TARIFNAME BIR AKÜ HÜCRESINDE BIR LITYUM KAPLAMANIN ÖNLENMESINE YÖNELIK YÖNTEM Bulus, bir akü hücresinde bir Iityum kaplamanin önlenmesine yönelik bir yöntem ve bir akü hücresinde bir Iityum kaplamanin önlenmesine yönelik bir cihaz ile ilgilidir. Lityum-iyon aküler gelecegin enerji depolamasi olarak kabul edilmektedir. Küçük bir alanda çok fazla akim depolayabilirler ve nispeten hafiftirler. Bununla birlikte, Iityum iyon aküler, akü sarj edildiginde anot tarafinda metalik Iityumun olustugu ve anotta biriktigi yangina neden olur. Lityum kaplama, hizli sarj modunda veya sarj islemi sirasinda düsük ortam sicakliklarinda özellikle belirgindir. Aküyü 0Vtye veya yakinina kadar derin desarj etmek Iityum kaplamaya neden olabilir. Bu amaçla, birkaç ayri akü hücresinden olusan bir akünün anot potansiyeli izlenir. Bu amaçla, bu akü hücrelerinin her birine bir referans elektrot takilir. Bununla birlikte, bir elektrikli aracin aküsü çok sayida akü hücresi içerdiginden, bu tür referans elektrotlarinin bu ayri akü hücrelerinin her birine eklenmesi zordur ve çok fazla çaba gerektirir. Bu nedenle, anot potansiyeli için matematiksel tahmin yöntemleri siklikla kullanilir. Anot potansiyelini matematiksel olarak hesaplamaya yönelik elektrokimyasal modeller kullanilabilir. Bu modeller hesaplama açisindan pahalidir ve güçlü islemciler gerektirir. Bu, gerekli bilgi islem gücünü kullanilabilir hale getirmek amaciyla büyük çaba gerektirir. Ayrica, bu hesaplamalar gerçek zamanli bir kontrolörde kullanim için çok yavastir. CN 110 059 342 A belgesi, bu tür bir parametre tahmin yöntemi ile ilgilidir. Bir aküde Iityum kaplamayi önlemek bulusun teknik amacidir. Ayrica, verimliligi düsürmeden teknik çaba mümkün oldugunca düsük tutulmalidir. Bulusa göre yöntem bir akü hücresinde bir Iityum kaplamanin önlenmesine hizmet eder ve bir sarj ve/veya desarj akimi profilinin tespit edilmesi; egitilmis bir algoritma tarafindan sarj akimina dayali olarak bir anot potansiyelinin belirlenmesi ve belirlenen anot potansiyeline dayali olarak aküye yönelik bir sarj akiminin kontrol edilmesi adimlarini içerir. Yöntem, egitilmis algoritmanin bir akünün anot potansiyelini hizli ve hassas bir sekilde belirlemesi gibi teknik bir avantaj saglar. Egitilmis algoritma, örnegin, çok sayida önceden belirlenmis sarj ve/veya desarj akimi profilleri ile iliskili anot potansiyelleri ile egitilmis bir yapay sinir agi tarafindan olusturulur. Tespit edilen bir sarj ve/veya desarj akimi profilinin egitilmis sinir agina girilmesi halinde, egitilmis sinir agi iliskili bir anot potansiyeli çikarir. Egitilmis algoritmayi kullanarak, güçlü islemcilerden ve zaman alici hesaplama modellerinden vazgeçilebilir, böylece teknik çaba azaltilir. Ek olarak, egitilmis algoritma kullanilarak uzun hesaplamalardan kaçinilmasi ve yöntemin örnegin bir motorlu tasitta oldugu gibi gerçek zamanli bir kontrolörde de kullanilabilmesi teknik avantaji elde edilir. Yöntemin teknik olarak avantajli bir düzenlemesinde, algoritma, önceden belirlenmis anot potansiyelleri ile çok sayida hesaplanmis sarj ve/veya desarj akimi profilleri kullanilarak egitilir. Bir modelde sarj ve/veya desarj akimi profilleri ve anot potansiyelleri hesaplanabilir. Bu, örnegin, bu sekilde ögretilmis algoritmanin, tespit edilen sarj