CN109616710A - 基于全生命周期模型的多旋翼无人机电池充放电管控方法 - Google Patents

Abstract

本发明涉及无人机技术领域，尤其为基于全生命周期模型的多旋翼无人机电池充放电管控方法，包括无人机电池全生命周期模型的研究以及对电池放电管控两部分。本发明通过研究无人机电池全生命周期模型的监测技术，主要从全新电池模型和老化电池模型入手对其分别建立研究模型，依据无人机电池的参数特性变化趋势，以及随着无人机电池老化，电池性能参数的变化规律，分析研究无人机电池的管理技术，老化原因，并估算电池使用寿命和健康状态，并在此基础上，利用均衡控制策略，形成一种快速、高效、无损的无人机电池充放电管控方法，对无人机电池进行科学管控，有效防止无人机电池过度充放电，不合理存储造成的电池快速老化等问题。

Description

基于全生命周期模型的多旋翼无人机电池充放电管控方法

技术领域

本发明涉及无人机技术领域，具体为基于全生命周期模型的多旋翼无人机电池充放电管控方法。

背景技术

多旋翼无人机技术的发展促使其愈多地在电力输电线路巡检中广泛使用，在巡检作业过程中，无人机电池的管理与维护，对于巡检的工作量、效率以及电池的使用寿命有着莫大关系，而无人机大多采用锂电池作为动能来源，目前，对于锂电池的电流、电压、温度、功率、电容量、实时SOC等状态量的监测技术还不够成熟准确，对于电池的充放电管理及存储千姿百态，致使无人机电池在使用和维护过程中极易出现过度充电、过度放电、满电高温存储、单体电池与群体的不均衡等问题，其中单体电池与群体的不均衡性严重降低了电池的实际使用效率，不合理的维护使得电池容量快速降低，寿命快速缩短，因此，对电池的全生命周期进行研究是很有必要的。鉴于此，我们提供基于全生命周期模型的多旋翼无人机电池充放电管控方法。

发明内容

本发明的目的在于提供基于全生命周期模型的多旋翼无人机电池充放电管控方法，以解决上述背景技术中提出单体电池与群体的不均衡性严重降低了电池的实际使用效率，不合理的维护使得电池容量快速降低的问题。

为实现上述目的，本发明提供如下技术方案：

基于全生命周期模型的多旋翼无人机电池充放电管控方法，包括无人机电池全生命周期模型的研究以及对电池放电管控两部分。

作为本发明的一种优选方案，所述无人机电池全生命周期模型的研究包括如下步骤：

S1：根据RC模型建立模型状态方程，对无人机电池的模型参数辨识；

S2：利用电池充放电时的不同情况，采用模型参数辨识算法，完成电池特征参数的提取；

S3：在无人机电池在使用过程中，根据电池内部可循环锂和电池容量损失建模，通过对SEI生长过程的分析，以半经验模型，构建活性锂损失模型；

S4：电池负极活性材料损失导致电池容量减少，根据损失的电池容量与电压循环区间，对活性锂的裂纹变化建模；

S5：将步骤S3和S4中的两个模型相结合，形成最终的多因素老化模型，得出老化因式；

S6：分析老化因式，获得影响电池性能因素、老化因素以及健康特征参数。

作为本发明的一种优选方案，所述RC模型采用二阶RC模型，包括两个二阶并联的电阻、电容组合串联而成。

作为本发明的一种优选方案，所述模型参数辨识算法包括最小二乘辨识法和扩展的卡尔曼滤波辨识法。

作为本发明的一种优选方案，所述电池特征参数包括电池的开路电压，工作电压，充放电电流，放电内阻。

作为本发明的一种优选方案，所述活性锂损失模型的状态方程为：

其中Q_LLI表示损失的电池容量，SEI为充放电时在电极表面经锂电镀形成的膜，这层膜在高温和高倍率充放电时都会增加，同时也加剧了电池老化的速度，C₂表示SEI体积与损失的容量间的比值，C₁是与SEI表面积有关的常数，E_a为扩散过程的表面活化能，R为气体普适常数，T为温度，t表示时间，l_SEI,0为SEI的初始厚度，l_SEI表示SEI新增厚度，α∈(1,∞)。

