 및 방전 에너지 추정은 오랜 응용 프로그램에 적합하지 않거나 배터리가 과잉 차전하거나 과도하게 차가됨을 의미합니다.
.이러한 결과는 최근 Journal of 에 게시 된 확장 된 Kalman 필터를 사용하여 리튬 이온 배터리 및 슈퍼 커패시터 하이브리드 시스템의 다중 타임 스케일 전력 및 에너지 평가라는 제목의 기사에 설명되어 있습니다. 전원 . 이 작업은 중국 과학 기술 대학의 Yujie Wang, Xu Zhang, Chang Liu, Rui Pan 및 Zonghai Chen에 의해 수행되었습니다.
