CN114537196B - 车用电驱系统的多目标控制充电优化方法及装置 - Google Patents

车用电驱系统的多目标控制充电优化方法及装置 Download PDF

Info

Publication number
CN114537196B
CN114537196B CN202210165677.5A CN202210165677A CN114537196B CN 114537196 B CN114537196 B CN 114537196B CN 202210165677 A CN202210165677 A CN 202210165677A CN 114537196 B CN114537196 B CN 114537196B
Authority
CN
China
Prior art keywords
axis
distribution ratio
target
optimization function
optimization
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.)
Active
Application number
CN202210165677.5A
Other languages
English (en)
Other versions
CN114537196A (zh
Inventor
张曾辉
丰树帅
李一粟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Lingang Power Electronics Research Co ltd
Original Assignee
Shanghai Lingang Power Electronics Research Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Lingang Power Electronics Research Co ltd filed Critical Shanghai Lingang Power Electronics Research Co ltd
Priority to CN202210165677.5A priority Critical patent/CN114537196B/zh
Publication of CN114537196A publication Critical patent/CN114537196A/zh
Application granted granted Critical
Publication of CN114537196B publication Critical patent/CN114537196B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/62—Monitoring or controlling charging stations in response to charging parameters, e.g. current, voltage or electrical charge
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/10—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles characterised by the energy transfer between the charging station and the vehicle
    • 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]
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明提供了一种车用电驱系统的多目标控制充电优化方法及装置，涉及电流控制技术领域，包括：获取电机参数以及系数集，系数集包含若干电角度，且关联一分配比集；根据输入电流和系数集计算各个电角度和分配比下d轴和q轴的电流，并采集对应的电感，以拟合获得电感饱和率；建立第一优化函数、第二优化函数、第三优化函数，加权优化，获得充电特性关于电角度和分配比的目标优化函数；获取目标电角度，及其各个分配比对应的电感饱和率；在分配比集中执行寻优算法，获得在目标电角度下最优充电特性的分配比，以获得目标分配比；根据目标分配比执行在充电状态下对输入电流的控制，解决现有技术中电驱系统为电动汽车充电时，电流分配不当的问题。

