一种锂电池组多目标同时充电方法技术

本发明专利技术公开了一种锂电池组多目标同时充电方法。将能量损耗和充电电流转化成带有充电权重系数的锂电池组充电代价模型，采用内点法求解处理获得预设充电电流序列；接着根据预设充电电流序列，计算锂电池组充电时所需要的充电时间，通过自适应动量最速下降算法对锂电池组充电代价模型中的充电权重系数进行调整，得到充电时间最短情况下的充电权重系数，利用充电权重系数再优化锂电池组充电代价模型获得新的预设充电电流序列，利用新的预设充电电流序列进行充电，实现了优化的锂电池组多目标同时充电。本发明专利技术极大减小了充电时间和收敛时间的误差，从而在保证充电效率的同时最大减弱了电流对电池的影响。

A multi-target simultaneous charging method for lithium battery

【技术实现步骤摘要】
一种锂电池组多目标同时充电方法
本专利技术属于锂电池应用领域的一种锂电池充电方法，尤其是涉及了一种锂电池组多目标同时充电方法。
技术介绍
锂电池具有功率密度大、能量密度高、循环寿命长、输出电压高、绿色环保等优点，被广泛应用在各个领域，提高锂电池充电速率、使用寿命和可用容量是当下研究的热点。目前，锂电池的充电方式有很多，传统充电器充电模式单一、参数固定，且未充分考虑电池的真实状态，充电过程对电池有损伤。锂电池充放电过程是电化学反应过程，其充电特性与电池内部结构、充电参数和外部环境等因素都有关系，充电过程伴随着极化效应和内部的温度变化。研究表明锂电池存在一条最佳充电曲线，接近这条曲线充电时，充电速度最快、效率最高、电池损伤最小。锂电池智能充电方法是目前比较先进的充电方式，通过检测电池状态参数实时调整充电电流，动态跟踪最佳充电曲线，可实现锂电池快速友好的充电。但该方法在充电初期容易过电流充电，而在充电末期电流较小、效率较低，传统的锂电池充电方法主要有恒流充电、恒压充电、脉冲充电、Relax充电等。Mas.J.A提出瞬时停充或者大电流放电，可消除极化现象，使电池的可接受充电曲线不断右移，从而提高充电效率，这是加快充电速度的理论基础。目前应用最广泛的充电方法是三阶段充电法，存在充电速度慢，效率低，无法消除电池充电时的极化现象等问题。
技术实现思路
为了解决
技术介绍
中存在的问题，本专利技术提出了一种锂电池组多目标同时充电方法；在充电过程中，实际充电状态可以在最短时间内收敛到相同值，同时充电时间和收敛时间差最小化，实现更高效率的充电。如图1所示，本专利技术所采用的技术方案是：锂电池组各单体电池在充电时自身存在内阻均会有部分能量损耗，考虑锂电池充电时充电电流的约束，加入充电权重系数，将能量损耗和充电电流转化成带有充电权重系数的锂电池组充电代价模型，进而将该锂电池组充电代价模型表达成二次规划问题，采用内点法求解处理该二次规划问题获得预设充电电流序列；接着根据预设充电电流序列，计算锂电池组充电时所需要的充电时间，通过自适应动量最速下降算法对锂电池组充电代价模型中的充电权重系数进行调整，得到充电时间最短情况下的充电权重系数，利用充电权重系数再优化锂电池组充电代价模型获得新的预设充电电流序列，利用新的预设充电电流序列进行充电，从而实现充电过程和收敛过程的同时完成，实现了优化的锂电池组多目标同时充电。本专利技术在充电过程中，实际充电状态可以在最短时间内收敛到相同值，同时充电时间和收敛时间差最小化。方法过程具体如下：步骤1，锂电池组由相互独立的n个单体电池组成，根据锂电池的基本动态特性，建立锂电池组的等效电路模型，并利用预先已知情况进行实现获得的实验数据确定模型参数，模型参数包括锂电池的容量Q、锂电池的内阻R0和充电效率η；步骤3，设定充电目标，包括预计充电时间和预设充电SOC，考虑在充电过程中的各单体电池温度控制得低些，同时应该在充电过程中实现电池均衡，引入充电权重系数，建立包括预设充电SOC、电池温度和电池均衡的锂电池组充电代价模型；步骤4，将步骤3的锂电池组充电代价模型作为带约束的二次规划问题，采用二次规划求解方法(例如内点法)对锂电池组充电代价模型进行求解，得到预设充电时间和和预设充电SOC下各时刻各单体电池的预设充电电流ui,k，组成最优充电电流序列，以最优充电电流序列控制锂电池组进行充电；步骤5、实时检测步骤4控制下的充电过程实时状态的各单体电池的SOCxj,k，按照以下公式处理获得收敛时间T1(ε1)和充电时间T2(ε2)，建立以下同时充电时间函数：其中，T1(ε1),T2(ε2)分别表示收敛时间和充电时间，xi(k)和xj(k)表示锂电池组的第i节单体电池k时刻的荷电状态(SOC)的值，ε1和ε2分别表示收敛过程和充电过程的截止误差，T表示采样时间，t表示时间变量，i、j表示锂电池组中的单体电池的序数，χd表示单体电池的SOC的期望值列向量，它是由单体电池的SOC的期望值构成的一个n×1的列向量。采用自适应动量最速下降算法对同时充电时间函数进行处理，优化锂电池组充电代价模型中的第一权重系数α和第二权重系数β并回到步骤3进行更新，第一权重系数α和第二权重系数β更新表达式为：其中Δα(k)，Δα(k-1)分别表示α在k和k-1时刻的增量，Δβ(k)，Δβ(k-1)分别表示β在k和k-1时刻的增量，分别表示同时充电时间T在k和k-1时刻的增量，其中同时充电时间T＝max{T1(ε1),T2(ε2)}，θ表示动量因子，ω(k)表示自适应学习率；然后重复步骤4处理，采用更新后获得的最优充电电流序列对锂电池组进行控制充电。本专利技术针对多个单体电池组成的锂电池组，同时考虑锂电池组自身的能量损耗和充电方式，提出了一种基于二次规划和自适应动量最速下降算法的电池同时充电多目标优化方式进行处理，在保证充电效率的同时最大减弱了电流对电池的影响。所述步骤1中，针对锂电池组的每个单体电池建立单体电池等效电路，单体电池等效电路包括电容Cb、恒压源Vsoc、受电压控制电压源Voc和内阻R0，受电压控制电压源Voc为由电容Cb、恒压源Vsoc并联构成的SOC等效电路，SOC等效电路用于模拟单体电池的SOC变化；受电压控制电压源Voc、内阻R0串联后构成电压等效电路，电压等效电路用于模拟单体电池的电压变化。所述步骤1中，锂电池组的单体电池等效电路模型采用以下公式表示：其中，和分别表示锂电池组的第i节单体电池在k+1和k时刻的荷电状态(SOC)的值，h表示充电效率，T表示采样时间，表示第i节单体电池在k时刻的充电电流值，Q表示锂电池组的单体电池的容量，R0表示锂电池组的单体电池的内阻，和分别表示第i节单体电池在k时刻的输出端电压和开路电压。所述步骤3中，建立以下锂电池组充电代价模型：其中，F(x)表示锂电池组充电代价模型的向量，f1(x)表示单体电池之间SOC偏差总和，充电过程中希望各单体电池的SOC能够收敛到一致；f2(x)表示充电过程中在锂电池内部由于内阻产生的能量损耗，f3(x)表示各单体电池充电到相同值的偏差总和，f4(x)表示充电时间；α表示第一权重系数，β表示第二权重系数，xi,k表示第i节单体电池在k时刻的SOC，xj,k表示第j节单体电池在k时刻的SOC，ui,k表示第i节单体电池在k时刻的充电电流，dk表示k时刻的扰动电流，xd表示单体电池的SOC的期望值，i、j表示锂电池组中的单体电池的序数，n表示锂电池组中的单体电池总数，m表示充电步数；其中锂电池组充电代价模型三个子目标的充电权重系数由同时充电时间确定。同时建立充电过程中的约束条件，包括：(1)在k时刻电池组中串联电池的SOC列向量SOC(k)满足：SOC(k)≤SOCu其中，SOC(k)和SOCu均本文档来自技高网...

