《电子技术应用》

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 作者:姚 金
2017/5/31 13:46:00

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。

    关键词: 次优解集;混沌扰动;智能水滴算法;锂电池充电

    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.

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.

继续阅读>>