Nonlinear modeling of lithium-ion battery

Mossaddek, Meriem; Laadissi, El Mehdi; Loualid, El Mehdi; Ennawaoui, Chouaib; Khalfi, Jaouad; Bouzaid, Sohaib; Hajjaji, Abdelowahed

doi:10.1016/j.matpr.2022.03.302

Cited by 3 publications

(2 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Electrochemical models, describing battery performance through chemical processes, offer high accuracy but are often deemed impractical due to their complexity. Alternatively, circuit modeling, demonstrated by the Thevenin battery model and other variations, has proven effective [13]. However, limitations persist, such as constant parameter values concerning the state of charge and temperature.…”

Section: Introductionmentioning

confidence: 99%

Enhancing battery system identification: nonlinear autoregressive modeling for Li-ion batteries

Mossaddek,

Laadissi,

Ennawaoui

et al. 2024

IJECE

View full text Add to dashboard Cite

Precisely characterizing Li-ion batteries is essential for optimizing their performance, enhancing safety, and prolonging their lifespan across various applications, such as electric vehicles and renewable energy systems. This article introduces an innovative nonlinear methodology for system identification of a Li-ion battery, employing a nonlinear autoregressive with exogenous inputs (NARX) model. The proposed approach integrates the benefits of nonlinear modeling with the adaptability of the NARX structure, facilitating a more comprehensive representation of the intricate electrochemical processes within the battery. Experimental data collected from a Li-ion battery operating under diverse scenarios are employed to validate the effectiveness of the proposed methodology. The identified NARX model exhibits superior accuracy in predicting the battery's behavior compared to traditional linear models. This study underscores the importance of accounting for nonlinearities in battery modeling, providing insights into the intricate relationships between state-of-charge, voltage, and current under dynamic conditions.

show abstract

Section: Introductionmentioning

confidence: 99%

Enhancing battery system identification: nonlinear autoregressive modeling for Li-ion batteries

Mossaddek,

Laadissi,

Ennawaoui

et al. 2024

IJECE

View full text Add to dashboard Cite

show abstract

“…For instance, in [27] a Three Time Constant model based in state estimation is proposed in the context of primary frequency and local voltage regulation. In [67], a nonlinear model is proposed for LI batteries using a Hammerstein-Wiener model. Machine Learning techniques (ML) such as Artificial Neural Networks (ANN) are also used to model BESS when data is available [68].…”

Section: Introductionmentioning

confidence: 99%

Revisión de la optimización de Bess en sistemas de potencia

Osorio

2022

TecnoL.

View full text Add to dashboard Cite

La creciente penetración de recursos distribuidos ha impuesto desafíos en el análisis y operación de sistemas de potencia, principalmente debido a incertidumbres en los recursos primarios. En la última década, la implementación de sistemas de almacenamiento por baterías en redes eléctricas ha captado el interés en la investigación, ya que los resultados han demostrado efectos positivos cuando se despliegan óptimamente. En este trabajo se presenta una revisión de la optimización de sistemas de almacenamiento por baterías en sistemas de potencia. Pare ello se procedió, primero, a mostrar el contexto en el cual se implementan los sistemas de baterías, su marco de operación, las tecnologías y las bases de optimización. Luego, fueron detallados la formulación y el marco de optimización de algunos de los problemas de optimización encontrados en literatura reciente. Posteriormente se presentó una revisión de las técnicas de optimización implementadas o propuestas recientemente y una explicación básica de las técnicas más recurrentes. Finalmente, se discutieron los resultados de la revisión. Se obtuvo como resultados que los problemas de optimización con sistemas de almacenamiento por baterías son un tema de tendencia para la investigación, en el que se han propuesto diversas formulaciones para el análisis en estado estacionario y transitorio, en problemas multiperiodo que incluyen la estocasticidad y formulaciones multiobjetivo. Adicionalmente, se encontró que el uso de técnicas metaheurísticas es dominante en el análisis de problemas complejos, multivariados y multiobjetivo, mientras que la implementación de relajaciones, simplificaciones, linealizaciones y la adaptación mono-objetivo ha permitido el uso de técnicas más eficientes y exactas. La hibridación de técnicas metaheurísticas ha sido un tema relevante para la investigación que ha mostrado mejorías en los resultados en términos de eficiencia y calidad de las soluciones.

show abstract