Logicznym końcem adaptacyjnego i optymalnego ładowania jest cyfrowy bliźniak: model obliczeniowy dla każdej baterii, który śledzi jej fizyczny odpowiednik przez całe życie, jest aktualizowany przy każdym ładowaniu i rozładowaniu i służy do narzucania indywidualnie zoptymalizowanego profilu ładowania – przy czym dane flotowe nieustannie poprawiają modele dla każdej baterii. Tam gdzie artykuł 41 adaptuje profil z lokalnej historii, a artykuł 42 optymalizuje względem modelu, cyfrowy bliźniak łączy oba podejścia z uczeniem w skali populacji w połączonej flocie. Niniejszy artykuł określa, co faktycznie oblicza cyfrowy bliźniak NiMH, jak krawędź i chmura dzielą pracę, jak dane flotowe wyostrzają modele degradacji i optymalnego ładowania oraz jakie walidacja i zarządzanie są wymagane, zanim bliźniak będzie mógł narzucać rzeczywisty prąd ładowania.
Cyfrowy bliźniak NiMH utrzymuje dla każdej baterii stany, których potrzebuje ładowarka – SOC, parametry rezystancji wewnętrznej, zachowaną pojemność, parametry termiczne i współrzędną degradacji – uruchamiając model obwodu zastępczego/zredukowany model elektrochemiczny (artykuł 19) na przesyłanych strumieniowo prądzie, napięciu i temperaturze oraz korygując go obserwatorem (artykuł 16/20). W przeciwieństwie do jednorazowego estymatora przechowuje historię parametrów przez całe życie baterii i prognozuje naprzód: oczekiwaną pojemność w przyszłych cyklach, czas do progu końca życia oraz ryzyko dla kandydackich profili ładowania.
Bliźniak odpowiada zatem nie tylko na „jaki jest stan tej baterii“, ale i na „co się stanie, jeśli naładuję ją w ten sposób“, czyli informację, której optymalne ładowanie potrzebuje.
Sterowanie w czasie rzeczywistym musi pozostać na krawędziowej ładowarce lub sterowniku zarządzania baterią: regulacja prądu, zakończenie i twarde granice bezpieczeństwa działają lokalnie z czasem od milisekund do sekund i bez zależności od łączności. Chmura hostuje cięższego bliźniaka – długohoryzontową estymację stanu/parametrów, prognozę degradacji i optymalizację profilu – i okresowo przesyła w dół zaktualizowany, indywidualnie dopasowany profil ładowania na krawędź. Podział ten utrzymuje bezpieczeństwo lokalnie, udostępniając obliczenia i uczenie w skali floty, i gwarantuje ważny profil zapasowy w razie utraty łączności.
Krawędź buforuje także i kompresuje dane polowe (krzywe ładowania, momenty pików, rezystancję, odpowiedź termiczną) do przesłania, dzięki czemu chmura uczy się z rzeczywistych warunków pracy, a nie wyłącznie z cykli laboratoryjnych.
W całej flocie zróżnicowane baterie próbkują przestrzeń prąd-temperatura-wiek znacznie szerzej niż jakiekolwiek badanie laboratoryjne; w agregacie ich dane udoskonalają model degradacji (które warunki faktycznie napędzają spadek, artykuł 24), optymalne powierzchnie schodkowe (artykuł 42) i rozkłady zmienności ogniwo-do-ogniwa (artykuł 29). Nowa lub uboga w dane bateria startuje od priorytetu populacyjnego i zbiega do swojego indywidualnego bliźniaka w miarę gromadzenia się danych osobowych – logika bayesowska/uczenie online, która zapobiega wprowadzeniu indywidualnego bliźniaka w błąd przez kilka zaszumionych cykli.
