CN113206307A - 结合K-means聚类的遗传算法的冗余均衡锂电池管理电路和方法 - Google Patents
结合K-means聚类的遗传算法的冗余均衡锂电池管理电路和方法 Download PDFInfo
- Publication number
- CN113206307A CN113206307A CN202110492497.3A CN202110492497A CN113206307A CN 113206307 A CN113206307 A CN 113206307A CN 202110492497 A CN202110492497 A CN 202110492497A CN 113206307 A CN113206307 A CN 113206307A
- Authority
- CN
- China
- Prior art keywords
- lithium battery
- switch
- unit
- equalization
- resistor
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
- H02J7/0014—Circuits for equalisation of charge between batteries
- H02J7/0019—Circuits for equalisation of charge between batteries using switched or multiplexed charge circuits
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/4207—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells for several batteries or cells simultaneously or sequentially
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M10/4264—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing with capacitors
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Abstract
本发明涉及一种结合K‑means聚类的遗传算法的冗余均衡锂电池管理电路和方法。该电路包括单片机单元及与该单片机单元连接的开关驱动单元、AD采样单元、被动均衡驱动单元、霍尔传感器,还包括电池组模块;所述单片机单元根据AD采样单元、霍尔传感器采集数据,通过开关驱动单元、被动均衡驱动单元控制相应的开关,进而控制电池组模块中各锂电池单元以及各单体锂电池参与整个冗余均衡锂电池管理电路的供电与否。本发明具有适用性,能解决离散电池组电量不一致的问题,减小电池组内各电池单体间的能量差异,从而提高电池组的一致性。
Description
技术领域
本发明涉及一种结合K-means聚类的遗传算法的冗余均衡锂电池管理电路和方法。
背景技术
冗余均衡锂电池系统:冗余均衡锂电池系统是一种动力锂电池管理系统:包括锂电池组、主控制单元、数据采集单元、总线、上位机以及显示单元等。由单片机采样计算的锂电池组的电压电流参数进行控制电池均衡管理,可实现对动力锂电池充放电过程的均衡管理并且在单体电池电压、温度等参数异常或者损坏时,及时用冗余的电池替换过故障电池,保证电池组整体能正常使用。
目前,冗余均衡的是锂电池均衡方法中的一种主要控制方法。但是,(1)目前冗余均衡的控制策略一般采用的是在等时间间隔基础上切换开关组合,当锂电池之间差异变大的时候无法实现较好的均衡,锂电池之间的电量差异会不断增大(2)冗余均衡的控制策略通过控制开关的时间间隔会给开关频繁,带来较大的开关损耗。
现有冗余均衡的锂电池管理系统的锂电池均衡方法相关技术有:
1、基于电池SOC和冗余管理的电池均衡输出技术,其公开了在电池组离散度较大的工况下,对电容型均衡、电感型均衡、变压器型均衡、冗余型均衡等电路进行分析和仿真,结果表明冗余均衡电路具有更好的均衡性能,但其开关切换次数较多且离散度进一步加剧时放电时间缩短,针对上述问题本文分别从均衡控制策略和拓扑结构进行深入研究。对于开关切换次数较多的问题,从均衡策略方面进行改善,提出分阶段能量控制法的控制策略。
2、基于N/M冗余均衡策略的动力锂电池管理系统;其提供一种基于N/M冗余均衡策略的动力锂电池管理系统,包括锂电池组、主控制单元、数据采集单元、CAN总线、上位机以及显示单元,所述锂电池组包括多组电池包,每个电池包包括N节串联的基本单体电池以及与之串联的M节均衡单体电池,M≤N,每节单体电池与一开关串联后再与另一开关并联以形成一子开关网络,每个电池包由N+M个子开关网络串联形成;所述主控制单元包括一均衡管理模块,由微处理器根据锂电池组的状态参数控制进行电池均衡管理。利用本发明的系统可实现对动力锂电池充放电过程的均衡管理,尤其是在单体电池电压、温度等参数异常或者损坏时,及时用冗余的电池替换过故障电池,保证电池组整体能正常使用。
文献1通过等能量间隔均衡对开关切换开关顺序实现均衡,文献2通过电压阈值判断是否均衡;不同之处在于:文献1,对于开关切换次数较多的问题,从均衡策略方面进行改善,提出分阶段能量控制法的控制策略,分为两个阶段一个阶段是等时间间隔切换算法,另一个是变能量切换阶段。实现了在相同的负载和电池初始状态下,分阶段能量控制减少开关次数,提升系统稳定性。文献2,其均衡策略是通过电压衡量;在放电过程中,当一节或多节基本单体电池电压低于第一阈值时,用冗余的均衡单体电池替换过低电池,实现电池组整体均衡;在充电过程中,当一节或多节单体电池电压高于一第二阈值时,用冗余的均衡单体电池替换过高电池,实现电池组整体均衡;在一节或多节单体电池发生损坏故障时,用冗余的均衡单体电池替换过故障电池,避免了因频繁切换电池而影响电池寿命,同时也能减小控制电路的自损耗。
上述两个现有技术存在如下缺陷:
文献1是在相同的负载和电池初始状态下,分阶段能量控制减少开关次数,提升系统稳定性。存在当电池组离散度进一步加剧时,冗余均衡电路不能有效削弱电池组离散度的问题,该方法在电路结构上更复杂控制难度较大,同时带DC-DC结构导致了电路成本较高。
文献2通过设置电压阈值来实现均衡控制,由于电压阈值是基于锂电池本身的OCV-SOC曲线特性的,存在着均衡精度和估算不准确的问题,当电池发生老化和电压测量不准确,直接影响估算,可导致不必要的均衡和开关损耗;电压阈值衡量均衡时间点同时也会导致电池组离散情况加大、开关控制不准确以及能量损耗严重的问题。
因此,本发明的目的就是设计一种遗传算法的冗余均衡联电池管理系统,提供一种能满足电池间差异较大或者数量较多情况下低能耗均衡的控制方法。先结合K-means聚类将初始电池单元分类,然后,采用遗传算法将电池组总开关次数和电池间均衡的均方差为目标函数,算法通过对种群的初始化、交叉、变异不断得到新种群,最后通过约束条件找出最优的开关切换序列,实现锂电池冗余均衡控制。
发明内容
本发明的目的在于提供一种结合K-means聚类的遗传算法的冗余均衡锂电池管理电路和方法,其具有的适用性,能解决离散电池组电量不一致的问题,且能够减小电池组内各电池单体间的能量差异,从而提高电池组的一致性。
为实现上述目的,本发明的技术方案是:一种结合K-means聚类的遗传算法的冗余均衡锂电池管理电路,包括单片机单元及与该单片机单元连接的开关驱动单元、AD采样单元、被动均衡驱动单元、霍尔传感器,还包括电池组模块;所述单片机单元根据AD采样单元、霍尔传感器采集数据,通过开关驱动单元、被动均衡驱动单元控制相应的开关,进而控制电池组模块中各锂电池单元以及各单体锂电池参与整个冗余均衡锂电池管理电路的供电与否。
