《电子技术应用》
您所在的位置:首页 > 电源技术 > 设计应用 > 基于次优解集扰动IWD的PID锂电池均衡充电控制
基于次优解集扰动IWD的PID锂电池均衡充电控制
2017年电子技术应用第4期
姚 金
梧州学院 机械与材料工程学院,广西 梧州543000
摘要: 为实现串联锂电池组充电均衡控制,提出基于次优解集扰动智能水滴算法(IWD)的PID锂电池均衡充电控制策略。首先,对锂电池的充电均衡电路进行研究,给出具有单均衡器设置的PID充电控制结构图,并讨论了不同情形下的均衡控制策略;其次,针对PID参数整定问题,引入智能水滴算法进行参数优化,为提高其优化性能,利用次优解集和混沌扰动提高水滴进化的多样性,提高进化精度和效率;最后,通过MATLAB/Simulink仿真,对所提出的锂电池均衡充电控制策略的有效性进行了验证,均衡后的电压曲线拟合分布更为集中,所用时间更短。
中图分类号: TP371
文献标识码: A
DOI:10.16157/j.issn.0258-7998.2017.04.039
中文引用格式: 姚金. 基于次优解集扰动IWD的PID锂电池均衡充电控制[J].电子技术应用,2017,43(4):153-156.
英文引用格式: Yao Jin. PID equalization charging control for lithium battery strategy based on sub optimal solution set disturbance intelligent water drop algorithm[J].Application of Electronic Technique,2017,43(4):153-156.
PID equalization charging control for lithium battery strategy based on sub optimal solution set disturbance intelligent water drop algorithm
Yao Jin
College of Mechanical and Material Engineering,Wuzhou University,Wuzhou 543000,China
Abstract: In order to achieve the balance control of charging in series lithium ion batteries, so as to improve the charging efficiency of lithium battery, a PID lithium battery equalization charging control strategy based on sub optimal solution set disturbance intelligent water drop algorithm(IWD) was proposed. Firstly, the charge equalization circuit for the lithium battery is studied, and the structure diagram of PID charge control with a single equalizer is presented. Secondly, in allusion to the problems of setting of PID parameters, the introduction of intelligent water drops algorithm was used to optimize the parameters, in order to improve the performance of the optimization, the suboptimal solution set and chaos disturbance were used to improve the diversity of evolution of water droplets, which can improve the accuracy and efficiency of evolution. Finally, the effectiveness of the proposed control strategy is verified by MATLAB/Simulink simulation, and the distribution of the voltage curve fitting distribution is more concentrated, and the time is shorter.
Key words : sub optimal solution set;chaotic disturbance;intelligent water drop algorithm;lithium battery charging

0 引言

    锂电池具有循环寿命长、无记忆和能量比大等优点[1],但其电压较低,需串联多组锂电池实现电压分流,同时锂电间内阻抗存在差异,导致电池电量均衡性不强,对锂电池存储能力及使用寿命产生影响。因此,对锂电池进行充电均衡控制非常重要。

    目前,锂电池充电均衡控制研究很多,如文献[2]研发了均衡控制系统实现了一定均衡。文献[3]基于模糊策略进行锂电池均衡充电控制,但电压振荡严重。PID控制[4]简单有效,但其参数整定多采用经验法,所获得参数并非最优[5]。对此,为提高锂电充电控制效果,引入IWD算法进行PID自适应最优整定,该算法主要模拟水流路径选取过程,近期研究较多:如文献[6]提出运输车辆IWD优化算法;文献[7]改进IWD算法水流个体的多样性保持策略;文献[8]研究了机器人路径的IWD优化算法;文献[9]研究了车辆路径的多目标IWD规划算法等等。

    本文提出基于次优解集扰动IWD的PID锂电池均衡充电控制算法,主要贡献如下:(1)对锂电池的充电均衡控制策略进行研究,设计了基于PID的充电保护控制框架;(2)对智能水滴算法进行研究,利用次优解集和混沌扰动提高水滴进化的多样性,提高进化精度和效率。

1 锂电池均衡充电电路

    图1为单均衡器的锂电池能量均衡控制图,一个均衡器连接两个锂电池,并结合PID进行能量均衡优化控制。

dy2-t1.gif

    单均衡器锂电池控制回路包含两组电感L1及L2,其存在耦合关系,回路电容为C1,D1和D2为二极管模块,Q1和Q2为两个MOSFET模块,作用是作为控制开关实现对锂电池充电过程均衡控制。串联的两组电池利用电容实现不平衡能量的自动转移,可基于MOSFET控制开关的连通与关闭时间进行有效控制。

