公开/公告号CN107221971A
专利类型发明专利
公开/公告日2017-09-29
原文格式PDF
申请/专利权人 北京欧鹏巴赫新能源科技股份有限公司;
申请/专利号CN201710299671.6
发明设计人 李宝;
申请日2017-05-02
分类号
代理机构合肥市浩智运专利代理事务所(普通合伙);
代理人丁瑞瑞
地址 102200 北京市昌平区科技园区创新路7号2031号
入库时间 2023-06-19 03:30:12
法律状态公告日
法律状态信息
法律状态
2022-04-19
专利权的转移 IPC(主分类):H02J 7/00 专利号:ZL2017102996716 登记生效日:20220407 变更事项:专利权人 变更前权利人:北京欧鹏巴赫新能源科技股份有限公司 变更后权利人:安徽慧鹏新能源科技有限公司 变更事项:地址 变更前权利人:102200 北京市昌平区科技园区创新路7号2031号 变更后权利人:238014 安徽省合肥市巢湖经济开发区花山工业园广通汽车公司院内01号
专利申请权、专利权的转移
2020-08-07
授权
授权
2017-10-27
实质审查的生效 IPC(主分类):H02J7/00 申请日:20170502
实质审查的生效
2017-09-29
公开
公开
技术领域
本发明涉及电池均衡控制技术领域,尤其涉及一种利用隐含马尔科夫模型进行动力电池主动均衡判断的方法。
背景技术
目前动力产品主动平衡采用的是反激变压器的方案,可以实现单体到模组,模组到单体,单体到Pack三种平衡方式。为了实现整个电池包所有单体SOC的一致性。从控制策略的角度,实现的方式比较多,目前国内的类似解决方案都是简单的以单体的电压作为平衡判断条件,在充电的时候单体电压或单体电压差超过预先设定的阈值的时候开启平衡,启动平衡。
目前的平衡策略只是从单个单体的角度来考虑的,还是从防止单个单体过充的思维上来考虑主动平衡。由于主动平衡的电流较大(本发明中的平衡电流是3A),没有从整个电池包转移能量消耗的角度制定整体的最优主动平衡的控制策略,造成了能量的浪费。基于此,研究一种利用隐含马尔科夫模型进行动力电池主动均衡判断的方法,很好的解决了这个问题。
发明内容
本发明的目的在于克服现有技术的不足,提供了一种利用隐含马尔科夫模型进行动力电池主动均衡判断的方法。
本发明是通过以下技术方案实现的:利用隐含马尔科夫模型进行动力电池主动均衡判断的方法,Pack包括8个模块,每个模块中有12个单体电池,所述每个单体电池包括四种电池平衡方式:没有进行平衡过程、单体到电池包的平衡、单体到模块的平衡、模块到单体的平衡;
该方法包括以下步骤:
(1)所述没有进行平衡过程转换为单体到电池包的平衡的标定量,记为P1,即模块的soc均值与Pack的soc均值之差>P1时,进入单体到电池包的平衡,该标定量使得平衡过程优先判断是否进行单体到电池包的平衡还是单体到模块的平衡,如果不考虑单体到电池包的平衡,而只考虑单体到模块的平衡,则不需要该标定量;
(2)当判断不进行单体到电池包的平衡后,从没有进行平衡过程转换为单体到模块的平衡或模块到单体的平衡的判断条件标定量记为P2,即模块中单体的soc值与整个模块的soc均值偏差的绝对值>P2时,进入单体到模块的平衡或模块到单体的平衡,该标定量决定了模块内部进行平衡的条件;
(3)由单体到模块的平衡或模块到单体的平衡转换到没有进行平衡过程的条件中的标定量记为P3,即在进行模块内部平衡的模块,如果模块中单体的soc值与整个模块的soc均值偏差的绝对值<P3时,则退出平衡;
(4)关于同一个模块中不同源单体或目标单体进行替换的限值为一个标定量,即当|模块中别的单体的SOC与模块的SOC均值的差值|-|目前正在平衡的单体的SOC与模块的SOC均值的差值|>P4时,则将别的单体来代替目前正在平衡的单体;
(5)于平衡次数的问题给定一个平衡次数的标定量P5,单体到电池包的平衡,单体到模块的平衡,模块到单体的平衡,这三种平衡方式中平衡电流的大小P6,这个值的大小直接影响到平衡的快慢,太小则导致需要平衡很长时间,太大则导致会矫枉过正,也达不到平衡,电池的主动平衡过程符合马尔可夫模型的特点,即该过程中,只用当前的状态来预测将来,过去即以前的历史状态对于预测将来即当前以后的未来状态是无关的,然后利用马尔可夫决策过程来得到最优的主动平衡控制决策。
作为本发明的优选方式之一,所述马尔可夫决策包括以下步骤:
(1)首先来建立平衡过程的马尔可夫模型,因为有8个模块,进行平衡时先考虑是否进行单体到电池包的平衡,如果不进行或者进行单体到电池包的平衡完成之后就进行每个模块之内的平衡,而每个模块之内的平衡方式可能是不同的,所以针对一个模块来进行建模,就可以反映每个模块的平衡决策情况;
(2)再给出一个模块的马尔可夫模型中的基本要素,记△SOC为每个模块中与模块的SOC均值偏离最大的单体与模块的SOC均值的差值;
状态S:S1(△SOC>P2),S2(△SOC<-P2),S3(|△SOC|<P3),S4(Module的soc均值与pack的soc均值之差>P1),
动作A:a1(没有进行平衡过程),
a2(单体到电池包的平衡),
a3(单体到模块的平衡),
a4(模块到单体的平衡),
传递矩阵:T(s,a,s’),
奖励reward:R(s,a,s’)达到平衡1,对SOC没有影响0,达不到平衡-1,
初始状态:S1;
(3)最后利用策略迭代方法进行计算得出结果。
作为本发明的优选方式之一,所述策略迭代方法的计算公式为
作为本发明的优选方式之一,该方法包括以下步骤:
(1)建立主动平衡系统的Game tree,
(2)通过策略迭代方法进行计算,
(3)从而得到最佳的主动平衡控制决策。
作为本发明的优选方式之一,所述最佳的主动平衡控制决策如下表所示
本发明相比现有技术的优点在于:本发明从最优能量的角度,根据隐含马尔科夫模型的算法,制订了合理的主动平衡的控制策略,结合基于反激变压器的平衡硬件,实现了在充放电时,电池包的主动平衡控制。本发明提高了动力电池包在平衡过程中的能量利用效率,延长了电池包的使用能量及寿命。
附图说明
图1是本发明的四种平衡方式示意图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例:
如图1所示:一种利用隐含马尔科夫模型进行动力电池主动均衡判断的方法,Pack包括8个模块(module),每个模块中有12个单体电池(cell),所述每个单体电池四种电池平衡方式:没有进行平衡过程(No balancing)、单体到电池包的平衡(Cell to pack)、单体到模块的平衡(cell to module)、模块到单体的平衡(module to cell);
该方法包括以下步骤:
(1)所述没有进行平衡过程转换为单体到电池包的平衡的标定量,记为P1,即模块的soc均值与Pack的soc均值之差>P1时,进入单体到电池包的平衡,该标定量使得平衡过程优先判断是否进行单体到电池包的平衡还是单体到模块的平衡,如果不考虑单体到电池包的平衡,而只考虑单体到模块的平衡,则不需要该标定量;
(2)当判断不进行单体到电池包的平衡后,从没有进行平衡过程转换为单体到模块的平衡或模块到单体的平衡的判断条件标定量记为P2,即模块中单体的soc值与整个模块的soc均值偏差的绝对值>P2时,进入单体到模块的平衡或模块到单体的平衡,该标定量决定了模块内部进行平衡的条件;
(3)由单体到模块的平衡或模块到单体的平衡转换到没有进行平衡过程的条件中的标定量记为P3,即在进行模块内部平衡的模块,如果模块中单体的soc值与整个模块的soc均值偏差的绝对值<P3时,则退出平衡;
(4)关于同一个模块中不同源单体或目标单体进行替换的限值为一个标定量,即当|模块中别的单体的SOC与模块的SOC均值的差值|-|目前正在平衡的单体的SOC与模块的SOC均值的差值|>P4时,则将别的单体来代替目前正在平衡的单体;
(5)于平衡次数的问题给定一个平衡次数的标定量P5,单体到电池包的平衡,单体到模块的平衡,模块到单体的平衡,这三种平衡方式中平衡电流的大小P6,这个值的大小直接影响到平衡的快慢,太小则导致需要平衡很长时间,太大则导致会矫枉过正,也达不到平衡,电池的主动平衡过程符合马尔可夫模型的特点,即该过程中,只用当前的状态来预测将来,过去即以前的历史状态对于预测将来即当前以后的未来状态是无关的,然后利用马尔可夫决策过程来得到最优的主动平衡控制决策。
作为本发明的优选方式之一,所述马尔可夫决策包括以下步骤:
(1)首先来建立平衡过程的马尔可夫模型,因为有8个模块,进行平衡时先考虑是否进行单体到电池包的平衡,如果不进行或者进行单体到电池包的平衡完成之后就进行每个模块之内的平衡,而每个模块之内的平衡方式可能是不同的,所以针对一个模块来进行建模,就可以反映每个模块的平衡决策情况;
(2)再给出一个模块的马尔可夫模型中的基本要素,记△SOC为每个模块中与模块的SOC均值偏离最大的单体与模块的SOC均值的差值;
状态S:S1(△SOC>P2),S2(△SOC<-P2),S3(|△SOC|<P3),S4(Module的soc均值与pack的soc均值之差>P1),
动作A:a1(没有进行平衡过程),
a2(单体到电池包的平衡),
a3(单体到模块的平衡),
a4(模块到单体的平衡),
传递矩阵:T(s,a,s’),
奖励reward:R(s,a,s’)达到平衡1,对SOC没有影响0,达不到平衡-1,
初始状态:S1;
(3)最后利用策略迭代方法进行计算得出结果。
作为本发明的优选方式之一,所述策略迭代方法的计算公式为
作为本发明的优选方式之一,该方法包括以下步骤:
(1)建立主动平衡系统的Game tree,
(2)通过策略迭代方法进行计算,
(3)从而得到最佳的主动平衡控制决策。
作为本发明的优选方式之一,所述最佳的主动平衡控制决策如下表所示
作为本发明的优选方式之一,所述策略迭代方法的Game Tree为
主动平衡的马尔可夫决策
平衡判断条件及标定量根据平衡决策,其中标定量为
P1=0;P2=0.05;P3=0.05;P4=0;P5=10;P6=0.01。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
机译: 利用神经网络模型进行选择性主动词检测的系统和方法
机译: 利用神经网络模型进行选择性主动词检测的系统和方法
机译: 利用预测模型进行主动客户服务的系统,方法和计算机程序