作为本发明的一种优选方案，活性锂的裂纹变化模型的状态方程为：

其中Q_{LAM_LINE}为损失的电池容量，c₅为负极活性材料损失体积至与对应的容量损失之间的比值，a_iso表示活性材料中被隔离的活性表面积，l_c为裂纹长度。

作为本发明的一种优选方案，所述电池放电管控包括如下步骤：

S1：在无人机电池进行安装时，对集群电池组进行均衡，补偿电压和实际荷电量低的单体电池，耗散实际电压高的单体电池；

S2：根据电阻的选择综合考虑均衡效率和热量损耗，采用能量耗散型均衡电路，每个单体电池并联一个由均衡开关和均衡电阻构成的均衡电路；

S3：通过均衡控制策略反复修正优化均衡控制策略来达到优化均衡效果的目标，使得均衡电路达到最优的均衡控制效果；

S4：在监测的过程中，获取均衡控制策略的均衡变量，包括外电压、实际容量和实时SOC，实时SOC为电池荷电状态；

S5：根据平均值比较法，并采用外电压和实时SOC作为均衡变量，通过比较单体的电压值与电池组的平均电压值，单体的实时SOC值与电池组的平均SOC值，进而对高的单体放电；

S6：以实际容量值作为参考，当电池达到饱和状态，切断充电回路，防止过充损坏电池，均衡策略的实现依赖于控制器，利用CAN组网方式实现。

作为本发明的一种优选方案，所述实时SOC的计算公式：

其中，Q_rest(t)是当前剩余容量，直接测量方法为：将电池断开主电路，额定1C放电至电池端的最小电压，静止一段时间后，若电压回升则继续1C放电，直到电池开路电压达到最小电压，整个过程中，电池放出的电量总和即为剩余容量，公式为：

Q_all(t)是当前电池充满状态时的总电量，直接测量方法为：将电池充电至浮充电压，静置一段时间后1C放电至最小电压，整个过程中，电池放出的电量总和即为总电量，公式为：

其中，i₀是放电电流，实际中规定为1C，1C是采用放电率来定义的电流，具体含义为：充放电电流与电池标称容量，以Ah为单位的比值，例如对于40Ah的化学电池，1C放电即等价于40A电流放电；u_0min是最小电压，即电池完全放电后，处于放空状态时的端电压，此时若负载反电势小于该电压且并未开路，则电池将继续放电；u_0max是浮充电压，即电池在充满状态下的电压。

与现有技术相比，本发明的有益效果是：

本基于全生命周期模型的多旋翼无人机电池充放电管控方法通过建立合适的模型，对状态量进行估算，分析老化原因，评估电池健康状态及使用寿命，利用均衡控制方法，得出最佳充放电方法，并在此基础上形成科学合理的电池充放电管控系统，通过研究无人机电池全生命周期模型的监测技术，主要从全新电池模型和老化电池模型入手对其分别建立研究模型，依据无人机电池的参数特性变化趋势，以及随着无人机电池老化，电池性能参数的变化规律，分析研究无人机电池的管理技术，老化原因，并估算电池使用寿命和健康状态，并在此基础上，利用均衡控制策略，形成一种快速、高效、无损的无人机电池充放电管控方法，对无人机电池进行科学管控，有效防止无人机电池过度充放电，不合理存储造成的电池快速老化等问题。

附图说明

图1为本发明二阶RC等效模型示意图；

图2为本发明能量耗散型均衡电路图；

图3为本发明CAN组网方式示意图；

图4为本发明电池本体与状态估算器的示意图。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

基于全生命周期模型的多旋翼无人机电池充放电管控方法，包括无人机电池全生命周期模型的研究以及对电池放电管控两部分。

具体的，无人机电池全生命周期模型的研究包括如下步骤：

S1：根据RC模型建立模型状态方程，对无人机电池的模型参数辨识；

S2：利用电池充放电时的不同情况，采用模型参数辨识算法，完成电池特征参数的提取；

S3：在无人机电池在使用过程中，根据电池内部可循环锂和电池容量损失建模，通过对SEI生长过程的分析，以半经验模型，构建活性锂损失模型；

S4：电池负极活性材料损失导致电池容量减少，根据损失的电池容量与电压循环区间，对活性锂的裂纹变化建模；

S5：将步骤S3和S4中的两个模型相结合，形成最终的多因素老化模型，得出老化因式；

S6：分析老化因式，获得影响电池性能因素、老化因素以及健康特征参数。

RC模型采用二阶RC模型，包括两个二阶并联的电阻、电容组合串联而成。

进一步的，电池特征参数包括电池的开路电压，工作电压，充放电电流，放电内阻。

值得说明的是，活性锂损失模型的状态方程为：

其中Q_LLI表示损失的电池容量，SEI为充放电时在电极表面经锂电镀形成的膜，这层膜在高温和高倍率充放电时都会增加，同时也加剧了电池老化的速度，C₂表示SEI体积与损失的容量间的比值，C₁是与SEI表面积有关的常数，E_a为扩散过程的表面活化能，R为气体普适常数，T为温度，t表示时间，l_SEI,0为SEI的初始厚度，l_SEI表示SEI新增厚度，α∈(1,∞)。

此外，活性锂的裂纹变化模型的状态方程为：

其中Q_{LAM_LINE}为损失的电池容量，c₅为负极活性材料损失体积至与对应的容量损失之间的比值，a_iso表示活性材料中被隔离的活性表面积，l_c为裂纹长度。

描述多旋翼无人机电池的性能参数有电压，容量，电阻，荷电状态，放电倍率，电池寿命等。无人机电池的使用和存储过程中会使电池的性能受到影响，比如电池容量减少、活性变弱等。另外，电池的外界条件也会影响电池的使用寿命，比如环境温度、充放电倍率等因素。研究无人机性能参数将为后续获取影响电池性能因素以及老化因素、健康特征参数等提供重要理论依据。

为获取较为准确的电池性能参数，本专利采用的是具有实用性的等效电路模型。目前，常用的等效电路模型已较为成熟，相关文献也较多，具体有Rint模型，RC模型，Thevenin模型和PNGV模型。本文对全新的无人机电池进行仿真实验选择了二阶RC模型，该模型是在Rint模型的改进版，等效电路是由两个二阶并联的电阻、电容组合串联而成的，如图1所示。

根据得出的电路模型，建立模型状态方程，对无人机电池的模型参数辨识，利用电池充放电时的不同情况，采用模型参数辨识算法，如最小二乘辨识法、扩展的卡尔曼滤波辨识法等完成电池特征参数的提取，包括电池的开路电压，工作电压，充放电电流，放电内阻等。

另一方面，无人机电池在使用过程中，随着使用次数的增加，会出现电池老化现象，主要表现在电池的容量和功率减退，电池性能下降，甚至影响使用安全性上。讨论影响电池老化的因素，我们知道，电池老化的主要原因是电池负极活性材料的损失和电池内部的可循环锂离子减少，这两种现象的产生要归结于SEI，SEI是充放电时在电极表面经锂电镀形成的膜，这层膜在高温和高倍率充放电时都会增加，同时也加剧了电池老化的速度，此外，负极活性材料的损失主要由于机械疲劳所导致。

其次是对电池负极活性材料损失导致电池容量减少的建模。该过程是由于电池的机械疲劳引起电极材料中的活性粒子损坏破碎引起的，所以对活性粒子的裂纹变化建模。

将上述两个模型相结合，形成最终的多因素老化模型，得出老化因式。分析老化因式我们知道，电池容量的损失会逐渐导致电池寿命的终结，在这其中得到了温度和充放电倍率对电池性能的影响，过高的温度会使电池中的电解液、电极和隔膜发生变化，让电池的老化速率加快，电池容量降低，寿命变短；过大的充放电倍率会使电池的阻抗增加，极化现象更加严重，最终导致电池的放电能力变弱，同时加速电池老化。