    假定TS是控制周期,D是回路占空比,设定VC1电压初值为VB1+VB2,若VB1>VB2,则在DTS期间开启Q1开关。如图2(a),电容C1中缓存能量以电流通过L2及VB2,并转移至VB2,同时L2也可进行能量存储,VB1中存储能量同时转移至电感L1。如图2(e),电感L1和L2在控制过程的DTS期间始终进行储能,且存储电流增加。如图2(b)所示,在控制过程的(1-D)TS期间,Q1断开时,D2会同时打开,位于VB1和L1内的能量会以电流形式向电容转移,而L2中的能量会为VB2锂电池充电。因此,在控制过程(1-D)TS时段,L1和L2间的电流会持续降低。上述过程是以VB1>VB2为前提的控制回路能量转移过程,对于VB1<VB2情形,控制过程类似,见图2(c)~(d)。对于VB1<VB2情形,能量传输过程主要通过Q2控制,此时充电能量由VB2向VB1中转移。

dy2-t2.gif

    若VB1>VB2,则在DTS期间(t0≤t<t1),Q1开启:

     dy2-gs1-7.gif

    根据式(6)~式(7),电流对开关周期TS影响很大,通过对回路开关周期控制,可获得充电均衡控制效果。

2 基于优化算法的PID锂电池均衡充电控制

2.1 控制流程

    采用常规PID控制的控制律形式为[10]

    dy2-gs8.gif

    式中,u(t)为输出信号;e(t)是控制偏差,Ki、Kp和Kd为控制回路积分、比例及微分增益。参数整定结果影响控制效果:过分震荡的有效调节作用(P)、控制过程的无偏控制(I)以及误差的快速调节控制(D)。

    在PID控制器内存在控制因子Kp、Ki和Kd,会对控制效果产生影响。对于一般控制过程,常规PID控制即可实现较好控制效果,但对于存在耦合的锂电池串联充电过程,常规PID控制的效果并不好,且无法获得最佳控制参数组合。本文利用IWD算法优化PID控制器量化因子,实现控制性能最优化。锂电池充电控制流程见图3所示。

dy2-t3.gif

2.2 优化指标

    常用控制指标有:积分平方误差ISE指标、积分绝对值误差IAE指标及时间绝对误差ITAE指标,其中ISE和IAE对时间约束不敏感。而ITAE指标,因考虑了时间问题,可解决上述两种控制指标存在的问题,可定义为[10]

    dy2-gs9.gif

dy2-gs10.gif

3 基于次优解集扰动IWD的PID整定

3.1 基本IWD算法

    在IWD算法内水滴个体会移向泥土量少的路径。利用P(pi,pj)表征水滴个体由河道位置pi移向河道位置pj过程中的概率[8]

dy2-gs11-15.gif

3.2 次优解集扰动策略

    标准IWD算法迭代优化中,只更新最优解水滴个体集所对应流经河道泥土量,其更新对象过于单调,不利于种群多样性保持。对此,这里设计次优解集扰动策略:

dy2-gs16-18.gif

    策略2:(混沌扰动)为避免参数优化过程早熟,采用混沌扰动方式解决。选取最佳水滴个体集同次优水滴个体集间的参数点,按式(19)~(20)进行泥土量更新:

dy2-gs19-21.gif

3.3 PID优化整定流程

    所提基于次优解集扰动IWD的PID整定步骤如下:

    (1)对IWD参数初始化,包含规模n、最优全局目标f(VTbext)=∞、河道间泥土初始量soil(pi,pj)、迭代数t=0、迭代最大数T、混沌扰动参数counter及连续最优水滴适应值不变代数c=0。

    (2)对比t与T数值。如果满足t≥T,那么水滴算法跳转步骤(15)。

    (3)设定水滴j速度初值以及泥土初始量,设定第t代最佳水滴个体目标实验值为f(Vtbext)=∞。

    (4)设定水滴个体数量的计数器j=1。

    (5)对比参数j与n数值。如果满足j>n,那么IWD算法跳转步骤(11)。

    (6)对水滴个体j未流经过的河道集进行初始化,Cunvisted={所有客户点}。

    (7)判定Cunvisted集合是否是空集。如果dy2-3.3-x1.gifj=j+1,那么IWD算法跳转步骤(5)。

    (8)利用取值区间作为控制参数进化的限制条件,并进行可行点集构建。

    (9)若构造的可行点集是空集,那么水滴返回河道中心,并跳转步骤(8)。

    (10)基于轮盘赌策略进行水滴j流经位置选取,并更新水滴流速vel(t)、河道泥土量变化soil(pi,pj)、水滴泥土量soilIWD,计算电池电流和电压信息,并跳转步骤(7)。

    (11)计算获得当前最佳适应值f(Vtbest)。若满足Vtbest=V(t-1)best,那么可得c=c+1。若不满足,则c=0。若f(VTbest)>f(Vtbest),那么f(VTbest)=f(Vtbest),VTbest=Vtbest

