An Ideal Cell Balancing System for Use in Electric Vehicles - ICBEV

في العقود الأخيرة، أصبحت أنظمة الطاقة المعتمدة على الطاقة المتجددة البديل البديل للوقود الأحفوري ومصادر الطاقة الأخرى التي تعتمد على انبعاثات الغازات الدفيئة. ضمن هذا التقدم، تعد السيارات الكهربائية تطبيقًا رئيسيًا. أثبتت أنظمة الطاقة المتجددة المعتمدة على بطاريات الليثيوم أيون (Li-ion) أنها بديل ممتاز لتقنيات الطاقة غير المتجددة. من أجل السماح لبطاريات Li-ion بالعمل بشكل آمن ضمن المعلمات المحددة لها، يجب تنفيذ نظام إدارة البطارية (BMS). يعد توازن الخلايا إجراءً حاسماً يعد أحد الأدوار الرئيسية التي تلعبها BMS. حتى عندما يتم الحصول على الخلايا من نفس الشركة المصنعة ودفعة الإنتاج، فإن الاختلافات الجوهرية في المعاوقة ومعدلات التفريغ الذاتي وخصائص درجة الحرارة تؤدي إلى عدم شحن الخلايا أو تفريغها باستمرار أثناء دورات البطارية. تهدف آليات موازنة الخلايا إلى زيادة سلامة البطارية وطول عمرها. يتم تصنيف أنظمة موازنة الخلايا على نطاق واسع إلى فئات سلبية أو نشطة. في الأنظمة السلبية، تُستخدم مقاومات الموازنة لتبديد الشحنات الزائدة من الخلايا المفرطة الشحن، وبالتالي الحفاظ على جهد الخلية المتوازن. وعلى العكس من ذلك، تقوم أنظمة موازنة الخلايا النشطة بإعادة توزيع الشحنة من الخلايا المشحونة للغاية إلى الخلايا ذات الشحن الأقل، مما يؤدي إلى تحسين استخدام الطاقة داخل حزمة البطارية. يقدم المفهوم المقترح نظامًا ذكيًا ومحسّنًا لموازنة الخلايا السلبية القائم على التعلم الآلي (ML) والمصمم خصيصًا لتطبيقات المركبات الكهربائية. الهدف هو تحديد طريقة الموازنة الأكثر فعالية من خلال تطوير نهج سلبي معزز من خلال عمليات المحاكاة القائمة على النماذج وتطبيقات الدوائر. يتم تطبيق طريقة التوازن السلبي هذه عندما تكون السيارة الكهربائية غير نشطة أو أثناء شحن البطارية. علاوة على ذلك، تتم مقارنتها بطرق الموازنة القائمة على الحث النشط المستخدمة على نطاق واسع في قطاع المركبات الكهربائية، مع الأخذ في الاعتبار عوامل مثل حجم الخلل، وكفاءة الطاقة، وتقدير التكلفة، وموازنة السرعة من خلال تحليلات المحاكاة الشاملة.

In recent decades, power systems based on renewable energy have become the alternate substitute for fossil fuels and other energy sources that rely on greenhouse gas emissions. Within this progression, electric vehicles (EVs) are a major application. Renewable power systems based on lithium-ion (Li-ion) batteries have proven to be an excellent substitute for non-renewable energy technologies. In order to allow Li-ion batteries to function securely within their specified parameters, a Battery Management System (BMS) must be implemented. Cell balance is a crucial procedure that is one of the key roles played by BMS. Even when cells are acquired from the same manufacturer and production batch, intrinsic variations in impedance, self-discharge rates, and temperature characteristics causes the cells not to charge or discharge consistently during battery cycles. Mechanisms for cell balancing are intended to increase battery safety and longevity. Cell balancing systems are broadly classified into passive or active categories. In passive systems, balancing resistors are used to dissipate surplus charges from overcharged cells, thereby maintaining balanced cell voltages. Conversely, active cell balancing systems redistribute charge from highly charged cells to those with lower charge, optimizing energy utilization within the battery pack. The proposed concept introduces an intelligent and optimized machine learning (ML)-based passive cell balancing scheme specifically designed for electric vehicle applications. The goal is to determine the most effective balancing method by developing an enhanced passive approach through model-based simulations and circuit implementations. This passive balancing method is applied when the electric vehicle is inactive or during battery charging. Furthermore, it is compared with widely-used activ