ve/veya desarj akimi profillerini uygun anot potansiyeline hizli ve hassas bir sekilde atayabilmesi gibi teknik avantaj saglar. Algoritma için ne kadar karsilastirmali veri mevcutsa, egitilmis algoritma anot potansiyelini o kadar kesin olarak belirleyebilir. Yöntemin teknik olarak avantajli bir diger düzenlemesinde, önceden belirlenmis bir sarj ve/veya desarj akimi profili için anot potansiyeli, bir elektrokimyasal hücre modeli kullanilarak hesaplanir. Bu hesaplanmis anot potansiyelleri, ilgili sarj ve/veya desarj akimi profilleri ile birlikte bir veri kaydi olarak depolanir ve algoritmayi egitmek için kullanilir. Hesaplama, örnegin yüksek performansli bilgisayarlarda yapilabilir. Bu, örnegin, gerçekten yüksek hesaplama gücü gerektiren ve gerçekçi veriler saglayan elektrokimyasal hücre modellerinin kullanilabilmesi gibi teknik avantaj saglar. Bu hesaplama algoritma egitilmeden yapildigindan, elektrokimyasal hücre modelleri kullanilarak hesaplama için gereken hesaplama süresi yöntemi yavaslatmaz. Gerçek zamanli kontrolör durumunda algoritma, gerçekçi karsilastirmali verilere sahiptir. Bu sekilde, tespit edilen her bir sarj ve/veya desarj akimi profiline hizli ve hassas bir sekilde gerçekçi bir anot potansiyeli atanabilir. Birkaç elektrokimyasal hücre modelinin kombinasyonu yoluyla hesaplama yapmak da mümkündür. Bu, örnegin farkli modellerin avantajlarinin birbiriyle birlestirilmesi gibi teknik avantaj saglar. Yöntemin teknik olarak avantajli bir diger düzenlemesinde, elektrokimyasal hücre modeli, gözenekli bir elektrot yapisi (DFN - Doyle-Fuller Newman), tek parçacikli bir elektrot yapisi (SPM - Single Particle Method) veya elektrolitli tek parçacikli bir elektrot yapisini (SPMe - Single Particle Model with Electrolyte) kullanir. Örnegin, Psödo-2- Boyutlu veya P2D olarak da bilinen Doer-Fuller Newman (DFN) yöntemi, dogru ve gerçekçi anot potansiyel çiktilari elde etme teknik avantajina sahiptir. P2D modeli, gözenekli elektrot yapisina dayali ve Iityum iyon akü arastirmalarinda kullanilabilen fiziksel bir modeldir. Öte yandan, tek parçacikli elektrot yapisina sahip SPM modeli, gözenekli yapiyi tek bir parçaciga indirgediginden P2D modeline göre daha az matematiksel ifade içerir. Sonuç olarak, daha hizli ve neredeyse gerçek zamanli olarak çalisabilir. Elektrolitli tek parçacikli elektrot yapisina sahip SPMe modeli, SPM modelini elektrolitin etkisini hesaba katan ek degiskenler ve matematiksel denklemler ile birlestirir. Yöntemin teknik olarak avantajli bir diger düzenlemesinde, elektrokimyasal hücre modeli tarafindan belirtilen sarj ve/veya desarj akimi profilleri kullanilir. Bu, örnegin algoritmayi egitmek için daha kesin karsilastirma verilerinin mevcut olmasi gibi teknik avantaj saglar. Sonuç olarak, egitilmis algoritma ile anot potansiyeli daha kesin olarak belirlenebilir. Yöntemin teknik olarak avantajli bir diger düzenlemesinde, sarj ve/veya desarj akimi profili, bir araç için bir sürüs simülasyonu temelinde hesaplanir. Elektrokimyasal hücre modelleri için giris (Input) olarak çesitli sarj ve desarj akimi profilleri olusturulabilir. Desarj akimi profillerinin örnekleri, örnegin, sürüs sirasinda aktif desarj veya araç park halindeyken ve kapatildiginda akünün pasif desarjidir. Aktif ve pasif desarj