شمارش کولن، اندازه‌گیری ولتاژ و فیلتر کالمن: سیستم‌های مدیریت باتری چگونه شارژ و سلامت را تخمین می‌زنند؟

یک گروه از مهندسان معتقدند که ردیابی تک‌تک آمپرهایی که به باتری وارد یا از آن خارج می‌شوند - روشی که به عنوان «شمارش کولن» شناخته می‌شود - تنها راه برای اطلاع دقیق از میزان شارژ باقی‌مانده در مخزن یک شناور الکتریکی است. اما گروه مقابل اصرار دارند که سنسورهای جریان به ناچار دچار خطا (دریفت) می‌شوند و اندازه‌گیری پتانسیل شیمیایی واقعی سلول‌ها از طریق «ولتاژ مدار باز» تنها حقیقت مطلق است. برای قایق‌داری که در سال ۲۰۲۶ به فکر یک ارتقای ۱۵ هزار دلاری باتری لیتیوم-یونی است، این یک بحث آکادمیک و تئوری نیست. وقتی قایق شما ۱۰ مایل از ساحل فاصله دارد، اگر نمایشگر عدد ۲۰ درصد را نشان می‌دهد، این یعنی دقیقا باید ۲۰ درصد شارژ داشته باشید.

تقابل بین این دو رویکرد، نحوه عملکرد سیستم‌های مدرن مدیریت باتری را شکل می‌دهد. شرکت Zendure در این باره می‌گوید: «سیستم مدیریت باتری (BMS) یک واحد کنترل الکترونیکی است که عملکرد باتری را کنترل، نظارت و بهینه‌سازی می‌کند.» بدون این سیستم، یک مجموعه باتری لیتیوم-یونی چیزی جز یک خطر شیمیایی ناپایدار نیست. اما حیاتی‌ترین وظیفه آن برای هدایت‌کننده قایق، تخمین دو معیار پنهان است: «وضعیت شارژ» (SOC) که همان آمپر بنزین لحظه‌ای است، و «وضعیت سلامت» (SOH) که میزان افت کیفیت و فرسودگی بلندمدت باتری را نشان می‌دهد.

ملموس‌ترین روش، همان شمارش کولن است. همان‌طور که از نامش پیداست، این روش کولن‌ها - واحد بار الکتریکی - که به باتری وارد و از آن خارج می‌شوند را می‌شمارد. اگر یک باتری دریایی ظرفیتی معادل ۳۰۰ آمپر-ساعت داشته باشد و موتور قایق به مدت یک ساعت ۳۰ آمپر مصرف کند، سیستم BMS دقیقا ۱۰ درصد از شارژ را کم می‌کند. این یک دفتر کل ساده و لحظه‌ای است. اما همان‌طور که مهندسان شرکت SunLith Energy اشاره می‌کنند، این دفتر کل چشمش را روی واقعیت می‌بندد: «شمارش کولن پرکاربردترین روش تخمین SOC در عملکرد لحظه‌ای است»، اما نیاز به کالیبراسیون دوره‌ای دارد. این روش کاملا به دقت سنسور جریان وابسته است. اگر سنسور حتی ۰.۱ آمپر خطا داشته باشد، این خطا در طول ساعت‌ها دریانوردی روی هم انباشته می‌شود.[1]

برای اصلاح این خطای انباشته، سیستم‌ها به سراغ «ولتاژ مدار باز» (OCV) می‌روند. این روش ولتاژ باتری را در حالت استراحت اندازه‌گیری کرده و آن را با یک منحنی تخلیه مشخص تطبیق می‌دهد. برای مثال، در یک باتری دریایی لیتیوم آهن فسفات (LiFePO4)، ولتاژ استراحت ۱۳.۳ ولت ممکن است نشان‌دهنده ۷۰ درصد شارژ باشد. طرفداران OCV استدلال می‌کنند که این روش یک حقیقت شیمیایی مطلق و مصون از خطای سنسور ارائه می‌دهد. شرکت Integra Sources توضیح می‌دهد: «پس از اندازه‌گیری OCV، می‌توانید SOC اولیه را از روی نمودار ولتاژ-ظرفیت پیدا کنید.»[2]

با این حال، روش OCV برای قایق‌رانان فعال یک ایراد اساسی دارد: باتری باید کاملا در حالت استراحت باشد تا واکنش‌های شیمیایی درون سلول‌ها به ثبات برسند. طبق گفته SunLith Energy: «روش OCV تنها زمانی قابل اتکاست که باتری واقعا استراحت کرده باشد. یک استراحت ۳۰ تا ۶۰ دقیقه‌ای به ولتاژ اجازه می‌دهد تا پس از هرگونه شارژ یا دشارژ کاملا تثبیت شود.» زیر بار فشار - مثلا هنگام مقابله با باد مخالف یا استفاده از تجهیزات ناوبری - ولتاژ پایانه‌ها به شدت نوسان می‌کند. یک سیستم BMS نمی‌تواند در حالی که دریچه گاز باز است، از OCV استفاده کند تا به کاپیتان بگوید چقدر مسافت می‌تواند طی کند.[1]

