采用改进的粒子群优化技术对锂离子电池双极化等效电路模型进行参数化。

IF 0.4 Q4 ENGINEERING, MULTIDISCIPLINARY Ingenieria Pub Date : 2022-11-20 DOI:10.14483/23448393.17304
Fabian Gutierrez Castillo, Kevin Smit Montes Villa, Juan Pablo Villegas Ceballos, Cristian Escudero Quintero
{"title":"采用改进的粒子群优化技术对锂离子电池双极化等效电路模型进行参数化。","authors":"Fabian Gutierrez Castillo, Kevin Smit Montes Villa, Juan Pablo Villegas Ceballos, Cristian Escudero Quintero","doi":"10.14483/23448393.17304","DOIUrl":null,"url":null,"abstract":"Contexto: El modelado de baterías es una actividad que puede ser compleja si se utilizan técnicas basadas en el comportamiento químico, para facilitar esto se han utilizado estrategias de modelo inverso que se basan en curvas experimentales y ajustes de modelos circuitales. Para la parametrización se utilizan diferentes técnicas que radican en su complejidad, exactitud y tiempo de convergencia.\nMétodo: En este trabajo se utiliza un algoritmo de optimización por enjambre de partículas para la parametrización de un modelo de polarización dual para una celda de ion litio de tipo 18650. La metodología propuesta divide el problema en diferentes casos de optimización y propone una estrategia de búsqueda localizada basada en la experiencia del caso anterior.\nResultados: El algoritmo PSO permite ajustar los parámetros del modelo para cada uno de los casos analizados. La división del problema por casos permite mejorar la precisión global del problema y a su vez disminuir los tiempos de convergencia del algoritmo. A partir de los posibles casos se puede encontrar la dinámica de cada uno de los parámetros en función del estado de carga.\nConclusiones: La metodología propuesta permite reducir los tiempos de parametrización del modelo de polarización dual. Debido a la aproximación generada por las experiencias anteriores, es posible disminuir el número de la población del enjambre y disminuir aún más el tiempo de convergencia del proceso. Adicionalmente, la metodología puede ser utilizada con diferentes algoritmos de optimización.","PeriodicalId":41509,"journal":{"name":"Ingenieria","volume":null,"pages":null},"PeriodicalIF":0.4000,"publicationDate":"2022-11-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Parametrización de modelo de circuito equivalente de polarización dual de una celda de ion Litio utilizando la técnica de optimización por enjambre de partículas modificada.\",\"authors\":\"Fabian Gutierrez Castillo, Kevin Smit Montes Villa, Juan Pablo Villegas Ceballos, Cristian Escudero Quintero\",\"doi\":\"10.14483/23448393.17304\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Contexto: El modelado de baterías es una actividad que puede ser compleja si se utilizan técnicas basadas en el comportamiento químico, para facilitar esto se han utilizado estrategias de modelo inverso que se basan en curvas experimentales y ajustes de modelos circuitales. Para la parametrización se utilizan diferentes técnicas que radican en su complejidad, exactitud y tiempo de convergencia.\\nMétodo: En este trabajo se utiliza un algoritmo de optimización por enjambre de partículas para la parametrización de un modelo de polarización dual para una celda de ion litio de tipo 18650. La metodología propuesta divide el problema en diferentes casos de optimización y propone una estrategia de búsqueda localizada basada en la experiencia del caso anterior.\\nResultados: El algoritmo PSO permite ajustar los parámetros del modelo para cada uno de los casos analizados. La división del problema por casos permite mejorar la precisión global del problema y a su vez disminuir los tiempos de convergencia del algoritmo. A partir de los posibles casos se puede encontrar la dinámica de cada uno de los parámetros en función del estado de carga.\\nConclusiones: La metodología propuesta permite reducir los tiempos de parametrización del modelo de polarización dual. Debido a la aproximación generada por las experiencias anteriores, es posible disminuir el número de la población del enjambre y disminuir aún más el tiempo de convergencia del proceso. Adicionalmente, la metodología puede ser utilizada con diferentes algoritmos de optimización.\",\"PeriodicalId\":41509,\"journal\":{\"name\":\"Ingenieria\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.4000,\"publicationDate\":\"2022-11-20\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Ingenieria\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.14483/23448393.17304\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"ENGINEERING, MULTIDISCIPLINARY\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Ingenieria","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.14483/23448393.17304","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"ENGINEERING, MULTIDISCIPLINARY","Score":null,"Total":0}
引用次数: 0

摘要

背景:如果使用基于化学行为的技术,电池建模是一项可能很复杂的活动,为了促进这一点,使用了基于实验曲线和电路模型调整的反向建模策略。参数化使用了不同的技术,其复杂性、准确性和收敛时间各不相同。方法:采用粒子群优化算法对18650型锂离子电池的双极化模型进行参数化。该方法将问题分为不同的优化案例,并根据前一案例的经验提出了一种局部搜索策略。结果:PSO算法允许为每个分析的病例调整模型参数。按案例划分问题可以提高问题的整体精度,从而减少算法的收敛时间。根据可能的情况,可以根据负载状态找到每个参数的动态。结论:所提出的方法可以减少双极化模型的参数化时间。由于先前经验产生的近似值,有可能减少群体的数量,并进一步减少过程的收敛时间。此外,该方法可以与不同的优化算法一起使用。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Parametrización de modelo de circuito equivalente de polarización dual de una celda de ion Litio utilizando la técnica de optimización por enjambre de partículas modificada.
Contexto: El modelado de baterías es una actividad que puede ser compleja si se utilizan técnicas basadas en el comportamiento químico, para facilitar esto se han utilizado estrategias de modelo inverso que se basan en curvas experimentales y ajustes de modelos circuitales. Para la parametrización se utilizan diferentes técnicas que radican en su complejidad, exactitud y tiempo de convergencia. Método: En este trabajo se utiliza un algoritmo de optimización por enjambre de partículas para la parametrización de un modelo de polarización dual para una celda de ion litio de tipo 18650. La metodología propuesta divide el problema en diferentes casos de optimización y propone una estrategia de búsqueda localizada basada en la experiencia del caso anterior. Resultados: El algoritmo PSO permite ajustar los parámetros del modelo para cada uno de los casos analizados. La división del problema por casos permite mejorar la precisión global del problema y a su vez disminuir los tiempos de convergencia del algoritmo. A partir de los posibles casos se puede encontrar la dinámica de cada uno de los parámetros en función del estado de carga. Conclusiones: La metodología propuesta permite reducir los tiempos de parametrización del modelo de polarización dual. Debido a la aproximación generada por las experiencias anteriores, es posible disminuir el número de la población del enjambre y disminuir aún más el tiempo de convergencia del proceso. Adicionalmente, la metodología puede ser utilizada con diferentes algoritmos de optimización.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
Ingenieria
Ingenieria ENGINEERING, MULTIDISCIPLINARY-
CiteScore
0.70
自引率
25.00%
发文量
33
期刊最新文献
Comparative Analysis of Boost and Hybrid Boost Converters Defending State-Feedback Based Controllers Against Sensor Attacks Evaluación de riesgos (ER) en un terminal de buques tanqueros, basada en la norma ISO-31000:2018 y técnicas cuali-cuantitativas A Model for Documenting Requirements Elicitation Caracterización mecánica de mezclas de caucho natural y residuos de celulosa originados en la industria automotriz con enfoque en el sector del calzado
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1