    (12)若最佳水滴个体适应值未变化迭代次数超过c=counter,那么采用混沌扰动进行算法多样性保持。

    (13)对最佳个体泥土量更新,并对最优解Vtbest扩张,获得次优解集Vextend,对其内不同路径泥土量更新。

    (14)设定t=t+1,并跳转步骤(2)。

    (15)输出最优解集VTbest

4 实验分析

    基于MATLAB平台的 Simulink模块建立两节串联电池均衡充电模型。选取Simulink库内已有的函数模块作为电池模型。电容C1=500 μF,电感L1=100 μF,开关MOSFET管模块Q1、Q2,二极管参数值D1、D2设定成默认。基于PWM封装模块,根据电流数值逻辑计算,获得占空比不同情形下的方波,实现MOSFET管模块Q1、Q2的开关控制。对比算法选取非线性PID电池充电均衡控制算法和电池模糊均衡充电控制两种算法,仿真结果见图4。

dy2-t4.gif

    对比选取的三种对比算法,电池模糊均衡充电控制算法电压一致控制时间约是6.4 s,非线性PID电池充电均衡控制算法电压一致控制时间约是6.0 s,而本文算法的电压一致控制时间约是4.1 s,这体现了所提算法的控制快速性。从均衡曲线拟合效果对比上可知,本文算法的均衡电压拟合效果要优于选取的两种对比算法,体现了所提算法较高的控制精度。

    图5所示为采用本文控制算法的锂电池充电过程的电流控制曲线,根据图5曲线可知,所提控制方法在对电流进行均衡控制时,起始节点的电流值较大,但是随均衡控制过程的进行,控制电路中电流逐渐降低,最终趋于0。

dy2-t5.gif

    本文所提的PID优化整定控制方法,可有效解决锂电池在充电过程中存在的控制精度不高和振荡问题,有利于能量损失降低,进而获得理想的均衡控制性能,获得更为高效的锂电池充电性能。

5 结束语

    本文提出一种基于次优解集扰动智能水滴算法(IWD)的PID锂电池均衡充电控制策略,利用次优解集和混沌扰动提高水滴进化性能,并实现对PID参数整定优化,然后设计基于该算法的充电均衡电路,实验结果显示,所提锂电池均衡充电控制策略的电压曲线拟合分布更为集中,所用时间更短,对实际应用具有一定指导意义。

参考文献

[1] Meng Jinhao,Luo Guangzhao,Gao Fei.Lithium polymer battery state-of-charge estimation based on adaptive unscented Kalman filter and support vector machine[J].IEEE Transactions on Power Electronics,2016,31(3):2226-2238.

[2] MESTRALLET F,KERACHEV L,CREBIER J C,et al.Multiphase interleaved converter for lithium battery active balancing[J].IEEE Transactions on Power Electronics,2014,29(6):2874-2881.

[3] WEN Y L,AZIZ M J A,IDRIS N R N.Modelling of lithiumtitanate battery with ambient temperature effect for charger design[J].IET Power Electronics,2016,9(6):1204-1212.

[4] 韦琳,熊金龙,樊立攀.基于补偿灵敏度PID方法的负荷频率控制[J].电子技术应用,2016,42(7):146-150.

[5] 赫建立,朱龙英,成磊,等.串联机器人轨迹跟踪控制模糊自适应PID算法的误差修正[J].电子技术应用,2015,41(1):60-63.

[6] LI Z P,ZHAO F,LIU H W.Intelligent water drops algorithm for vehicle routing problem with time windows[C]//International Conference on Service Systems and Service Management(ICSSSM),IEEE,Beijing,2014:1-6.

[7] ZAHRA B,TEYMOURIAN E,KOMAKI G M.An improved optimization method based on the intelligent water drops algorithm for the vehicle routing problem[C]//IEEE Symposium on Computational Intelligence in Production and Logistics Systems(CIPLS),IEEE,Orlando,FL,USA,2014:59-66.

[8] SALMANPOUR S,OMRANPOUR H,MOTAMENI H.An intelligent water drops algorithm for solving robot path planning problem[C]//IEEE 14th International Symposium on Computational Intelligence and Informatics(CINTI),IEEE,Budapest,2013:333-338.

[9] SUR C,SHARMA S,SHUKLA A.Multi-objective adaptive intelligent water drops algorithm for optimization & vehicle guidance in road graph network[C]//International Conference on Informatics,Electronics & Vision(ICIEV),IEEE,Dhaka,2013:1-6.

[10] 汪先兵,费树眠,徐清扬,等.BP神经网络PID控制的永磁真空开关储能电容恒流充电特性分析[J].电工技术学报,2015,30(10):212-217.



作者信息:

姚  金

(梧州学院 机械与材料工程学院,广西 梧州543000)