Эффективность интеллектуальной стратегии управления зарядными устройствами для литиевых батарей с точки зрения энергоэффективности и безопасности

Абстрактный

Литий-ионные аккумуляторы имеют решающее значение в области современного хранения энергии. С момента их коммерциализации в 1990-х годах достижения в области материаловедения и техники повысили их производительность, безопасность и срок службы. Однако динамические характеристики литий-ионных аккумуляторов сложны и требуют передовых стратегий зарядки и управления для оптимизации производительности, безопасности и срока службы. В этой статье предлагается сравнительный анализ трех современных методов управления зарядкой литий-ионных аккумуляторов: обучение с подкреплением, управление нечеткой логикой и традиционное управление с помощью пропорционально-интегральной производной (ПИД). Традиционные методы зарядки с трудом справляются с динамической сложностью аккумулятора, что приводит к снижению производительности. В этой статье используется моделирование MATLAB Simulink для оценки этих интеллектуальных стратегий управления для повышения эффективности зарядки, скорости и срока службы батареи. Результаты показывают, что обучение с подкреплением обладает высокой адаптируемостью, нечеткая логика может эффективно решать нелинейные задачи, производительность ПИД-управления надежна, а требования к вычислительным ресурсам низкие.

1. Введение

Ограничения литий-ионных аккумуляторов по сравнению с традиционными методами зарядки:Литий-ионные аккумуляторы обладают преимуществами высокой плотности энергии, длительного срока службы и низкой скорости саморазряда, что полностью меняет способ хранения и использования энергии и становится одной из фундаментальных технологий в современном обществе. Однако традиционные методы зарядки постоянным током и постоянным напряжением (CC/CV) часто не справляются с динамической сложностью литий-ионных батарей, что приводит к ухудшению характеристик зарядки и возможному ухудшению характеристик батареи с течением времени.

Введение в стратегию интеллектуального управления

Чтобы решить эти проблемы, в этой статье сравниваются и анализируются три основных интеллектуальных метода управления зарядкой литий-ионных аккумуляторов: обучение с подкреплением (RL), управление нечеткой логикой (FL) и традиционное управление пропорционально-интегральной производной (ПИД).

Контроллер RL изучает оптимальную стратегию управления, взаимодействуя с моделью аккумулятора и силовыми электронными устройствами, используя модель малого сигнала для упрощения силовых электронных устройств и улучшения процесса обучения. Обучение нейронной сети на основе функции вознаграждения для штрафования скачков тока и напряжения для более стабильного процесса зарядки с целью контроля входного напряжения батареи. Оценивая ответ посредством нескольких взаимодействий и максимизируя значение вознаграждения, одновременно отслеживая состояние батареи, можно назначать вознаграждения или наказания на основе текущего значения и агрессивных управляющих действий. Можно обнаружить, что можно разработать стратегию зарядки, которая сводит к минимуму время зарядки, потребление энергии и деградацию батареи, обеспечивая при этом безопасную работу.

Контроллер FL обеспечивает гибкий и интуитивно понятный способ интеграции экспертных знаний и эвристических правил в процесс зарядки, определяя языковые переменные, такие как состояние зарядки, температура и скорость зарядки, и устанавливая правила вывода. Были разработаны два контроллера FL: один регулирует напряжение для поддержания стабильности при различных кривых зарядки, а другой регулирует ток, чтобы избежать чрезмерных всплесков и поддерживать стабильные значения, которые могут лучше справляться с нелинейностью и присущей динамике литий-ионных батарей, тем самым улучшение производительности зарядки и продление срока службы батареи.

ПИД-регулятор может сбалансировать такие факторы, как время зарядки, энергоэффективность и защита аккумулятора, регулируя и оптимизируя кривую зарядки.

2. Методы исследования стратегий управления зарядкой литий-ионных аккумуляторов.

Преимущества и характеристики батареи платформы моделирования MATLAB Simulink:MATLAB Simulink предоставляет мощную платформу для анализа и оптимизации систем зарядки литий-ионных аккумуляторов. Литий-ионные аккумуляторы стали предпочтительным выбором для различных применений из-за их высокой плотности энергии (обеспечивает высокое соотношение энергии к весу, подходит для портативных электронных устройств и электромобилей с ограниченным пространством и весом), низкой скорости саморазряда (подходит для длительного использования). долгосрочное хранение энергии), передовые технологии переработки и низкое воздействие на окружающую среду (более устойчивое и экологически безопасное).

Моделирование преобразователя среднего малого сигнала:Для систем передачи энергии на литий-ионных батареях требуется эффективный дизайн. В этом исследовании используется изолированная схема преобразователя постоянного тока (прямой преобразователь аналогичен топологии понижающего преобразователя постоянного тока и включает в себя трансформатор для обеспечения электрической изоляции и повышения безопасности батареи). Поведение схемы характеризуется как передаточная функция второго порядка с использованием критерия модели малого сигнала, а для упрощения анализа используется приближение низкого сигнала (низкой добротности), в результате чего получается передаточная функция модели преобразователя, которая включает в себя работу и коэффициент преобразования. Преобразователь имитирует использование идеальных компонентов для повышения эффективности и анализирует два сценария: без нагрузки и с нагрузкой от литий-ионной батареи. В условиях холостого хода передаточная функция, а также тенденции напряжения и тока преобразователя аналогичны, но выходной сигнал преобразователя колеблется. В условиях нагрузки основное отличие заключается во времени стабилизации. Идеализация передаточной функции заставляет систему реагировать быстрее, но конечное выходное значение остается постоянным, а использование передаточной функции может значительно сократить время моделирования.

Описание архитектуры управления:Стратегия управления основана на модели литий-ионной батареи в MATLAB Simulink, которая предоставляет подробные технические параметры для точного моделирования и анализа производительности батареи. Процесс зарядки CC/CV включает в себя этап управления током (на котором ток устанавливается на безопасный уровень, а напряжение батареи увеличивается по мере зарядки, достигая порогового значения перед переходом на этап управления напряжением) и этап управления напряжением (на котором напряжение остается стабильным). и ток постепенно уменьшается до тех пор, пока аккумулятор не будет полностью заряжен), что может предотвратить перезарядку, снизить давление в аккумуляторе, снизить риск перегрева и продлить срок службы аккумулятора. Оцененные стратегии контроля обобщены в Таблице 1 и будут подробно представлены позже.

Архитектура обучения с подкреплением:Контроллер обучения с подкреплением изучает оптимальную стратегию посредством взаимодействия с системой для обработки сложной нелинейной динамики. Приняв схему актера-критика, сеть актеров выбирает действия, а сеть критиков оценивает действия, чтобы обеспечить обратную связь. Непрерывная сеть гауссовских актеров (CGAN) используется для обработки пространств непрерывных действий, а оптимальная стратегия исследуется путем вывода параметров гауссовского распределения. Его архитектура включает в себя несколько полностью связанных уровней, а функция активации в основном представляет собой модифицированную функцию линейного модуля (RELU). На основе обучения набору инструментов обучения с подкреплением MATLAB функция вознаграждения рассчитывается на основе ошибки напряжения, управляющих действий и наблюдений напряжения, чтобы стимулировать поддержание напряжения в ожидаемом диапазоне и наказывать отклонения. Задавая константы, обеспечивается максимальный эффект обучения, а максимальное среднее вознаграждение достигается после 200 раундов обучения. Однако медленный отклик батареи затрудняет настройку параметров.

Нечеткая архитектура:Контроллеры нечеткой пропорциональной производной (PD) более эффективно справляются с нелинейностью и неопределенностью системы, чем традиционные контроллеры PD, адаптируясь к изменениям характеристик батареи для обеспечения стабильного и точного управления напряжением. Система нечеткого вывода строится с использованием схемы Сугено, где напряжение контролируется нечетким PD, а ток - нечетким PD+I. Входные данные обрабатываются с использованием нормализованных треугольных функций принадлежности для обработки ошибок и их производных, а выходные данные обрабатываются с использованием трех функций нормализации Sugeno для обработки состояний. Входной диапазон ограничен, чтобы избежать насыщения, а входной и выходной диапазоны изменяются соответствующими константами.

