UAV battery life-cycle management with EDGE-cloud based service : version 1.00/2024.03.05
Tocklin, Sami (2024)
Kandidaatintyö
2024
School of Energy Systems, Sähkötekniikka
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2024040414637
https://urn.fi/URN:NBN:fi-fe2024040414637
Tiivistelmä
In this thesis different methods for evaluating lithium-ion batteries (LIBs) state of health (SOH) in unmanned aerial vehicles (UAVs) are explored. Additionally an EDGE-cloud based solution for storing and processing data measured from battery packs is presented as a solution for tracking LIB SOH. This thesis is based on books and articles and is conducted as a literature review.
As utilization of UAVs in fields such as public-safety, industry and private use have expanded rapidly, the need for managing UAV’s battery packs have become relevant as current battery technologies such as lithium-polymer do not last as long as the UAV itself. Battery pack management and tracking is vital in UAV applications as highest reliability is required to ensure safe operation (Goebel & Saha, 2015). Determining LIBs SOH is challenging because several variables need to be measured from a battery pack to model its state. Battery pack measurements should be done on every cycle to ensure the most accurate modelling for each battery pack as changes happen in the battery pack cells during every cycle (Goebel & Saha, 2015).
The modelling can be done with a mathematical model or data-driven model such as machine learning (ML) model. Aforementioned need for constant data collection requires good connectivity and data storage. This is why EDGE-cloud based system is investigated as a solution to track battery health over its life-cycle. This is why a EDGE-cloud based service is presented as a good solution for tracking LIB SOC in UAVs. Tässä opinnäytetyössä tutkitaan eri menetelmiä litiumioniakkujen (LIB) kunnon (SOH) arvioimiseksi miehittämättömissä ilma-aluksissa (UAV). Lisäksi esitetään EDGE-pilvipohjainen ratkaisu akkupakettien mittausdatan tallentamiseen ja käsittelyyn ratkaisuna LIB:n SOH:n seurantaan. Tämä opinnäytetyö perustuu kirjoihin ja artikkeleihin ja se on toteutettu kirjallisuuskatsauksena. Kun UAVien käyttö esimerkiksi julkisen turvallisuuden, teollisuuden ja yksityisen käytön aloilla on laajentunut nopeasti, UAVien akkupakettien hallinnan tarve on muodostunut ajankohtaiseksi, sillä nykyiset akkuteknologiat, kuten litium-polymeeri, eivät kestä yhtä kauan kuin itse UAV. Akkupakettien hallinta ja seuranta on elintärkeää UAV-sovelluksissa, koska korkea luotettavuus on tarpeen turvallisen toiminnan varmistamiseksi.
LIBien SOH:n määrittäminen on haastavaa, koska akkupaketista on mitattava useita muuttujia mallintaakseen sen tilaa. Akkupakettien mittaukset tulisi tehdä jokaisessa syklissä varmistaakseen tarkimman mallinnuksen jokaiselle akkupaketille, koska muutoksia tapahtuu akkupaketin kennoissa jokaisen syklin aikana. Mallinnus voidaan tehdä matemaattisella mallilla tai datapohjaisella mallilla, kuten koneoppimismallilla. Edellä mainittu jatkuva tiedonkeruun tarve edellyttää hyvää yhteyttä ja datan tallennusta. Tämän vuoksi EDGE-pilvipohjaista järjestelmää tutkitaan ratkaisuna akun terveyden seurantaan sen elinkaaren aikana. Tämän vuoksi EDGE-pilvipohjainen palvelu esitetään hyvänä ratkaisuna LIB:n SoH:n seurantaan UAVeissa.
As utilization of UAVs in fields such as public-safety, industry and private use have expanded rapidly, the need for managing UAV’s battery packs have become relevant as current battery technologies such as lithium-polymer do not last as long as the UAV itself. Battery pack management and tracking is vital in UAV applications as highest reliability is required to ensure safe operation (Goebel & Saha, 2015). Determining LIBs SOH is challenging because several variables need to be measured from a battery pack to model its state. Battery pack measurements should be done on every cycle to ensure the most accurate modelling for each battery pack as changes happen in the battery pack cells during every cycle (Goebel & Saha, 2015).
The modelling can be done with a mathematical model or data-driven model such as machine learning (ML) model. Aforementioned need for constant data collection requires good connectivity and data storage. This is why EDGE-cloud based system is investigated as a solution to track battery health over its life-cycle. This is why a EDGE-cloud based service is presented as a good solution for tracking LIB SOC in UAVs.
LIBien SOH:n määrittäminen on haastavaa, koska akkupaketista on mitattava useita muuttujia mallintaakseen sen tilaa. Akkupakettien mittaukset tulisi tehdä jokaisessa syklissä varmistaakseen tarkimman mallinnuksen jokaiselle akkupaketille, koska muutoksia tapahtuu akkupaketin kennoissa jokaisen syklin aikana. Mallinnus voidaan tehdä matemaattisella mallilla tai datapohjaisella mallilla, kuten koneoppimismallilla. Edellä mainittu jatkuva tiedonkeruun tarve edellyttää hyvää yhteyttä ja datan tallennusta. Tämän vuoksi EDGE-pilvipohjaista järjestelmää tutkitaan ratkaisuna akun terveyden seurantaan sen elinkaaren aikana. Tämän vuoksi EDGE-pilvipohjainen palvelu esitetään hyvänä ratkaisuna LIB:n SoH:n seurantaan UAVeissa.