en تخمین حالت شارژ و سلامت باطری توسط روش توسعه یافته EKF برای مدل RC در سیستم مدیریت باطری خودروهای الکتریکی تخصصي Special پژوهشي Research <div style="text-align: justify;"><span style="font-size:11pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="font-family:&quot;Cambria Math&quot;,serif"><span style="font-weight:bold"><span style="font-style:italic"><span lang="FA" style="font-family:&quot;B Nazanin&quot;"><span style="font-style:normal">تخمین دقیق حالت شارژ یک باطری نه‌تنها برای مدیریت بهینه انرژی (</span></span><span dir="LTR" style="font-family:&quot;Times New Roman&quot;,serif">OEM</span><span lang="FA" style="font-family:&quot;B Nazanin&quot;"><span style="font-style:normal">)¹ در خودروهای الکتریکی (</span></span><span dir="LTR" style="font-family:&quot;Times New Roman&quot;,serif">EV</span><span lang="FA" style="font-family:&quot;B Nazanin&quot;"><span style="font-style:normal">)² و شبکه‌های هوشمند قدرت، بلکه برای حفاظت باطری از رفتن به شرایط تخلیه عمیق یا شارژ بیش از اندازه و در نتیجه کاهش عمر باطری ضروری است. این شرایط حتی ممکن است شرایط بالقوه خطرناکی به لحاظ انفجار باطری ایجاد کند. با وجود اهمیت بسیار زیاد پارامتر حالت شارژ، این پارامتر بطور مستقیم از پایانه‌های باطری قابل اندازه‌گیری نیست. <a name="_Hlk167462490">سیسـتم مـدیریت باطری </a>(</span></span><span dir="LTR" style="font-family:&quot;Times New Roman&quot;,serif">BMS</span><span lang="FA" style="font-family:&quot;B Nazanin&quot;"><span style="font-style:normal">)³ در میان عملکردهای بسیار، نیاز به یک روش برای تخمین حالت شارژ و تعیین حالـت سـلامت باطری خودروی الکتریکی دارد. در این پژوهش ابتدا مدل مدار معادل الکتریکی در محیط متلب با شبکه </span></span><span dir="LTR" style="font-family:&quot;Times New Roman&quot;,serif">RC</span> <span lang="FA" style="font-family:&quot;B Nazanin&quot;"><span style="font-style:normal">شبیه‌سازی شده است. این مدل دارای این مزیت است که یک آزمون سریع برای استخراج پارامترها و مشخصات دینامیکی مدل باطری را ارائه می‌کند.وسپس بـا استفاده از فیلتر کـالمن توسعه‌یافته (</span></span><span dir="LTR" style="font-family:&quot;Times New Roman&quot;,serif">EKF</span><span lang="FA" style="font-family:&quot;B Nazanin&quot;"><span style="font-style:normal">)⁴ برای تخمین حالت شارژ و چندین روش برای تخمین حالت سلامتِ باطری خودروی الکتریکی مدنظر، مورد بررسی قرار گرفته و نتایج شـبیه سـازی نشـان داده شده است.</span></span></span></span></span></span></span></span></div> &nbsp; <div style="text-align: justify;"><span style="font-size:12.0pt"><span new="" roman="" style="font-family:" times="">accurate estimation of the state of charge of a battery not only for optimal energy management (OEM) in electric vehicles (EVs) and smart power grids, but also necessary to protect the battery from going into deep discharge or overcharge conditions and thus reducing battery life. These conditions may even create potentially dangerous conditions in terms of battery explosion. Despite the great importance of the state of charge parameter, this parameter cannot be measured directly from the battery terminals. Among many functions, the battery management system (BMS) needs a method to estimate the state of charge and determine the health status of the electric vehicle battery. In this research, first, the electric equivalent circuit model is simulated in MATLAB environment with RC network. This model has the advantage of providing a quick test to extract the parameters and dynamic characteristics of the battery model. Using the extended Kalman filter (EKF) to estimate the state of charge and several methods to estimate the state of health of the battery of the considered electric vehicle, it has been investigated and the simulation results have been shown.&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; </span></span><br> &nbsp;</div> باطری لیتیوم یونی, حالت شارژ باطری, حالت سلامت باطری, سیستم مدیریت باطری, خودروی الکتریکی. lithiumion battery, battery charging mode, battery health mode, battery management system, electric vehicle 77 85 http://jeps.dezful.iau.ir/browse.php?a_code=A-10-317-1&slc_lang=en&sid=1 SEYED SAEED ABDOLLAHI KHOU سید سعید عبدالهی خو ABDOLLAHIENGINEER99@GMAIL.COM 10031947532846002472 10031947532846002472 No Department of Power Electrical Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran گروه مهندسی برق، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران JAVAD Olamaee جواد علمایی j_olamaei@azad.ac.ir 10031947532846002473 10031947532846002473 Yes Department of Power Electrical Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran گروه مهندسی برق، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران S. Mohammad Hassan Hosseini سید محمد حسن حسینی smh_hosseini@azad.ac.ir 10031947532846002474 10031947532846002474 No Department of Power Electrical Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran