Cookies helfen uns bei der Bereitstellung unserer Dienste. Durch die Nutzung unserer Dienste erklären Sie sich damit einverstanden, dass wir Cookies setzen.

Cuvillier Verlag

30 Jahre Kompetenz im wissenschaftlichen Publizieren
Internationaler Fachverlag für Wissenschaft und Wirtschaft

Cuvillier Verlag

De En Es
Optimal Energy Management Strategies for Reconfigurable Batteries

Printausgabe
EUR 47,90

E-Book
EUR 34,90

Optimal Energy Management Strategies for Reconfigurable Batteries (Band 6)

Nejmeddine Bouchhima (Autor)

Vorschau

Leseprobe, PDF (410 KB)
Inhaltsverzeichnis, PDF (33 KB)

ISBN-13 (Printausgabe) 9783736974142
ISBN-13 (E-Book) 9783736964143
Sprache Englisch
Seitenanzahl 162
Umschlagkaschierung matt
Auflage 1
Buchreihe Elektrische Energiespeichersysteme
Band 6
Erscheinungsort Göttingen
Promotionsort Stuttgart
Erscheinungsdatum 10.05.2021
Allgemeine Einordnung Dissertation
Fachbereiche Allgemeine Elektrotechnik
Energietechnik
Schlagwörter Lithium-ion batteries, Lithium-ion Batterien, Stationary storage system, Stationäres Speichersystem, Enery densitiy, Energiedichte, Reconfigurable batteries, Einzelzellschalter Batterie, Electric vehicles, Elektrofahrzeuge, Capacity disparity, Kapazitätstreueung, Cells imbalance, Zellen Inhomogenität, Internal resistance, Innenwiderstand, Energy management strategies, Energie Management Strategien, Energy efficiency, Energie Wirkungsgrad, Number of active cells, Anzahl der aktiven Zellen, Nonlinear dynamic optimization, Nicht-lineare dynamische Optimierung, Dynamic Programming, Dynamische Programmierung, Mathematical models, Mathematische Modelle, Depth of discharge, Entladetiefe, Dynamic cell switching, Dynamische Zellschaltung, Noncausal strategy, Nicht-kausale Strategie, Optimization horizon, Optimierungshorizont, Optimization problem, Optimierungsproblem, Driving cycle, Fahrzyklus, Static optimization, Statische Optimierung, Local optimum, Lokales Optimum, Equivalent electrical battery model, Ersatzschaltbild Batterie Modell, Optimization-based strategies, Optimierungsbasierte Strategien, Balancing methods, Balancing Methoden, Passive balancing, Passives Balancing, Rule-based strategy, Regelbasierte Strategie, Efficiency enhancement, Wirkungsgrad Steigerung, Causal strategies, Kausale Strategien, Simulation environment, Simulationsumgebung, Simulation study, Simulationsstudie, Conventionel storage system, Herkömmliches Speichersystem, Optimization model parameters, Parametern des Optimierungsmodells, Battery simulation results, Batterie Simulation Ergebnisse, Computational effort, Rechenaufwand, Real-time capability, Echtzeit Fähigkeit, Trade-off, Kompromiss, Accuracy, Genauigkeit, Robustness, Robustheit, Real-time applications, Echtzeitanwendungen
URL zu externer Homepage https://www.ipv.uni-stuttgart.de/
Beschreibung

Lithium-Ionen-Batterien werden aufgrund ihrer hohen Energie- und Leistungsdichte häufig in Elektrofahrzeugen und stationären Speichersystemen eingesetzt. Allerdings müssen die Batteriezellen aufgrund der Kapazitätsstreuung ausgeglichen werden. Die Einzelzellschalter Topologie, die die Aktivierung und Deaktivierung jeder Batteriezelle basierend auf ihrem aktuellen Zustand ermöglicht, gilt als vielversprechende Lösung, um die Inhomogenität der Batteriezellen zu überwinden. Ziel dieser Arbeit ist die Entwicklung von optimalen Energiemanagement-Strategien für die Einzelzellschalter Batterie, um die Energieeffizienz des Systems zu maximieren. Für die Berechnung des globalen Optimums wird ein Optimierungsalgorithmus, basierend auf der dynamischen Programmierung Methode, entwickelt. Diese Strategie ist eine nicht-kausale Strategie, da die Batterieleistungsanforderungen über den Optimierungshorizont für die Strategie bekannt sein müssen. In einer Simulationsumgebung werden diese Informationen eines vorgegebenen Fahrprofils entnommen. Als nächster Schritt werden zwei statische Optimierungsprobleme von dem dynamischen Optimierungsproblem abgeleitet, damit die Entwicklung von kausalen Energiemanagement-Strategien ermöglicht werden kann. Diese Strategien berechnen ein lokales Optimum, da sie keine Informationen über den gesamten Fahrzyklus verwenden.