CN113065305A - 一种液态金属电池组的路径优化控制方法和装置 - Google Patents
一种液态金属电池组的路径优化控制方法和装置 Download PDFInfo
- Publication number
- CN113065305A CN113065305A CN202110281071.3A CN202110281071A CN113065305A CN 113065305 A CN113065305 A CN 113065305A CN 202110281071 A CN202110281071 A CN 202110281071A CN 113065305 A CN113065305 A CN 113065305A
- Authority
- CN
- China
- Prior art keywords
- equalization
- battery
- liquid metal
- path
- graph theory
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/373—Design optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种液态金属电池组的路径优化控制方法和装置,属于液态金属电池应用技术领域,所述方法包括:S1:建立由多个液态金属电池组成的电池模块对应的图论模型;S2:设计图论模型中电感和多绕组变压器对应的双层均衡拓扑;S3:利用双层均衡拓扑图论模型中各段路径均衡参数计算图论模型的均衡效率和均衡速度,并将其作为约束条件;S4:将加入权重的电路损耗和均衡时间的指标函数作为目标函数,以建立均衡路径优化模型;S5:利用蚁群算法对均衡路径优化模型进行求解,得到满足目标函数和约束条件的最优均衡路径。本发明将电池均衡问题转化为带约束条件的函数优化问题,并利用蚁群算法获得最优均衡路径,能够提高均衡效率和均衡速度。
Description
技术领域
本发明属于液态金属电池应用技术领域,更具体地,涉及一种液态金属电池组的路径优化控制方法和装置。
背景技术
液态金属电池是一种可用于电网级储能的潜在储能电池,具有使用寿命长、工作电流大、容量大等特点。为满足储能电站等大型储能系统高电压、大容量的需求,液态金属电池常常以串、并联的形式成组使用。然而,各电池单体在制造以及运行过程中存在不可避免的差异,由此产生的电池组不一致性问题将降低整个电池组的性能和可用容量,最终缩短电池组使用寿命,甚至造成电池变形、爆炸等安全隐患。因此,电池均衡是电池管理系统不可缺少的关键部分,更是电池组安全、高效运行的重要保障。
目前,国内关于液态金属电池组均衡的研究尚未成熟,大多局限于常规的均衡方法,同时缺乏对传统均衡策略的优化。中国发明专利说明书CN105141004A公开了一种针对液态金属电池的均衡充电系统,实现了高温条件下液态金属电池的被动均衡。但被动均衡存在较大的能量损耗,需要解决热管理问题,且均衡效率较低。中国发明专利说明书CN106786909B公开了一种用于液态金属电池的主动均衡控制装置及控制方法,但该均衡拓扑仅采用单电感转移能量,均衡速度较慢,尤其是当串联电池组数量较多时,该拓扑难以满足均衡要求。
在均衡策略上,传统均衡控制方法难以同时兼顾均衡效率和均衡速度,导致整个均衡系统的效果未得到有效优化。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种液态金属电池组的路径优化控制方法和装置,其目的在于提供基于图论和蚁群算法寻找均衡效果最优的路径,以有效提高均衡系统的效率和速度,由此解决传统均衡方法难以满足长串电池组的均衡要求且无法兼顾均衡效率和均衡速度的缺陷的技术问题。
为实现上述目的,按照本发明的一个方面,提供了一种液态金属电池组的路径优化控制方法,包括:
S1:从所述液态金属电池组选择由多个液态金属电池组成的电池模块并建立所述电池模块对应的图论模型;
S2:设计所述图论模型中电感和多绕组变压器对应的模块化的双层均衡拓扑;
S3:利用所述双层均衡拓扑对应的图论模型中各段路径均衡参数计算所述图论模型的均衡效率和均衡速度,并将所述均衡效率和所述均衡速度作为约束条件;
S4:将加入权重的电路损耗和均衡时间的指标函数作为目标函数,以建立均衡路径优化模型;
S5:利用蚁群算法对所述均衡路径优化模型进行求解,得到满足所述目标函数和所述约束条件的最优均衡路径,以使得所述图论模型对应的电路的均衡效果达到最优。
在其中一个实施例中,所述S1包括:
对于N单体串联的所述液态金属电池组,选取M个液态金属电池为一个电池模块,建立双层单体直接均衡系统的所述图论模型;