多旋翼无人机新电池性能模型以及老化因式的建立，可以获取电池在不同环境下的特性参数，包括电池的电动势、开路电压，电池容量、放电倍率；以及电池状态，包括荷电状态、健康状态等表征电池性能的数据。基于新电池的性能数据，实现了对于电池全生命周期的主要状态量监测，并在此基础上进一步研究无人机电池充放电管控方法，监测与控制并举，有效防止电池过充过放的问题

进一步的，电池放电管控包括如下步骤：

S1：在无人机电池进行安装时，对集群电池组进行均衡，补偿电压和实际荷电量低的单体电池，耗散实际电压高的单体电池；

S2：根据电阻的选择综合考虑均衡效率和热量损耗，采用能量耗散型均衡电路，每个单体电池并联一个由均衡开关和均衡电阻构成的均衡电路；

S3：通过均衡控制策略反复修正优化均衡控制策略来达到优化均衡效果的目标，使得均衡电路达到最优的均衡控制效果；

S4：在监测的过程中，获取均衡控制策略的均衡变量，包括外电压、实际容量和实时SOC，实时SOC为电池荷电状态；

S5：根据平均值比较法，并采用外电压和实时SOC作为均衡变量，通过比较单体的电压值与电池组的平均电压值，单体的实时SOC值与电池组的平均SOC值，进而对高的单体放电；

S6：以实际容量值作为参考，当电池达到饱和状态，切断充电回路，防止过充损坏电池，均衡策略的实现依赖于控制器，利用CAN组网方式实现。

实时SOC的计算公式：

其中，Q_rest(t)是当前剩余容量，直接测量方法为：将电池断开主电路，额定1C放电至电池端的最小电压，静止一段时间后，若电压回升则继续1C放电，直到电池开路电压达到最小电压，整个过程中，电池放出的电量总和即为剩余容量，公式为：

Q_all(t)是当前电池充满状态时的总电量，直接测量方法为：将电池充电至浮充电压，静置一段时间后1C放电至最小电压，整个过程中，电池放出的电量总和即为总电量，公式为：

其中，i₀是放电电流，实际中规定为1C，1C是采用放电率来定义的电流，具体含义为：充放电电流与电池标称容量，以Ah为单位的比值，例如对于40Ah的化学电池，1C放电即等价于40A电流放电；u_0min是最小电压，即电池完全放电后，处于放空状态时的端电压，此时若负载反电势小于该电压且并未开路，则电池将继续放电；u_0max是浮充电压，即电池在充满状态下的电压。

无人机电池内部由多只锂离子单体电池并串组包，由于锂离子单体电池的标称电压比较低，在充电过程中只要有一个单体电池被充满或达到充电截止电压时则充电必须停止；而在放电过程中只要有一个电池被放空或达到放电截止电压时则必须停止放电。如果不采取均衡措施，串联单体电池间的不均衡程度会随着充放电循环次数的增加而加剧，电池组的充放电容量也会逐渐降低，最终使电池组提前报废，因此需采取有效的均衡措施延长电池组的使用寿命，提高电池组的充放电容量。

目前根据均衡电路在均衡过程中电路是否消耗能量的情况，可分为能耗性均衡和非能耗性均衡两大类。非能耗散型电路虽然具有容易控制和实现的优势，但是均衡效率低，尤其是相邻电压差距较小时，均衡时间长，故我们采用能量耗散型均衡电路，如图2所示。

能量耗散型均衡电路采用耗能元件消耗单体电池电压过高的电池的电量来改善电池组内各单体间的不一致性，对于多节单体电池可以同时进行均衡。每个单体电池并联一个由均衡开关和均衡电阻R构成的均衡控制单元，电阻的选择应综合考虑均衡效率和热量损耗的问题。该方案操作简单、均衡速度快。满足无人机电池快速充放电要求。