Классическая ПИД-архитектура:Классический ПИД-регулятор широко используется при зарядке аккумуляторов благодаря своей простоте, эффективности и надежности. Его легко внедрить и настроить, и он позволяет регулировать и оптимизировать условия зарядки в режиме реального времени. Он сочетает в себе пропорциональные, интегральные и производные действия для точного регулирования напряжения и тока. Он обладает высокой универсальностью и подходит для различных сценариев аккумуляторной батареи и зарядки. Он имеет низкую стоимость и низкие требования к вычислительным ресурсам, подходит для встроенных систем и недорогого аппаратного обеспечения. В его архитектуре используются только два классических контроллера для управления напряжением и током соответственно (внутренняя структура не подробно описана из-за ограничений места).

3. Оценка эффективности стратегии управления зарядкой литий-ионных аккумуляторов.

Настройка параметров контроллера:Функция вознаграждения за обучение с подкреплением определяется эвристическими методами, а константы корректируются посредством повторных экспериментов для получения (r1=200), (r2=-25), (p1=-10) и ( р2=180). Нечеткий контроллер (PD+I) настраивает параметры вручную методом проб и ошибок с текущими параметрами управления (P=20), (D=0. 00000 1), (I{{8) }}), и (K_D=0.297), и параметры управления напряжением (P=15), (D=0.0001), и (К_Д=0.315). ПИД-регулятор использует инструмент MATLAB PID Tuner и нейронную сеть для поиска оптимальных параметров, включая управление током (P=15), (I {PID}=5), управление напряжением (P=22). .5), (I=4.9) и (D {PID}=0.03).

Анализ производительности контроллера

Аспект оценки:Оцените производительность контроллера с точки зрения точности регулирования напряжения и тока, времени отклика, стабильности и защиты от помех.

Контроллер обучения с подкреплением:Контроллер обучения с подкреплением на основе нейронной сети может достигать стабильного номинального напряжения без перенапряжения, когда ток равен нулю (как показано на рисунке 5b). Однако при применении управления CC/CV возникают колебания напряжения из-за отсутствия понимания существующего тока, что приводит к нестабильности и снижению тока во время зарядки аккумулятора. Скорость загрузки самая высокая, но возникает явление звона, которое может повредить электронные компоненты и сократить срок службы батареи. В практических приложениях необходимо учитывать циркулирующий ток для улучшения производительности.

Нечеткий контроллер:предназначен для поддержания стабильной зарядки с более длительным временем зарядки и стабилизации, но без скачков преобразования тока и напряжения (как показано на рисунке 5c). Хотя он безопаснее, он медленнее и его можно оптимизировать путем настройки правил вывода.

ПИД-регулятор:Он быстро реагирует на ошибки, но имеет значительные помехи и явления перегрузки по току во время перехода напряжения в ток (как показано на рисунке 5b). Его производительность умеренная и не зависит от опыта оператора.

Анализ показателей эффективности:Проанализируйте действие по управлению напряжением входного преобразователя постоянного тока в постоянный, вычислите среднеквадратичное значение (RMS) и обнаружите, что среднеквадратичное значение контроллера обучения с подкреплением немного выше, что указывает на то, что его управляющее действие меняется более существенно и чувствительно к изменениям. небольшие изменения. Оценка среднеквадратичного значения тока батареи для всех контроллеров привела к постоянному значению 0,3 А, что указывает на то, что, несмотря на различия в стратегиях и действиях управления, все контроллеры были способны поддерживать выходной ток в ожидаемом диапазоне. . Это означает, что, хотя действия по управлению напряжением контроллера обучения с подкреплением сильно различаются, это не влияет на стабильность и постоянство выходного тока, что имеет решающее значение для безопасной и эффективной работы системы.

4. Обсуждение результатов стратегии управления зарядкой литий-ионных аккумуляторов.