其中,所述图论模型以液态金属电池为顶点,以储能元件为辅助点,以能量流动路径为边。
在其中一个实施例中,所述S2包括:
选取基于开关矩阵的单电感的均衡拓扑作为第一层均衡,基于反激式多绕组变压器的均衡拓扑作为第二层均衡;
所述双层均衡拓扑能够实现模块内和模块间任意电池单体之间的能量转移。
在其中一个实施例中,所述S3包括:
S31:利用所述双层均衡拓扑中各段路径效率的乘积计算所述图论模型的均衡效率;
S32:利用单位时间内电荷量与电流的商计算所述均衡速度;将所述均衡效率和所述均衡速度作为约束条件。
在其中一个实施例中,所述S31包括:
其中,pi表示第i条均衡路径上的功率流,m表示均衡路径总数。
在其中一个实施例中,所述S32包括:
其中,I为平均均衡电流,ΔSOC为一次均衡电池荷电状态(SOC)变化量,C为电池容量。
在其中一个实施例中,所述S4包括:
为建立所述液态金属电池组对应的均衡路径优化模型,以加入权重的电路损耗和均衡时间的指标函数为目标函数,以寻找在满足所述约束条件下的最优均衡路径,即
s.t.|SOCk-SOCaverage|≤SOCTH,(k=1,2…,N)
式中,w1、w2分别为两个指标考虑的权重,二者之和为1;Ploss_traditional为采用传统均衡策略的能量损耗;为损耗比,其最大值和最小值分别为Pmax和Pmin;tmax、tmin分别为电池均衡所需时间的最大值和最小值。
在其中一个实施例中,所述S5包括:
S51:判断各个液态金属电池的状态,设置SOC均衡阈值SOCTH,定义高于均衡上限SOCaverage+SOCTH为高电量电池,低于均衡下限SOCaverage-SOCTH为低电量电池,剩余的液态金属电池为不需要均衡的电池;
S52:初始化参数,设置最大迭代次数为Ncmax,蚂蚁数量为m;
S53:构建解空间,每次迭代中m只蚂蚁均承担均衡调度任务,即需要完成所有高低电量电池的配对,产生m个可行解,并记录在路径记录表中,代价函数最小的配对方案为该次迭代的局部最优解;
S54:更新信息素,每次迭代中每只蚂蚁完成一次均衡调度,需要更新一次信息素;
S55:判断是否终止,若迭代次数Nc小于Ncmax则迭代次数加一,清空蚂蚁路径记录表,并返回S53;否则终止计算,输出最优解。
在其中一个实施例中,所述S53中:
为避免算法过早收敛于局部最优解导致停滞现象,采用两种均衡调度策略,分别为信息素和启发函数分配策略以及随机分配策略;
将蚂蚁编号为1~m号,定义CriticalPointi为在一次迭代中,对应于电池i,采用随机分配策略的蚂蚁临界编号,计算公式为:
定义启发函数μij(Nc)为第Nc次迭代能量从电池i转移到电池j的转移期望,计算公式为:对于编号为1~CriticalPointi的蚂蚁,采用信息素和启发函数分配策略进行均衡调度;蚂蚁k选择电池i的配对目标电池j的概率取决于信息素浓度τij(Nc)和启发函数μij(Nc),计算公式为:
式中,α表示信息素因子,取值范围通常为[1,4];β表示启发函数因子,取值范围通常为[0,5];allowedk为未被分配的低电量电池集合;
对于编号为CriticalPointi+1~m的蚂蚁,采用随机分配策略进行均衡调度,此时蚂蚁将高电量电池随机与低电量电池配对。
在其中一个实施例中,所述S54包括:
设信息素更新公式如下:
其中,τij(Nc+1)为第Nc+1次迭代时能量从电池i转移到电池j的信息素,ρ表示信息素挥发因子,Δτij表示新增信息素含量,表示第k只蚂蚁完成均衡调度后留下的信息素;设能量从电池i转移到电池j的能量损耗为Ploss(i,j),平均均衡时间为t(i,j),则令能量从电池i转移到电池j的代价dij为:
Q为信息素常量,规定蚂蚁完成一次均衡调度后会释放信息素,则新增信息素含量的计算公式为:
按照本发明的另一方面,提供了一种液态金属电池组的路径优化控制装置,包括:
第一建立模块,用于从所述液态金属电池组选择由多个液态金属电池组成的电池模块并建立所述电池模块对应的图论模型;
设计模块,用于设计所述图论模型中电感和多绕组变压器对应的模块化的双层均衡拓扑;
计算模块,用于利用所述双层均衡拓扑对应的图论模型中各段路径均衡参数计算所述图论模型的均衡效率和均衡速度,并将所述均衡效率和所述均衡速度作为约束条件;
第二建立模块,用于将加入权重的电路损耗和均衡时间的指标函数作为目标函数,以建立均衡路径优化模型;
求解模块,用于利用蚁群算法对所述均衡路径优化模型进行求解,得到满足所述目标函数和所述约束条件的最优均衡路径,以使得所述图论模型对应的电路的均衡效果达到最优。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