bilesenine sahip desarj akimi profillerini hesaplamak da mümkündür. Bu sürüs simülasyonu için akünün takilacagi aracin gerçek parametreleri veya akünün kendisinin gerçek parametreleri kullanilabilir. Bu tür parametreler örnegin akü tipi, elektrik motoru tipi ve aracin fiziksel parametrelerini içerir. Bu, örnegin algoritmanin gerçek araç veya akü parametrelerine dayali veriler ile egitilmesi gibi teknik avantaj saglar. Bu sekilde hesaplanan veriler pratiktir ve anot potansiyelinin daha kesin bir Yöntemin teknik olarak avantajli bir diger düzenlemesinde, egitilmis algoritma bir yapay sinir agi içerir. Bu, örnegin ek egitim verileri kullanilarak egitilmis algoritmanin daha da gelistirilmesi ve optimize edilebilmesi gibi teknik avantaj saglar. Bu, özellikle gerçek zamanli kontrol cihazlarinda çalismak için önemlidir. Yöntemin teknik olarak avantajli bir diger düzenlemesinde, egitilmis algoritma, bir akü yönetim sisteminde (BMS - Battery Management System) bir PID kontrolörü (PID - OransaI-Integral-Türevsel) ile birlikte entegre edilir. Bu PID kontrolörü, sarj akimina yönelik istenen ayar degeri ve ölçülen sarj akimi arasindaki farki kullanarak bir sapma degeri hesaplar ve bir geri besleme (Feedback) saglar. Bu, örnegin sarj akiminin sürekli olarak izlenmesi ve optimize edilmesi gibi teknik avantaj saglar. Örnegin, bulanik mantik algoritmalarina veya model tabanli ileri beslemeli kontrol algoritmalarina dayanan diger kontrol mekanizmalari da kullanilabilir. Yöntemin teknik olarak avantajli bir diger düzenlemesinde algoritma, sarj akimini dinamik olarak kontrol etmek amaciyla ek olarak bir akü akiminin, bir akü voltajinin, bir akü sicakliginin ve/veya bir akü durumunun gerçek bir degerini kullanir. Bu, örnegin akü hücresinin izlenebilmesi ve sarj akiminin optimize edilebilmesi gibi teknik avantaj saglar. Yöntemin teknik olarak avantajli bir diger düzenlemesinde, sarj akiminin önceden belirlenmis bir degerin altina düsüp düsmedigi veya bunu asip asmadigi kontrol edilir. Bu, örnegin, sarj isleminde düzensizlikler olmasi durumunda, örnegin arizali bir sarj istasyonu durumunda akünün bozulmamasi için bunun erken durdurulabilmesi gibi teknik avantaj saglar. Yöntemin teknik olarak avantajli bir diger düzenlemesinde, tespit edilen veriler, bir Internet baglantisi kurulana kadar dahili bir bellekte depolanir. Toplanan veriler daha sonra daha fazla degerlendirilecegi bir buluta aktarilir. Bu, örnegin yeni algoritmalarin pratik olarak kaydedilen bu veriler kullanilarak egitilebilmesi veya mevcut algoritmalarin birden fazla elektrikli araçtan toplanan veriler kullanilarak optimize edilebilmesi gibi teknik avantaj saglar. Örnegin, mevcut bir algoritma bu prosedür kullanilarak her 3 ayda bir kontrol edilebilir ve optimize edilebilir. Bir akü hücresinde bir lityum kaplamanin önlenmesine yönelik bulusa göre cihaz, bir sarj akiminin tespit edilmesine yönelik bir tespit cihazi; sarj akimina dayali olarak bir anot potansiyelinin belirlenmesine yönelik egitilmis bir algoritma; ve belirlenen anot potansiyeline dayali olarak bir aküye yönelik sarj akiminin kontrol edilmesine yönelik bir kontrol cihazi içerir. Bu cihaz, yöntem ile ayni teknik avantajlari saglar. SEKILLERIN AÇIKLAMASI Bulusun düzenleme örnekleri, asagidaki sekillere referansla