CN117394553B - 一种电动汽车动态无线电能传输功率优化控制方法 - Google Patents

一种电动汽车动态无线电能传输功率优化控制方法 Download PDF

Info

Publication number
CN117394553B
CN117394553B CN202311705972.6A CN202311705972A CN117394553B CN 117394553 B CN117394553 B CN 117394553B CN 202311705972 A CN202311705972 A CN 202311705972A CN 117394553 B CN117394553 B CN 117394553B
Authority
CN
China
Prior art keywords
coil
dwpt
electric automobile
transmission power
variance
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
CN202311705972.6A
Other languages
English (en)
Other versions
CN117394553A (zh
Inventor
王天皓
吴扬昀
赵楷沣
于全毅
赵强
朱宇
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.)
Jilin University
Original Assignee
Jilin University
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 Jilin University filed Critical Jilin University
Priority to CN202311705972.6A priority Critical patent/CN117394553B/zh
Publication of CN117394553A publication Critical patent/CN117394553A/zh
Application granted granted Critical
Publication of CN117394553B publication Critical patent/CN117394553B/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
    • B60L53/10—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
    • B60L53/12—Inductive energy transfer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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]
    • 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
    • H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
    • H02J50/10—Circuit arrangements or systems for wireless supply or distribution of electric power using inductive coupling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Power Engineering (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Biomedical Technology (AREA)
  • Transportation (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Current-Collector Devices For Electrically Propelled Vehicles (AREA)
  • Liquid Crystal (AREA)

Abstract

本发明适用于电动汽车技术领域，提供了一种电动汽车动态无线电能传输功率优化控制方法，包括以下步骤：步骤S1、电动汽车DWPT系统功率传输特性分析；步骤S2、全局灵敏度分析筛选DWPT控制变量；步骤S3、电动汽车DWPT系统传输功率优化控制。本发明采用sobol全局灵敏度分析方法筛选出电动汽车DWPT系统中对系统传输功率影响较大的参数作为控制变量，有效地提高了系统控制效率；在原有粒子群基础上结合准反向学习以及自适应分裂策略实施改进，利用改进粒子群算法实现电动汽车行驶过程中功率传输的平稳性，相比传统粒子群显著地改善了动态无线电能传输功率控制性能。