对于液态金属电池单体数量较多的串联电池组,模块化均衡拓扑结构能够增加均衡路径,实现模块内和模块间任意电池单体之间的能量转移;对均衡拓扑进行图论分析能够化具体为抽象,从而对拓扑的均衡指标进行量化,为建立均衡路径优化模型奠定基础;将电池均衡转化为带约束条件的函数优化问题,利用蚁群算法能够快速找到最优均衡路径,有效提高均衡效率和均衡速度。
附图说明
图1为本发明一实施例中液态金属电池组的路径优化控制方法的流程图;
图2为本发明提供的电池均衡拓扑的图论模型的示意图;
图3为本发明提供的基于电感和多绕组变压器的双层均衡拓扑的示意图;
图4为本发明另一实施例中液态金属电池组的路径优化控制方法流程图;
图5为本发明提供的采用路径优化控制策略均衡的SOC离散度曲线图;
图6为本发明提供的采用最大最小值控制策略均衡的SOC离散度曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
为说明本发明效果,下面以12节液态金属电池串联电池组作为本发明的实施对象对本发明方法进行详细说明。
按照本发明的一个方面,如图1所示,提供了一种液态金属电池组的路径优化控制方法,包括:S1:从液态金属电池组选择由多个液态金属电池组成的电池模块并建立电池模块对应的图论模型;S2:设计图论模型中电感和多绕组变压器对应的模块化的双层均衡拓扑;S3:利用双层均衡拓扑图论模型中各段路径均衡参数计算图论模型的均衡效率和均衡速度,并将均衡效率和均衡速度作为约束条件;S4:将加入权重的电路损耗和均衡时间的指标函数作为目标函数,以建立均衡路径优化模型;S5:利用蚁群算法对均衡路径优化模型进行求解,得到满足目标函数和约束条件的最优均衡路径,以使得图论模型对应的电路的均衡效果达到最优。
在其中一个实施例中,S1包括:对于N单体串联的液态金属电池组,选取M个液态金属电池为一个电池模块,建立双层单体直接均衡系统的图论模型;其中,图论模型以液态金属电池为顶点,以储能元件为辅助点,以能量流动路径为边。
图2为本发明提供的电池均衡拓扑图论模型示意图,其中实心圆代表储存能量的元件,即液态金属电池;空心圆代表临时储存或释放能量的元件,如电容、电感、变压器等;带箭头的实线代表能量转移路径,单向箭头表示能量单向转移,双向箭头表示能量双向转移;箭头旁边的字母代表能量转移路径的权重,当能量流经串联路径时,总权重为各边权重的乘积。在上述图论模型中,将均衡拓扑中MOSFET开关、二极管、电阻等元件等效为边。
在其中一个实施例中,S2包括:选取基于开关矩阵的单电感的均衡拓扑作为第一层均衡,基于反激式多绕组变压器的均衡拓扑作为第二层均衡;双层均衡拓扑能够实现模块内和模块间任意电池单体之间的能量转移。
具体的,均衡对象为12节液态金属电池串联电池组,以三个电池单体为一个模块,共四个电池模块。上述图论模型中,第一层为三单体直接均衡器,第二层为四单体直接均衡器。为便于分析,将权重定义为均衡器的均衡效率,假设同种类型的均衡器效率相同,第一层均衡器效率为η1,第二层均衡器效率为η2。
图3为本发明提供的基于电感和多绕组变压器的均衡拓扑示意图;图3中的(a)为第一层均衡拓扑结构,该结构以电感为能量转移元件,采用反接两个MOSFET开关构成低导通损耗开关,从而保证电流双向流动、降低电路损耗。上述单开关电感均衡拓扑结构能够实现模块内电池单体的能量直接转移。图3中的(b)为第二层均衡拓扑结构,该结构以多绕组变压器为能量转移元件,将各模块的电感以反激形式耦合,从而实现模块间任意电池单体之间的能量直接转移。
在其中一个实施例中,S3包括:S31:利用双层均衡拓扑中各段路径效率的乘积计算图论模型的均衡效率;S32:利用单位时间内电荷量与电流的商计算均衡速度;将均衡效率和均衡速度作为约束条件。
在其中一个实施例中,S31包括:
设均衡过程中第i条均衡路径的效率为effi,其计算公式为另设整个均衡过程中的总能量损失为Ploss,源电池释放的能量为Pout,则电池模型的均衡效率eff表示为,其中,pi表示第i条均衡路径上的功率流,m表示均衡路径总数。
在其中一个实施例中,S32包括:
其中,I为平均均衡电流,ΔSOC为一次均衡电池荷电状态(SOC)变化量,C为电池容量。
在其中一个实施例中,S4包括:
为建立液态金属电池组对应的均衡路径优化模型,以加入权重的电路损耗和均衡时间的指标函数为目标函数,以寻找在满足约束条件下的最优均衡路径,即
s.t.|SOCk-SOCaverage|≤SOCTH,(k=1,2…,N)
式中,w1、w2分别为两个指标考虑的权重,二者之和为1;Ploss_traditional为采用传统均衡策略的能量损耗;为损耗比,其最大值和最小值分别为Pmax和Pmin;tmax、tmin分别为电池均衡所需时间的最大值和最小值。