daha detayli olarak açiklanir. Burada: Sekil 1 bir akü hücresinde bir lityum kaplamanin önlenmesine yönelik bir yöntemin bir blok diyagramini gösterir; ve Sekil 2 bir akü hücresinde bir lityum kaplamanin önlenmesine yönelik bir yöntemin bir sematik gösterimini gösterir. Parça referanslarinin açiklamasi: 8101: Bir sarj ve/veya desarj akimi profilinin tespit edilmesi 8102: Anot potansiyelinin belirlenmesi 8103: Sarj akiminin kontrol edilmesi 100: Akü 101: Akü hücresi 103-A: Algoritma 103-0: Algoritma 105: Sarj ve/veya desarj akimi profili 107: Bulut 111: Anot potansiyeli 113: Sarj akimi 115: Elektrikli araç simülasyonu 117: Hücre modeli 119: Kontrol cihazi 121: Sarj cihazi IE: Ilk Egitim AY8: Akü Yönetim Sistemi BULUSUN DETAYLI AÇIKLAMASI Sekil 1, bir akü hücresinde bir Iityum kaplamanin önlenmesine yönelik yöntemin bir blok diyagramini gösterir. Bir birinci adimda, bir sarj ve/veya desarj akimi profili (105) tespit ve/veya desarj akiminin önceden belirlenmis bir süre boyunca bir akim sensörü tarafindan kaydedilmesi ile tespit edilebilir. Sonuç olarak, zamanla sarj ve/veya desarj akiminin bir profili (105) elde edilebilir. Daha sonra adimda akü hücresinin (101) bir anot potansiyeli (111) sarj ve/veya desarj akimi profili (105) bazinda egitilmis bir algoritma ile belirlenir (anot potansiyelinin belirlenmesi (8102) adimi). Bu amaçla egitilmis algoritma, tespit edilen sarj ve/veya desarj akimi profilini (105) giris olarak alir ve çikis olarak anot potansiyelini saglar. Egitilmis algoritma, akü hücresinin elektrokimyasal simülasyonunu kullanmaz, ancak egitilmis egitim verilerine dayali olarak girilen sarj ve/veya desarj akimi profiline anot potansiyeli tahsis eder. Egitilmis algoritma, örnegin, önceden hesaplanmis bir anot potansiyeli ile çok sayida sarj ve/veya desarj akimi profili ile egitilmis (egitilen) bir yapay sinir agini içerebilir. Yeni bir sarj ve/veya desarj akimi profilinin girilmesi halinde, sinir agi anot potansiyelini belirler. Sark akiminin kontrol edilmesi (8103) adiminda, bu belirlenen anot potansiyeli temelinde aküye yönelik bir sarj akimi belirlenir. Bir kontrol cihazi (kontrolör), sarj akimini, örnegin anot potansiyeli 0 V degerine yaklasir yaklasmaz, örnegin sarj akimi azaltilacak sekilde kontrol eder. Anot potansiyeli yükselir yükselmez sarj akimi da tekrar yükseltilebilir. Kontrol cihazi, örnegin, bir PID kontrolörü, bir bulanik mantik algoritmasi veya bir model bazli ileri beslemeli kontrol algoritmasi gibi anot potansiyelinin önceden tanimlanmis bir degeri için karsilik gelen bir sarj akimi üreten bir elektrik devresi içerir. Lityum iyon aküleri sarj ederken, özellikle yüksek akim hizlarinda sarj ederken, akülerin daha güvenli kosullarda çalismasi gerekir. Anot yüzeyinde metalik Iityum biriktiginden, yüksek akimlar kapasite kaybina ve dahili kisa devreye neden olabilir. Yöntem, özellikle hizli sarj sirasinda meydana gelen akü hücresi kapasite kaybini ve dahili kisa devreleri etkili bir sekilde önleyebilir. Ek olarak, bulusa göre yöntem, kisa devreler etkin bir sekilde önlendiginden, sarj süresinin kisaltilmasi ve sarj kosullarinin daha güvenli olmasi gibi teknik avantaj saglar. Akü hücrelerinin nazikçe sarj edilmesi, metalik lityumun çökelmesi önlendiginden ve akü hücresinin orijinal