在本发明一实施例中,所述电池组模块包括N个锂电池单元,所述开关包括N个主驱动开关、N个辅驱动开关、2个主开关、3N个单体锂电池开关,开关驱动单元与N个主驱动开关、N个辅驱动开关及2个主开关的控制端连接;每个锂电池单元均由3个单体锂电池串联组成,每一单体锂电池分别与AD采样单元连接,每一单体锂电池分别并联单体锂电池开关,单体锂电池开关分别与被动均衡驱动单元连接;第1单体锂电池的负极与GND、第1主驱动开关的一端连接,并作为整个冗余均衡锂电池管理电路的输出负极,第3单体锂电池的正极与第1辅驱动开关的一端连接,第3i+1单体锂电池的负极与第i主驱动开关的另一端、第i辅驱动开关的另一端、第i+1主驱动开关的一端连接,第3i+3单体锂电池的正极与第i+1辅驱动开关的一端连接,第3N-2单体锂电池的负极与第N-1主驱动开关的另一端、第N-1辅驱动开关的另一端、第N主驱动开关的一端连接,第3N单体锂电池的正极与第N辅驱动开关的一端连接,第N主驱动开关的另一端、第N辅驱动开关的另一端、第1主开关的一端、第2主开关的一端连接,第1主开关的另一端与霍尔传感器连接,第2主开关的另一端作为整个冗余均衡锂电池管理电路的输出正极;其中,i、N为正整数,且1≤i<N-1。
在本发明一实施例中,还包括1个额外电池组模块,额外电池组模块由3个单体锂电池串联组成,额外电池组模块的最低位单体锂电池的负极与第3N单体锂电池的正极连接,额外电池组模块的最高位单体锂电池的正极与开关驱动单元连接。
在本发明一实施例中,所述开关驱动单元包括2N路开关驱动电路,每一路开关驱动电路均由NMOS管、PMOS管、二极管、第1至第5电阻组成,PMOS管的一端与二极管正极连接,二极管负极作为开关控制端,PMOS管的另一端与第5电阻的一端、第4电阻的一端连接,第5电阻的另一端作为供电端,PMOS管的控制端与第4电阻的另一端、第3电阻的一端连接,NMOS管的一端与第3电阻的另一端连接,NMOS管的另一端与第2电阻的一端、GND连接,NMOS管的控制端与第1电阻的一端、第2电阻的另一端连接,第1电阻的另一端作为单片机信号输入端;其中,第2i-1路开关驱动电路的供电端与第3i单体锂电池的正极连接,第2i路开关驱动电路的供电端与第3(i+1)单体锂电池的正极连接,第i路开关驱动电路的开关控制端与第i主驱动开关连接,第2i路开关驱动电路的开关控制端与第i辅驱动开关连接,第i路开关驱动电路的单片机信号输入端与相应的单片机单元的信号输出端连接;第(2(N-1)-1)/2N-1路开关驱动电路的供电端与第3(N-1)/3N单体锂电池的正极连接,第2(N-1)/2N路开关驱动电路的供电端与第3N/3(N+1)单体锂电池的正极连接,第(N-1)/N路开关驱动电路的开关控制端与第(N-1)/N主驱动开关连接,第2(N-1)/2N路开关驱动电路的开关控制端与第(N-1)/N辅驱动开关连接,第(N-1)/N路开关驱动电路的单片机信号输入端与相应的单片机单元的信号输出端连接。
在本发明一实施例中,所述被动均衡驱动单元包括3N路被动均衡驱动电路,每一路被动均衡驱动电路均由NMOS管、PMOS管、二极管、第1至第5电阻组成,PMOS管的一端与二极管正极连接,二极管负极作为开关控制端,PMOS管的另一端与第5电阻的一端、第4电阻的一端连接,第5电阻的另一端作为供电端,PMOS管的控制端与第4电阻的另一端、第3电阻的一端连接,NMOS管的一端与第3电阻的另一端连接,NMOS管的另一端与第2电阻的一端、GND连接,NMOS管的控制端与第1电阻的一端、第2电阻的另一端连接,第1电阻的另一端作为单片机信号输入端;其中,第i路被动均衡驱动电路的开关控制端与第i单体锂电池开关的控制端连接,第i路被动均衡驱动电路的供电端与第i+1单体锂电池的正极连接,第i路被动均衡驱动电路的单片机信号输入端与相应的单片机单元的信号输出端连接;第(N-1)/N路被动均衡驱动电路的开关控制端与第(N-1)/N单体锂电池开关的控制端连接,第(N-1)/N路被动均衡驱动电路的供电端与第N/(N+1)单体锂电池的正极连接,第(N-1)/N路被动均衡驱动电路的单片机信号输入端与相应的单片机单元的信号输出端连接。
在本发明一实施例中,所述单体锂电池开关均串联一电阻后与单体锂电池并联。
在本发明一实施例中,所述单片机单元内载有程序指令,该程序指令为:首先,结合K-means聚类将电池组模块中的各单体电池分类;然后,采用遗传算法将总开关次数和电池间均衡的均方差为目标函数,算法通过对种群的初始化、交叉、变异不断得到新种群;最后通过约束条件找出最优的开关切换序列,实现锂电池冗余均衡控制。
本发明还提供了一种结合K-means聚类的遗传算法的冗余均衡锂电池管理方法,包括如下步骤:
S1、根据式(1)将n个锂电池单元按SOC大小排序,将SOC最大的数据定义为类1的中心μ1,将SOC最小的数据定义为类2的中心μ2,SOC计算方法采用安时积分法计算,如式(2)所示,先根据锂电池特性SOC-OCV曲线查表得到初始荷电状态SOC0,根据采样的输出端电流,对时间求积分并除以电池额定容量C得到n个锂电池单元的实时荷电状态SOCn;
μi={SOCmax,SOCmin},i=1,2 (1)
S2、计算所有锂电池单元的荷电状态SOCn和μ1、μ2的距离Jni,根据式(3)计算类1和类2内各点到μ1、μ2的距离平方和,再根据式(4)判断各个点SOC和类一、类二中心点的关系rni,其中n=1,2,3...N,i=1,2,k=1,2,i≠k;
Jni=||SOCn-μi||2 (3)
S3、分类完成,将μ1、μ2刷新,根据式(5)对同一类的锂电池单元的SOC求算数平均值得到新得聚类中心μ1’和μ2’;
S4、当各个锂电池单元的类别关系rni不再发生变化,停止迭代并输出各个锂电池单元所属的类别;
S5、根据式(6)和(7),以开关次数和均衡后的电池荷电状态差异来衡量锂电池冗余均衡的好坏,构建目标函数,当锂电池单元的开关次数和锂电池单元的均方差都能达到最小值时即为最优解;
其中,Xit,j是第1,2...N个锂电池单元中带有两个互锁的开关,其中it代表的是t,2t,...,nt的时间,j代表的是第j个锂电池单元;设定每t个时间间隔会发生一次开关选择,从N个锂电池单元里面选取若干个锂电池单元参与接入,式(6)和式(7)分别代表的是从均衡开始到结束的每个时间段的开关次数和锂电池单元的均方差,其中i=1,2...n;代表的是nt时刻N个锂电池单元的SOC平均值;
约束条件为式(8)到(11)所示:
Sit,j<M(=1,2,3...n) (8)
Xit,j=1或0 (10)
it≤tmax(i=1,2,3....n) (11)
其中,M是单个锂电池单元额定荷电状态SOC,tmax是均衡最大时间,其中的Sit,j代表的是it时间点的第j个锂电池单元实时电量,其中近似用ΔS常数替代t时间间隔发生的电量变化,设置为定数;式(8)是整个冗余均衡锂电池管理电路的荷电状态限制,各个锂电池单元的荷电状态不能大于额定值M;约束条件(9)代表的是放电从t时刻开始到it时刻单个锂电池单元j的电量变化,每次开关计一个ΔS的电量变化,得到最后it时刻的锂电池单元;其中Xit,j是it时刻的第j个锂电池单元的开关状态,1代表开关打开,0代表开关关闭;式(10)是各个开关的状态1表示开关开启,0表示开关关闭;式(11)为均衡结束时间,tmax是均衡最大时间,实时的时间it不能够大于最大均衡时间;
S6、采用遗传算法对种群的初始化、交叉、变异不断得到新种群;最后通过约束条件找出最优的开关切换序列,实现锂电池冗余均衡控制。
在本发明一实施例中,步骤S6具体实现如下:
步骤S61、将锂电池单元种群初始化:用十进制编码方法对锂电池单元电量和开关状态进行编码,种群规模为N,交叉率为Pc,变异率为Pm,最好的个体的选择概率为Pvi,迭代最大代数为Tmax;N个锂电池单元的冗余均衡锂电池管理系统,组成初始种群D1={D1,D2,...,Di,...,Dn},其中第i个个体为Vi=(Xit,j,Sit,j),Xit,j表示第i个锂电池单元的开关情况,Sit,j表示第j个锂电池单元在it时刻的电量大小;当前优化代数设置为1,并把这个N个数据随机分成两组,每个N/2个数据作为一个父代;
步骤S62、计算适应度:计算D中的每个锂电池单元Di在it时刻的电池组总的电量均方差和总的开关次数的目标函数;将第j个锂电池单元it时刻的目标函数定义为每一代的适应值大小,反映整个均衡效果好坏程度和开关损耗:
步骤S63、判断约束条件和选择运算:判断当前的优化代数t是否等于Tmax,如果等于则停止运算,取适应度最大的结果,即第it时刻均方差最小的个体作为所求结果,并且根据对应的Xit,j和Sit,j作为实际的开关操作和不同时刻的电量数值;在算法过程中t<Tmax,按照适应度函数的大小对符合条件的个体Vi进行排序,最好的个体选择概率设置为Pvi,则排序后的第i个个体第k时刻Vi的选择概率为:
概率越大,被选取到的机会越大,当开关总次数和均衡效果都较好的时候乘号左右两边都趋向于1,取到大概率;根据概率所决定的选中机会选择再生个体;
步骤S64、交叉运算:采用两点交叉,在编码的两个父代数据上随机选取两个交叉点,然后进行两点间的部分基因交换,同时根据交叉率Pc得到新的群体D2;
步骤S65、变异运算:根据变异率Pm,随机选择父代染色体上的几个基因位置,然后重新排列,其他位置保持不变,得到新的群体D3;将群体D3作为新一代种群用D3代替D,并使代数增加1,并且得出各个开关状态和各个锂电池单元的电量数值并计算对应的适应度大小;
步骤S66、当达到迭代次数时,统计Xit,j和Sit,j即为最优解。
在本发明一实施例中,在开关控制过程中,若锂电池单元中的单体锂电池电压超过阈值,则单片机单元给予被动均衡驱动单元信号,驱动相应的被动均衡驱动单元中被动均衡驱动电路的开关管开启,使得超过阈值的单体锂电池开始被动均衡;当超过阈值的单体锂电池电压小于等于对应锂电池单元的电池电压平均值时停止均衡。
相较于现有技术,本发明具有以下有益效果:
(1)本发明提出的冗余均衡的遗传算法优化控制方法,是一种高效率、精准、可靠的方法,以开关次数和均衡后的电池电量差异效果来衡量锂电池冗余均衡的好坏,并构建目标函数,开关次数和电池SOC的平方差取最小值时能达到均衡的要求。通过结合K-means聚类的遗传算法,先将电池单元分类,将SOC近似的电池单元分为一类,根据各个电池的电量不一致情况建立遗传算法,通过遗传算法的适应度函数最后得到各个时间断满足目标函数取最小的开关状态,最后在硬件上给予一致的开关信号就同步实现就达到了遗传算法的冗余均衡控制;这个方案通过算法实现均衡控制能够低能耗、第开关次数的均衡,电路成本较低,同时能适用于电池个数多的大电池系统,也可以适用于少电池个数的电路模型;
(2)本发明电路是在冗余均衡的基础上带有电容的均衡电路结构,结合了主动均衡和冗余均衡,冗余均衡结构能够低能耗的均衡,电容均衡能够更低能耗的均衡,这种电路结构能够在开关切换和电容的结构上实现均衡,电路结构成本较低,只需要简单的开关控制,容易在实际生产中实现。
附图说明
图1是本发明冗余均衡锂电池均衡结构图。
图2是本发明开关管驱动单元部分电路原理图。
图3是本发明被动均衡驱动单元部分电路原理图。
图4是本发明K-means聚类流程图。
图5是本发明遗传算法部分流程框图。
图6是本发明均衡控制图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明一种结合K-means聚类的遗传算法的冗余均衡锂电池管理电路,包括单片机单元及与该单片机单元连接的开关驱动单元、AD采样单元、被动均衡驱动单元、霍尔传感器,还包括电池组模块;所述单片机单元根据AD采样单元、霍尔传感器采集数据,通过开关驱动单元、被动均衡驱动单元控制相应的开关,进而控制电池组模块中各锂电池单元以及各单体锂电池参与整个冗余均衡锂电池管理电路的供电与否。所述电池组模块包括N个锂电池单元,所述开关包括N个主驱动开关、N个辅驱动开关、2个主开关、3N个单体锂电池开关,开关驱动单元与N个主驱动开关、N个辅驱动开关及2个主开关的控制端连接;每个锂电池单元均由3个单体锂电池串联组成,每一单体锂电池分别与AD采样单元连接,每一单体锂电池分别并联单体锂电池开关,单体锂电池开关分别与被动均衡驱动单元连接;第1单体锂电池的负极与GND、第1主驱动开关的一端连接,并作为整个冗余均衡锂电池管理电路的输出负极,第3单体锂电池的正极与第1辅驱动开关的一端连接,第3i+1单体锂电池的负极与第i主驱动开关的另一端、第i辅驱动开关的另一端、第i+1主驱动开关的一端连接,第3i+3单体锂电池的正极与第i+1辅驱动开关的一端连接,第3N-2单体锂电池的负极与第N-1主驱动开关的另一端、第N-1辅驱动开关的另一端、第N主驱动开关的一端连接,第3N单体锂电池的正极与第N辅驱动开关的一端连接,第N主驱动开关的另一端、第N辅驱动开关的另一端、第1主开关的一端、第2主开关的一端连接,第1主开关的另一端与霍尔传感器连接,第2主开关的另一端作为整个冗余均衡锂电池管理电路的输出正极;其中,i、N为正整数,且1≤i<N-1。还包括1个额外电池组模块,额外电池组模块由3个单体锂电池串联组成,额外电池组模块的最低位单体锂电池的负极与第3N单体锂电池的正极连接,额外电池组模块的最高位单体锂电池的正极与开关驱动单元连接。
所述单片机单元内载有程序指令,该程序指令为:首先,结合K-means聚类将电池组模块中的各单体电池分类;然后,采用遗传算法将总开关次数和电池间均衡的均方差为目标函数,算法通过对种群的初始化、交叉、变异不断得到新种群;最后通过约束条件找出最优的开关切换序列,实现锂电池冗余均衡控制。
本发明还提供了一种结合K-means聚类的遗传算法的冗余均衡锂电池管理方法,包括如下步骤:
S1、根据式(1)将n个锂电池单元按SOC大小排序,将SOC最大的数据定义为类1的中心μ1,将SOC最小的数据定义为类2的中心μ2,SOC计算方法采用安时积分法计算,如式(2)所示,先根据锂电池特性SOC-OCV曲线查表得到初始荷电状态SOC0,根据采样的输出端电流,对时间求积分并除以电池额定容量C得到n个锂电池单元的实时荷电状态SOCn;
μi={SOCmax,SOCmin},i=1,2 (1)
S2、计算所有锂电池单元的荷电状态SOCn和μ1、μ2的距离Jni,根据式(3)计算类1和类2内各点到μ1、μ2的距离平方和,再根据式(4)判断各个点SOC和类一、类二中心点的关系rni,其中n=1,2,3...N,i=1,2,k=1,2,i≠k;
Jni=||SOCn-μi||2 (3)
S3、分类完成,将μ1、μ2刷新,根据式(5)对同一类的锂电池单元的SOC求算数平均值得到新得聚类中心μ1’和μ2’;
S4、当各个锂电池单元的类别关系rni不再发生变化,停止迭代并输出各个锂电池单元所属的类别;
S5、根据式(6)和(7),以开关次数和均衡后的电池荷电状态差异来衡量锂电池冗余均衡的好坏,构建目标函数,当锂电池单元的开关次数和锂电池单元的均方差都能达到最小值时即为最优解;
其中,Xit,j是第1,2...N个锂电池单元中带有两个互锁的开关,其中it代表的是t,2t,...,nt的时间,j代表的是第j个锂电池单元;设定每t个时间间隔会发生一次开关选择,从N个锂电池单元里面选取若干个锂电池单元参与接入,式(6)和式(7)分别代表的是从均衡开始到结束的每个时间段的开关次数和锂电池单元的均方差,其中i=1,2...n;S代表的是nt时刻N个锂电池单元的SOC平均值;
约束条件为式(8)到(11)所示:
Sit,j<M(=1,2,3...n) (8)