Description

车用电驱系统的多目标控制充电优化方法及装置
技术领域
本发明涉及电流控制技术领域，尤其涉及一种车用电驱系统的多目标控制充电优化方法及装置。
背景技术
电驱系统由供电电源、电机、电机控制器和动作执行机构组成，电机轴连接并驱动动作执行机构动作。在利用电驱系统为电动汽车电池充电的场景下，利用电驱系统为电动汽车充电的拓扑，存在可控的多个桥臂，但电机绕组等效电感存在饱和效应，由于电角度的不同、各相电流分配的不同，各相电感随输入功率增加的饱和速率存在差异，不同饱和速率的各相承担的电流不同，会导致输入的电流纹波特性显著增加，还会影响直流损耗以及充电过程的扭矩，因此，优化不同电角度下的电流分配，对于利用电驱系统为电动汽车充电过程的优化起到很大的作用。
发明内容
为了克服上述技术缺陷，本发明的目的在于提供一种车用电驱系统的多目标控制充电优化方法及装置，用于解决现有技术中电驱系统为电动汽车充电时，由于电流分配不当，会导致纹波显著增加，以及直流损耗和扭矩较大的问题。
本发明公开了一种车用电驱系统的多目标控制充电优化方法，包括：
获取电机参数以及系数集，其中，所述系数集包含若干电角度，且每一电角度均关联一分配比集；所述电机参数包括寄生电阻、极对数、永磁体磁链；
根据输入电流和所述系数集计算各个电角度和分配比下d轴和q轴的电流，并采集对应的电感，以拟合获得各个电角度和分配比下d轴和q轴的电感饱和率；
建立第一优化函数，所述第一优化函数根据所述电感饱和率生成用于表征电流纹波抗饱和特性的第一指标；
建立第二优化函数，所述第二优化函数根据所述寄生电阻以及系数集生成用于表征电流导通损耗的第二指标；
建立第三优化函数，所述第三优化函数根据所述极对数、永磁体磁链、d轴和q轴的电流和电感，以及系数集生成用于表征充电扭矩的第三指标；
基于所述第一优化函数、所述第二优化函数以及所述第三优化函数加权优化，获得充电特性关于电角度和分配比的目标优化函数；
获取目标电角度，从所述系数集中获取与目标电角度匹配的分配比集；
获取所述目标电角度下各个分配比对应的电感饱和率，生成第二数据集；
在所述分配比集中基于所述目标优化函数和所述第二数据集执行寻优算法，获得在所述目标电角度下最优充电特性的分配比，以获得目标分配比；
根据所述目标分配比执行在充电状态下对输入电流的控制。
优选地，所述根据输入电流和所述系数集计算各个电角度和分配比下d轴和q轴的电流，包括以下：
对于任一电角度和分配比，
d轴、q轴的电流分别根据下述公式计算：
其中，Id、Iq分别为d轴、q轴的电流；θ为电角度；IU＝p·Iin；IV＝(1-p)·Iin；IW＝-Iin；Iin为输入电流，p为分配比。
优选地，所述拟合获得各个电角度和分配比下d轴和q轴的电感饱和率，包括以下：
对于任一电角度和分配比，
采用线性最小二乘法根据获得的所述电角度和分配比下的d轴和q轴电感和电流，拟合所述d轴和q轴电感随电流的变化曲线；
根据所述变化曲线分别获得所述d轴和q轴下电感饱和效应引起的曲线变化斜率，为所述d轴和q轴的电感饱和率。
优选地，所述建立第一优化函数，所述第一优化函数根据所述电感饱和率生成用于表征电流纹波抗饱和特性的第一指标，包括：
所述第一优化函数设置为
其中，所述f1为第一指标，Ld、Lq分别为d轴和q轴的电感；ΔLd、ΔLq分别为d轴和q轴因饱和效应产生衰减量；
其中，K1、K2分别为所述d轴和q轴的电感饱和率，Id、Iq分别为d轴和q轴的电流。
优选地，所述建立第二优化函数，所述第二优化函数根据所述寄生电阻以及系数集生成用于表征电流导通损耗的第二指标，包括：
所述第二优化函数设置为f2＝(p2+(1-p)2)·IinRs；
其中，f2为第二指标，p为分配比，Iin为输入电流；Rs为寄生电阻。
优选地，所述建立第三优化函数，所述第三优化函数根据所述极对数、永磁体磁链以及系数集生成用于表征充电扭矩的第三指标，包括：
所述第三优化函数设置为f3＝1.5P·[ΨmIp+(Ld-Lq)IdIq]；
其中，P为极对数，Ψm为永磁体磁链；Ld、Lq分别为d轴和q轴的电感；Id、Iq分别为d轴和q轴的电流。
优选地，所述寻优算法包括遗传算法、群智能算法、蚁群算法。
优选地，所述在所述分配比集中基于所述目标优化函数和所述第二数据集执行寻优算法，获得在所述目标电角度下最优充电特性的分配比，设为目标分配比，包括：
获取一预设的寻优算法，确定所述目标电角度；
初始化所述寻优算法参数；
将所述分配比集作为初始种群并初始化；
基于所述初始种群，获取一分配比，采用目标优化函数计算充电特性，并判断是否达到最优充电特性；
若是，则根据该分配比获取目标分配比，若否，则迭代，并更新所述分配比。