图4为本发明提供的均衡路径优化控制策略流程图,其包括均衡路径优化模型建立和求解两部分。模型建立部分是指利用图论分析电路均衡效率和均衡速度的计算方法,并将其量化表示,从而得到优化模型的代价函数和约束条件的数学表达式。模型求解部分是指采用蚁群算法对优化模型进行求解,在兼顾均衡效率和均衡时间的基础上,寻找在约束条件下均衡效果最优的均衡路径,从而降低均衡电路损耗,提高均衡速度。
在本发明的一个实施例中,设置第一层均衡器均衡效率为0.9,第二层均衡器效率为0.8,初始SOC最大为77.4%,最小为72.5%,SOC最大允许误差为1%,即SOC均衡阈值为0.5%。
在其中一个实施例中,S5包括:
S51:判断各个液态金属电池的状态,设置SOC均衡阈值SOCTH,定义高于均衡上限SOCaverage+SOCTH为高电量电池,低于均衡下限SOCaverage-SOCTH为低电量电池,剩余的液态金属电池为不需要均衡的电池;
S52:初始化参数,设置最大迭代次数为Ncmax,蚂蚁数量为m;
S53:构建解空间,每次迭代中m只蚂蚁均承担均衡调度任务,即需要完成所有高低电量电池的配对,产生m个可行解,并记录在路径记录表中,代价函数最小的配对方案为该次迭代的局部最优解;
S54:更新信息素,每次迭代中每只蚂蚁完成一次均衡调度,需要更新一次信息素;
S55:判断是否终止,若迭代次数Nc小于Ncmax则迭代次数加一,清空蚂蚁路径记录表,并返回S53;否则终止计算,输出最优解。
在其中一个实施例中,S53中:
为避免算法过早收敛于局部最优解导致停滞现象,采用两种均衡调度策略,分别为信息素和启发函数分配策略以及随机分配策略;
将蚂蚁编号为1~m号,定义CriticalPointi为在一次迭代中,对应于电池i,采用随机分配策略的蚂蚁临界编号,计算公式为:
定义启发函数μij(Nc)为第Nc次迭代能量从电池i转移到电池j的转移期望,计算公式为:对于编号为1~CriticalPointi的蚂蚁,采用信息素和启发函数分配策略进行均衡调度;蚂蚁k选择电池i的配对目标电池j的概率取决于信息素浓度τij(Nc)和启发函数μij(Nc),计算公式为:
式中,α表示信息素因子,反映了信息素在指导蚁群搜索中的相对重要程度,取值范围通常为[1,4];β表示启发函数因子,反映了具有先验性和确定性的启发式信息在指导蚁群搜索中的相对重要程度,取值范围通常为[0,5];allowedk为未被分配的低电量电池集合。
对于编号为CriticalPointi+1~m的蚂蚁,采用随机分配策略进行均衡调度,此时蚂蚁将高电量电池随机与低电量电池配对。
在其中一个实施例中,S54包括:
设信息素更新公式如下:
其中,τij(Nc+1)为第Nc+1次迭代时能量从电池i转移到电池j的信息素,ρ表示信息素挥发因子,Δτij表示新增信息素含量,表示第k只蚂蚁完成均衡调度后留下的信息素;设能量从电池i转移到电池j的能量损耗为Ploss(i,j),平均均衡时间为t(i,j),则令能量从电池i转移到电池j的代价dij为:
Q为信息素常量,规定蚂蚁完成一次均衡调度后会释放信息素,则新增信息素含量的计算公式为:
在本发明的一个实施例中,蚁群算法的具体参数设置如下:
1)最大迭代次数Ncmax取50,蚂蚁数量m取22;
2)信息素因子α取1,启发函数因子β取4,信息素挥发因子ρ取0.2,信息素常量Q取20;
图5为本发明提供的采用路径优化控制策略均衡的SOC离散度曲线图,整个均衡过程的损耗当量为0.30730,电路均衡时间约3.3s。
图6为本发明提供的采用最大最小值控制策略均衡的SOC离散度曲线图,整个均衡过程的损耗当量为0.38143,电路均衡时间约29s。
通过对比可以看出,与传统均衡策略相比,在任意单体对单体双层均衡系统中,路径优化控制策略均衡速度提高了88.62%,均衡效率提高了19.43%,基本达到预期的优化效果。
按照本发明的另一方面,提供了一种液态金属电池组的路径优化控制装置,包括:
第一建立模块,用于从液态金属电池组选择由多个液态金属电池组成的电池模块并建立电池模块对应的图论模型;
设计模块,用于设计图论模型中电感和多绕组变压器对应的模块化的双层均衡拓扑;
计算模块,用于利用双层均衡拓扑对应的图论模型中各段路径均衡参数计算图论模型的均衡效率和均衡速度,并将均衡效率和均衡速度作为约束条件;
第二建立模块,用于将加入权重的电路损耗和均衡时间的指标函数作为目标函数,以建立均衡路径优化模型;
求解模块,用于利用蚁群算法对均衡路径优化模型进行求解,得到满足目标函数和约束条件的最优均衡路径,以使得图论模型对应的电路的均衡效果达到最优。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种液态金属电池组的路径优化控制方法,其特征在于,包括:
S1:从所述液态金属电池组选择由多个液态金属电池组成的电池模块并建立所述电池模块对应的图论模型;
S2:设计所述图论模型中电感和多绕组变压器对应的模块化的双层均衡拓扑;
S3:利用所述双层均衡拓扑对应的图论模型中各段路径均衡参数计算所述图论模型的均衡效率和均衡速度,并将所述均衡效率和所述均衡速度作为约束条件;
S4:将加入权重的电路损耗和均衡时间的指标函数作为目标函数,以建立均衡路径优化模型;
S5:利用蚁群算法对所述均衡路径优化模型进行求解,得到满足所述目标函数和所述约束条件的最优均衡路径,以使得所述图论模型对应的电路的均衡效果达到最优。
2.如权利要求1所述的液态金属电池组的路径优化控制方法,其特征在于,所述S1包括:
对于N单体串联的所述液态金属电池组,选取M个液态金属电池为一个电池模块,建立双层单体直接均衡系统的所述图论模型;
其中,所述图论模型以液态金属电池为顶点,以储能元件为辅助点,以能量流动路径为边。
3.如权利要求1所述的液态金属电池组的路径优化控制方法,其特征在于,所述S2包括:
选取基于开关矩阵的单电感的均衡拓扑作为第一层均衡,基于反激式多绕组变压器的均衡拓扑作为第二层均衡;
所述双层均衡拓扑能够实现模块内和模块间任意电池单体之间的能量转移。
4.如权利要求1所述的液态金属电池组的路径优化控制方法,其特征在于,所述S3包括:
S31:利用所述双层均衡拓扑中各段路径效率的乘积计算所述图论模型的均衡效率;
S32:利用单位时间内电荷量与电流的商计算所述均衡速度;将所述均衡效率和所述均衡速度作为约束条件。
7.如权利要求1-6任一项所述的液态金属电池组的路径优化控制方法,其特征在于,所述S5包括:
S51:判断各个液态金属电池的状态,设置SOC均衡阈值SOCTH,定义高于均衡上限SOCaverage+SOCTH为高电量电池,低于均衡下限SOCaverage-SOCTH为低电量电池,剩余的液态金属电池为不需要均衡的电池;
S52:初始化参数,设置最大迭代次数为Ncmax,蚂蚁数量为m;
S53:构建解空间,每次迭代中m只蚂蚁均承担均衡调度任务,即需要完成所有高低电量电池的配对,产生m个可行解,并记录在路径记录表中,代价函数最小的配对方案为该次迭代的局部最优解;
S54:更新信息素,每次迭代中每只蚂蚁完成一次均衡调度,需要更新一次信息素;
S55:判断是否终止,若迭代次数Nc小于Ncmax则迭代次数加一,清空蚂蚁路径记录表,并返回S53;否则终止计算,输出最优解。
8.如权利要求7所述的液态金属电池组的路径优化控制方法,其特征在于,所述S53中:
为避免算法过早收敛于局部最优解导致停滞现象,采用两种均衡调度策略,分别为信息素和启发函数分配策略以及随机分配策略;
将蚂蚁编号为1~m号,定义CriticalPointi为在一次迭代中,对应于电池i,采用随机分配策略的蚂蚁临界编号,计算公式为:
定义启发函数μij(Nc)为第Nc次迭代能量从电池i转移到电池j的转移期望,计算公式为:对于编号为1~CriticalPointi的蚂蚁,采用信息素和启发函数分配策略进行均衡调度;蚂蚁k选择电池i的配对目标电池j的概率取决于信息素浓度τij(Nc)和启发函数μij(Nc),计算公式为:
式中,α表示信息素因子,取值范围通常为[1,4];β表示启发函数因子,取值范围通常为[0,5];allowedk为未被分配的低电量电池集合;
对于编号为CriticalPointi+1~m的蚂蚁,采用随机分配策略进行均衡调度,此时蚂蚁将高电量电池随机与低电量电池配对。
10.一种液态金属电池组的路径优化控制装置,其特征在于,包括:
第一建立模块,用于从所述液态金属电池组选择由多个液态金属电池组成的电池模块并建立所述电池模块对应的图论模型;
设计模块,用于设计所述图论模型中电感和多绕组变压器对应的模块化的双层均衡拓扑;
计算模块,用于利用所述双层均衡拓扑对应的图论模型中各段路径均衡参数计算所述图论模型的均衡效率和均衡速度,并将所述均衡效率和所述均衡速度作为约束条件;
第二建立模块,用于将加入权重的电路损耗和均衡时间的指标函数作为目标函数,以建立均衡路径优化模型;