اینجاست که پای «فیلتر کالمن» به معماری سیستم باز می‌شود. فیلتر کالمن که در اصل برای ناوبری هوافضا و ردیابی مسیر توسعه یافته بود، یک الگوریتم ریاضی بازگشتی است که شکاف بین این دو روش ناقص را پر می‌کند. همان‌طور که در یک بررسی جامع منتشر شده در ژورنال MDPI به تفصیل آمده است، این فیلتر داده‌های لحظه‌ای و پرنوسانِ شمارش کولن را می‌گیرد و به طور مداوم آن‌ها را با یک مدل ریاضی پیچیده از رفتار مورد انتظار باتری مقایسه می‌کند. این الگوریتم با در نظر گرفتن خطاهای سنسور به عنوان یک متغیر قابل پیش‌بینی (و نه یک نقص کشنده)، پیش‌بینی‌های خود را بر اساس نحوه واکنش باتری به فشار گاز به طور مداوم اصلاح می‌کند.[3]

فیلتر کالمن با به حداقل رساندن خطای بین ولتاژ پیش‌بینی‌شده و ولتاژ واقعی اندازه‌گیری‌شده، تخمین وضعیت شارژ (SOC) را به صورت پویا اصلاح می‌کند. با این روش، دیگر نیازی نیست قایق یک ساعت بی‌حرکت بماند و سیستم هم قربانی انباشت کندِ خطای سنسور نمی‌شود. برای یک قایق‌دار، این یعنی نمایشگر شارژ حتی پس از سه روز دریانوردی مداوم و شارژ خورشیدی متغیر، همچنان دقیق باقی می‌ماند. هرچند بار پردازشی این روش بالاتر است و به یک پردازنده اختصاصی ۳۲ بیتی روی برد BMS نیاز دارد، اما نتیجه آن یک نشانگر سوخت است که هدایت‌کنندگان می‌توانند با چشم بسته به آن اعتماد کنند.

فراتر از نشانگر لحظه‌ای سوخت، سیستم BMS باید «وضعیت سلامت» (SOH) را نیز محاسبه کند. ظرفیت یک باتری به مرور زمان به دلیل استهلاک شیمیایی به طور دائمی کاهش می‌یابد. پکیجی که در زمان نو بودن ۳۰۰ آمپر-ساعت ظرفیت داشت، ممکن است پس از ۸۰۰ چرخه شارژ تنها ۲۴۰ آمپر-ساعت ظرفیت داشته باشد. اگر BMS همچنان وضعیت شارژ را بر اساس همان ظرفیت اولیه ۳۰۰ آمپر-ساعت محاسبه کند، قایق در حالی که نمایشگر هنوز ۲۰ درصد شارژ را نشان می‌دهد، خاموش خواهد شد. همان‌طور که شرکت Battle Born Batteries توضیح می‌دهد، SOH «وضعیت بلندمدت باتری را در مقایسه با زمان نو بودن آن ردیابی می‌کند.»

برای جلوگیری از این اتفاق، واحدهای پیشرفته BMS از «فیلترهای توسعه‌یافته کالمن» که بهینه‌سازی ژنتیکی شده‌اند، استفاده می‌کنند تا افزایش تدریجی مقاومت داخلی و افت ظرفیت کل را ردیابی کنند. تحقیقات منتشر شده در MDPI نشان می‌دهد که ترکیب شناسایی پارامترهای مبتنی بر مدل با فیلتر توسعه‌یافته کالمن، دقت تخمین این معیارهای حیاتی را در طول هزاران چرخه تضمین می‌کند. سیستم با به‌روزرسانی مداوم SOH، نقطه «پر بودن» باتری را مجددا کالیبره می‌کند تا نمایشگر شارژ، واقعیت فعلی باتری را نشان دهد نه مشخصات کارخانه‌ای آن را. برای خریداری که به دنبال یک قایق الکتریکی دست‌دوم است، عدد SOH مهم‌ترین معیار در ارزیابی است؛ چرا که مشخص می‌کند آیا قایق در فصل آینده به یک تعویض باتری ۱۰ هزار دلاری نیاز دارد یا خیر.[4]

معماری سیستم BMS مستقیما تعیین‌کننده میزان قابلیت اطمینان شناور است. یک سیستم ابتدایی که تنها به شمارش کولن متکی است، مالک را مجبور می‌کند تا برای صفر کردن خطای انباشته، باتری را مرتبا تا ۱۰۰ درصد شارژ کند. اما یک سیستم پیشرفته که از فیلتر کالمن بهره می‌برد، این ریاضیات را به صورت نامرئی مدیریت می‌کند. شرکت Battle Born Batteries در یک جمله خلاصه می‌کند: «سیستم BMS که اغلب مغز باتری نامیده می‌شود، تضمین می‌کند که باتری‌های شما ایمن، کارآمد و تا حد امکان طولانی‌مدت کار کنند.» در بازار تجهیزات دریایی، همین مغز محاسباتی است که تفاوت بین یک گذار بی‌دردسر به نیروی الکتریکی و گیر افتادن یک شناور در میانه آب را رقم می‌زند.