Description

一种电动汽车动态无线电能传输功率优化控制方法
技术领域
本发明属于电动汽车技术领域，尤其涉及一种电动汽车动态无线电能传输功率优化控制方法。
背景技术
动态无线电能传输（DWPT）可实现电动汽车一边驾驶一边充电，克服了电池容量小、续航里程短等不足，具有广阔的应用前景。目前动态充电发射线圈组大多采用分段导轨形式，路面的供电导轨可实时为行驶中的车辆提供电能，具有传能效率高、电磁暴露小等优势。目前，DWPT技术在实际应用中仍存在瓶颈：在汽车驾驶过程中，由于路面凹凸不平、路段存在障碍物等不确定因素影响，车身不可避免的颠簸会造成磁耦合收发线圈互感剧烈波动，进而导致系统长期处于不理想的工作状态且系统传输功率无法维持在最优水平。
为了保证电动汽车驾驶过程中传输功率的平稳性，现有方法主要集中于控制策略、耦合线圈结构设计及补偿网络拓扑优化设计三个方面。相关研究表明，在电动汽车DWPT实际应用中由充电区域切换引起的系统输出波动问题，线圈组及补偿网络优化设计措施仍不能较好地应对。相比之下，采用控制策略对DWPT传输功率进行调节的方式，动态性能更好且对于外界工况变化适应能力更强。然而，在以往的控制策略研究中，对于控制变量的选取通常没有一个科学的方案，导致系统控制效率不高。
粒子群算法本身原理简单且参数不多，在搜索最优解过程中具有较高的执行效率，适用于解决DWPT传输功率优化控制问题。然而，传统粒子群在应用过程中仍存在些许局限性，比如：1) 算法的收敛精度及速度受随机初始解的影响较大； 2) 算法迭代过程中粒子容易出现聚集效应，导致种群陷入局部最优。为了克服上述不足，本发明提出了一种电动汽车动态无线电能传输功率优化控制方法。
发明内容
本发明的目的在于提供一种电动汽车动态无线电能传输功率优化控制方法，旨在解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种电动汽车动态无线电能传输功率优化控制方法，包括以下步骤：
步骤S1、电动汽车DWPT系统功率传输特性分析：在电动汽车DWPT系统磁耦合机构中，以收发两端平面矩形线圈和LCC补偿拓扑结构作为研究对象，建立不同空间错位下的耦合互感模型，结合收发线圈互感特性分析汽车实际驾驶中线圈组偏移对DWPT传输功率的影响；
步骤S2、全局灵敏度分析筛选DWPT控制变量：采用sobol全局灵敏度分析法量化电动汽车DWPT系统中不同参数变量对系统传输功率的影响程度，筛选出关键参数作为实际控制变量；
步骤S3、电动汽车DWPT系统传输功率优化控制：搭建DWPT传输功率控制模型，利用改进粒子群算法对所选控制变量进行实时优化调整。
进一步的，所述步骤S1中，以收发两端平面矩形线圈结构作为研究对象，建立不同空间错位下的耦合互感模型：
；
；
其中，为绕制线圈的利兹线宽度；/>为微分符号；/>为积分变量A和B的函数；/>表示单匝线圈的几何函数；/>为发射侧线圈匝数单位；/>为接收侧线圈匝数单位；/>为发射侧线圈组的几何函数；/>为接收侧线圈组的几何函数；M为互感；k为线圈耦合系数；μ 0为空气磁导率；w 1、w 2分别为发射侧、接收侧绕制线圈的利兹线宽度；δ为两侧绕制线圈的利兹线厚度；Δz为收发端线圈垂直传输距离；A和B为积分变量；N 1和N 2分别为原、副边线圈的匝数；x 1和x 2分别为原、副边线圈长度，y 1和y 2分别为原、副边线圈宽度；
当收发两端平面矩形线圈组之间存在角度偏移θ时，电磁耦合有效面积为cosθ·dS，由发射线圈激励穿过接收线圈的磁通量表示为：
角度偏转下的耦合线圈互感表示为：
；
其中，B表示发射线圈产生的空间磁场强度，i表示发射线圈电流；表示电磁耦合有效面积。
进一步的，所述步骤S1中，根据基尔霍夫电压定律，建立LCC补偿电路的矩阵方程如下：
其中，a~g均表示电路矩阵参数；I 1、I 2、I 3、I 4分别表示从输入端至负载端各个支路的电流，具体表示为：
上式中，U LCC 为等效交流源；L f、L h分别为初、次级补偿电感；C f、C h分别为初、次级并联补偿电容；C p、C s分别为初、次级串联补偿电容；L p、L s分别为初、次级线圈自感；M为互感；R s、R t、R r分别为电源内阻、发射线圈组寄生电阻以及接收线圈组寄生电阻；j为复数虚根，ω为工作频率；当ω处于谐振频率状态时，系统传输功率表示为：
其中，R 0为等效负载端电阻。
进一步的，所述步骤S2的sobol全局灵敏度分析具体原理为：
设任意模型函数为Y=F(X)，则F(X)按照下式进行分解：
其中，f 0为常量，f i 为X i 单独变化时的效应函数，f ij 为X i 和X j 同时变化时的效应函数，以此类推f 1,2,…,d 为多变量同时变化时的效应函数；(X 1, X 2, …, X d )表示d个不确定输入量的集合；Y为单变量模型输出；在上式两端同时取方差，得到方差分解式如下式：