Xit,j=1或0 (10)
it≤tmax(i=1,2,3....n) (11)
其中,M是单个锂电池单元额定荷电状态SOC,tmax是均衡最大时间,其中的Sit,j代表的是it时间点的第j个锂电池单元实时电量,其中近似用ΔS常数替代t时间间隔发生的电量变化,设置为定数;式(8)是整个冗余均衡锂电池管理电路的荷电状态限制,各个锂电池单元的荷电状态不能大于额定值M;约束条件(9)代表的是放电从t时刻开始到it时刻单个锂电池单元j的电量变化,每次开关计一个ΔS的电量变化,得到最后it时刻的锂电池单元;其中Xit,j是it时刻的第j个锂电池单元的开关状态,1代表开关打开,0代表开关关闭;式(10)是各个开关的状态1表示开关开启,0表示开关关闭;式(11)为均衡结束时间,tmax是均衡最大时间,实时的时间it不能够大于最大均衡时间;
S6、采用遗传算法对种群的初始化、交叉、变异不断得到新种群;最后通过约束条件找出最优的开关切换序列,实现锂电池冗余均衡控制;步骤S6具体实现如下:
步骤S61、将锂电池单元种群初始化:用十进制编码方法对锂电池单元电量和开关状态进行编码,种群规模为N,交叉率为Pc,变异率为Pm,最好的个体的选择概率为Pvi,迭代最大代数为Tmax;N个锂电池单元的冗余均衡锂电池管理系统,组成初始种群D1={D1,D2,...,Di,...,Dn},其中第i个个体为Vi=(Xit,j,Sit,j),Xit,j表示第i个锂电池单元的开关情况,Sit,j表示第j个锂电池单元在it时刻的电量大小;当前优化代数设置为1,并把这个N个数据随机分成两组,每个N/2个数据作为一个父代;
步骤S62、计算适应度:计算D中的每个锂电池单元Di在it时刻的电池组总的电量均方差和总的开关次数的目标函数;将第j个锂电池单元it时刻的目标函数定义为每一代的适应值大小,反映整个均衡效果好坏程度和开关损耗:
步骤S63、判断约束条件和选择运算:判断当前的优化代数t是否等于Tmax,如果等于则停止运算,取适应度最大的结果,即第it时刻均方差最小的个体作为所求结果,并且根据对应的Xit,j和Sit,j作为实际的开关操作和不同时刻的电量数值;在算法过程中t<Tmax,按照适应度函数的大小对符合条件的个体Vi进行排序,最好的个体选择概率设置为Pvi,则排序后的第i个个体第k时刻Vi的选择概率为:
概率越大,被选取到的机会越大,当开关总次数和均衡效果都较好的时候乘号左右两边都趋向于1,取到大概率;根据概率所决定的选中机会选择再生个体;
步骤S64、交叉运算:采用两点交叉,在编码的两个父代数据上随机选取两个交叉点,然后进行两点间的部分基因交换,同时根据交叉率Pc得到新的群体D2;
步骤S65、变异运算:根据变异率Pm,随机选择父代染色体上的几个基因位置,然后重新排列,其他位置保持不变,得到新的群体D3;将群体D3作为新一代种群用D3代替D,并使代数增加1,并且得出各个开关状态和各个锂电池单元的电量数值并计算对应的适应度大小;
步骤S66、当达到迭代次数时,统计Xit,j和Sit,j即为最优解。
在开关控制过程中,若锂电池单元中的单体锂电池电压超过阈值,则单片机单元给予被动均衡驱动单元信号,驱动相应的被动均衡驱动单元中被动均衡驱动电路的开关管开启,使得超过阈值的单体锂电池开始被动均衡;当超过阈值的单体锂电池电压小于等于对应锂电池单元的电池电压平均值时停止均衡。
以下为本发明的具体实现实例。
如图1所示,本发明的冗余均衡锂电池管理电路,包含电池组、被动均衡驱动单元、单片机、AD采样单元、开关管驱动单元和霍尔传感器;整个电路是由N个锂电池单元构成,每个模块由3个电池单元串联组成,每两个开关并联在一个单体锂电池两端,分别为QN1和QN2。整个电路中B1到B3N+3为3N+3个串联的单体电池,整个电路地为第一节电池的负端;对于单个电池单元,在内部有三个被动均衡电路,由开关管Q3N和电阻R3N构成,并且由被动均衡驱动单元驱动;AD采样单元采样第1到3N个电池单元的单体电池电压,然后传输给单片机单元;开关管驱动单元是为了单片机信号实现开关管Q11到QN1和Q12到QN2的开关状态控制,通过控制开关管通断实现电池电量均衡;单片机则是为了对AD采样的数据和霍尔传感器的数据处理和判断,当单体电池电压过高,则单片机传递信号给被动均衡驱动单元,从而控制开启被动均衡;同时,根据采集的霍尔传感器数据计算实时电量,当电池单元需要进行均衡的时候单片机给予开关管驱动单元驱动信号,电池单元开启均衡。在主通路上带有两个开关Qt1、Qt2和霍尔传感器,当电池参与均衡时,通过打开Qt1关闭Qt2实现电池单元能够接入电容参与均衡,均衡结束时打开Qt2关闭Qt1,在电池单元参与均衡的时候霍尔传感器才采样数据。
开关管切换原理:开关管的均衡切换通过开关Q11到QN1和Q12到QN2切换实现,当第1、2、3个电池单元的电量较高,第4到N个电池单元的电量较低的时候,需要进行均衡;对于接入电路的电池单元:开关Q11导通、Q12截止,开关Q21导通、Q22截止,开关Q31导通、Q32截止,对于没有接入的电池单元:将开关Q41到QN1截止,Q42到QN2导通,同时开关Qt1导通Qt2截止;电池单元1到3通过电容C1同时放电,将能量储存到C1,当电容两端电压升到和接入电路的电池电压总和一致,标志算释放完毕。当释放完毕时,先将开关Qt2导通Qt1截止,先将电容不接入电路;然后,切换要要接入电路的电池单元:开关Q12导通、Q11截止,开关Q22导通、Q21截止,开关Q32导通、Q31截止,开关Q41到QN1导通,Q42到QN2截止,使得第4到N个电池单元接入参与均衡,此时再开关Qt1导通Qt2截止,使得电容存储的能量传输到第4到N个电池单元,均衡停止条件为实时计算的所有电池单元的电量达到一致时停止开关切换。
被动均衡原理:由AD采样模块实现采样,采样的数据送入单片机;在单片机判断单体电池电压较高的时候,开启被动均衡,被动均衡由单体电池两端的开关Q1和电阻R1实现均衡,当开关Q1导通的时候,由Q1、R1和B1形成闭合回路开始均衡,其中Q1的门极电压由被动均衡驱动单元生成。
开关驱动单元:开关管驱动单元如图2所示,由电阻、NMOS和PMOS管构成共2N个单元;每个电池单元的开关管驱动由电池电压驱动,信号由单片机部分提供,其中PMOS管QZ2的s端接的是驱动电压,PMOS管的d端接二极管然后到G1,G1信号则连接冗余均衡控制的开关管Q12。开关管驱动单元是驱动电池单元接入和接出,其电路原理为:NMOS开关管的门极和s极并联一个电阻RQ2,单片机信号port1连接电阻RQ1,电阻RQ3连接PMOS管QZ2,B3电压通过QZ2直接传输给G1,然后输出给开关管Q12。当开关管Q11导通,Q12截止时,第1个电池单元接入电路参与均衡,使得B1、B2、B3接入;其中第一个电池驱动单元的开关管驱动电压由第3节电池正端B3供电驱动,上管QZ2的d端接G1,接到开关管Q12,下管QZ1由port1驱动,第二个电池驱动单元的开关管驱动由第6节电池正端B6供电驱动,上管QZ4的d端接G2,接到开关管Q11,下管QZ3由port2驱动,此时对应的port1是低电平,port2是高电平。第2N-1个电池单元的电压由第3N个电池的正端B3N提供,特别地,对于最高的电池单元N的开关管驱动电压则由另外新增的3串电池正端B3N+3提供。这样的开关管驱动单元能够实现电池管理系统对自身驱动,不需要外接电源,也降低了电路成本。
被动均衡驱动单元解释:如图3所示,共3N个被动均衡驱动单元。电阻RC1左侧连接第3串电池正端B2,右端连接PMOS管QB2的s端,PMOS管QB2右端连接BPort1;电阻RP1左端连接单片机信号P1,右端连接NMOS管QB1的门极。当单片机提供的信号P1给单片机高电位信号,开关管QB1导通,,进一步PMOS管QB2也导通,B2电压传到BPort1,然后传给开关管Q1;当P1为高电平时B2端电压传输到BPort1,当P1为低电平时BPort端电压为0,特别地,第3N个电池单元的电压VB接第3N+1个单体电池的正端。这样的被动均衡驱动单元能够实现电池管理系统对自身驱动,不需要外接电源,也降低了电路成本。