kapasitesi korundugundan, bu sekilde sarj edilmis aküleri kullanan elektrikli araçlar (AR) için daha büyük menzillere de yol açar. Sekil 2, anot kontrollü hizli sarj (Anode Controlled Fast Charging) için bir yöntemin bir akis diyagramini gösterir. Lityum kaplama, anot potansiyeli 0 Vlye yakin veya altinda oldugunda meydana gelir. Bir akü hücresinin (101) anot potansiyeli bu nedenle siklikla ölçülür. Bu amaçla, akü hücresine (101) fiziksel olarak bir referans elektrot takilir. Ancak, bir elektrikli araç aküsü (100) çok fazla akü hücresi (101) içerdiginden ve referans elektrotlarin takilmasi zor ve pahali oldugundan, bunun yerine bir anot potansiyeli hesaplamasi yapilabilir. Fiziksel tabanli elektrokimyasal hücre modelleri, akü hücresinin (101) anot potansiyeli hakkinda bilgi saglayabilir. Ancak bu modeller örnegin diferansiyel denklemler gibi çokfazla matematiksel denklem içerdiginden gerçek zamanli kontrolörde kullanim için uygun degildir. Hizli çalisan veya gerçekçi veriler saglayan elektrokimyasal hücre modelleri vardir. Bu hücre modellerinden birincisi, dogru ve gerçekçi sonuçlar veren Doyle-Fuller-Newman yöntemidir. P2D hücre modeli, gözenekli elektrot yapisina dayali fiziksel bir modeldir. Tek Parçacikli Model baska bir elektrokimyasal hücre modelidir ve akü hücresinin (101) gözenekli yapisini tek bir parçaciga indirgediginden P2D modelinden daha az matematiksel ifade içerir. Bu nedenle, bir kontrol cihazinda daha hizli ve gerçek zamanli olarak çalisabilir, ancak P2D modelinden daha az dogru sonuçlar verir. Elektrokimyasal hücre modeli (117), elektrikli araç simülasyonundan (115) hesaplanan sarj ve/veya desarj akimi profillerini (105) kullanir. Elektrokimyasal hücre modelinden (117) anot potansiyellerini elde etmek amaciyla, hücre modeline (117) giris olarak önceden belirlenmis sarj ve desarj akimi profilleri (105) girilir. Hücre modeline (117) giris için bir sürüs çevrimi gibi belirli bir sarj ve desarj akimi profili (105) olusturmak amaciyla bir elektrikli araç simülasyonu (115) olusturulur. Bu simülasyon olusturulurken, seçilen bir aracin akü, elektrik motoru ve diger fiziksel parametreler gibi özellikleri kullanilir. Üretilen sarj ve desarj akimi profilleri (105), algoritmayi (103-A) egitmek için istenen girisi üretmek için elektrokimyasal hücre modelleri (117) ile birlikte kullanilir. Egitilmis algoritma (103-A), gerçek zamanli kontrolü gerçeklestirmek için bir yapay zeka yöntemi kullanir. LSTM yöntemi (Uzun Kisa Süreli Bellek) burada kullanilir. Bu, bir bellek blogu içerir ve hizli çalisir. LSTM yöntemi, daha iyi bellek için bir LSTM hücresi için üç kapi tipi kullanarak bu sorunu çözer: Bir giris kapisi (Input Gate), bir hatirla ve unut kapisi (Forget Gate) ve bir çikis kapisi (Output Gate). Bu sekilde, geleneksel tekrarlayan sinir aglarinin aksine, LSTM yöntemi, önceki deneyimlerin hatirlanmasini mümkün kilar. Bununla birlikte, LSTM yöntemi yerine, tekrarlayan sinir agi (Recurrent Neural Network - RNN) gibi tahmin yetenekleri olan bir sinir aginin baska bir algoritmasi kullanilabilir. P2D modeli, algoritma (103-A) için egitim ve test verileri, yani belirli bir sarj ve/veya desarj akimi profilinde anot potansiyelinin bir degerini üretir. Hesaplanan anot potansiyeli ile olusturulan önceden belirlenmis