【技术实现步骤摘要】
一种基于NSGA
‑
2遗传算法的锂电池均衡指标优化方法
[0001]本专利技术涉及锂离子电池应用
,具体为一种基于NSGA
‑
2遗传算法的锂电池均衡指标优化方法。
技术介绍
[0002]锂离子电池(简称锂电池)因其具有高能量密度、低自放电率、无记忆性等优势被广泛应用于各种储能领域。由于锂电池单体电压一般在2~4.2V,为了满足高电压、大电流等负载的供电需求,需要将成百上千节单体串并联。然而,电芯制造过程中存在的原料、工艺和装配等因素会导致内阻、容量和自放电率等内部特征的不一致;电池使用过程中存在的环境温度、充放电电流和放电深度等外部因素则会加剧电池组的不一致性。因此,电池成组后不一致性是必然存在的,需要利用均衡技术检测电池组内单体的运行状态,改善电池之间的差异性。
[0003]设计均衡系统的第一步则是确定均衡拓扑,常见的均衡拓扑有三类:被动均衡拓扑、主动均衡拓扑、可重构均衡拓扑。均衡系统的关键一步是判断电池组当前是否需要均衡,所以均衡系统需要选择均衡指标并设定相应的阈值去评估电池组当前的一致性状态。常见的均衡指标有电压、荷电状态(State of Charge,SOC)以及容量。为了评估均衡系统的均衡性能则应该设定相应指标(均衡目标)来评价系统在均衡后应到达的状态,比如电池组电压一致性、SOC一致性、系统的均衡速度等。而根据均衡拓扑选择的不同,系统也会将一些其他的均衡目标纳入考虑范围。比如,主动均衡拓扑会设定诸如储能元件个数、开关个数、均衡成本等多个目标。但是现阶段针 ...
【技术保护点】
【技术特征摘要】
1.一种基于NSGA
‑
2遗传算法的锂电池均衡指标优化方法,其特征在于,包括以下步骤:步骤1:确定优化锂电池均衡指标的目标函数为:式中,Δ
V
为均衡阈值,N
sw
为两开关可重构均衡拓扑中电力电子开关动作次数,T
eq
为均衡速度,σ
SOC
表征电池组均衡后SOC的一致性程度,由电池组SOC标准差的平均值表示,σ
SOC_max
为电池组SOC标准差的平均值的最大值;步骤2:根据均衡阈值Δ
V
的取值范围收集NEDC工况下系统运行的经验数据,对收集的经验数据进行数据拟合,求解得到均衡阈值Δ
V
与均衡指标之间的关系式;步骤3:使用NSGA
‑
2遗传算法,利用均衡阈值Δ
V
与均衡指标之间的关系式计算每个点的数据,对目标函数进行优化,并得到Pareto解集;步骤4:设计多目标决策策略在Pareto解集中找到最优解。2.根据权利要求1所述的基于NSGA
‑
2遗传算法的锂电池均衡指标优化方法,其特征在于,所述步骤2中均衡阈值Δ
V
的取值范围具体为:由下式确定均衡阈值的最小值:式中,n为电池组中电池单体的数目,n1为电压分布在V
c
的电池单体的块数,n2为电压分布在V
c
+D_V的电池单体的块数,V
c
为假设值,D_V为电池管...
【专利技术属性】
技术研发人员:彭乔,刘宇龄,孟锦豪,刘天琪,耿陈,刘一恒,
申请(专利权)人:四川大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。