求解模块,用于利用蚁群算法对所述均衡路径优化模型进行求解,得到满足所述目标函数和所述约束条件的最优均衡路径,以使得所述图论模型对应的电路的均衡效果达到最优。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110281071.3A CN113065305B (zh) | 2021-03-16 | 2021-03-16 | 一种液态金属电池组的路径优化控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110281071.3A CN113065305B (zh) | 2021-03-16 | 2021-03-16 | 一种液态金属电池组的路径优化控制方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113065305A true CN113065305A (zh) | 2021-07-02 |
CN113065305B CN113065305B (zh) | 2023-04-07 |
Family
ID=76561473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110281071.3A Active CN113065305B (zh) | 2021-03-16 | 2021-03-16 | 一种液态金属电池组的路径优化控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113065305B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600537A (zh) * | 2022-10-19 | 2023-01-13 | 西安电子科技大学广州研究院(Cn) | 一种基于双层优化的大规模集成电路布局优化方法 |
CN116826893A (zh) * | 2023-05-29 | 2023-09-29 | 合肥工业大学 | 一种基于蚁群算法和双模糊逻辑控制的分层均衡控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008015622A1 (de) * | 2008-03-26 | 2009-10-15 | Iq Power Licensing Ag | Flüssigelektrolytbatterie mit Temperiervorrichtung und Temperaturausgleich |
US20110223450A1 (en) * | 2008-07-07 | 2011-09-15 | Enervault Corporation | Cascade Redox Flow Battery Systems |
CN105226744A (zh) * | 2015-09-10 | 2016-01-06 | 广西大学 | 一种基于soc的动力电池组均衡充放电控制方法及系统 |
CN112217253A (zh) * | 2020-09-28 | 2021-01-12 | 长安大学 | 一种电池组双层拓扑结构均衡电路及方法 |
-
2021
- 2021-03-16 CN CN202110281071.3A patent/CN113065305B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008015622A1 (de) * | 2008-03-26 | 2009-10-15 | Iq Power Licensing Ag | Flüssigelektrolytbatterie mit Temperiervorrichtung und Temperaturausgleich |
US20110223450A1 (en) * | 2008-07-07 | 2011-09-15 | Enervault Corporation | Cascade Redox Flow Battery Systems |
CN105226744A (zh) * | 2015-09-10 | 2016-01-06 | 广西大学 | 一种基于soc的动力电池组均衡充放电控制方法及系统 |
CN112217253A (zh) * | 2020-09-28 | 2021-01-12 | 长安大学 | 一种电池组双层拓扑结构均衡电路及方法 |
Non-Patent Citations (3)
Title |
---|
刘伟 等: "一种均衡考虑锂电池内部能量损耗和充电速度的多段恒流充电方法", 《电工技术学报》 * |
朱方方 等: "串联液态金属电池组均衡控制策略研究", 《电源技术》 * |
陈洋: "串联电池组直接均衡拓扑结构及路径优化策略研究", 《中国博士论文全文数据库》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600537A (zh) * | 2022-10-19 | 2023-01-13 | 西安电子科技大学广州研究院(Cn) | 一种基于双层优化的大规模集成电路布局优化方法 |