sarj ve/veya desarj akimi profilleri, algoritmayi (103-A) egitmek için kullanilir. Ögretilmis algoritma (103-A) ve bir PID kontrolörü gibi bir kontrol cihazi ( çevrimiçi hesaplanmasi ve sarj akiminin (113) optimize edilmesi için kullanilir. Bu sekilde hesaplanan anot potansiyeli (111) degeri, dinamik olarak degisen bir sarj akimi (113) olusturmak amaciyla kontrol cihazina (119) gönderilir. Kontrol cihazi (119), sarj akimi (113) güvenli sinirlar içinde olacak ve asmayacak sekilde tasarlanir. Bir PID kontrolör yerine bulanik mantik veya model bazli ileri beslemeli kontrol (Model-Based- Feed-Forward-Control) gibi kontrol algoritmalari da kontrol cihazi (119) olarak kullanilabilir. Kontrol cihazi (119) daha sonra ürettigi yeni sarj akimi (113) verilerini sarj cihazina (121) gönderir. Sarj cihazi (121) bu sarj verileri ile aküyü (100) sarj eder. Amaç, bir kontrol döngüsü (Contol Loop) olusturarak sarj akimini (113) dinamik olarak kontrol etmektir, böylece aküden (100) alinan mevcut akim, voltaj, sicaklik ve sarj durumu (SoC - State of Charge) bilgisi, egitilmis algoritmaya (103-A) geri gönderilir. Bu sekilde, akü hücresi, hesaplanan anot potansiyeli (111) önceden belirlenmis bir esik degerine karsilik gelecek veya bu degeri asacak sekilde sarj edilerek lityum kaplama önlenir. Algoritmanin (103-A) ilk egitiminden (IE) sonra, akünün (100) dinamikleri zamanla degistiginden ve gerçek verilerle egitim daha verimli ve gerçekçi oldugundan yeniden egitim gerçeklestirilebilir. Akim (A), sicaklik veya voltaj verileri gibi toplanan akü verileri (123) aracin internet baglantisinin olmasi halinde bir buluta (107) (internet deposuna) gönderilir. Daha sonra toplanan akü verileri (123) bir buluta (107) aktarilir. Burada yüksek performansli bilgisayarlar ile analiz edilirler. Örnegin, elektrokimyasal hücre modeli (117) ve algoritma (103-0) analiz için kullanilabilir. Bulut ayrica yeniden egitim için alan sunar. Bu sekilde akü hücresinden (101) toplanan bilgiler algoritmayi (103-A) yeniden egitmek için kullanilabilir. Ilk egitimde oldugu gibi, egitim için elektrokimyasal hücre modeli (117) ve algoritma (103-0) kullanilir. Bu durumda, yeniden egitimin bu hücre modelleri (117) bqutta çalisir. Yeni egitilen algoritma (103-0), agirliklar, egilim degerleri veya tekrarlayan agirliklar gibi yeni katsayilar saglar. Bu katsayilar havadan (Over the Air - OTA) algoritmaya (103-A) gönderilir. Örnegin, algoritma (103-A) üç ay geçtiginde veya SoH degeri %5 düstügünde yeniden egitilebilir. Yöntem, çok sayida akü hücresinden (101) olusan bir aküde (100) lityum kaplamanin önlenmesine hizmet eder. Bu sayede, egitilmis algoritma kullanilarak uzun hesaplamalardan kaçinilmasi ve böylece yöntemin örnegin bir motorlu tasitta oldugu gibi gerçek zamanli bir kontrolörde de kullanilabilmesi teknik avantaji elde edilir. Bulusun ayri düzenlemeleri ile baglantili olarak açiklanan ve gösterilen tüm özellikler, avantajli etkilerini ayni anda gerçeklestirmek amaciyla bulusa göre konuda farkli kombinasyonlarda saglanabilir. Tüm yöntem adimlari, ilgili yöntem adimini gerçeklestirmek için uygun cihazlar tarafindan uygulanabilir. Fiziksel özellikler tarafindan gerçeklestirilen tüm islevler, bir yöntemin yöntem adimi olabilir. TR TR TR TR TR TR TR TR TR TR TR TR TR