logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-01202018-121511


Tipo di tesi
Tesi di laurea magistrale
Autore
CURCIO, PASQUALE
URN
etd-01202018-121511
Titolo
Studio e implementazione di algoritmi avanzati per la stima dello stato di batterie al Litio
Dipartimento
INGEGNERIA DELL'INFORMAZIONE
Corso di studi
INGEGNERIA ELETTRONICA
Relatori
relatore Prof. Baronti, Federico
correlatore Ing. Morello, Rocco
Parole chiave
  • Batterie al litio
  • Battery Management System
  • Filtro di Kalman
  • Stato di carica
Data inizio appello
23/02/2018
Consultabilità
Completa
Riassunto
Le batterie al litio sono una tecnologia di accumulo energetico utilizzata in un ampio range applicativo.
In qualunque applicazione alimentata a batteria `e fondamentale avere conoscenza del cosidetto stato di carica (SOC) della cella.
Il SOC fornisce informazioni riguardo alla carica residua immagazzinata all’interno della cella che è di primaria importanza per poter calcolare l’autonomia residua ,evitare condizioni di sovraccarica o sottoscarica e permettere un
bilanciamento più efficace in caso di più celle connesse in serie.
Poiché le uniche quantità accessibili della cella sono tensione, temperatura e corrente questo indicatore non può essere misurato direttamente ma si ha la necessità di ricorrere ad opportuni algoritmi di stima.
Fornire una stima accurata dello stato di carica (SOC) della cella é una delle principali sfide del sistema di monitoraggio e gestione delle stesse conosciuto con il nome di battery management system (BMS).
In questa tesi, dopo uno studio sulle principali tecniche di stima dello stato di carica di celle al litio sono stati realizzati in matlab tre algoritmi adattivi Kalman-based: il Joint Extended Kalman Filter (JEKF), il Dual Extended Kalman Filter (DEKF) e il Joint Unscented Kalman Filter (JUKF).
File