CN115600537B (zh) * | 2022-10-19 | 2023-04-28 | 西安电子科技大学广州研究院 | 一种基于双层优化的大规模集成电路布局优化方法 |
CN116826893A (zh) * | 2023-05-29 | 2023-09-29 | 合肥工业大学 | 一种基于蚁群算法和双模糊逻辑控制的分层均衡控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113065305B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Das et al. | Advancement of lithium-ion battery cells voltage equalization techniques: A review | |
CN106356927B (zh) | 一种锂电池组soc均衡系统及方法 | |
CN113065305B (zh) | 一种液态金属电池组的路径优化控制方法和装置 | |
Wu et al. | Dynamic battery equalization with energy and time efficiency for electric vehicles | |
CN112152280B (zh) | 一种动力电池多变量均衡控制方法 | |
CN110247451B (zh) | 一种锂离子动力电池组全寿命周期均衡控制方法 | |
Wang et al. | Adaptive estimation-based hierarchical model predictive control methodology for battery active equalization topologies: Part I–Balancing strategy | |
CN111555407B (zh) | 一种基于电感储能的串并联电池组一体化主动均衡方法 | |
CN108471130A (zh) | 计及优化损耗的电池储能系统功率分配方案 | |
CN109038707A (zh) | 一种电池组分段混合均衡控制方法 | |
CN111555408B (zh) | 一种基于单电感的串并联电池组主动均衡方法 | |
CN110492185A (zh) | 一种锂电池组均衡方法及系统 | |
Wu et al. | A multi‐module equalization system for lithium‐ion battery packs | |
Turksoy et al. | A fast and energy-efficient nonnegative least square-based optimal active battery balancing control strategy for electric vehicle applications | |
CN115765086A (zh) | 一种基于时间最优的锂离子电池组主动均衡方法 | |
CN110829530B (zh) | 一种电池组性能均衡方法及系统 | |
CN110707788A (zh) | 一种分布式储能电站中储能电池阵列快速均衡系统及方法 | |
Cai et al. | Route optimization equalization scheme based on graph theory for liquid metal battery strings | |
CN208508574U (zh) | 一种48v系统电池组主动均衡系统 | |
Liu et al. | An optimization algorithm for equalization scheme of series-connected energy storage cells | |
CN110729781B (zh) | 以电荷量差值为均衡判据的锂电池组均衡控制方法 | |
CN114400387A (zh) | 基于多智能体博弈的电池均衡管理方法及系统 | |
CN110266059B (zh) | 一种基于三角综合评估的新型能源供给系统优化配置方法 | |
CN107231021B (zh) | 锂离子电池均衡模块 | |
CN112491099A (zh) | 一种电池主动均衡控制方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |