Dalam FYP ini, bateri litium-ion akan dipantau semasa kitaran caj-dan-nyahcas untuk meramalkan keadaan kesihatan (SoH) dan menganggarkan keadaan caj (SoC) bagi analisis masa hidup bateri. Bateri litium-ion akan mengalami kerosakan yang serius jika terdedah kepada pengecasan yang berlebihan dan penyahcasan yang mendalam dalam masa yang lama, oleh itu anggaran SoC adalah penting untuk membantu pengguna mengawasi SoC bateri, jadi jangka hayat bateri tidak akan dikurang disebabkan oleh pengecasan berlebihan atau penyahcasan yang mendalam. Selain itu, ramalan SoH digunakan untuk menunjukkan keadaan kesihatan bateri sama ada bateri masih boleh beroperasi atau tidak kerana bateri litium-ion mengalami kemerosotan dari masa ke masa. Analisis masa hidup bateri dijalankan untuk meramalkan hayat bateri sebelum kegagalan supaya pengguna dapat mengetahui jumlah kitaran caj-dan-nyahcas sebelum bateri gagal dan membuat persiapan awal terhadap penggantian, ini dapat meningkatkan keandalan sistem. Dalam FYP ini, satu BMS yang ringkas dibinakan. Kemudian, anggaran SoC akan dilakukan melalui kaedah pengiraan Coulomb dan OCV. Pengiraan SoH adalah melalui ukuran kapasiti bateri. Akhir sekali, data yang diperoleh dari anggaran SoH akan digunakan untuk meramalkan hayat bateri yang tinggal.
_______________________________________________________________________________________________________
In this FYP, a lithium-ion battery cell was monitored during its charge-and-discharge cycles in order to predict its State-of-Health (SoH) and estimate its State-of-Charge (SoC) for battery lifetime analysis. Lithium-ion battery will experience serious damage if exposed to overcharging and deep discharging for a long time, hence SoC estimation is crucial to help the user monitor the SoC of the battery, so the battery lifetime will not decrease due to overcharging or deep discharging. Besides, SoH prediction is used to indicate the health condition of the battery whether the battery still can operate or not since lithium-ion battery undergoes degradation as time passes. Battery lifetime analysis is performed to predict the remaining useful life of the battery, so the user can know the amount of charge-and-discharge cycles left before failure and then can prepare for the replacement in time, thus improving the system reliability. In this FYP, a simple battery management system (BMS) was developed. Then, SoC estimation was performed via Coulomb counting and OCV methods. SoH prediction was through the measurement of battery capacity. Lastly, the data obtained from SoH prediction was employed to predict the battery remaining useful life.
State-of-health prediction integrated with state-of-charge monitoring of a lithium-ion battery cell for lifetime prediction / Leow Yoong Yang