【技术保护点】
1.一种锂电池组多目标同时充电方法，其特征在于：考虑锂电池充电时充电电流的约束，加入充电权重系数，将能量损耗和充电电流转化成带有充电权重系数的锂电池组充电代价模型，采用内点法求解处理获得预设充电电流序列；接着根据预设充电电流序列，计算锂电池组充电时所需要的充电时间，通过自适应动量最速下降算法对锂电池组充电代价模型中的充电权重系数进行调整，得到充电时间最短情况下的充电权重系数，利用充电权重系数再优化锂电池组充电代价模型获得新的预设充电电流序列，利用新的预设充电电流序列进行充电，实现了优化的锂电池组多目标同时充电。/n

【技术特征摘要】
1.一种锂电池组多目标同时充电方法，其特征在于：考虑锂电池充电时充电电流的约束，加入充电权重系数，将能量损耗和充电电流转化成带有充电权重系数的锂电池组充电代价模型，采用内点法求解处理获得预设充电电流序列；接着根据预设充电电流序列，计算锂电池组充电时所需要的充电时间，通过自适应动量最速下降算法对锂电池组充电代价模型中的充电权重系数进行调整，得到充电时间最短情况下的充电权重系数，利用充电权重系数再优化锂电池组充电代价模型获得新的预设充电电流序列，利用新的预设充电电流序列进行充电，实现了优化的锂电池组多目标同时充电。


2.根据权利要求1所述的一种锂电池组多目标同时充电方法，其特征在于：方法过程具体如下：
步骤1，锂电池组由相互独立的n个单体电池组成，根据锂电池的基本动态特性，建立锂电池组的等效电路模型，并利用实验数据确定模型参数；
步骤3，设定充电目标，包括预计充电时间和预设充电SOC，建立包括预设充电SOC、电池温度和电池均衡的锂电池组充电代价模型；
步骤4，采用二次规划求解方法对锂电池组充电代价模型进行求解，得到预设充电时间和和预设充电SOC下各时刻各单体电池的预设充电电流ui,k，组成最优充电电流序列，以最优充电电流序列控制锂电池组进行充电；
步骤5、实时检测步骤4控制下的充电过程实时状态的各单体电池的SOCxj,k，按照以下公式处理获得收敛时间T1(ε1)和充电时间T2(ε2)，建立以下同时充电时间函数：









其中，T1(ε1),T2(ε2)分别表示收敛时间和充电时间，xi(k)和xj(k)表示锂电池组的第i节单体电池k时刻的荷电状态的值，ε1和ε2分别表示收敛过程和充电过程的截止误差，T表示采样时间，τ表示时间变量，i、j表示锂电池组中的单体电池的序数，χd表示单体电池的SOC的期望值列向量，它是由单体电池的SOC的期望值构成的一个n×1的列向量。
采用自适应动量最速下降算法对同时充电时间函数进行处理，优化锂电池组充电代价模型中的第一权重系数α和第二权重系数β并回到步骤3进行更新，第一权重系数α和第二权重系数β更新表达式为：









其中Δα(k)，Δα(k-1)分别表示α在k和k-1时刻的增量，Δβ(k)，Δβ(k-1)分别表示β在k和k-1时刻的增量，分别表示同时充电时间T在k和k-1时刻的增量，其中同时充电时间T＝max{T1(ε1),T2(ε2)}，θ表示动量因子，ω(k)表示自适应学习率；然后重复步骤4处理，采用更新后获得的最优充电电流序列对锂电池组进行控制充电。


3.根据权利要求2所述的一种锂电池组多目标同时充电方法，其特征在于：所述步骤1中，针对锂电池组的每个单体电池建立单...

【专利技术属性】
技术研发人员：陈剑，陈浩，范晓东，周宓，付源，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33