W tym miejscu cyfrowy bliźniak przewyższa samowystarczalną adaptacyjną ładowarkę: profil, który otrzymuje bateria, poprawia się, ponieważ tysiące innych baterii zbadały przestrzeń projektową, pozostając jednocześnie zindywidualizowanym do jej własnego oszacowanego stanu.
W działaniu chmurowy bliźniak rozwiązuje optymalne ładowanie dla każdej baterii (minimalizować czas z zastrzeżeniem przewidywanych ograniczeń T, ciśnienia i degradacji tej baterii), waliduje wynikową schodkowość względem twardych granic, a krawędź wykonuje ją pod niezależnymi limitami bezpieczeństwa; wyniki wracają, by zamknąć pętlę, a systematyczne błędy predykcji wyzwalają ponowne trenowanie modelu. Bezprzewodowe aktualizacje profilu pozwalają producentowi poprawiać ładowanie wdrożonych produktów w miarę udoskonalania modeli – potężna zdolność, która wymaga także ścisłej kontroli zmian, ponieważ błędna ogólnoflotowa aktualizacja profilu mogłaby wpłynąć na każdą baterię naraz.
Wdrożenie kanarkowe, ocena w trybie cienia (bliźniak rekomenduje, podczas gdy stary profil steruje) i kryteria automatycznego wycofania zapożyczone z praktyki bezpieczeństwa oprogramowania są niezbędne, zanim nauczony profil będzie narzucał prąd na dużą skalę.
Bliźniak musi kwantyfikować własną niepewność i ustępować konserwatywnym profilom, gdy danych jest mało lub predykcje są sprzeczne z bezpośrednimi pomiarami; twarde granice (artykuł 40) nigdy nie są pod kontrolą bliźniaka; zbieranie danych respektuje prywatność i własność, a modele są walidowane względem niezależnych długocyklowych testów, aby korelacje flotowe nie były mylone z przyczynowymi prawami degradacji. Pierwsza rycina przeciwstawia konwencjonalną, lokalnie adaptacyjną i sterowaną bliźniakiem ładowarkę; druga sekwencjonuje zamkniętą pętlę krawędź-chmura, w tym walidację cienia i bezpieczną aktualizację OTA.
W szczególności dla NiMH płaski OCV i zdominowane rekombinacją zakończenie ładowania czynią fizyczny rdzeń modelu szczególnie wartościowym – czysto sterowany danymi bliźniak bez struktury elektrochemicznej słabo ekstrapoluje w pasmo końcowe, dlatego preferowane są hybrydowe bliźniaki fizyka-plus-dane (artykuł 20).
Praktyczny plan działania zaczyna się od lokalnego adaptacyjnego ładowania i rejestrowanych danych ładowania, dodaje chmurowe bliźniaki stanu/degradacji, następnie flotowe uczenie i optymalizację profilu OTA, zawsze z lokalnym twardym bezpieczeństwem. Weijiang dostarcza fizykę ogniw i dane przyspieszonego starzenia, które zakotwiczają priorytety populacyjne i walidują predykcje bliźniaków, dzięki czemu połączone produkty NiMH optymalizują z poprawnego fundamentu elektrochemicznego. Seria zamyka się powrotem do podstaw: jak ładowanie NiMH jest testowane, standaryzowane i porównywane z rywalizującymi chemiami.
Weijiang Power projektuje i wytwarza ogniwa nikiel-wodorkowe, dopasowane pakiety i gotowe do ładowania konfiguracje dla klientów konsumenckich, przemysłowych, medycznych i mobilnościowych, oraz wspiera partnerów wskazówkami co do protokołu ładowania, plikami wydajności IEC 61951-2, dowodami bezpieczeństwa IEC 62133-1 i wspólną walidacją ładowarek. Podziel się formatem ogniwa, szybkością ładowania, obwiednią termiczną i celem cykli, a nasi inżynierowie określą kombinację ogniwa i ładowania, która chroni zarówno czas pracy, jak i żywotność. Przejrzyj asortyment na stronie produktów.
