文獻標識碼: A
DOI:10.16157/j.issn.0258-7998.2017.04.039
中文引用格式: 姚金. 基于次優(yōu)解集擾動IWD的PID鋰電池均衡充電控制[J].電子技術應用,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
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TS是控制周期,D是回路占空比,設定VC1電壓初值為VB1+VB2,若VB1>VB2,則在DTS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VB2,并轉移至VB2,同時L2也可進行能量存儲,VB1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DTS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)TS期間,Q1斷開時,D2會同時打開,位于VB1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VB2鋰電池充電。因此,在控制過程(1-D)TS時段,L1和L2間的電流會持續(xù)降低。上述過程是以VB1>VB2為前提的控制回路能量轉移過程,對于VB1<VB2情形,控制過程類似,見圖2(c)~(d)。對于VB1<VB2情形,能量傳輸過程主要通過Q2控制,此時充電能量由VB2向VB1中轉移。
若VB1>VB2,則在DTS期間(t0≤t<t1),Q1開啟:
根據(jù)式(6)~式(7),電流對開關周期TS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,Ki、Kp和Kd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Kp、Ki和Kd,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(pi,pj)表征水滴個體由河道位置pi移向河道位置pj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(VTbext)=∞、河道間泥土初始量soil(pi,pj)、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(Vtbext)=∞。
(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,Cunvisted={所有客戶點}。
(7)判定Cunvisted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(pi,pj)、水滴泥土量soilIWD,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(Vtbest)。若滿足Vtbest=V(t-1)best,那么可得c=c+1。若不滿足,則c=0。若f(VTbest)>f(Vtbest),那么f(VTbest)=f(Vtbest),VTbest=Vtbest。
(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Vtbest擴張,獲得次優(yōu)解集Vextend,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VTbest。
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)