Ефективність стратегії інтелектуального керування для зарядних пристроїв для літієвих акумуляторів у сфері енергоефективності та безпеки

Анотація

Літій-іонні батареї мають вирішальне значення в області сучасних накопичувачів енергії. З моменту їх комерціалізації в 1990-х роках досягнення в матеріалознавстві та інженерії підвищили їхню потужність, безпеку та термін служби. Однак динамічні характеристики літій-іонних акумуляторів є складними та вимагають розширених стратегій заряджання та керування для оптимізації продуктивності, безпеки та тривалості життя. У цій статті пропонується порівняльний аналіз трьох вдосконалених методів керування заряджанням літій-іонних акумуляторів: навчання з підкріпленням, нечітке логічне керування та традиційне пропорційно-інтегрально-похідне (PID) керування. Традиційним методам зарядки важко впоратися з динамічною складністю батареї, що призводить до низької продуктивності. У цій статті використовується моделювання MATLAB Simulink, щоб оцінити ці інтелектуальні стратегії керування для покращення ефективності заряджання, швидкості та терміну служби акумулятора. Результати показують, що навчання з підкріпленням має сильну адаптивність, нечітка логіка може ефективно вирішувати нелінійні проблеми, продуктивність ПІД-регулювання є надійною, а вимоги до обчислювальних ресурсів низькі.

1. Вступ

Обмеження літій-іонних акумуляторів порівняно з традиційними методами заряджання:Літій-іонні батареї мають такі переваги, як висока щільність енергії, довгий термін служби та низька швидкість саморозряду, що повністю змінює спосіб зберігання та використання енергії та стає однією з фундаментальних технологій у сучасному суспільстві. Однак традиційні методи заряджання за допомогою постійного струму та постійної напруги (CC/CV) часто не справляються з динамічною складністю літій-іонних акумуляторів, що призводить до низької продуктивності заряджання та можливого погіршення продуктивності акумулятора з часом.

Вступ до стратегії інтелектуального управління

Щоб вирішити ці проблеми, у цій статті порівнюються та аналізуються три основні інтелектуальні методи керування для заряджання літій-іонних акумуляторів: навчання з підкріпленням (RL), нечітко логічне керування (FL) і традиційне пропорційно-інтегральне похідне (PID) керування.

Контролер RL вивчає оптимальну стратегію керування, взаємодіючи з моделлю батареї та силовими електронними пристроями, використовуючи модель малого сигналу, щоб спростити силові електронні пристрої та покращити процес навчання. Навчання нейронної мережі на основі функції винагороди для штрафування стрибків струму та напруги для більш стабільного процесу заряджання з метою контролю вхідної напруги акумулятора. Оцінюючи відповідь за допомогою кількох взаємодій і максимізуючи значення винагороди, відстежуючи стан батареї, винагороди або покарання можна надавати на основі поточного значення та агресивних дій контролю. Можна виявити, що можна розробити стратегію заряджання, яка мінімізує час заряджання, споживання енергії та погіршення якості акумулятора, забезпечуючи при цьому безпечну роботу.

Контролер FL забезпечує гнучкий та інтуїтивно зрозумілий спосіб інтеграції експертних знань і евристичних правил у процес заряджання шляхом визначення мовних змінних, таких як статус заряджання, температура та швидкість заряджання, а також встановлення правил висновку. Було розроблено два контролери FL, один регулює напругу для підтримки стабільності за різних кривих зарядки, а інший регулює струм, щоб уникнути надмірних стрибків і підтримувати стабільні значення, що може краще впоратися з нелінійністю та внутрішньою невизначеністю в динаміці літій-іонних батарей, таким чином покращення продуктивності зарядки та продовження терміну служби акумулятора.

ПІД-регулятор може збалансувати такі фактори, як час заряджання, енергоефективність і захист акумулятора, регулюючи й оптимізуючи криву заряджання.

2. Методи дослідження стратегій керування зарядом літій-іонних акумуляторів

Переваги та характеристики батареї платформи моделювання MATLAB Simulink:MATLAB Simulink надає потужну платформу для аналізу та оптимізації систем зарядки літій-іонних акумуляторів. Літій-іонні батареї стали кращим вибором для різних застосувань завдяки високій щільності енергії (забезпечує високе співвідношення енергії до ваги, підходить для портативних електронних пристроїв і електромобілів з обмеженим простором і вагою), низькій швидкості саморозряду (придатні для тривалого використання). термінове зберігання енергії), передові технології переробки та низький вплив на навколишнє середовище (більш стійкий та екологічно чистий).

Моделювання перетворювача середнього малого сигналу:Для систем передачі енергії літій-іонних акумуляторів потрібна ефективна конструкція. У цьому дослідженні використовується ізольована схема перетворювача DC/DC (прямий перетворювач схожий на топологію понижуючого перетворювача DC/DC і містить трансформатор для забезпечення електричної ізоляції та підвищення безпеки батареї). Поведінка схеми характеризується як передаточна функція другого порядку з використанням критерію моделі малого сигналу, а наближення низького сигналу (низький Q) використовується для спрощення аналізу, що призводить до передавальної функції моделі перетворювача, яка включає роботу та коефіцієнт перетворення. Перетворювач моделює використання ідеальних компонентів для підвищення ефективності та аналізує два сценарії: без навантаження та з навантаженням літій-іонної батареї. За умов холостого ходу передатна функція, напруга й струм перетворювача подібні, але вихідний сигнал перетворювача коливається. В умовах навантаження головна відмінність полягає в часі стабілізації. Завдяки ідеалізації передатної функції система реагує швидше, але кінцеве вихідне значення є послідовним, а використання передавальної функції може значно скоротити час моделювання.