在采用能量耗散型均衡电路的基础上，为了达到最优的均衡控制效果，还需要研究均衡控制策略，因为均衡系统中的硬件拓扑结构一旦固定，只能通过反复修正优化均衡控制策略来达到优化均衡效果的目标。研究均衡控制策略需要全生命周期模型的支持，在模型监测的基础上，得到均衡控制策略的均衡变量，本专利中对于均衡策略有用的均衡变量有：外电压、实际容量和实时SOC。

(1)外电压

以外电压为均衡变量的控制策略是在电池的充电和放电过程中，以电池外电压为衡量当前电池组状态的重要参数。

(2)实际容量

以蓄电池实际容量作为均衡控制变量是指以电池的实际容量趋于一致为均衡目标。

(3)实时SOC

实时检测各单体电池的SOC，以各单体电池的荷电状态来进行均衡控制，当电池组SOC状态满足均衡条件时，控制均衡电路模块对单体电池进行均衡。

平均值比较法是一种比较常用的电池均衡控制策略，采用外电压和实时SOC作为均衡变量，通过比较单体的电压值与电池组的平均电压值，单体的实时SOC值与电池组的平均SOC值，进而对较高的单体放电。同时以实际容量值作为参考，当电池达到饱和状态，切断充电回路，防止过充损坏电池。均衡策略的实现依赖于控制器，利用CAN组网方式实现，如图3所示。

实施例2

作为本发明的第二种实施例，模型参数辨识算法采用卡尔曼滤波辨识法，如图4所示，将卡尔曼滤波算法看作一个系统或者模块，将卡尔曼滤波算法与电池本体的连接，则该系统的输入变量是电池的电流、电压，输出变量是电池本体系统的状态变量估算值，即剩余电量和总电量的估计值，同时，由这两个估计值可以计算电池电荷状态SOC。

本发明的基于多旋翼无人机电池的全生命周期模型监测研究，获取性能参数并在此基础上研究电池的充放电方法，形成了一种完整的可实现的充放电管控方法，能够实现基于电池状态实时监测的充放电控制，对于集群电池组进行均衡，补偿电压和实际荷电量较低的单体电池，耗散实际电压较高的单体电池，有效防止了电池组的电压电荷的不均衡性，维护了电池组的实际容量，防止由于不均衡性扩大导致的容量正反馈式下降，延长电池组的实际使用寿命；电池组的可检测可控制性，也有效防止目前普遍存在的由于电池监控不到位和过度充放电导致的容量寿命急剧下降。同时，利用抽屉式单元及CAN网络部署管理监控系统，存贮维护方便，有利于数字化接口的延伸和扩展，便于电池组的数字化管理；本发明通过研究无人机电池全生命周期模型的监测技术，主要从全新电池模型和老化电池模型入手对其分别建立研究模型，依据无人机电池的参数特性变化趋势，以及随着无人机电池老化，电池性能参数的变化规律，分析研究无人机电池的管理技术，老化原因，并估算电池使用寿命和健康状态，并在此基础上，利用均衡控制策略，形成一种快速、高效、无损的无人机电池充放电管控方法，对无人机电池进行科学管控，有效防止无人机电池过度充放电，不合理存储造成的电池快速老化等问题

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (9)