Время выполнения моделирования контроллера и изменение выходного сигнала:Результаты в таблице 2 были получены в результате моделирования, в котором каждый контроллер был настроен на 6 секунд, причем контроллер обучения с подкреплением (RL) имел самое продолжительное время выполнения — 21046 секунд. По сравнению с другими контроллерами, используемыми для регулирования напряжения и тока литий-ионных аккумуляторов, контроллер RL имеет большее изменение выходного сигнала, и даже при небольших помехах может возникнуть явление звона (действия по управлению высокочастотными колебаниями). При применении к реальным силовым электронным устройствам это может вызвать перегрев компонентов батареи и преобразователя, шум датчика и сокращение срока службы батареи при отклонении напряжения на 0,02 В. Чтобы улучшить контроллер и уменьшить вибрацию, к выходу контроллера можно добавить фильтр нижних частот, изменить архитектуру нейронной сети или использовать гибридный метод управления (например, ПИД-регулятор или нечеткий контроллер для настройки выхода нейронной сети). использовал.

Адаптивность контроллера и ТТХ:Контроллеры RL обладают высокой адаптируемостью к различным ситуациям, так как более чувствительны к помехам. Однако изменения результатов указывают на необходимость включения большего количества параметров в обучение агентов, чтобы улучшить их способность адаптироваться к большему количеству сценариев, повысить эффективность взимания платы и избежать возможной нестабильности. Нечеткие контроллеры стремятся избежать высоких пиков тока и медленной скорости зарядки благодаря своим правилам вывода; ПИД-регулятор реагирует на ошибки, изменяя выходной сигнал, и может адаптироваться к динамическим изменениям.

Оценка выходных характеристик контроллера:Среднеквадратичное значение (RMS) использовалось для оценки выходных характеристик трех контроллеров, и результаты показали, что среднее напряжение, поддерживаемое всеми контроллерами, было аналогично номинальному напряжению батареи, что имеет решающее значение для предотвращения перезарядки и предотвращения перезарядки батареи. перегрев. Что касается управления током, все контроллеры могут достигать опорного значения за очень короткое время отклика без перерегулирования и имеют хорошую устойчивость к внешним помехам. Что касается контроля напряжения, контроллер может постоянно достигать опорного значения, постепенно уменьшая ток, пока он не достигнет нуля, чтобы завершить цикл зарядки. Однако следует отметить, что контроллеры на основе RL могут испытывать небольшие колебания тока на заключительном этапе зарядки, колеблющиеся между значением тока и нулем, и могут потребовать дополнительных настроек для повышения стабильности.

5. Резюме

ПИД-регулятор

Преимущества:Известный своей простотой и эффективностью, он хорошо регулирует напряжение и ток и может обеспечить быстрый и стабильный отклик во многих приложениях.

Недостаток:Относительно слабая адаптивность при работе со сложными динамическими характеристиками аккумуляторов, что затрудняет достижение высокодинамической оптимизации.

Нечеткий контроллер

Преимущества:Путем определения языковых переменных и правил вывода опыт интегрируется в процесс управления, что позволяет лучше справляться с нелинейностью и неопределенностью батареи, позволяя системе адаптироваться к конкретным ситуациям и стабильно работать в различных условиях эксплуатации. Настройка правил вывода в соответствии с требованиями приложения может в определенной степени оптимизировать производительность зарядки.

Недостатки:Конструкция во многом зависит от правил и опыта, разработка сложна, а скорость зарядки относительно медленная, что может не соответствовать высоким требованиям к быстрой зарядке в сценариях применения.

Контроллер на основе обучения с подкреплением

Преимущества:Он может изучить оптимальную стратегию посредством взаимодействия с системой, обладает высокой способностью обработки небольших возмущений, может динамически адаптироваться к изменяющимся условиям, постоянно оптимизировать производительность и обладает высокой адаптируемостью к различным условиям нагрузки. В сложных и постоянно меняющихся сценариях зарядки аккумулятора он может эффективно повысить точность и эффективность зарядки, что особенно подходит для приложений, требующих высокой гибкости и адаптируемости зарядки.

Недостатки:Требует большого количества вычислительных ресурсов и длительного времени обучения, например, самого длительного времени выполнения в этом исследовании. Процесс обучения сложен и требует тщательного проектирования функций вознаграждения и настройки архитектуры нейронной сети, в противном случае могут возникнуть нестабильные явления, такие как проблемы со звонками. Для повышения точности требуется более сложная архитектура нейронной сети, что еще больше увеличивает вычислительную нагрузку и время моделирования.