UNIVERZITET U TUZLI
FAKULTET ELEKTROTEHNIKE
Franjevačka br.2
Tuzla
O B J A V L J U J E
Jasmin Šečić, bachelor inž. el., javno će braniti završni magistarski rad pod naslovom: „Estimacija nivoa napunjenosti Li-ionske baterije unaprijednom neuronskom mrežom“, dana 08. 12. 2021. godine sa početkom u 14,00 sati u Multimedijalnoj sali Univerziteta u Tuzli, pred komisijom u sastavu:
- Dr. sci. Suad Halilčević, redovni profesor – predsjednik
Uža naučna oblast oblast Elektroenergetske mreže i sistemi
Fakultet elektrotehnike Univerziteta u Tuzli - Dr. sci. Tatjana Konjić, redovni profesor-mentor i član,
Uža naučna oblast oblast Elektroenergetske mreže i sistemi
Fakultet elektrotehnike Univerziteta u Tuzli - Izudin Softić, docent-član,
Uža naučna oblast oblast Elektroenergetske mreže i sistemi
Fakultet elektrotehnike Univerziteta u Tuzli
Zamjenski član Komisije dr. sci. Nedžmija Demirović, vanredni profesor, uža naučna oblast Elektroenergetske mreže i sistemi, Fakultet elektrotehnike Univerziteta u Tuzli.
Pristup javnosti je slobodan. Završni magistarski rad se može pogledati u Sekretarijatu fakulteta svakim radnim danom od 09,00 do 15,00 sati.
REZIME RADA
Nivo napunjenosti baterije (engl. State of Charge – SoC) je jedan od najvažnijih, ako ne i najvažniji parametar baterije. SoC je zapravo postotak baterije, koji se može vidjeti na displeju mobilnih telefona, laptopa ili na instrument tabli električnih automobila. Zbog nemogućnosti pristupa hemijskoj energiji koja je sadržana u aktivnim materijalima baterije, ne postoji uređaj za mjerenje SoC. Jedini način dobijanja ovog parametra jeste njegova estimacija, tj. procjena. Estimacija SoC je glavni izazov pri korištenju baterija. Zbog hemijske kompleksnosti baterija, prvenstveno Li-ionskih, vrlo teško je generisati tačan model baterije, a osnova za estimaciju SoC je postojanje vrlo preciznog modela baterije. Kreiranje ekvivalentnog modela Li-ionske baterije posebno je otežano zbog njihove izrazite nelinearnosti u odnosu na ostale tipove baterija, te širokog spektra različitih materijela koji se koriste u njihovoj izradi. Dodatni problem u kreiranju ekvivalentnog modela Li- ionske baterije predstavlja činjenica da je u cilju dobijanja željenog napona i kapaciteta baterije, potrebno serijski ili paralelno povezati više Li-ionskih ćelija. Na ovaj način se smanjuje korelacija između izračunatih i stvarnih vrijednosti parametara baterije.
Uzimajući u obzir poteškoće pri kreiranju ekvivalentnog modela Li-ionske baterije koje otežavaju i estimaciju SoC, u ovom radu je stoga predstavljen metod za estimaciju baziran na unaprijednoj neuronskoj mreži, gdje je ekvivalentni model Li-ionske baterije kreiran treniranjem unaprijedne neuronske mreže, koristeći podatke dobijene testiranjem modela Li-ionske baterije Samsung INR21700 – 30T 3.6 V 3000mAh.
Pored toga u radu su obrađene baterije kao sistemi za pohranu energije, gdje je poseban akcenat dat Li-ionskim baterijama. Predstavljen je sistem za upravljanje baterijom i njegove funkcije, te dat ekvivalentni električni model Li-ionske baterije. Obzirom da testni podaci nisu sadržavali sve potrebne varijeble za unaprijednu neuronsku mrežu, za kreiranje i uređivanje istih korišten je Python programski jezik.