1.基于全生命周期模型的多旋翼无人机电池充放电管控方法，其特征在于：包括无人机电池全生命周期模型的研究以及对电池放电管控两部分。

2.根据权利要求1所述的基于全生命周期模型的多旋翼无人机电池充放电管控方法，其特征在于：所述无人机电池全生命周期模型的研究包括如下步骤：

S1：根据RC模型建立模型状态方程，对无人机电池的模型参数辨识；

S2：利用电池充放电时的不同情况，采用模型参数辨识算法，完成电池特征参数的提取；

S3：在无人机电池在使用过程中，根据电池内部可循环锂和电池容量损失建模，通过对SEI生长过程的分析，以半经验模型，构建活性锂损失模型；

S4：电池负极活性材料损失导致电池容量减少，根据损失的电池容量与电压循环区间，对活性锂的裂纹变化建模；

S5：将步骤S3和S4中的两个模型相结合，形成最终的多因素老化模型，得出老化因式；

S6：分析老化因式，获得影响电池性能因素、老化因素以及健康特征参数。

3.根据权利要求2所述的基于全生命周期模型的多旋翼无人机电池充放电管控方法，其特征在于：所述RC模型采用二阶RC模型，包括两个二阶并联的电阻、电容组合串联而成。

4.根据权利要求2所述的基于全生命周期模型的多旋翼无人机电池充放电管控方法，其特征在于：所述模型参数辨识算法包括最小二乘辨识法和扩展的卡尔曼滤波辨识法。

5.根据权利要求2所述的基于全生命周期模型的多旋翼无人机电池充放电管控方法，其特征在于：所述电池特征参数包括电池的开路电压，工作电压，充放电电流，放电内阻。

6.根据权利要求2所述的基于全生命周期模型的多旋翼无人机电池充放电管控方法，其特征在于：所述活性锂损失模型的状态方程为：

其中Q_LLI表示损失的电池容量，SEI为充放电时在电极表面经锂电镀形成的膜，这层膜在高温和高倍率充放电时都会增加，同时也加剧了电池老化的速度，C₂表示SEI体积与损失的容量间的比值，C₁是与SEI表面积有关的常数，E_a为扩散过程的表面活化能，R为气体普适常数，T为温度，t表示时间，l_SEI,0为SEI的初始厚度，l_SEI表示SEI新增厚度，α∈(1,∞)。

7.根据权利要求2所述的基于全生命周期模型的多旋翼无人机电池充放电管控方法，其特征在于：活性锂的裂纹变化模型的状态方程为：

其中Q_{LAM_LINE}为损失的电池容量，c₅为负极活性材料损失体积至与对应的容量损失之间的比值，a_iso表示活性材料中被隔离的活性表面积，l_c为裂纹长度。

8.根据权利要求1所述的基于全生命周期模型的多旋翼无人机电池充放电管控方法，其特征在于：所述电池放电管控包括如下步骤：

S1：在无人机电池进行安装时，对集群电池组进行均衡，补偿电压和实际荷电量低的单体电池，耗散实际电压高的单体电池；

S2：根据电阻的选择综合考虑均衡效率和热量损耗，采用能量耗散型均衡电路，每个单体电池并联一个由均衡开关和均衡电阻构成的均衡电路；

S3：通过均衡控制策略反复修正优化均衡控制策略来达到优化均衡效果的目标，使得均衡电路达到最优的均衡控制效果；

S4：在监测的过程中，获取均衡控制策略的均衡变量，包括外电压、实际容量和实时SOC，实时SOC为电池荷电状态；

S5：根据平均值比较法，并采用外电压和实时SOC作为均衡变量，通过比较单体的电压值与电池组的平均电压值，单体的实时SOC值与电池组的平均SOC值，进而对高的单体放电；

S6：以实际容量值作为参考，当电池达到饱和状态，切断充电回路，防止过充损坏电池，均衡策略的实现依赖于控制器，利用CAN组网方式实现。

9.根据权利要求8所述的基于全生命周期模型的多旋翼无人机电池充放电管控方法，其特征在于：所述实时SOC的计算公式：

其中，Q_rest(t)是当前剩余容量，直接测量方法为：将电池断开主电路，额定1C放电至电池端的最小电压，静止一段时间后，若电压回升则继续1C放电，直到电池开路电压达到最小电压，整个过程中，电池放出的电量总和即为剩余容量，公式为：

Q_all(t)是当前电池充满状态时的总电量，直接测量方法为：将电池充电至浮充电压，静置一段时间后1C放电至最小电压，整个过程中，电池放出的电量总和即为总电量，公式为：

其中，i₀是放电电流，实际中规定为1C，1C是采用放电率来定义的电流，具体含义为：充放电电流与电池标称容量，以Ah为单位的比值；u_0min是最小电压，即电池完全放电后，处于放空状态时的端电压，此时若负载反电势小于该电压且并未开路，则电池将继续放电；u_0max是浮充电压，即电池在充满状态下的电压。