Obserwowany w ostatnich latach znaczący postęp technologii wytwarzania akumulatorów litowo-jonowych (LIB) doprowadził do tego, że coraz więcej urządzeń i maszyn wykorzystuje je jako główne źródło zasilania. Dzięki uzyskaniu wysokiej gęstości energii, napięcia wyjściowego o stosunkowo wysokiej wartości, długiego czasu życia, niskiego poziomu samorozładowania oraz szerokiego przedziału temperatury pracy LIB znajdują coraz bardziej rozległe zastosowania w urządzeniach przenośnych, stacjonarnych magazynach energii, pojazdach elektrycznych (EV). Zapewnianiu bezpieczeństwa i niezawodności działania LIB w tych zastosowaniach towarzyszy rozwój metod diagnozowania stanu akumulatorów. Przy ocenie jakości LIB powszechnie wykorzystuje się następujące parametry: stan naładowania (SOC) oraz stan żywotności (SOH). Parametry te umożliwiają oszacowanie pozostałego czasu użyteczności akumulatora.
EN
The significant advances in lithium-ion battery technology (LIB) observed in recent years have led to the fact that more and more devices and machines use them as the main source of power supply. Thanks to obtaining high energy density, high output voltage, long life, low level of self-discharge and wide operating temperature range, LIBs are increasingly used in portable devices, stationary energy storages, electric vehicles (EV). Ensuring the safety and reliability of LIB operation in these applications is accompanied by the development of methods for diagnosing the condition of batteries. The most frequently used parameters related to it are the state of charge (SOC) and the state of health (SOH), which allow to estimate the remaining life of the battery.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
An application of some artificial neural networks algorithms to the diagnosis of transformer oil and high voltage insulation thermal ageing prediction has been presented. An RBFG neural network trained by Random Optimisation Method has been applied for prediction and a Back-Propagation network trained by Levenberg-Marquardt technique has been used for diagnosis. The simulation had been validated by experimental results carried out in the National Algerian Company of Electricity and Gas, the national company of cable and the high voltage laboratories of the Warsaw University of Technology.
PL
W artykule przedstawiono zastosowanie algorytmów sieci neuronowych w diagnostyce oleju transformatorowego oraz prognozowaniu starzenia termicznego izolacji wysokonapięciowej. Do celów prognozowania zastosowano sieć neuronową podstawowej funkcji radialnej Gaussa trenowaną metodą optymalizacji stochastycznej a dla celów diagnostyki sieć neuronowa propagacji zwrotnej trenowaną techniką Lavenberga-Morquardta. Symulacje potwierdzone zostały wynikami eksperymentów przeprowadzonych w Algierskim Narodowym Przedsiębiorstwie Elektryczności i Gazu, Narodowym Przedsiębiorstwie Kablowym oraz w laboratorium WN Politechniki Warszawskiej.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.