优选地，在获取目标函数后，所述获得目标分配比，还包括：
根据所述系数集，获取各个电角度及其对应的分配比集；
在各个电角度下逐个基于所述目标优化函数执行寻优算法，获得在各个电角度下最优充电特性的分配比，生成电角度与分配比最优关系表；
获取目标电角度，从所述电角度与分配比最优关系表中获得目标分配比。
本发明还提供一种车用电驱系统的多目标控制充电优化装置，包括：
数据采集模块，用于获取电机参数以及系数集，其中，所述系数集包含若干电角度，且每一电角度均关联一分配比集；所述电机参数包括寄生电阻、极对数、永磁体磁链；
数据准备模块，用于根据输入电流和所述系数集计算各个电角度和分配比下d轴和q轴的电流，并采集对应的电感，以拟合获得各个电角度和分配比下d轴和q轴的电感饱和率；
第一处理模块，用于建立第一优化函数，所述第一优化函数根据所述电感饱和率生成用于表征电流纹波抗饱和特性的第一指标；
第二处理模块，用于建立第二优化函数，所述第二优化函数根据所述寄生电阻以及系数集生成用于表征电流导通损耗的第二指标；
第三处理模块，用于建立第三优化函数，所述第三优化函数根据所述极对数、永磁体磁链、d轴和q轴的电流和电感，以及系数集生成用于表征充电扭矩的第三指标；
第四处理模块，基于所述第一优化函数、所述第二优化函数以及所述第三优化函数加权优化，获得充电特性关于电角度和分配比的目标优化函数；
获取模块，用于获取目标电角度，从所述系数集中获取与目标电角度匹配的分配比集；获取所述目标电角度下各个分配比对应的电感饱和率，生成第二数据集；
计算模块，用于在所述分配比集中基于所述目标优化函数和所述第二数据集执行寻优算法，获得在所述目标电角度下最优充电特性的分配比，设为目标分配比；
执行模块，用于根据所述目标分配比执行在充电状态下对输入电流的控制。
采用了上述技术方案后，与现有技术相比，具有以下有益效果：
本实施方式中提出的优化方法，根据目标电角度和目标分配比，生成优化的控制策略，实现了电流纹波抗饱和特性-电流导通损耗-充电过程扭矩(即分别对应上述第一优化函数、第二优化函数、第三优化函数)等多目标的优化控制策略，解决现有技术中电驱系统为电动汽车充电时，由于电流分配不当，会导致纹波显著增加，以及直流损耗和扭矩较大的问题，抑制电流纹波增加的同时，实现综合最优的低导通损耗和低充电扭矩。
附图说明
图1为本发明所述车用电驱系统的多目标控制充电优化方法及装置实施例一的流程图；
图2为本发明所述车用电驱系统的多目标控制充电优化方法及装置实施例一中用于体现的拟合获得各个电角度和分配比下d轴和q轴的电感饱和率的流程图；
图3为本发明所述车用电驱系统的多目标控制充电优化方法及装置实施例一中某一工况下(某一电角度和分配比)的拟合过程曲线图；
图4为本发明所述车用电驱系统的多目标控制充电优化方法及装置实施例一中获得目标分配比的流程图；
图5为本发明所述车用电驱系统的多目标控制充电优化方法及装置实施例一中生成电角度与分配比最优关系表的流程图；
图6为本发明所述车用电驱系统的多目标控制充电优化方法及装置实施例二的模块示意图。
附图标记：
110-车用电驱系统的多目标控制充电优化装置；111-数据采集模块；112-数据准备模块；113-第一处理模块；114-第二处理模块；115-第三处理模块；116-第四处理模块；117-获取模块；118-计算模块；119-执行模块；120-存储模块。
具体实施方式
以下结合附图与具体实施例进一步阐述本发明的优点。
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，“模块”与“部件”可以混合地使用。
实施例一：本实施例提供一种车用电驱系统的多目标控制充电优化方法，应用于利用电驱系统为电动汽车电池充电场合下，本实施方式中的优化方法，包括电流导通损耗-电流纹波-充电扭矩等多目标同步优化，旨在根据电机的电角度执行最优电流分配，以抑制由于电机电感饱和效应带来的电流纹波显著增加的问题的同时，实现综合最优的低导通损耗和低充电扭矩，具体的，参阅图1，该优化方法包括以下步骤：
S10：获取电机参数以及系数集，其中，所述系数集包含若干电角度，且每一电角度均关联一分配比集；所述电机参数包括寄生电阻、极对数、永磁体磁链；
在本实施方式中，由于电角度与分配比会影响电机各相的饱和速率，因此需要通过设置当汽车处于某一电角度下最佳的分配比，使得电感因饱和效应产生的衰减比例之和最小，同时电流导通损耗与充电扭矩较小。上述电机参数以及系数集均为预先设置，电机参数均为电机硬件参数，系数集中则包含设定的车辆可能位于的电角度，每一电角度关联的分配比集均为预先设置的基础种群，根据下述步骤在该分配比集确定该电角度对应的最佳的分配比，由此生成包含最佳电流分配比的电流控制策略。
S20：根据输入电流和所述系数集计算各个电角度和分配比下d轴和q轴的电流，并采集对应的电感，以拟合获得各个电角度和分配比下d轴和q轴的电感饱和率；
在上述步骤中，各个电角度和分配比下d轴和q轴的电流由计算获得，即每一电角度下每一分配比均一电流，根据该电角度和分配比进行电流控制，则可以采集到对应该电流下的电机d轴和q轴的电感，由此生成该电角度和分配比下对应的唯一电流和电感。
具体的，所述根据输入电流和所述系数集计算各个电角度和分配比下d轴和q轴的电流，包括以下：
对于任一电角度和分配比，
d轴、q轴的电流分别根据下述公式(1)、(2)计算：
其中，Id、Iq分别为d轴、q轴的电流；θ为电角度；IU＝p·Iin；IV＝(1-p)·Iin；IW＝-Iin；Iin为输入电流，p为分配比。
由上述可得到：
需要说明的是，IU、IV、IW分别为电机U、V、W各相下的电流，输入电流为输入的总电流，即分配至电机各相前的总电流，根据分配比p分配，控制电流进入至电机的U、V、W相中，其中，以流入电机的方向作为参考电流正方向，因此上述IW为输入电流的负值。
在本实施方式中，所述拟合获得各个电角度和分配比下d轴和q轴的电感饱和率，参阅图2和图3，包括以下：
对于任一电角度和分配比，
S21：采用线性最小二乘法根据获得的所述电角度和分配比下的d轴和q轴电感和电流，拟合所述d轴和q轴电感随电流的变化曲线；
具体的，可以根据下述公式(3)、(4)进行拟合；
其中，k可以是下述第一优化函数中公式(6)或(7)中所述的K1、K2，即分别为所述d轴和q轴的电感饱和率，电感饱和率为d轴和q轴的电感由于饱和效应引起的参数斜率变化。
S22：根据所述变化曲线分别获得所述d轴和q轴下电感饱和效应引起的曲线变化斜率，为所述d轴和q轴的电感饱和率。
具体的，xi为一电流；为根据该电感饱和率和电流生成的电感理论值，电感与电流呈线性变化；yi为该电流下实际采集的电感(即下述Ld、Lq)，基于上述公式(4)进行拟合得到K1、K2，具体的，可参考附图3为某一工况下(某一电角度和分配比)的拟合过程曲线图。
S30：建立第一优化函数，所述第一优化函数根据所述电感饱和率生成用于表征电流纹波抗饱和特性的第一指标；
具体的，电流纹波抗饱和特性采用d轴和q轴的电感因饱和效应产生的衰减比例来确定，由第一优化函数用于获得第一指标，该第一指标为电感产生的衰减比例最小，其意味着抗饱和性能最好，电流纹波因饱和效应增加最慢。
具体的，所述建立第一优化函数，所述第一优化函数根据所述电感饱和率生成用于表征电流纹波抗饱和特性的第一指标，包括：
所述第一优化函数设置为
其中，所述f1为第一指标，Ld、Lq分别为d轴和q轴的电感；ΔLd、ΔLq分别为d轴和q轴因饱和效应产生衰减量；
其中，K1、K2分别为所述d轴和q轴的电感饱和率，Id、Iq分别为d轴和q轴的电流。
S40：建立第二优化函数，所述第二优化函数根据所述寄生电阻以及系数集生成用于表征电流导通损耗的第二指标；
具体的，第二优化函数用于表示当前拓扑下，分配电流的电机两相绕组存在寄生电阻Rs，不同电流分配下，总电流导通损耗不同，因此第二指标用于表示总电流导通损耗，总电流导通损耗越小，则性能越佳。
具体地，所述建立第二优化函数，所述第二优化函数根据所述寄生电阻以及系数集生成用于表征电流导通损耗的第二指标(下述函数(8))，包括：
所述第二优化函数设置为f2＝(p2+(1-p)2)·IinRs(8)；
其中，f2为第二指标，p为分配比，Iin为输入电流；Rs为寄生电阻。
S50：建立第三优化函数，所述第三优化函数根据所述极对数、永磁体磁链、d轴和q轴的电流和电感，以及系数集生成用于表征充电扭矩的第三指标；
具体的，第三优化函数为永磁同步电机力矩方程，第三指标表示扭矩，扭矩越小，性能越好。
具体的，所述建立第三优化函数，所述第三优化函数根据所述极对数、永磁体磁链以及系数集生成用于表征充电扭矩的第三指标，包括：
所述第三优化函数设置为f3＝1.5P·[ΨmIp+(Ld-Lq)IdIq](9)；
其中，P为极对数，Ψm为永磁体磁链；Ld、Lq分别为d轴和q轴的电感；Id、Iq分别为d轴和q轴的电流。
需要说明的是，上述函数(9)中Id、Iq可参考上述公式(1)、(2)以及(1’)、(2’)计算获得，Ld、Lq则可由步骤S20中根据d轴和q轴的电流采集获得。
S60：基于所述第一优化函数、所述第二优化函数以及所述第三优化函数加权优化，获得充电特性关于电角度和分配比的目标优化函数；
具体的，在上述步骤中，根据上述函数(5)、(8)、(9)加权，各个函数的权重为预先设定，f＝S1f1+S2f2+S3f3(10)，f为目标优化函数，S1、S2、S3分别对应于上述第一优化函数、第二优化函数以及第三优化函数的预先设定的权重，该f为一个关于p和θ的函数，即根据已知θ可以获得f最优时的p，即最优的分配比。
S70：获取目标电角度，从所述系数集中获取与目标电角度匹配的分配比集；
在本实施方式中，上述系数集中的电角度为设定的汽车可能位于的电角度，该目标电角度为汽车当前的电角度，作为举例的，可以是汽车停止在某一位置下的电角度，在该状态下利用驱动系统为汽车系统充电，该目标电机度位于系数集中，则为了实现本实施方式中根据电机的电角度执行最优电流分配，以抑制由于电机电感饱和效应带来的电流纹波显著增加的问题的同时，实现综合最优的低导通损耗和低充电扭矩的目的，则需要在该目标电角度对应的分配比集下筛选出最优电流分配比p。
S80：获取所述目标电角度下各个分配比对应的电感饱和率，生成第二数据集；
在上述步骤中，基于步骤S800获得电角度和电角度对应的分配比集，则可根据上述步骤S20中的操作(可在S20计算各个电角度和分配集的电流和电感后采用列表预先存储)直接获得该电角度下各个分配比对应的电感饱和率，也可以根据上述步骤S70采用上述(1)、(2)再次计算电流并采集电感。
S90：在所述分配比集中基于所述目标优化函数和所述第二数据集执行寻优算法，获得在所述目标电角度下最优充电特性的分配比，设为目标分配比，即获得目标分配比；
具体的，所述寻优算法包括但不限于遗传算法、群智能算法、蚁群算法，前述均为可用于上述步骤中且效果较佳的算法，现有的其他寻优算法能够适用于本实施场景也可用于此，如萤火虫算法等。
在上述实施方式中，上述在所述分配比集中基于所述目标优化函数和所述第二数据集执行寻优算法，获得在所述目标电角度下最优充电特性的分配比，设为目标分配比，参阅图4，包括以下步骤：
S91：获取一预设的寻优算法，确定所述目标电角度；
可以采用上述寻优算法中的任一个。
S92：初始化所述寻优算法参数；
S93：将所述分配比集作为初始种群并初始化；
即，由于寻优算法基于概率的随机搜索进化算法，在种群中寻找最优解，因此，在本实施方式中，在分配比集中寻找最佳分配比，更为具体的，分配比可以是0～1中任何一个数字，可以按照0-1间隔均匀划分也可不均匀划分获得。
S94：基于所述初始种群，获取一分配比，采用目标优化函数计算充电特性，并判断是否达到最优充电特性；
根据上述函数(10)，基于确定的θ，得到f关于p的函数，则确定f最优时，即可获得最优分配比，该步骤可视作为寻优算法中的适应度计算，简单来说，即根据各个p计算获得若干f，并获得其中最佳的充电特性。
S95：若是，则根据该分配比获取目标分配；S95：若否，则迭代，并更新所述分配比。
在上述步骤中，更新分配比，即采用分配比集中另一分配比代替当前分配比，并循环上述S94，直至收敛或满足停止条件(即上述获得最优充电特性)。
在本实施方式中，由于上述步骤S10-S20中获得系数集中各个电角度和分配比下的电流、电感、电感饱和率，且由步骤S30-S60，即可获得目标函数，则可以基于目标函数对每一电角度进行处理，筛选出每一电角度对应的最佳分配比，并对应成表存储，由此在获得目标分配比后，直接查表获取其对应的分配比即可，由此可加快实际场景下的策略生成速度，上述S10-S60可在充电操作前预先执行，并存储在某一地址下，在充电过程中，直接由该地址查表获得，提高实际场景下的操作效率，因此在获取目标函数后，所述获得目标分配比，参阅图5，还包括以下步骤：
S90-1：根据所述系数集，获取各个电角度及其对应的分配比集；
S90-2：在各个电角度下逐个基于所述目标优化函数执行寻优算法，获得在各个电角度下最优充电特性的分配比，生成电角度与分配比最优关系表；
即，如上述，在获得目标电角度前，预选对各个电角度进行最优分配比的获得，并生成对应的关系表(电角度与分配比最优关系表)。该表用于包括若干电角度以及每一电角度下对应的唯一最优分配比。
S90-3：获取目标电角度，从所述电角度与分配比最优关系表中获得目标分配比。
具体的，该电角度与分配比最优关系表中可以预先存储于一地址下，由获得目标电角度后自动获取。若存在多个电角度，则在电角度与分配比最优关系表中逐个判断匹配获得与所有电角度其对应的最优分配比。
S100：根据所述目标分配比执行在充电状态下对输入电流的控制。
在本实施中，基于上述步骤S10-S90，可获得目标电角度下，在抑制了由于电机电感饱和效应带来的纹波显著增加的问题的同时，实现综合最优的低导通损耗和低充电扭矩，对应的目标分配比，基于该分配比执行电流控制，即可获得优化的充电过程。解决现有技术中电驱系统为电动汽车充电时，由于电流分配不当，会导致纹波显著增加，以及直流损耗和扭矩较大的问题。
本实施方式中提出的优化方法，根据目标电角度和目标分配比，生成优化的控制策略，实现了电流纹波抗饱和特性-电流导通损耗-充电过程扭矩(即分别对应上述第一优化函数、第二优化函数、第三优化函数)等多目标的优化控制策略。在抑制了由于电机电感饱和效应带来的纹波显著增加的问题的同时，实现了综合最优的低导通损耗和低充电扭矩。解决了利用电驱系统进行直流快充的场合，多目标综合优化困难的问题。
实施例二：本实施方式提供一种车用电驱系统的多目标控制充电优化装置110，执行上述实施例一所述的优化方法，参阅图6，应用于利用电驱系统为电动汽车电池充电场合下，与电驱系统A，待充电的电动汽车的电机B交互控制，具体的，包括：
数据采集模块111，用于获取电机参数以及系数集，其中，所述系数集包含若干电角度，且每一电角度均关联一分配比集；所述电机参数包括寄生电阻、极对数、永磁体磁链；
数据准备模块112，用于根据输入电流和所述系数集计算各个电角度和分配比下d轴和q轴的电流，具体的，可参考上述实施例一中的公式(1)、(2)进行计算。并采集对应的电感，以拟合获得各个电角度和分配比下d轴和q轴的电感饱和率；参考上述公式(3)、(4)采用线性最小二乘法拟合。
第一处理模块113，用于建立第一优化函数(参考上述函数(5))，所述第一优化函数根据所述电感饱和率生成用于表征电流纹波抗饱和特性的第一指标；
第二处理模块114，用于建立第二优化函数(参考上述函数(8))，所述第二优化函数根据所述寄生电阻以及系数集生成用于表征电流导通损耗的第二指标；
第三处理模块115，用于建立第三优化函数(参考上述函数(9))，所述第三优化函数根据所述极对数、永磁体磁链、d轴和q轴的电流和电感，以及系数集生成用于表征充电扭矩的第三指标；
第四处理模块116，基于所述第一优化函数、所述第二优化函数以及所述第三优化函数加权优化，获得充电特性关于电角度和分配比的目标优化函数(参考上述函数(10))；
获取模块117，用于获取目标电角度，从所述系数集中获取与目标电角度匹配的分配比集；获取所述目标电角度下各个分配比对应的电感饱和率，生成第二数据集；
计算模块118，用于在所述分配比集中基于所述目标优化函数和所述第二数据集执行寻优算法，获得在所述目标电角度下最优充电特性的分配比，设为目标分配比；
执行模块119，用于根据所述目标分配比执行在充电状态下对输入电流的控制。
在本实施方式中，首先采用数据采集模块111、数据准备模块112获得电机参数和系数集，并计算系数集中各个电角度和分配比下d轴和q轴的电流、电感以及电感饱和率；由第一处理模块113、第二处理模块114、第三处理模块115分别建立用于表征电流纹波、电流导通损耗、充电扭矩的第一优化函数、第二优化函数和第三优化函数，并采用第四处理模块116进行加权，获得目标优化函数，综合考虑电流纹波抗饱和特性-电流导通损耗-充电过程扭矩等多目标进行优化，而后根据获取模块117获取目标电角度，并在计算模块118下根据目标电角度在其对应的分配比集中采用寻优算法处理，以获得目标分配比，最后采用执行模块119根据最佳分配比生成控制策略执行在充电状态下对输入电流的控制，实现多种考虑因素的综合评估与最优设计，实现了损耗-纹波-扭矩等多目标的优化控制策略。在抑制了由于电机电感饱和效应带来的纹波显著增加的问题的同时，实现了综合最优的低导通损耗和低充电扭矩。作为优选地，还可设置存储模块120，用于预先在各个电角度下逐个基于所述目标优化函数执行寻优算法，获得在各个电角度下最优充电特性的分配比，生成电角度与分配比最优关系表，进行预先存储。由此，在获取目标电角度后，直接从所述电角度与分配比最优关系表中获得目标分配比，可加快实际场景下的策略生成速度，提高操作效率。作为补充的，该存储模块还可用于存储电机参数、系数集或生成的电流、电感、电感饱和率等本实施方式系统中的所有数据。本实施方式的系统基于多种考虑因素的综合评估与最优设计，解决现有技术中电驱系统为电动汽车充电时，由于电流分配不当，会导致纹波显著增加，以及直流损耗和扭矩较大的问题
应当注意的是，本发明的实施例有较佳的实施性，且并非对本发明作任何形式的限制，任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例，但凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰，均仍属于本发明技术方案的范围内。