为了实现对锂电池系统的均衡,在上述电路模型的基础上,均衡控制需要多次切换开关组合才能实现均衡,同时又得实现低能耗和开关次数少。本专利提出一种结合K-means聚类的遗传算均衡控制方法,其中锂电池均衡系统衡量的标准是各个电池单元的荷电状态(SOC,State of Charge),是用来反映电池的剩余容量,其数值上定义为剩余容量占电池容量的比值,常用百分数表示。其取值范围为0~1,当SOC=0时表示电池放电完全,当SOC=1时表示电池完全充满。电池SOC不能直接测量,只能通过电池端电压、充放电电流及内阻等参数来估算其大小。
K-means聚类算法是著名的划分聚类算法,算法的输入为一个样本集,通过算法将样本聚类,具有相似特征的样本聚为一类。K-means聚类算法具有操作简单、运算速度较快,能够有效处理中小型数据集。算法的不足之处在于聚类结果不确定,K-means聚类算法初始聚类中心是随机选择的,初始中心点选取的好坏会导致最终聚类效果。选取不同初始聚类中心,会影响最终聚类的结果。聚类原理:针对锂电池冗余均衡电路,K-means聚类算法以空间中n个电池单元的SOC为数据进行聚类,i为锂电池冗余均衡过程中根据需要划分的种类个数,分为SOC高的一类和SOC低的一类;对距离最近的对象进行归类。
具体步骤为:
1、初始化样本,根据式(1),将n个电池单元的按SOC大小排序,将SOC最大的数据定义为类1的中心μ1,将SOC最小的数据定义为类2的中心μ2,SOC计算方法采用安时积分法计算,如式(2)所示,先根据锂电池特性SOC-OCV曲线查表得到初始荷电状态SOC0,根据采样的输出端电流,对时间求积分并除以电池额定容量C得到n个电池单元的实时荷电状态SOCn;
μi={SOCmax,SOCmin},i=1,2 (1)
2、计算所有锂电池单元的荷电状态SOCn和μ1、μ2的距离Jni,根据式(3)计算类1和类2内各点到μ1、μ2的距离平方和,再根据式(4)判断各个点SOC和类一、类二中心点的关系rni,其中n=1,2,3...N,i=1,2,k=1,2,i≠k;
Jni=||SOCn-μi||2 (3)
3、分类完成,将μ1、μ2刷新,根据式(5)对同一类的锂电池单元的SOC求算数平均值得到新得聚类中心μ1’和μ2’;
4、当各个锂电池单元的类别关系rni不再发生变化,停止迭代并输出各个锂电池单元所属的类别。
遗传算法的实现在本方法是基于K-means聚类(图4为K-means聚类流程图)的结果,主要是将电池单元分为两类,同一类(rni相同)的电池单元的开关状态是一致的,当归属于类1的电池单元需要同时接入电路参与均衡时,Xit,j=1(也就是电路结构上第j个电池单元的并联开关的Qj1导通Qj2关闭),每间隔t时间进行一次开关切换,在tmax时结束均衡。
5、如式(6)和(7)所示,以开关次数和均衡后的电池荷电状态差异来衡量锂电池冗余均衡的好坏,构建目标函数,当锂电池单元的开关次数和锂电池单元的均方差都能达到最小值时即为最优解;
其中,Xit,j是第1,2...N个锂电池单元中带有两个互锁的开关,其中it代表的是t,2t,...,nt的时间,j代表的是第j个锂电池单元;设定每t个时间间隔会发生一次开关选择,从N个锂电池单元里面选取若干个锂电池单元参与接入,式(6)和式(7)分别代表的是从均衡开始到结束的每个时间段的开关次数和锂电池单元的均方差,其中i=1,2...n;代表的是nt时刻N个锂电池单元的SOC平均值;
约束条件为式(8)到(11)所示:
Sit,j<M(=1,2,3...n) (8)
Xit,j=1或0 (10)
it≤tmax(i=1,2,3....n) (11)
其中,M是单个锂电池单元额定荷电状态SOC,tmax是均衡最大时间,其中的Sit,j代表的是it时间点的第j个锂电池单元实时电量,其中近似用ΔS常数替代t时间间隔发生的电量变化,设置为定数;式(8)是整个冗余均衡锂电池管理电路的荷电状态限制,各个锂电池单元的荷电状态不能大于额定值M;约束条件(9)代表的是放电从t时刻开始到it时刻单个锂电池单元j的电量变化,每次开关计一个ΔS的电量变化,得到最后it时刻的锂电池单元;其中Xit,j是it时刻的第j个锂电池单元的开关状态,1代表开关打开,0代表开关关闭;式(10)是各个开关的状态1表示开关开启,0表示开关关闭;式(11)为均衡结束时间,tmax是均衡最大时间,实时的时间it不能够大于最大均衡时间;
6、采用遗传算法对种群的初始化、交叉、变异不断得到新种群(遗传算法部分流程如图5所示,主要分为将电池单元种群初始化、计算适应度、判断约束条件和选择运算、交叉运算、变异运算和计算所有状态和输出结果);最后通过约束条件找出最优的开关切换序列,实现锂电池冗余均衡控制;步骤S6具体实现如下:
步骤S61、将锂电池单元种群初始化:用十进制编码方法对锂电池单元电量和开关状态进行编码,种群规模为N,交叉率为Pc,变异率为Pm,最好的个体的选择概率为Pvi,迭代最大代数为Tmax;N个锂电池单元的冗余均衡锂电池管理系统,组成初始种群D1={D1,D2,...,Di,...,Dn},其中第i个个体为Vi=(Xit,j,Sit,j),Xit,j表示第i个锂电池单元的开关情况,Sit,j表示第j个锂电池单元在it时刻的电量大小;当前优化代数设置为1,并把这个N个数据随机分成两组,每个N/2个数据作为一个父代;
步骤S62、计算适应度:计算D中的每个锂电池单元Di在it时刻的电池组总的电量均方差和总的开关次数的目标函数;将第j个锂电池单元it时刻的目标函数定义为每一代的适应值大小,反映整个均衡效果好坏程度和开关损耗:
步骤S63、判断约束条件和选择运算:判断当前的优化代数t是否等于Tmax,如果等于则停止运算,取适应度最大的结果,即第it时刻均方差最小的个体作为所求结果,并且根据对应的Xit,j和Sit,j作为实际的开关操作和不同时刻的电量数值;在算法过程中t<Tmax,按照适应度函数的大小对符合条件的个体Vi进行排序,最好的个体选择概率设置为Pvi,则排序后的第i个个体第k时刻Vi的选择概率为:
概率越大,被选取到的机会越大,当开关总次数和均衡效果都较好的时候乘号左右两边都趋向于1,取到大概率;根据概率所决定的选中机会选择再生个体;
步骤S64、交叉运算:采用两点交叉,在编码的两个父代数据上随机选取两个交叉点,然后进行两点间的部分基因交换,同时根据交叉率Pc得到新的群体D2;
步骤S65、变异运算:根据变异率Pm,随机选择父代染色体上的几个基因位置,然后重新排列,其他位置保持不变,得到新的群体D3;将群体D3作为新一代种群用D3代替D,并使代数增加1,并且得出各个开关状态和各个锂电池单元的电量数值并计算对应的适应度大小;
步骤S66、当达到迭代次数时,统计Xit,j和Sit,j即为最优解。
在开关控制过程中,若锂电池单元中的单体锂电池电压超过阈值,则单片机单元给予被动均衡驱动单元信号,驱动相应的被动均衡驱动单元中被动均衡驱动电路的开关管开启,使得超过阈值的单体锂电池开始被动均衡;当超过阈值的单体锂电池电压小于等于对应锂电池单元的电池电压平均值时停止均衡。
总体均衡控制原理:总体的均衡控制流程如图6所示,均衡控制主要由K-means聚类、遗传算法部分和组成。单片机先获取AD采样的数据和霍尔传感器的数据,通过这些数据计算出各个电池单元的初始荷电状态,然后在单片机内部通过K-means聚类算法,将N个电池单元分成两个类别,将类别关系保存输出。K-means的类别结果传输给遗传算法部分,在遗传算法部分由于同类别的电池开关状态一致,例如,当电池单元1、2为一类时,当电池单元1的开关状态为1时,电池单元2的类别也必须为1。经过遗传算法部分计算后,输出结果为最优解,单片机根据最优解,将对应各个时间间隔的电平信号通过开关管驱动单元给各个单元的开关管驱动信号或关断信号,从而实现均衡控制。同时在开关控制过程中,可能存在电容转移的能量过多的情况,也就是单体电池电压会超过阈值(4.17V),单片机通过AD采样的数据,判断是否需要开启被动均衡,当电压超过阈值时,单片机给予被动均衡驱动单元信号,驱动被动均衡电路的开关管开启,超过阈值的单体电池就开始被动均衡。当超过阈值的单体电压小于等于对应电池单元的电池电压平均值时停止均衡。对于开关管控制,当完成遗传算法下的开关控制,均衡结束关闭均衡部分开关,同时开关Qt2导通Qt1截止。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (10)
1.一种结合K-means聚类的遗传算法的冗余均衡锂电池管理电路,其特征在于,包括单片机单元及与该单片机单元连接的开关驱动单元、AD采样单元、被动均衡驱动单元、霍尔传感器,还包括电池组模块;所述单片机单元根据AD采样单元、霍尔传感器采集数据,通过开关驱动单元、被动均衡驱动单元控制相应的开关,进而控制电池组模块中各锂电池单元以及各单体锂电池参与整个冗余均衡锂电池管理电路的供电与否。
2.根据权利要求1所述的结合K-means聚类的遗传算法的冗余均衡锂电池管理电路,其特征在于,所述电池组模块包括N个锂电池单元,所述开关包括N个主驱动开关、N个辅驱动开关、2个主开关、3N个单体锂电池开关,开关驱动单元与N个主驱动开关、N个辅驱动开关及2个主开关的控制端连接;每个锂电池单元均由3个单体锂电池串联组成,每一单体锂电池分别与AD采样单元连接,每一单体锂电池分别并联单体锂电池开关,单体锂电池开关分别与被动均衡驱动单元连接;第1单体锂电池的负极与GND、第1主驱动开关的一端连接,并作为整个冗余均衡锂电池管理电路的输出负极,第3单体锂电池的正极与第1辅驱动开关的一端连接,第3i+1单体锂电池的负极与第i主驱动开关的另一端、第i辅驱动开关的另一端、第i+1主驱动开关的一端连接,第3i+3单体锂电池的正极与第i+1辅驱动开关的一端连接,第3N-2单体锂电池的负极与第N-1主驱动开关的另一端、第N-1辅驱动开关的另一端、第N主驱动开关的一端连接,第3N单体锂电池的正极与第N辅驱动开关的一端连接,第N主驱动开关的另一端、第N辅驱动开关的另一端、第1主开关的一端、第2主开关的一端连接,第1主开关的另一端与霍尔传感器连接,第2主开关的另一端作为整个冗余均衡锂电池管理电路的输出正极;其中,i、N为正整数,且1≤i<N-1。
3.根据权利要求2所述的结合K-means聚类的遗传算法的冗余均衡锂电池管理电路,其特征在于,还包括1个额外电池组模块,额外电池组模块由3个单体锂电池串联组成,额外电池组模块的最低位单体锂电池的负极与第3N单体锂电池的正极连接,额外电池组模块的最高位单体锂电池的正极与开关驱动单元连接。
4.根据权利要求2所述的结合K-means聚类的遗传算法的冗余均衡锂电池管理电路,其特征在于,所述开关驱动单元包括2N路开关驱动电路,每一路开关驱动电路均由NMOS管、PMOS管、二极管、第1至第5电阻组成,PMOS管的一端与二极管正极连接,二极管负极作为开关控制端,PMOS管的另一端与第5电阻的一端、第4电阻的一端连接,第5电阻的另一端作为供电端,PMOS管的控制端与第4电阻的另一端、第3电阻的一端连接,NMOS管的一端与第3电阻的另一端连接,NMOS管的另一端与第2电阻的一端、GND连接,NMOS管的控制端与第1电阻的一端、第2电阻的另一端连接,第1电阻的另一端作为单片机信号输入端;其中,第2i-1路开关驱动电路的供电端与第3i单体锂电池的正极连接,第2i路开关驱动电路的供电端与第3(i+1)单体锂电池的正极连接,第i路开关驱动电路的开关控制端与第i主驱动开关连接,第2i路开关驱动电路的开关控制端与第i辅驱动开关连接,第i路开关驱动电路的单片机信号输入端与相应的单片机单元的信号输出端连接;第(2(N-1)-1)/2N-1路开关驱动电路的供电端与第3(N-1)/3N单体锂电池的正极连接,第2(N-1)/2N路开关驱动电路的供电端与第3N/3(N+1)单体锂电池的正极连接,第(N-1)/N路开关驱动电路的开关控制端与第(N-1)/N主驱动开关连接,第2(N-1)/2N路开关驱动电路的开关控制端与第(N-1)/N辅驱动开关连接,第(N-1)/N路开关驱动电路的单片机信号输入端与相应的单片机单元的信号输出端连接。
5.根据权利要求2所述的结合K-means聚类的遗传算法的冗余均衡锂电池管理电路,其特征在于,所述被动均衡驱动单元包括3N路被动均衡驱动电路,每一路被动均衡驱动电路均由NMOS管、PMOS管、二极管、第1至第5电阻组成,PMOS管的一端与二极管正极连接,二极管负极作为开关控制端,PMOS管的另一端与第5电阻的一端、第4电阻的一端连接,第5电阻的另一端作为供电端,PMOS管的控制端与第4电阻的另一端、第3电阻的一端连接,NMOS管的一端与第3电阻的另一端连接,NMOS管的另一端与第2电阻的一端、GND连接,NMOS管的控制端与第1电阻的一端、第2电阻的另一端连接,第1电阻的另一端作为单片机信号输入端;其中,第i路被动均衡驱动电路的开关控制端与第i单体锂电池开关的控制端连接,第i路被动均衡驱动电路的供电端与第i+1单体锂电池的正极连接,第i路被动均衡驱动电路的单片机信号输入端与相应的单片机单元的信号输出端连接;第(N-1)/N路被动均衡驱动电路的开关控制端与第(N-1)/N单体锂电池开关的控制端连接,第(N-1)/N路被动均衡驱动电路的供电端与第N/(N+1)单体锂电池的正极连接,第(N-1)/N路被动均衡驱动电路的单片机信号输入端与相应的单片机单元的信号输出端连接。
6.根据权利要求2所述的结合K-means聚类的遗传算法的冗余均衡锂电池管理电路,其特征在于,所述单体锂电池开关均串联一电阻后与单体锂电池并联。
7.根据权利要求1至6任一所述的结合K-means聚类的遗传算法的冗余均衡锂电池管理电路,其特征在于,所述单片机单元内载有程序指令,该程序指令为:首先,结合K-means聚类将电池组模块中的各单体电池分类;然后,采用遗传算法将总开关次数和电池间均衡的均方差为目标函数,算法通过对种群的初始化、交叉、变异不断得到新种群;最后通过约束条件找出最优的开关切换序列,实现锂电池冗余均衡控制。
8.一种结合K-means聚类的遗传算法的冗余均衡锂电池管理方法,其特征在于,包括如下步骤:
S1、根据式(1)将n个锂电池单元按SOC大小排序,将SOC最大的数据定义为类1的中心μ1,将SOC最小的数据定义为类2的中心μ2,SOC计算方法采用安时积分法计算,如式(2)所示,先根据锂电池特性SOC-OCV曲线查表得到初始荷电状态SOC0,根据采样的输出端电流,对时间求积分并除以电池额定容量C得到n个锂电池单元的实时荷电状态SOCn;
μi={SOCmax,SOCmin},i=1,2 (1)
S2、计算所有锂电池单元的荷电状态SOCn和μ1、μ2的距离Jni,根据式(3)计算类1和类2内各点到μ1、μ2的距离平方和,再根据式(4)判断各个点SOC和类一、类二中心点的关系rni,其中n=1,2,3...N,i=1,2,k=1,2,i≠k;
Jni=||SOCn-μi||2 (3)
S3、分类完成,将μ1、μ2刷新,根据式(5)对同一类的锂电池单元的SOC求算数平均值得到新得聚类中心μ1’和μ2’;
S4、当各个锂电池单元的类别关系rni不再发生变化,停止迭代并输出各个锂电池单元所属的类别;
S5、根据式(6)和(7),以开关次数和均衡后的电池荷电状态差异来衡量锂电池冗余均衡的好坏,构建目标函数,当锂电池单元的开关次数和锂电池单元的均方差都能达到最小值时即为最优解;
