آموزش تخمین وضعیت شارژ باتری (SOC) - آخرین آپدیت

اهمیت یک تخمین‌گر SOC خوب The importance of a good SOC estimator

• 3.1.1-به دوره خوش آمدید! 3.1.1: Welcome to the Course!

• 3.1.2-اهمیت یک تخمین‌گر SOC خوب چیست؟ 3.1.2: What Is the Importance of a Good SOC Estimator?

• 3.1.3-چگونه SOC را به طور دقیق تعریف کنیم؟ 3.1.3: How Do We Define SOC Carefully?

• 3.1.4-رویکردهای تخمین SOC سلول باتری کدامند؟ 3.1.4: What Are Some Approaches to Estimating Battery Cell SOC?

• 3.1.5-درک عدم قطعیت از طریق میانگین و کوواریانس 3.1.5: Understanding Uncertainty via Mean and Covariance

• 3.1.6-درک عدم قطعیت مشترک دو کمیت ناشناخته 3.1.6: Understanding Joint Uncertainty of Two Unknown Quantities

• 3.1.7-درک کمیت‌های نامطمئن متغیر با زمان 3.1.7: Understanding Time-Varying Uncertain Quantities

• 3.1.8-خلاصه بخش اهمیت تخمین‌گر SOC و گام‌های بعدی 3.1.8: Summary of "The Importance of a Good SOC Estimator" and Next Steps

معرفی فیلتر کالمن خطی به عنوان تخمین‌گر وضعیت Introducing the linear Kalman filter as a state estimator

• 3.2.1-مکانیزم پیش‌بینی/تصحیح در استنتاج احتمالی متوالی 3.2.1: Predict/correct mechanism of sequential probabilistic inference

• 3.2.2-ضریب بهره فیلتر کالمن 3.2.2: The Kalman-filter gain factor

• 3.2.3-خلاصه شش مرحله استنتاج احتمالی عمومی 3.2.3: Summarizing the six steps of generic probabilistic inference

• 3.2.4-استخراج سه مرحله پیش‌بینی فیلتر کالمن 3.2.4: Deriving the three Kalman-filter prediction steps

• 3.2.5-استخراج سه مرحله تصحیح فیلتر کالمن 3.2.5: Deriving the three Kalman-filter correction steps

• 3.2.6-خلاصه معرفی KF خطی به عنوان تخمین‌گر وضعیت و گام‌های بعدی 3.2.6: Summary of "Introducing the linear KF as a state estimator" and next steps

درک عمیق فیلتر کالمن خطی Coming to understand the linear Kalman filter

• 3.3.1-بصری‌سازی فیلتر کالمن با مدل سلول خطی شده 3.3.1: Visualizing the Kalman filter with a linearized cell model

• 3.3.2-معرفی کد Octave برای تولید اعداد تصادفی همبسته 3.3.2: Introducing Octave code to generate correlated random numbers

• 3.3.3-معرفی کد Octave برای پیاده‌سازی KF در مدل سلول خطی شده 3.3.3: Introducing Octave code to implement KF for linearized cell model

• 3.3.4-چگونه پایداری عددی فیلتر کالمن را بهبود ببخشیم؟ 3.3.4: How do we improve numeric robustness of Kalman filter?

• 3.3.5-آیا می‌توان با فیلتر کالمن اندازه‌گیری‌های غلط را به طور خودکار شناسایی کرد؟ 3.3.5: Can we automatically detect bad measurements with a Kalman filter?

• 3.3.6-چگونه یک فیلتر کالمن را مقداردهی اولیه و تنظیم کنیم؟ 3.3.6: How do I initialize and tune a Kalman filter?

• 3.3.7-خلاصه درک فیلتر کالمن خطی و گام‌های بعدی 3.3.7: Summary of "Coming to understand the linear KF" and next steps

تخمین SOC سلول با استفاده از فیلتر کالمن گسترش‌یافته (EKF) Cell SOC estimation using an extended Kalman filter

• 3.4.1-معرفی تغییرات غیرخطی در فیلترهای کالمن 3.4.1: Introducing nonlinear variations to Kalman filters

• 3.4.2-استخراج سه مرحله پیش‌بینی فیلتر کالمن گسترش‌یافته (EKF) 3.4.2: Deriving the three extended-Kalman-filter prediction steps

• 3.4.3-استخراج سه مرحله تصحیح فیلتر کالمن گسترش‌یافته (EKF) 3.4.3: Deriving the three extended-Kalman-filter correction steps

• 3.4.4-معرفی یک مثال ساده EKF همراه با کد Octave 3.4.4: Introducing a simple EKF example, with Octave code

• 3.4.5-آماده‌سازی برای پیاده‌سازی EKF روی یک مدل مدار معادل (ECM) 3.4.5: Preparing to implement EKF on an ECM

• 3.4.6-معرفی کد Octave برای مقداردهی اولیه و کنترل EKF جهت تخمین SOC 3.4.6: Introducing Octave code to initialize and control EKF for SOC estimation

• 3.4.7-معرفی کد Octave برای به‌روزرسانی EKF جهت تخمین SOC 3.4.7: Introducing Octave code to update EKF for SOC estimation

• 3.4.8-خلاصه تخمین SOC سلول با استفاده از EKF و گام‌های بعدی 3.4.8: Summary of "Cell SOC estimation using an EKF" and next steps

تخمین SOC سلول با استفاده از فیلتر کالمن نقطه-سیگما (SPKF) Cell SOC estimation using a sigma-point Kalman filter

• 3.5.1-مشکلات EKF که با روش‌های نقطه-سیگما بهبود می‌یابند 3.5.1: Problems with EKF that are improved with sigma-point methods

• 3.5.2-تقریب متغیرهای نامطمئن با استفاده از نقاط سیگما 3.5.2: Approximating uncertain variables using sigma points

• 3.5.3-استخراج شش مرحله فیلتر کالمن نقطه-سیگما 3.5.3: Deriving the six sigma-point-Kalman-filter steps

• 3.5.4-معرفی یک مثال ساده SPKF همراه با کد Octave 3.5.4: Introducing a simple SPKF example with Octave code

• 3.5.5-معرفی کد Octave برای مقداردهی اولیه و کنترل SPKF جهت تخمین SOC 3.5.5: Introducing Octave code to initialize and control SPKF for SOC estimation

• 3.5.6-معرفی کد Octave برای به‌روزرسانی SPKF جهت تخمین SOC 3.5.6: Introducing Octave code to update SPKF for SOC estimation

• 3.5.7-خلاصه تخمین SOC سلول با استفاده از SPFK و گام‌های بعدی 3.5.7: Summary of "Cell SOC estimation using a SPFK" and next steps

بهبود بهره‌وری محاسباتی با استفاده از روش Bar Delta Improving computational efficiency using the bar-delta method

• 3.6.1-چرا در تخمین SOC برای پک‌های باتری باید هوشمندانه عمل کنیم؟ 3.6.1: Why do we need to be clever when estimating SOC for battery packs?

• 3.6.2-توسعه فیلتر Bar با استفاده از ECM 3.6.2: Developing a "bar" filter using an ECM

• 3.6.3-توسعه فیلترهای Delta با استفاده از ECM 3.6.3: Developing the "delta" filters using an ECM

• 3.6.4-معرفی اعتبارسنجی دسکتاپ به عنوان روشی برای پیش‌بینی عملکرد 3.6.4: Introducing "desktop validation" as a method for predicting performance

• 3.6.5-خلاصه بهبود بهره‌وری محاسباتی با روش Bar Delta و گام‌های بعدی 3.6.5: Summary of "Improving computational efficiency using the bar-delta method" and next steps

پروژه نهایی Capstone project