Claims (10)

1.一种车用电驱系统的多目标控制充电优化方法，其特征在于，包括：
获取电机参数以及系数集，其中，所述系数集包含若干电角度，且每一电角度均关联一分配比集；所述电机参数包括寄生电阻、极对数、永磁体磁链；
根据输入电流和所述系数集计算各个电角度和分配比下d轴和q轴的电流，并采集对应的电感，以拟合获得各个电角度和分配比下d轴和q轴的电感饱和率；
建立第一优化函数，所述第一优化函数根据所述电感饱和率生成用于表征电流纹波抗饱和特性的第一指标；
建立第二优化函数，所述第二优化函数根据所述寄生电阻以及系数集生成用于表征电流导通损耗的第二指标；
建立第三优化函数，所述第三优化函数根据所述极对数、永磁体磁链、d轴和q轴的电流和电感，以及系数集生成用于表征充电扭矩的第三指标；
基于所述第一优化函数、所述第二优化函数以及所述第三优化函数加权优化，获得充电特性关于电角度和分配比的目标优化函数；
获取目标电角度，从所述系数集中获取与目标电角度匹配的分配比集；
获取所述目标电角度下各个分配比对应的电感饱和率，生成第二数据集；
在所述分配比集中基于所述目标优化函数和所述第二数据集执行寻优算法，获得在所述目标电角度下最优充电特性的分配比，以获得目标分配比；
根据所述目标分配比执行在充电状态下对输入电流的控制。
2.根据权利要求1所述的优化方法，其特征在于，所述根据输入电流和所述系数集计算各个电角度和分配比下d轴和q轴的电流，包括以下：
对于任一电角度和分配比，
d轴、q轴的电流分别根据下述公式计算：
其中，Id、Iq分别为d轴、q轴的电流；θ为电角度；IU＝p·Iin；IV＝(1-p)·Iin；IW＝-Iin；Iin为输入电流，p为分配比。
3.根据权利要求1所述的优化方法，其特征在于，所述拟合获得各个电角度和分配比下d轴和q轴的电感饱和率，包括以下：
对于任一电角度和分配比，
采用线性最小二乘法根据获得的所述电角度和分配比下的d轴和q轴电感和电流，拟合所述d轴和q轴电感随电流的变化曲线；
根据所述变化曲线分别获得所述d轴和q轴下电感饱和效应引起的曲线变化斜率，为所述d轴和q轴的电感饱和率。
4.根据权利要求1所述的优化方法，其特征在于，所述建立第一优化函数，所述第一优化函数根据所述电感饱和率生成用于表征电流纹波抗饱和特性的第一指标，包括：
所述第一优化函数设置为
其中，所述f1为第一指标，Ld、Lq分别为d轴和q轴的电感；ΔLd、ΔLq分别为d轴和q轴因饱和效应产生衰减量；
其中，K1、K2分别为所述d轴和q轴的电感饱和率，Id、Iq分别为d轴和q轴的电流。
5.根据权利要求1所述的优化方法，其特征在于，所述建立第二优化函数，所述第二优化函数根据所述寄生电阻以及系数集生成用于表征电流导通损耗的第二指标，包括：
所述第二优化函数设置为f2＝(p2+(1-p)2)·IinRs；
其中，f2为第二指标，p为分配比，Iin为输入电流；Rs为寄生电阻。
6.根据权利要求1所述的优化方法，其特征在于，所述建立第三优化函数，所述第三优化函数根据所述极对数、永磁体磁链以及系数集生成用于表征充电扭矩的第三指标，包括：
所述第三优化函数设置为f3＝1.5P·[ΨmIp+(Ld-Lq)IdIq]；
其中，P为极对数，Ψm为永磁体磁链；Ld、Lq分别为d轴和q轴的电感；Id、Iq分别为d轴和q轴的电流。
7.根据权利要求1所述的优化方法，其特征在于：
所述寻优算法包括遗传算法、群智能算法、蚁群算法。
8.根据权利要求1所述的优化方法，其特征在于，所述在所述分配比集中基于所述目标优化函数和所述第二数据集执行寻优算法，获得在所述目标电角度下最优充电特性的分配比，设为目标分配比，包括：
获取一预设的寻优算法，确定所述目标电角度；
初始化所述寻优算法参数；
将所述分配比集作为初始种群并初始化；
基于所述初始种群，获取一分配比，采用目标优化函数计算充电特性，并判断是否达到最优充电特性；
若是，则根据该分配比获取目标分配比，若否，则迭代，并更新所述分配比。
9.根据权利要求1所述的优化方法，其特征在于，在获取目标函数后，所述获得目标分配比，还包括：
根据所述系数集，获取各个电角度及其对应的分配比集；
在各个电角度下逐个基于所述目标优化函数执行寻优算法，获得在各个电角度下最优充电特性的分配比，生成电角度与分配比最优关系表；
获取目标电角度，从所述电角度与分配比最优关系表中获得目标分配比。
10.一种车用电驱系统的多目标控制充电优化装置，其特征在于，包括：
数据采集模块，用于获取电机参数以及系数集，其中，所述系数集包含若干电角度，且每一电角度均关联一分配比集；所述电机参数包括寄生电阻、极对数、永磁体磁链；
数据准备模块，用于根据输入电流和所述系数集计算各个电角度和分配比下d轴和q轴的电流，并采集对应的电感，以拟合获得各个电角度和分配比下d轴和q轴的电感饱和率；
第一处理模块，用于建立第一优化函数，所述第一优化函数根据所述电感饱和率生成用于表征电流纹波抗饱和特性的第一指标；
第二处理模块，用于建立第二优化函数，所述第二优化函数根据所述寄生电阻以及系数集生成用于表征电流导通损耗的第二指标；
第三处理模块，用于建立第三优化函数，所述第三优化函数根据所述极对数、永磁体磁链、d轴和q轴的电流和电感，以及系数集生成用于表征充电扭矩的第三指标；
第四处理模块，基于所述第一优化函数、所述第二优化函数以及所述第三优化函数加权优化，获得充电特性关于电角度和分配比的目标优化函数；
获取模块，用于获取目标电角度，从所述系数集中获取与目标电角度匹配的分配比集；
获取所述目标电角度下各个分配比对应的电感饱和率，生成第二数据集；
计算模块，用于在所述分配比集中基于所述目标优化函数和所述第二数据集执行寻优算法，获得在所述目标电角度下最优充电特性的分配比，设为目标分配比；
执行模块，用于根据所述目标分配比执行在充电状态下对输入电流的控制。
CN202210165677.5A 2022-02-11 2022-02-11 车用电驱系统的多目标控制充电优化方法及装置 Active CN114537196B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210165677.5A CN114537196B (zh) 2022-02-11 2022-02-11 车用电驱系统的多目标控制充电优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210165677.5A CN114537196B (zh) 2022-02-11 2022-02-11 车用电驱系统的多目标控制充电优化方法及装置