其中，为总方差；/>为X i 单独变化时的方差；/>为X i 和X j 同时变化时的方差；为多变量同时变化时的方差；不同的分解项表示不同变量以及变量之间相互作用对模型输出方差的影响。
进一步的，所述步骤S2中，sobol全局灵敏度的指标定义为：
其中，S i 为一阶灵敏度指标，为单变量对模型的方差；/>为总方差；总灵敏度指标表示为各个输入变量的一阶灵敏度指标与各变量间相互作用的灵敏度指标之和，具体如下式所示：
其中，表示总灵敏度，/>表示一阶灵敏度指标，/>和/>均表示各变量相互作用的灵敏度指标。
进一步的，所述步骤S3中，通过结合准反向学习策略及自适应分裂策略的方式对原有粒子群算法实施改进，得到改进的粒子群算法。
进一步的，所述准反向学习策略具体原理表示为：
假设x=(x 1, x 2 , … , x D )为D维空间中某个点，，d∈[1, 2,…, D]，其中/>和/>分别为x点第d维的最小边界值及最大边界值，对应的反向点表示为：
准反向点位于搜索空间中心点与反向点之间，由下式定义：
可知，准反向点为介于/>与反向点/>之间的随机分布点；表示搜索空间中心点；
通过对比原始粒子和准反向粒子个体，应用竞争法按照适应度的高低筛选出前1/2个体投入下一轮种群迭代。
进一步的，所述自适应分裂策略中，分裂条件的数学模型为：
其中，L i,j表示以目标函数为坐标的D维空间内粒子i和距离其最近的粒子j之间的欧氏距离；L i,gbest为D维空间内粒子i与群体最优粒子的欧氏距离；S为随着算法迭代持续递减的分裂阈值；S 0为初始阈值；k为当前迭代次数；k max为最大迭代次数；
假设某粒子个体满足分裂条件，则该粒子个体的位置公式表示为：
其中，x i 为第i个粒子的位置参数；E为动态分裂算子； e-k/kmax为自适应分支阈值；q为趋向于无穷小的整数；
当L i,gbest ≥e-k/kmax时，在粒子步长递进中以分裂项E(1-(k/k max))为主导；
当L i,gbest < e-k/kmax时，粒子步长递进方式转变为以其本身位置项为主导。
与现有技术相比，本发明的有益效果是：
本发明利用粒子群优化算法实现电动汽车行驶过程中功率传输的平稳控制，相较于耦合线圈组及补偿网络结构优化设计的方式，提升了外界工况复杂变化下DWPT系统的动态响应能力；采用sobol全局灵敏度分析方法筛选出电动汽车DWPT系统中对系统传输功率影响较大的参数作为控制变量，有效地提高了系统控制效率；针对原粒子群算法中初始种群分布不均及陷入局部最优等不足，提出结合准反向学习以及自适应分裂策略，显著地改善了电动汽车实际驾驶过程中动态无线电能传输功率控制性能。
附图说明
图1为本发明的流程图。
图2为本发明中LCC补偿网络的等效电路图。
图3为本发明中LCC基本拓扑结构图。
图4为本发明中DWPT传输功率的控制流程图。
图5为本发明实施例1中动态无线电能传输ANSYS仿真模型图。
图6为本发明实施例1中互感及传输功率仿真分析图。其中，(a) 为互感、传输功率随耦合角变化特性； (b) 为互感、传输功率随水平偏移变化特性。
图7为本发明实施例1中LCC补偿网络相关参数变量的灵敏度指数。
图8为本发明实施例1中耦合互感突变下改进粒子群与传统粒子群的功率追踪曲线对比图。
图9为本发明实施例1中耦合互感持续波动下改进粒子群与传统粒子群的功率追踪曲线对比图。其中，(a) 表示0.1μH/s互感波动率的工况；(b) 表示0.5μH/s互感波动率的工况；(c) 表示1μH/s互感波动率的工况。
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用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
如图1所示，为本发明一个实施例提供的一种电动汽车动态无线电能传输功率优化控制方法，包括以下步骤：
步骤S1、电动汽车DWPT系统功率传输特性分析：在电动汽车DWPT系统磁耦合机构中，以收发两端平面矩形线圈和LCC补偿拓扑结构作为研究对象，建立不同空间错位下的耦合互感模型，结合收发线圈互感特性分析汽车实际驾驶中线圈组偏移对DWPT传输功率的影响；
步骤S2、全局灵敏度分析筛选DWPT控制变量：采用sobol全局灵敏度分析法（为现有技术中常见的敏感性分析方法）量化电动汽车DWPT系统中不同参数变量对系统传输功率的影响程度，择优选出对系统传输功率影响程度较大的参数作为实际控制变量；
步骤S3、电动汽车DWPT系统传输功率优化控制：搭建DWPT传输功率控制模型，利用改进粒子群算法对所选控制变量进行实时优化调整。
在本发明实施例中，优选的，具体步骤为：
在DWPT磁耦合机构中，以收发两端平面矩形线圈、LCC补偿拓扑结构（由L型和C型电气网络构成的一种电路，为现有技术）为例，建立不同空间错位下的耦合互感模型，搭建DWPT系统ANSYS仿真模型，结合耦合互感特性分析线圈组位移对系统传输功率的影响；
利用sobol全局灵敏度预测LCC补偿网络中相关参数变量的影响程度，筛选出LCC补偿网络中对系统传输功率影响程度较大的参数，作为实际控制变量；
搭建基于Simulink的DWPT系统传输功率控制模型，结合准反向学习策略及自适应分裂策略，对原有粒子群算法实施改进；利用改进粒子群对系统传输功率进行优化控制，验证复杂变化工况下控制策略的有效性；
对比普通粒子群的控制性能，验证本发明技术方案的先进性。
基于本发明采用的sobol全局灵敏度分析法和改进粒子群算法，电动汽车动态无线电能传输功率的控制流程如图4所示。首先利用sobol灵敏度选出对系统传输功率影响较大的参数，而后将所选参数作为决策量，即改进粒子群算法的优化变量。通过利用改进粒子群中的准反向学习及自适应分裂策略（具体可参见后述内容），最终高效地得出动态无线电能传输系统（DWPT）传输功率的最优解。
作为本发明的一种优选实施例，在电动汽车DWPT系统中，谐振补偿电路利用阻抗匹配技术实现系统能效的提升，是无线电能传输的重要组成部分，其拓扑结构种类多样化且不同结构传能特性各不相同。其中，LCC拓扑具有多自由度功率匹配特性，且能够有效改善功率因数和电压质量，具有高效的传输效率。
因此，本发明以LCC补偿网络为研究对象，图2所示为LCC补偿网络等效电路整体框架，其中，发射侧阵列供电源由若干基于LCC谐振拓扑的分段式电源组成，U in,1~U in,N 提供直流电，经全桥逆变电路和一次侧补偿网络后在发射线圈中产生高频交流电，进而在空间中激发高频交变磁场，使得接收线圈感应出交变电动势，而后这部分电能经二次侧补偿网络拓扑结构和直流变换（DC-DC）电路转变成直流电供给车载端等效拓扑结构的负载R L。
发射侧阵列导轨共有N个供电源，其中，L f1表示第1块发射单元补偿电感；L p1表示第1块发射单元线圈自感；C f1表示第1块发射单元并联补偿电容；C p1表示第1块发射单元串联补偿电容；L fN 、L pN 、C fN 、C pN 则分别表示第N块发射单元的补偿电感、线圈自感、并联补偿电容以及串联补偿电容。
在车载端，L h为接收侧补偿电感；L s为接收侧线圈自感；C h为接收侧并联补偿电容；C s为接收侧串联补偿电容。
为了对LCC补偿电路特性进行精确分析，将输入直流源U in和一次侧逆变电路简化为等效交流源U LCC，二次侧整流电路和电池负载简化为等效电阻R 0，得到如图3所示的LCC等效拓扑结构。其中，L f、L h分别为初、次级补偿电感；C f、C h分别为初、次级并联补偿电容；C p、C s分别为初、次级串联补偿电容；L p、L s分别为初、次级线圈自感； R s、R t、R r分别为电源内阻、发射线圈组寄生电阻以及接收线圈组寄生电阻。根据基尔霍夫电压定律，建立LCC补偿电路的矩阵方程如下：
其中，M为互感；j为复数虚根，ω为工作频率；a~g均表示电路矩阵参数；I 1、I 2、I 3、I 4分别表示从输入端至负载端各个支路的电流，具体表示为：
上式中，U LCC 表示等效交流源；当ω处于谐振频率状态时，系统传输功率可表示为：
其中，R 0为等效负载端电阻。
作为本发明的一种优选实施例，在电动汽车DWPT磁耦合模型中，收发线圈互感M的变化通常会对系统传输功率P out造成很大影响，而互感M与耦合线圈组的空间位置又有紧密关联，考虑到电动汽车实际驾驶过程中车身不可避免的振动会引起严重的线圈组错位现象，因此有必要分析汽车实际驾驶情景中线圈偏移对系统传输功率造成的影响。
以收发两端平面矩形线圈结构作为研究对象，建立不同空间位移情形下的耦合互感模型如下式所示：
；
；
其中，为绕制线圈的利兹线宽度；/>为微分符号；/>为积分变量A和B的函数；/>表示单匝线圈的几何函数；/>为发射侧线圈匝数单位；/>为接收侧线圈匝数单位；/>为发射侧线圈组的几何函数；/>为接收侧线圈组的几何函数；M为互感；k为线圈耦合系数；μ 0为空气磁导率；w 1、w 2分别为发射侧、接收侧绕制线圈的利兹线宽度；δ为两侧绕制线圈的利兹线厚度；Δz为收发端线圈垂直传输距离；A和B为积分变量；N 1和N 2分别为原、副边线圈的匝数；x 1和x 2分别为原、副边线圈长度，y 1和y 2分别为原、副边线圈宽度；
当收发两端平面矩形线圈组之间存在角度偏移θ时，电磁耦合有效面积为cosθ·dS，由发射线圈激励穿过接收线圈的磁通量可表示为：
角度偏转下的耦合互感可表示为：
其中，B表示发射线圈产生的空间磁场强度，i表示发射线圈电流；表示电磁耦合有效面积。可知角度偏移下的互感值与耦合角余弦函数相关。结合实际无线电能传输情景可知，随着线圈组的空间位移参数变化，耦合互感以及系统传输功率亦会发生变化。因此，有必要探究实际错位情形下互感及功率的动态变化规律，从而为电动汽车动态无线电能传输功率优化控制奠定理论基础。
