0 引言

    鋰電池具有循環(huán)壽命長、無記憶和能量比大等優(yōu)點^[1]，但其電壓較低，需串聯(lián)多組鋰電池實現(xiàn)電壓分流，同時鋰電間內阻抗存在差異，導致電池電量均衡性不強，對鋰電池存儲能力及使用壽命產生影響。因此，對鋰電池進行充電均衡控制非常重要。

    目前，鋰電池充電均衡控制研究很多，如文獻[2]研發(fā)了均衡控制系統(tǒng)實現(xiàn)了一定均衡。文獻[3]基于模糊策略進行鋰電池均衡充電控制，但電壓振蕩嚴重。PID控制^[4]簡單有效，但其參數(shù)整定多采用經驗法，所獲得參數(shù)并非最優(yōu)^[5]。對此，為提高鋰電充電控制效果，引入IWD算法進行PID自適應最優(yōu)整定，該算法主要模擬水流路徑選取過程，近期研究較多：如文獻[6]提出運輸車輛IWD優(yōu)化算法；文獻[7]改進IWD算法水流個體的多樣性保持策略；文獻[8]研究了機器人路徑的IWD優(yōu)化算法；文獻[9]研究了車輛路徑的多目標IWD規(guī)劃算法等等。

    本文提出基于次優(yōu)解集擾動IWD的PID鋰電池均衡充電控制算法，主要貢獻如下：(1)對鋰電池的充電均衡控制策略進行研究，設計了基于PID的充電保護控制框架；(2)對智能水滴算法進行研究，利用次優(yōu)解集和混沌擾動提高水滴進化的多樣性，提高進化精度和效率。

1 鋰電池均衡充電電路

    圖1為單均衡器的鋰電池能量均衡控制圖，一個均衡器連接兩個鋰電池，并結合PID進行能量均衡優(yōu)化控制。

    單均衡器鋰電池控制回路包含兩組電感L1及L2，其存在耦合關系，回路電容為C1，D1和D2為二極管模塊，Q1和Q2為兩個MOSFET模塊，作用是作為控制開關實現(xiàn)對鋰電池充電過程均衡控制。串聯(lián)的兩組電池利用電容實現(xiàn)不平衡能量的自動轉移，可基于MOSFET控制開關的連通與關閉時間進行有效控制。

    假定T_S是控制周期，D是回路占空比，設定V_C1電壓初值為V_B1+V_B2，若V_B1>V_B2，則在DT_S期間開啟Q1開關。如圖2(a)，電容C1中緩存能量以電流通過L2及V_B2，并轉移至V_B2，同時L2也可進行能量存儲，V_B1中存儲能量同時轉移至電感L1。如圖2(e)，電感L1和L2在控制過程的DT_S期間始終進行儲能，且存儲電流增加。如圖2(b)所示，在控制過程的(1-D)T_S期間，Q1斷開時，D2會同時打開，位于V_B1和L1內的能量會以電流形式向電容轉移，而L2中的能量會為V_B2鋰電池充電。因此，在控制過程(1-D)T_S時段，L1和L2間的電流會持續(xù)降低。上述過程是以V_B1>V_B2為前提的控制回路能量轉移過程，對于V_B1<V_B2情形，控制過程類似，見圖2(c)~(d)。對于V_B1<V_B2情形，能量傳輸過程主要通過Q2控制，此時充電能量由V_B2向V_B1中轉移。

    若V_B1>V_B2，則在DT_S期間(t₀≤t<t₁)，Q1開啟：

    根據(jù)式(6)~式(7)，電流對開關周期T_S影響很大，通過對回路開關周期控制，可獲得充電均衡控制效果。

2 基于優(yōu)化算法的PID鋰電池均衡充電控制

2.1 控制流程

    采用常規(guī)PID控制的控制律形式為^[10]：

    式中，u(t)為輸出信號；e(t)是控制偏差，K_i、K_p和K_d為控制回路積分、比例及微分增益。參數(shù)整定結果影響控制效果：過分震蕩的有效調節(jié)作用(P)、控制過程的無偏控制(I)以及誤差的快速調節(jié)控制(D)。

    在PID控制器內存在控制因子K_p、K_i和K_d，會對控制效果產生影響。對于一般控制過程，常規(guī)PID控制即可實現(xiàn)較好控制效果，但對于存在耦合的鋰電池串聯(lián)充電過程，常規(guī)PID控制的效果并不好，且無法獲得最佳控制參數(shù)組合。本文利用IWD算法優(yōu)化PID控制器量化因子，實現(xiàn)控制性能最優(yōu)化。鋰電池充電控制流程見圖3所示。

2.2 優(yōu)化指標

    常用控制指標有：積分平方誤差ISE指標、積分絕對值誤差IAE指標及時間絕對誤差ITAE指標，其中ISE和IAE對時間約束不敏感。而ITAE指標，因考慮了時間問題，可解決上述兩種控制指標存在的問題，可定義為^[10]：

3 基于次優(yōu)解集擾動IWD的PID整定

3.1 基本IWD算法

    在IWD算法內水滴個體會移向泥土量少的路徑。利用P(p_i，p_j)表征水滴個體由河道位置p_i移向河道位置p_j過程中的概率^[8]：

3.2 次優(yōu)解集擾動策略

    標準IWD算法迭代優(yōu)化中，只更新最優(yōu)解水滴個體集所對應流經河道泥土量，其更新對象過于單調，不利于種群多樣性保持。對此，這里設計次優(yōu)解集擾動策略：