其中,Xit,j是第1,2...N个锂电池单元中带有两个互锁的开关,其中it代表的是t,2t,...,nt的时间,j代表的是第j个锂电池单元;设定每t个时间间隔会发生一次开关选择,从N个锂电池单元里面选取若干个锂电池单元参与接入,式(6)和式(7)分别代表的是从均衡开始到结束的每个时间段的开关次数和锂电池单元的均方差,其中i=1,2...n;代表的是nt时刻N个锂电池单元的SOC平均值;
约束条件为式(8)到(11)所示:
Sit,j<M(=1,2,3...n) (8)
Xit,j=1或0 (10)
it≤tmax(i=1,2,3....n) (11)
其中,M是单个锂电池单元额定荷电状态SOC,tmax是均衡最大时间,其中的Sit,j代表的是it时间点的第j个锂电池单元实时电量,其中近似用ΔS常数替代t时间间隔发生的电量变化,设置为定数;式(8)是整个冗余均衡锂电池管理电路的荷电状态限制,各个锂电池单元的荷电状态不能大于额定值M;约束条件(9)代表的是放电从t时刻开始到it时刻单个锂电池单元j的电量变化,每次开关计一个ΔS的电量变化,得到最后it时刻的锂电池单元;其中Xit,j是it时刻的第j个锂电池单元的开关状态,1代表开关打开,0代表开关关闭;式(10)是各个开关的状态1表示开关开启,0表示开关关闭;式(11)为均衡结束时间,tmax是均衡最大时间,实时的时间it不能够大于最大均衡时间;
S6、采用遗传算法对种群的初始化、交叉、变异不断得到新种群;最后通过约束条件找出最优的开关切换序列,实现锂电池冗余均衡控制。
9.根据权利要求8所述的结合K-means聚类的遗传算法的冗余均衡锂电池管理方法,其特征在于,步骤S6具体实现如下:
步骤S61、将锂电池单元种群初始化:用十进制编码方法对锂电池单元电量和开关状态进行编码,种群规模为N,交叉率为Pc,变异率为Pm,最好的个体的选择概率为Pvi,迭代最大代数为Tmax;N个锂电池单元的冗余均衡锂电池管理系统,组成初始种群D1={D1,D2,...,Di,...,Dn},其中第i个个体为Vi=(Xit,j,Sit,j),Xit,j表示第i个锂电池单元的开关情况,Sit,j表示第j个锂电池单元在it时刻的电量大小;当前优化代数设置为1,并把这个N个数据随机分成两组,每个N/2个数据作为一个父代;
步骤S62、计算适应度:计算D中的每个锂电池单元Di在it时刻的电池组总的电量均方差和总的开关次数的目标函数;将第j个锂电池单元it时刻的目标函数定义为每一代的适应值大小,反映整个均衡效果好坏程度和开关损耗:
步骤S63、判断约束条件和选择运算:判断当前的优化代数t是否等于Tmax,如果等于则停止运算,取适应度最大的结果,即第it时刻均方差最小的个体作为所求结果,并且根据对应的Xit,j和Sit,j作为实际的开关操作和不同时刻的电量数值;在算法过程中t<Tmax,按照适应度函数的大小对符合条件的个体Vi进行排序,最好的个体选择概率设置为Pvi,则排序后的第i个个体第k时刻Vi的选择概率为:
概率越大,被选取到的机会越大,当开关总次数和均衡效果都较好的时候乘号左右两边都趋向于1,取到大概率;根据概率所决定的选中机会选择再生个体;
步骤S64、交叉运算:采用两点交叉,在编码的两个父代数据上随机选取两个交叉点,然后进行两点间的部分基因交换,同时根据交叉率Pc得到新的群体D2;
步骤S65、变异运算:根据变异率Pm,随机选择父代染色体上的几个基因位置,然后重新排列,其他位置保持不变,得到新的群体D3;将群体D3作为新一代种群用D3代替D,并使代数增加1,并且得出各个开关状态和各个锂电池单元的电量数值并计算对应的适应度大小;
步骤S66、当达到迭代次数时,统计Xit,j和Sit,j即为最优解。
10.根据权利要求8所述的结合K-means聚类的遗传算法的冗余均衡锂电池管理方法,其特征在于,在开关控制过程中,若锂电池单元中的单体锂电池电压超过阈值,则单片机单元给予被动均衡驱动单元信号,驱动相应的被动均衡驱动单元中被动均衡驱动电路的开关管开启,使得超过阈值的单体锂电池开始被动均衡;当超过阈值的单体锂电池电压小于等于对应锂电池单元的电池电压平均值时停止均衡。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110492497.3A CN113206307B (zh) | 2021-05-06 | 2021-05-06 | 结合K-means聚类的遗传算法的冗余均衡锂电池管理电路和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110492497.3A CN113206307B (zh) | 2021-05-06 | 2021-05-06 | 结合K-means聚类的遗传算法的冗余均衡锂电池管理电路和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113206307A true CN113206307A (zh) | 2021-08-03 |
CN113206307B CN113206307B (zh) | 2022-08-09 |
Family
ID=77028992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110492497.3A Active CN113206307B (zh) | 2021-05-06 | 2021-05-06 | 结合K-means聚类的遗传算法的冗余均衡锂电池管理电路和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113206307B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113644328A (zh) * | 2021-08-20 | 2021-11-12 | 北京宝龙德科技有限责任公司 | 动态重构电池模组的柔性控制方法及装置 |
CN113655385A (zh) * | 2021-10-19 | 2021-11-16 | 深圳市德兰明海科技有限公司 | 锂电池soc估计方法、装置及计算机可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103269096A (zh) * | 2013-05-14 | 2013-08-28 | 国家电网公司 | 一种基于聚类分析的电池组均衡方法 |
CN105337327A (zh) * | 2014-08-07 | 2016-02-17 | 南京理工自动化研究院有限公司 | 基于n/m冗余均衡策略的动力锂电池管理系统 |
CN105634058A (zh) * | 2016-01-22 | 2016-06-01 | 广东志成冠军集团有限公司 | 一种电池组的智能均衡方法和智能均衡系统 |
CN109783902A (zh) * | 2018-12-28 | 2019-05-21 | 合肥工业大学 | 一种面向均衡控制的电池动态分组方法 |
CN110674846A (zh) * | 2019-08-29 | 2020-01-10 | 南京理工大学 | 基于遗传算法和k-means聚类的不平衡数据集过采样方法 |
CN110707771A (zh) * | 2019-09-03 | 2020-01-17 | 南京理工大学 | 基于中心漂移聚类分析的电池组主动均衡方法 |
US20200401938A1 (en) * | 2019-05-29 | 2020-12-24 | The Board Of Trustees Of The Leland Stanford Junior University | Machine learning based generation of ontology for structural and functional mapping |
CN112184099A (zh) * | 2020-08-21 | 2021-01-05 | 安徽信息工程学院 | 基于K-Means聚类和遗传算法对运输问题的优化解决方法 |
CN112737015A (zh) * | 2020-12-22 | 2021-04-30 | 西安科技大学 | 一种基于soc的锂电池均衡控制系统及控制方法 |
-
2021
- 2021-05-06 CN CN202110492497.3A patent/CN113206307B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103269096A (zh) * | 2013-05-14 | 2013-08-28 | 国家电网公司 | 一种基于聚类分析的电池组均衡方法 |
CN105337327A (zh) * | 2014-08-07 | 2016-02-17 | 南京理工自动化研究院有限公司 | 基于n/m冗余均衡策略的动力锂电池管理系统 |
CN105634058A (zh) * | 2016-01-22 | 2016-06-01 | 广东志成冠军集团有限公司 | 一种电池组的智能均衡方法和智能均衡系统 |
CN109783902A (zh) * | 2018-12-28 | 2019-05-21 | 合肥工业大学 | 一种面向均衡控制的电池动态分组方法 |
US20200401938A1 (en) * | 2019-05-29 | 2020-12-24 | The Board Of Trustees Of The Leland Stanford Junior University | Machine learning based generation of ontology for structural and functional mapping |
CN110674846A (zh) * | 2019-08-29 | 2020-01-10 | 南京理工大学 | 基于遗传算法和k-means聚类的不平衡数据集过采样方法 |
CN110707771A (zh) * | 2019-09-03 | 2020-01-17 | 南京理工大学 | 基于中心漂移聚类分析的电池组主动均衡方法 |
CN112184099A (zh) * | 2020-08-21 | 2021-01-05 | 安徽信息工程学院 | 基于K-Means聚类和遗传算法对运输问题的优化解决方法 |
CN112737015A (zh) * | 2020-12-22 | 2021-04-30 | 西安科技大学 | 一种基于soc的锂电池均衡控制系统及控制方法 |
Non-Patent Citations (3)
Title |
---|
LU, LANGUANG等: "A review on the key issues for lithium-ion battery management in electric vehicles", 《JOURNAL OF POWER SOURCES》 * |
刘宝锺: "《大数据分类模型和算法研究》", 31 January 2020 * |
常文兵等: "《可靠性工程中的大数据分析》", 30 September 2019 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113644328A (zh) * | 2021-08-20 | 2021-11-12 | 北京宝龙德科技有限责任公司 | 动态重构电池模组的柔性控制方法及装置 |
CN113644328B (zh) * | 2021-08-20 | 2023-10-24 | 刘铭新 | 动态重构电池模组的柔性控制方法及装置 |
CN113655385A (zh) * | 2021-10-19 | 2021-11-16 | 深圳市德兰明海科技有限公司 | 锂电池soc估计方法、装置及计算机可读存储介质 |
CN113655385B (zh) * | 2021-10-19 | 2022-02-08 | 深圳市德兰明海科技有限公司 | 锂电池soc估计方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113206307B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113206307B (zh) | 结合K-means聚类的遗传算法的冗余均衡锂电池管理电路和方法 | |
CN109031145B (zh) | 一种考虑不一致性的串并联电池组模型及实现方法 | |
CN110045298B (zh) | 一种动力电池组参数不一致性的诊断方法 | |
CN109256834B (zh) | 基于电池健康状态和荷电状态的电池组主动均衡方法 | |
CN103138026B (zh) | 电池组的控制装置 | |
Huang et al. | Wireless smart battery management system for electric vehicles | |
CN105490325B (zh) | 用于切换电池组的多个电池组电池的方法和电池组系统 | |
CN109633456B (zh) | 一种基于分段电压识别法的动力锂电池组soc估算方法 | |
CN113887601A (zh) | 一种基于聚类分选的退役动力电池重组方法 | |
CN109783902B (zh) | 一种面向均衡控制的电池动态分组方法 | |
CN112350400A (zh) | 一种锂电池组无层级主被动均衡电路及方法 | |
CN114156552A (zh) | 一种考虑老化的串联电池组的均衡控制策略 | |
CN114977423A (zh) | 一种基于融合指标的串联锂离子电池组旁路均衡方法 | |
CN114883656A (zh) | 一种锂离子动力电池分容控制方法 | |
CN114217234B (zh) | 一种基于ide-asrckf的锂离子电池参数辨识与soc估计方法 | |
CN110854959A (zh) | 电池系统被动均衡方法 | |
CN113206508A (zh) | 基于预测的微电网储能电池主动均衡方法 | |
CN111762059B (zh) | 一种考虑电池充放电工况的多变量融合电池组的均衡方法 | |
CN113807039A (zh) | 一种串联型电池系统的功率状态预测方法 | |
CN112152286A (zh) | 一种串联锂离子电容器系统的主动均衡装置及方法 | |
Zhang et al. | Lithium battery SOC prediction based on mproved BP eural etwork algorithm | |
CN116545080A (zh) | 电池充电控制方法、控制装置和储能系统、存储介质 | |
CN107623343A (zh) | 一种锂离子电池的主动均衡方法及装置 | |
Wang et al. | Remaining useful life prediction of lithium-ion battery based on cycle-consistency learning | |
Shen et al. | A state of charge estimation method based on APSO-PF for lithium-ion battery |
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 |