作为本发明的一种优选实施例，在实际情况下，电动汽车DWPT系统的相关组件（如LCC补偿网络的电容、阻抗）具有不确定性，这将对系统传输功率造成较大影响。本发明提出采用sobol全局灵敏度分析法预测相关参数对系统传输功率造成的影响，择优选出影响程度较高的参数作为DWPT系统的控制变量，以此进一步提高控制效率。sobol方法的核心思想为对目标模型输出的方差进行分解，将其分解为单一参数与多参数集合子函数的组合，利用模型中单个输入参数的方差来量化各参数的影响程度。设任意模型函数为Y=F(X)，则F(X)按照下式进行分解：
其中，f 0为常量，f i 为X i 单独变化时的效应函数，f ij 为X i 和X j 同时变化时的效应函数，以此类推f 1,2,…,d 为多变量同时变化时的效应函数；(X 1, X 2, …, X d )表示d个不确定输入量的集合；Y为单变量模型输出；在上式两端同时取方差，得到方差分解式如下式：
其中，为总方差；/>为X i 单独变化时的方差；/>为X i 和X j 同时变化时的方差；为多变量同时变化时的方差；不同的分解项表示不同变量以及变量之间相互作用对模型输出方差的影响。
作为本发明的一种优选实施例，所述步骤S2中，sobol全局灵敏度的指标定义为：
其中，S i 为一阶灵敏度指标，反映了单个输入对输出响应方差的贡献为单变量对模型的方差；/>为总方差；总灵敏度指标表示为各个输入变量的一阶灵敏度指标与各变量间相互作用的灵敏度指标之和，具体如下式所示：
其中，为总灵敏度，/>表示一阶灵敏度指标，/>和/>均表示各变量相互作用的灵敏度指标。
作为本发明的一种优选实施例，电动汽车动态无线电能传输过程中耦合互感具有很强的动态变化特性，面对类似的复杂非线性工程优化问题时，一般算法的寻优速度难以达到实际需求。粒子群作为一种高效的群体智能算法，其本身原理简单且参数不多，在搜索最优解过程中具有优越的飞行速度且无需进行过多的计算。因此，本发明借助粒子群寻优策略解决DWPT传输功率优化控制问题。粒子群算法的基本步长迭代公式表示为：
其中，v表示粒子每次递进的步长值；x pbest(k)、x gbest(k)分别表示第k轮迭代时单体粒子以及所有粒子的最优位置；c 1、c 2分别为个体及群体学习因子；r 1、r 2均为[0, 1]内的随机数；ω表示惯性权重，可用于调节算法的局部开采和全局探索能力；表示第k轮迭代时粒子位置；/>表示第k+1轮迭代时粒子位置；/>表示表示第k+1轮迭代时粒子步长值；/>表示第k轮迭代时粒子步长值。
传统粒子群在应用过程中仍存在些许局限性，比如：算法的收敛精度及速度受随机初始解的影响较大；算法寻优时粒子容易出现聚集效应，导致种群陷入局部最优解。为了弥补上述不足，本发明提出准反向学习策略改善种群随机初始化问题，同时结合自适应粒子分裂策略提高算法的动态搜索能力，从而进一步提升算法的整体优化性能。
作为本发明的一种优选实施例，初期阶段，种群中粒子个体的位置在决策变量上下区间内随机生成，致使初始解有较大概率偏离全局最优解，不利于算法后期的快速收敛。为此提出准反向学习策略对种群初始化阶段进行有效改善；假设x=(x 1, x 2 , … , x D )为D维空间中某个点，，d∈[1, 2, …, D]，其中/>和/>分别为x点第d维的最小边界值及最大边界值，对应的反向点表示为：
为了提高粒子位置接近全局最优解的概率，拟在原种群基础上生成准反向个体种群以增加解空间范围，准反向点位于搜索空间中心点与反向点之间，由下式定义：
其中，准反向点为介于/>与反向点/>之间的随机分布点；
通过对比原始粒子和准反向粒子个体，应用竞争法则择优选出适应度更高的前1/2个体投入下一轮种群迭代，以改善种群的初始分布特性，使算法在搜索后期能够更快地收敛于全局最优解。
作为本发明的一种优选实施例，为了克服原粒子群陷入局部最优的局限性，提出了自适应分裂策略加以改善，其基本理念为将天体物理学中的分裂算子引入算法中，利用引力理论自适应分裂过度聚集的粒子群体以增强种群的多样性，从而促使跳出局部最优位置，相关分裂条件的数学模型表述为：
其中，L i,j表示以目标函数为坐标的D维空间内粒子i和距离其最近的粒子j之间的欧氏距离；L i,gbest为D维空间内粒子i与群体最优粒子的欧氏距离；S为随着算法迭代持续递减的分裂阈值：当算法处于前期广域搜索阶段时，S值较大促进种群分裂以扩大寻优范围，而当算法处于后期短程搜索阶段时，S值较小以充分提高全局最优解的收敛精度；S 0为初始阈值；k为当前迭代次数；k max为最大迭代次数；
假设某粒子个体满足分裂条件，则该粒子个体的位置公式表示为：
其中，x i 为第i个粒子的位置参数；E为动态分裂算子； e-k/kmax为自适应分支阈值；q为趋向于无穷小的整数，主要用于开发搜索空间。
当前期粒子个体与最优个体相隔较远时， L i,gbest ≥e-k/kmax，此阶段E值较大，在粒子步长递进中以分裂项E(1-(k/k max))为主导，以促进种群多样化避免局部最优；当后期粒子个体与最优个体距离较近时，L i,gbest < e-k/kmax，此阶段E值较小，粒子步长递进方式转变为以其本身位置项为主导，从而保证算法的局部精准搜索能力。通过结合自适应分裂策略，可实现算法在不同阶段采取合适的步长调整方式进行寻优，从而更好地满足实际应用需求（以上内容可结合图4进行解读）。
实施例1、本发明以发射端阵列式导轨结构为例，应用ANSYS Maxwell建立了电动汽车动态无线电能传输仿真模型如图5所示，其中发射线圈组及接收线圈组的仿真参数如表1所示。
表1 发射及接收线圈组仿真参数
假设汽车处于驾驶过程中，磁耦合机构线圈组受到气流振动，模拟线圈组横、纵向水平偏移量h∈[0, 0.3]，线圈组耦合角度偏移量θ∈[0, 90]，仿真所得系统传输功率与互感变化趋势如图6所示；其中θ-P表示传输功率P随耦合角θ变化特性；θ-M表示互感M随耦合角θ变化特性；h-P表示传输功率P随水平偏移h变化特性；h-M表示互感M随水平偏移h变化特性。
由图6可以看出，DWPT传输功率与线圈互感具有高度一致的变化趋势，随着横纵向水平偏移逐渐增大的过程中，两者均呈现出负相关性逐渐减小，而在耦合角变化区间内，两者则呈现出先增大后减小的趋势。因此，在电动汽车实际动态充电过程中车身颠簸会对系统传输功率稳定性造成不可忽视的影响，严重情况下甚至导致系统无法正常供电，采取科学措施减小外界变化对DWPT系统传输功率的干扰具有重要意义。
本发明以LCC补偿网络组件作为优化模块，利用控制策略实现电动汽车DWPT系统功率平稳输出，为了量化补偿网络中不同参数变量对于系统传输功率的影响程度，采用sobol全局灵敏度分析法计算了相关变量的灵敏度指数，具体结果如图7所示；
由图7可以看出，发射侧和接收侧补偿电感L f、L h对于DWPT系统传输功率的影响程度高于其他变量，考虑到上述两个参数同时具有较高的操作自由度，因此选择L f、L h作为系统控制变量，本发明将利用改进粒子群算法对L f、L h进行实时优化调整。
本发明基于Simulink搭建了动态无线电能传输功率控制模型，包含主电路、可调电感模块、改进粒子群（IPSO）算法模块以及能够模拟电动汽车动态行驶的可变互感模块，其中粒子群（PSO）相关仿真参数设置如表2所示。
表2 粒子群仿真参数
当主控制器识别到线圈互感发生变化时，便启动优化算法模块对当前磁耦合偏移状态下的传输功率最优解进行计算，而后根据优化结果对发射侧、接收侧补偿电感进行相应的调整。本发明将IPSO与传统PSO算法进行对比，模拟线圈互感突变以及持续变化等不同情景对算法的功率控制过程展开仿真，所得结果如图8和图9所示。
假设DWPT系统处于稳定运行状态，当时间t=0.2s时互感M由1.7μH降为1.2μH，以模拟磁耦合机构受到一次偶发性的扰动，由图8可以观察到改进粒子群（IPSO）算法能以较高的速率追踪到最优功率，且在追踪过程中无明显的功率振荡现象，相比于传统粒子群（PSO）有效地提高了控制速度及鲁棒性。另外，当外界工况发生偶发突变时，IPSO在重新寻找最优功率的过程中反应更快且振荡更小，具有优良的环境应变能力。
在实际DWPT应用情景中，收发线圈互感受到车身颠簸影响通常处于持续变化的状态，为了更真实地模拟电动汽车驾驶环境，设某个时段内耦合互感M受到持续扰动，以此对IPSO和传统PSO展开功率追踪仿真。本发明在互感波动时间段t∈[5, 15]内分别采用了0.1μH/s、0.5μH/s、1μH/s三种不同的互感变化率对耦合机构进行扰动，以量化系统受到不同程度的外界干扰（参见图9，图9中的互感波动区间即互感波动时间段t∈[5, 15]）。通过实验结果可看出，传统PSO搜索到的实际传输功率偏离最优解，同时伴有功率振荡现象，随着互感波动率的增大功率振荡效应将进一步加剧，造成了严重的系统损耗。相比之下，IPSO算法的控制策略能使系统在0.1μH/s、0.5μH/s、1μH/s不同的互感扰动率下均保持优良的鲁棒性，显著地减弱了功率波动效应，同时实际传输功率能够维持在最优水平，因此基于改进粒子群（IPSO）的动态无线电能传输功率控制方法在面对复杂互感扰动的工况下具有更突出的动态响应能力。
综上所述，本发明为电动汽车行驶过程中传输功率平稳控制方案提供了有效的理论依据和科学指导。
以上仅是本发明的优选实施方式，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些均不会影响本发明实施的效果和专利的实用性。