    策略2：(混沌擾動)為避免參數(shù)優(yōu)化過程早熟，采用混沌擾動方式解決。選取最佳水滴個體集同次優(yōu)水滴個體集間的參數(shù)點，按式(19)~(20)進行泥土量更新：

3.3 PID優(yōu)化整定流程

    所提基于次優(yōu)解集擾動IWD的PID整定步驟如下：

    (1)對IWD參數(shù)初始化，包含規(guī)模n、最優(yōu)全局目標f(V_Tbext)=∞、河道間泥土初始量soil(p_i，p_j)、迭代數(shù)t=0、迭代最大數(shù)T、混沌擾動參數(shù)counter及連續(xù)最優(yōu)水滴適應值不變代數(shù)c=0。

    (2)對比t與T數(shù)值。如果滿足t≥T，那么水滴算法跳轉步驟(15)。

    (3)設定水滴j速度初值以及泥土初始量，設定第t代最佳水滴個體目標實驗值為f(V_tbext)=∞。

    (4)設定水滴個體數(shù)量的計數(shù)器j=1。

    (5)對比參數(shù)j與n數(shù)值。如果滿足j>n，那么IWD算法跳轉步驟(11)。

    (6)對水滴個體j未流經過的河道集進行初始化，C_unvisted={所有客戶點}。

    (7)判定C_unvisted集合是否是空集。如果j=j+1，那么IWD算法跳轉步驟(5)。

    (8)利用取值區(qū)間作為控制參數(shù)進化的限制條件，并進行可行點集構建。

    (9)若構造的可行點集是空集，那么水滴返回河道中心，并跳轉步驟(8)。

    (10)基于輪盤賭策略進行水滴j流經位置選取，并更新水滴流速vel(t)、河道泥土量變化soil(p_i，p_j)、水滴泥土量soil^IWD，計算電池電流和電壓信息，并跳轉步驟(7)。

    (11)計算獲得當前最佳適應值f(V_tbest)。若滿足V_tbest=V_(t-1)best，那么可得c=c+1。若不滿足，則c=0。若f(V_Tbest)>f(V_tbest)，那么f(V_Tbest)=f(V_tbest)，V_Tbest=V_tbest。

    (12)若最佳水滴個體適應值未變化迭代次數(shù)超過c=counter，那么采用混沌擾動進行算法多樣性保持。

    (13)對最佳個體泥土量更新，并對最優(yōu)解V_tbest擴張，獲得次優(yōu)解集V_extend，對其內不同路徑泥土量更新。

    (14)設定t=t+1，并跳轉步驟(2)。

    (15)輸出最優(yōu)解集V_Tbest。

4 實驗分析

    基于MATLAB平臺的 Simulink模塊建立兩節(jié)串聯(lián)電池均衡充電模型。選取Simulink庫內已有的函數(shù)模塊作為電池模型。電容C₁=500 μF，電感L₁=100 μF，開關MOSFET管模塊Q₁、Q₂，二極管參數(shù)值D₁、D₂設定成默認?；赑WM封裝模塊，根據(jù)電流數(shù)值邏輯計算，獲得占空比不同情形下的方波，實現(xiàn)MOSFET管模塊Q₁、Q₂的開關控制。對比算法選取非線性PID電池充電均衡控制算法和電池模糊均衡充電控制兩種算法，仿真結果見圖4。

    對比選取的三種對比算法，電池模糊均衡充電控制算法電壓一致控制時間約是6.4 s，非線性PID電池充電均衡控制算法電壓一致控制時間約是6.0 s，而本文算法的電壓一致控制時間約是4.1 s，這體現(xiàn)了所提算法的控制快速性。從均衡曲線擬合效果對比上可知，本文算法的均衡電壓擬合效果要優(yōu)于選取的兩種對比算法，體現(xiàn)了所提算法較高的控制精度。

    圖5所示為采用本文控制算法的鋰電池充電過程的電流控制曲線，根據(jù)圖5曲線可知，所提控制方法在對電流進行均衡控制時，起始節(jié)點的電流值較大，但是隨均衡控制過程的進行，控制電路中電流逐漸降低，最終趨于0。

    本文所提的PID優(yōu)化整定控制方法，可有效解決鋰電池在充電過程中存在的控制精度不高和振蕩問題，有利于能量損失降低，進而獲得理想的均衡控制性能，獲得更為高效的鋰電池充電性能。

5 結束語

    本文提出一種基于次優(yōu)解集擾動智能水滴算法(IWD)的PID鋰電池均衡充電控制策略，利用次優(yōu)解集和混沌擾動提高水滴進化性能，并實現(xiàn)對PID參數(shù)整定優(yōu)化，然后設計基于該算法的充電均衡電路，實驗結果顯示，所提鋰電池均衡充電控制策略的電壓曲線擬合分布更為集中，所用時間更短，對實際應用具有一定指導意義。

參考文獻

[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] 韋琳，熊金龍，樊立攀.基于補償靈敏度PID方法的負荷頻率控制[J].電子技術應用，2016，42(7)：146-150.

[5] 赫建立，朱龍英，成磊，等.串聯(lián)機器人軌跡跟蹤控制模糊自適應PID算法的誤差修正[J].電子技術應用，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，F(xiàn)L，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，費樹眠，徐清揚，等.BP神經網(wǎng)絡PID控制的永磁真空開關儲能電容恒流充電特性分析[J].電工技術學報，2015，30(10)：212-217.

作者信息:

姚  金

（梧州學院 機械與材料工程學院，廣西 梧州543000）