Publications (2)

Publication Number Publication Date
CN114537196A CN114537196A (zh) 2022-05-27
CN114537196B true CN114537196B (zh) 2024-03-05

Family

ID=81676890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210165677.5A Active CN114537196B (zh) 2022-02-11 2022-02-11 车用电驱系统的多目标控制充电优化方法及装置

Country Status (1)

Country Link
CN (1) CN114537196B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102625750A (zh) * 2009-08-07 2012-08-01 奥克兰联合服务有限公司 道路供电电动车辆系统
WO2019244680A1 (ja) * 2018-06-18 2019-12-26 田中　正一 電気自動車のパワーシステム
CN110707768A (zh) * 2018-07-09 2020-01-17 株式会社电装 充电控制设备和充电控制系统
CN111490668A (zh) * 2019-01-25 2020-08-04 英飞凌科技奥地利有限公司 栅极驱动器、传送信息位的方法和集成电路
CN111553024A (zh) * 2020-05-07 2020-08-18 北京理工大学 一种分布式驱动电动汽车驱动系统多目标优化方法和系统
CN113328675A (zh) * 2021-08-03 2021-08-31 臻驱科技（上海）有限公司 基于直流母线电压的直流电流估算方法、系统
WO2021205709A1 (ja) * 2020-04-08 2021-10-14 日立Astemo株式会社 インバータ制御装置、電動車両システム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102625750A (zh) * 2009-08-07 2012-08-01 奥克兰联合服务有限公司 道路供电电动车辆系统
WO2019244680A1 (ja) * 2018-06-18 2019-12-26 田中　正一 電気自動車のパワーシステム
CN110707768A (zh) * 2018-07-09 2020-01-17 株式会社电装 充电控制设备和充电控制系统
CN111490668A (zh) * 2019-01-25 2020-08-04 英飞凌科技奥地利有限公司 栅极驱动器、传送信息位的方法和集成电路
WO2021205709A1 (ja) * 2020-04-08 2021-10-14 日立Astemo株式会社 インバータ制御装置、電動車両システム
CN111553024A (zh) * 2020-05-07 2020-08-18 北京理工大学 一种分布式驱动电动汽车驱动系统多目标优化方法和系统
CN113328675A (zh) * 2021-08-03 2021-08-31 臻驱科技（上海）有限公司 基于直流母线电压的直流电流估算方法、系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张旭 ; .无刷直流电动机调压系统BUCK直流变换仿真.新型工业化.2016,(第07期),全文. *

Also Published As

Publication number Publication date
CN114537196A (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
CN108528436B (zh) 一种内外层嵌套的ecms多目标双层优化方法
CN109591659B (zh) 一种智能学习的纯电动汽车能量管理控制方法
CN112757893A (zh) 车辆格栅控制方法、介质、设备及车辆
CN111007399A (zh) 基于改进生成对抗网络的锂电池荷电状态预测方法
CN112213641A (zh) 用于获得剩余时间的电池管理系统及方法
CN106842056A (zh) 一种基于双步在线智能优化算法动力电池峰值功率估计方法
CN114537196B (zh) 车用电驱系统的多目标控制充电优化方法及装置
CN116307648B (zh) 变电站多巡检机器人巡检任务分配与遍历优化方法及系统
CN113895310A (zh) 一种动力电池智能温度控制方法、系统、车辆及存储介质
CN114977410A (zh) 一种基于pso-ga-fcm聚类的动力锂电池主动均衡控制策略及方法
CN115578870A (zh) 一种基于近端策略优化的交通信号控制方法
CN116826254A (zh) 重载货运列车自组网低温下电池直流自加热方法、系统、介质及终端
CN114312488A (zh) 一种电驱动系统加热控制方法、系统及车辆
CN117048404A (zh) 一种电动汽车充电控制方法、系统、设备及介质
CN106347373B (zh) 一种基于电池荷电状态预测的动态规划方法
CN112285568A (zh) 一种基于动力锂电池能量状态的剩余放电时间的估计方法
Wang et al. Multi-objective energy management for PHEV using pontryagin's minimum principle and particle swarm optimization online
CN114995545B (zh) 一种车辆热管理系统的控制方法、装置、设备及介质
CN115140059A (zh) 一种基于多目标优化的混合动力汽车能量管理方法及系统
CN115169755A (zh) 园区能源分配策略的优化方法、装置和电子设备
CN114938175A (zh) 永磁同步电机参数辨识方法、电子设备和存储介质
CN114329908A (zh) 一种基于聚类工况点的电驱效率计算方法
CN108023519B (zh) 一种基于人工蜂群参数优化的交流异步电动机滑膜变结构直接转矩控制方法
CN117254728A (zh) 一种基于改进蜉蝣算法的永磁同步电机参数辨识方法、电子设备和存储介质
CN115017599B (zh) 热泵新能源车型低温下能量流分析方法及系统

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