Claims (4)

1.一种电动汽车动态无线电能传输功率优化控制方法，其特征在于，包括以下步骤：
步骤S1、电动汽车DWPT系统功率传输特性分析：在电动汽车DWPT系统磁耦合机构中，以收发两端平面矩形线圈和LCC补偿拓扑结构作为研究对象，建立不同空间错位下的耦合互感模型，结合收发线圈互感特性分析汽车实际驾驶中线圈组偏移对DWPT传输功率的影响；
步骤S2、全局灵敏度分析筛选DWPT控制变量：采用sobol全局灵敏度分析法量化电动汽车DWPT系统中不同参数变量对系统传输功率的影响程度，筛选出关键参数作为实际控制变量；
步骤S3、电动汽车DWPT系统传输功率优化控制：搭建DWPT传输功率控制模型，利用改进粒子群算法对所选控制变量进行实时优化调整；
所述步骤S1中，以收发两端平面矩形线圈结构作为研究对象，建立不同空间错位下的耦合互感模型：
；
；
其中，为绕制线圈的利兹线宽度；/>为微分符号；/>为积分变量A和B的函数；/>表示单匝线圈的几何函数；/>为发射侧线圈匝数单位；/>为接收侧线圈匝数单位；/>为发射侧线圈组的几何函数；/>为接收侧线圈组的几何函数；M为互感；k为线圈耦合系数；μ 0为空气磁导率；w 1、w 2分别为发射侧、接收侧绕制线圈的利兹线宽度；δ为两侧绕制线圈的利兹线厚度；Δz为收发端线圈垂直传输距离；A和B为积分变量；N 1和N 2分别为原、副边线圈的匝数；x 1和x 2分别为原、副边线圈长度，y 1和y 2分别为原、副边线圈宽度；
当收发两端平面矩形线圈组之间存在角度偏移θ时，电磁耦合有效面积为cosθ·dS，由发射线圈激励穿过接收线圈的磁通量表示为：
；
角度偏转下的耦合线圈互感表示为：
；
其中，B表示发射线圈产生的空间磁场强度，i表示发射线圈电流；表示电磁耦合有效面积；
所述步骤S3中，通过结合准反向学习策略及自适应分裂策略的方式对原有粒子群算法实施改进，得到改进的粒子群算法；
所述准反向学习策略具体原理为：
假设x=(x 1, x 2 , … , x D )为D维空间中某个点，，d∈[1, 2, …,D]，其中/>和/>分别为x点第d维的最小边界值及最大边界值，对应的反向点表示为：
；
准反向点为位于搜索空间中心点与反向点之间的随机分布点，由下式定义：
；
其中，表示搜索空间中心点；
通过对比原始粒子和准反向粒子个体，应用竞争法按照适应度的高低筛选出前1/2个体投入下一轮种群迭代；
所述自适应分裂策略中，分裂条件的数学模型为：
；
；
其中，L i,j表示以目标函数为坐标的D维空间内粒子i和距离其最近的粒子j之间的欧氏距离；L i,gbest为D维空间内粒子i与群体最优粒子的欧氏距离；S为随着算法迭代持续递减的分裂阈值；S 0为初始阈值；k为当前迭代次数；k max为最大迭代次数；
假设某粒子个体满足分裂条件，则该粒子个体的位置公式表示为：
；
；
其中，x i 为第i个粒子的位置参数；E为动态分裂算子； e-k/kmax为自适应分支阈值；q为趋向于无穷小的整数；
当L i,gbest ≥e-k/kmax时，在粒子步长递进中以分裂项E(1-(k/k max))为主导；
当L i,gbest < e-k/kmax时，粒子步长递进方式转变为以其本身位置项为主导。
2.根据权利要求1所述的电动汽车动态无线电能传输功率优化控制方法，其特征在于，所述步骤S1中，根据基尔霍夫电压定律，建立LCC补偿电路的矩阵方程如下：
；
；
其中，a~g均表示电路矩阵参数；I 1、I 2、I 3、I 4分别表示从输入端至负载端各个支路的电流，具体表示为：
；
上式中，U LCC 为等效交流源；L f、L h分别为初、次级补偿电感；C f、C h分别为初、次级并联补偿电容；C p、C s分别为初、次级串联补偿电容；L p、L s分别为初、次级线圈自感；M为互感；R s、R t、R r分别为电源内阻、发射线圈组寄生电阻以及接收线圈组寄生电阻；j为复数虚根，ω为工作频率；当ω处于谐振频率状态时，系统传输功率表示为：
；
其中，R 0为等效负载端电阻。
3.根据权利要求1所述的电动汽车动态无线电能传输功率优化控制方法，其特征在于，所述步骤S2的sobol全局灵敏度分析原理为：
设任意模型函数为Y=F(X)，则F(X)按照下式进行分解：
；
其中，f 0为常量，f i 为X i 单独变化时的效应函数，f ij 为X i 和X j 同时变化时的效应函数，以此类推f 1,2,…,d 为多变量同时变化时的效应函数；(X 1, X 2, …, X d )表示d个不确定输入量的集合；Y为单变量模型输出；在上式两端同时取方差，得到方差分解式如下式：
；
其中，为总方差；/>为X i 单独变化时的方差；/>为X i 和X j 同时变化时的方差；/>为多变量同时变化时的方差；不同的分解项表示不同变量以及变量之间相互作用对模型输出方差的影响。
4.根据权利要求1所述的电动汽车动态无线电能传输功率优化控制方法，其特征在于，所述步骤S2中，sobol全局灵敏度的指标定义为：
；
其中，S i 为一阶灵敏度指标，为单变量对模型的方差；/>为总方差；总灵敏度指标表示为各个输入变量的一阶灵敏度指标与各变量间相互作用的灵敏度指标之和，具体如下式所示：
；
其中，表示总灵敏度，/>表示一阶灵敏度指标，/>和/>均表示各变量相互作用的灵敏度指标。
CN202311705972.6A 2023-12-13 2023-12-13 一种电动汽车动态无线电能传输功率优化控制方法 Active CN117394553B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311705972.6A CN117394553B (zh) 2023-12-13 2023-12-13 一种电动汽车动态无线电能传输功率优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311705972.6A CN117394553B (zh) 2023-12-13 2023-12-13 一种电动汽车动态无线电能传输功率优化控制方法

