Las cookies nos ayudan a ofrecer nuestros servicios. Al utilizar nuestros servicios, aceptas el uso de cookies.

Editorial Cuvillier

Publicaciones, tesis doctorales, capacitaciónes para acceder a una cátedra de universidad & prospectos.
Su editorial internacional especializado en ciencias y economia

Editorial Cuvillier

De En Es
Optimal Energy Management Strategies for Reconfigurable Batteries

Impresion
EUR 47,90

E-Book
EUR 34,90

Optimal Energy Management Strategies for Reconfigurable Batteries (Volumen 6) (Tienda española)

Nejmeddine Bouchhima (Autor)

Previo

Lectura de prueba, PDF (410 KB)
Indice, PDF (33 KB)

ISBN-13 (Impresion) 9783736974142
ISBN-13 (E-Book) 9783736964143
Idioma Inglés
Numero de paginas 162
Laminacion de la cubierta mate
Edicion 1
Serie Elektrische Energiespeichersysteme
Volumen 6
Lugar de publicacion Göttingen
Lugar de la disertacion Stuttgart
Fecha de publicacion 10.05.2021
Clasificacion simple Tesis doctoral
Area Ingeniería eléctrica general
Ingeniería de energía
Palabras claves 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 para pagina web externa https://www.ipv.uni-stuttgart.de/
Descripcion

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.