Publications (2)

Publication Number Publication Date
CN117394553A CN117394553A (zh) 2024-01-12
CN117394553B true CN117394553B (zh) 2024-02-13

Family

ID=89435989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311705972.6A Active CN117394553B (zh) 2023-12-13 2023-12-13 一种电动汽车动态无线电能传输功率优化控制方法

Country Status (1)

Country Link
CN (1) CN117394553B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022127462A1 (zh) * 2020-12-14 2022-06-23 中国人民解放军海军工程大学 Ipt系统抗偏移参数优化方法、系统及计算机设备
CN115320420A (zh) * 2022-08-15 2022-11-11 吉林大学 一种电动汽车无线电能传输系统传输效率优化方法
CN115811142A (zh) * 2022-10-27 2023-03-17 重庆理工大学 无线充电系统
CN117010315A (zh) * 2023-10-07 2023-11-07 广东工业大学 一种无线电能传输系统的lcc-s拓扑参数设计方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022127462A1 (zh) * 2020-12-14 2022-06-23 中国人民解放军海军工程大学 Ipt系统抗偏移参数优化方法、系统及计算机设备
CN115320420A (zh) * 2022-08-15 2022-11-11 吉林大学 一种电动汽车无线电能传输系统传输效率优化方法
CN115811142A (zh) * 2022-10-27 2023-03-17 重庆理工大学 无线充电系统
CN117010315A (zh) * 2023-10-07 2023-11-07 广东工业大学 一种无线电能传输系统的lcc-s拓扑参数设计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Design of Electric Vehicle’s Wireless Power Transfer System Based on Deep Learning Combined With Multi-Objective Optimization;Tianhao Wang;《IEEE TRANSACTIONS ON COMPONENTS, PACKAGING AND MANUFACTURING TECHNOLOGY》;20221231;全文 *
基于稀疏混沌多项式法的电动汽车无线电能传输效率不确定性量化;王天皓等;《吉林大学学报(工学版)》;20230818;全文 *

Also Published As

Publication number Publication date
CN117394553A (zh) 2024-01-12

Similar Documents

Publication Publication Date Title
CN112231988B (zh) Ipt系统抗偏移参数优化方法、系统及计算机设备
US20200031188A1 (en) Control Method for Hybrid Electromagnetic Suspension
CN111030316B (zh) 一种多中继mc-wpt系统效率的建模、分析及系统原理分析方法
Desai et al. Optimal design of a parallel hybrid electric vehicle using multi-objective genetic algorithms
CN108880368A (zh) 基于改进型黄金分割法的永磁同步电机效率优化控制方法
CN109344918A (zh) 基于改进粒子群算法的大数据配电网故障选线分析方法
CN106295976A (zh) 基于层次分析法和模糊综合评价的ipt系统电磁机构性能评价方法
CN115841176A (zh) 充电桩变频负荷的安全态势感知方法及系统
CN117688886B (zh) 一种无线电能传输系统补偿电路参数优化方法
Du et al. Optimization of magnetically coupled resonant wireless power transfer based on improved whale optimization algorithm
Li et al. A many-objective optimization charging scheme for wireless rechargeable sensor networks via mobile charging vehicles
CN117394553B (zh) 一种电动汽车动态无线电能传输功率优化控制方法
CN114861528A (zh) 一种基于改进灰狼算法的无线电能传输系统参数优化方法
Jose et al. WPT compensation topology optimized for PV embedded electric vehicle
CN114444354B (zh) 一种改进多目标灰狼算法的无线充电系统参数优化方法
Xiao et al. Position-Insensitive WPT System with an Integrated Coupler Based on ANN Modeling and Variable Frequency Control
Torquato et al. Cascade optimisation of battery electric vehicle powertrains
CN111562738B (zh) 一种基于h∞控制器的cpt系统稳压控制方法及系统
Liu et al. Location analysis of electric vehicle charging station based on improved PSO
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
Jabri et al. Misalignment controller in wireless battery charger for electric vehicle based on MPPT method and metaheuristic algorithm
CN115009052B (zh) 用于电动汽车的动态无线充电装置及充电控制方法
Ren et al. Power distribution optimization for hybrid power source integrated with battery and super-capacitor considering vehicle energy consumption
CN114744779B (zh) 一种基于四线圈恒流恒压可变输出的无线供电系统设计方法
Xue et al. Design of Dynamic Wireless Charging System Based on Coupling Coefficient Estimation

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