Опис архітектури керування:Стратегія керування базується на моделі літій-іонної батареї в MATLAB Simulink, яка надає детальні технічні параметри для точного моделювання та аналізу продуктивності батареї. Процес заряджання CC/CV включає етап контролю струму (де струм встановлюється на безпечний рівень, а напруга батареї зростає під час заряджання, досягаючи порогового значення перед входом у етап керування напругою) та етап контролю напруги (де напруга залишається стабільною). і струм поступово зменшується, доки акумулятор не буде повністю заряджено), що може запобігти перезарядженню, зменшити тиск акумулятора, зменшити ризик перегріву та подовжити термін служби акумулятора. Оцінені стратегії контролю підсумовані в таблиці 1 і будуть детально представлені пізніше.

Архітектура навчання з підкріпленням:Контролер навчання з підкріпленням вивчає оптимальну стратегію через взаємодію з системою для обробки складної нелінійної динаміки. Прийнявши схему критики акторів, мережа акторів вибирає дії, а мережа критиків оцінює дії для надання зворотного зв’язку. Безперервна мережа акторів Гауса (CGAN) використовується для обробки безперервних просторів дій, а оптимальна стратегія досліджується шляхом виведення параметрів розподілу Гауса. Його архітектура включає кілька повністю пов’язаних рівнів, а функція активації — це здебільшого модифікована лінійна одинична функція (RELU). Базуючись на навчанні інструментарію навчання посилення MATLAB, функція винагороди розраховується на основі помилки напруги, дій керування та спостережень за напругою, щоб стимулювати підтримку напруги в очікуваному діапазоні та штрафувати відхилення. Встановлюючи константи, забезпечується максимальний ефект навчання, а максимальна середня винагорода досягається після 200 раундів навчання. Однак повільний відгук батареї ускладнює налаштування параметрів.

Нечітка архітектура:Контролери з нечіткою пропорційною похідною (PD) більш ефективні в обробці системної нелінійності та невизначеності, ніж традиційні контролери PD, адаптуючись до змін характеристик батареї для забезпечення стабільного та точного контролю напруги. Система нечіткого висновку будується за схемою Сугено, де напруга контролюється нечітким PD, а струм – нечітким PD+I. Вхідні дані обробляються за допомогою нормалізованих трикутних функцій належності для обробки помилок та їх похідних, а вихідні дані обробляються за допомогою трьох функцій нормалізації Sugeno для обробки станів. Вхідний діапазон обмежений, щоб уникнути насичення, а вхідний і вихідний діапазони змінюються відповідними константами.

Класична архітектура PID:Класичний пропорційно-інтегрально-похідний (PID) регулятор широко використовується для заряджання акумуляторів завдяки своїй простоті, ефективності та надійній роботі. Його легко впровадити та налаштувати, він може регулювати та оптимізувати умови зарядки в режимі реального часу. Він поєднує пропорційні, інтегральні та похідні дії для точного регулювання напруги та струму. Він має сильну універсальність і підходить для різних сценаріїв батареї та зарядки. Він має низьку вартість і низькі вимоги до обчислювальних ресурсів і підходить для вбудованих систем і недорогого обладнання. Його архітектура використовує лише два класичні контролери для керування напругою та струмом відповідно (внутрішня структура не детально описана через обмеження простору).

3. Оцінка продуктивності стратегії керування зарядкою літій-іонного акумулятора

Налаштування параметрів контролера:Функція винагороди за навчання з підкріпленням визначається за допомогою евристичних методів, а константи коригуються шляхом повторних експериментів, щоб отримати (r1=200), (r2=-25), (p1=-10) і ( p2=180). Нечіткий контролер (PD+I) регулює параметри вручну шляхом проб і помилок, з поточними параметрами керування (P=20), (D=0. 00000 1), (I{{8 }}) та (K_D=0.297), а також параметри керування напругою (P=15), (D=0.0001) та (K_D=0.315). ПІД-регулятор використовує інструмент MATLAB PID Tuner і нейронну мережу для пошуку оптимальних параметрів, включаючи керування струмом (P=15), (I {PID}=5), керування напругою (P=22 .5), (I=4.9) і (D {PID}=0.03).

Аналіз продуктивності контролера

Аспект оцінки:Оцініть продуктивність контролера з точки зору точності регулювання напруги та струму, часу відгуку, стабільності та захисту від перешкод.

Контролер навчання підкріплення:Контролер навчання підкріплення на основі нейронної мережі може досягти стабільної номінальної напруги без перерегулювання, коли струм дорівнює нулю (як показано на малюнку 5b). Однак при застосуванні керування CC/CV виникають коливання напруги через відсутність розуміння існуючого струму, що призводить до нестабільності та зменшення струму під час заряджання акумулятора. Швидкість завантаження є найшвидшою, але є явище дзвінка, яке може пошкодити електронні компоненти та скоротити термін служби батареї. У практичних застосуваннях необхідно враховувати циркуляційний струм для покращення продуктивності.

Нечіткий контролер:призначений для підтримки стабільного заряджання з довшим часом заряджання та стабілізації, але без стрибків у перетворенні контролю струму та напруги (як показано на малюнку 5c). Незважаючи на те, що він безпечніший, він повільніший і його можна оптимізувати шляхом налаштування правил виведення.

ПІД-регулятор:Він швидко реагує на помилки, але має значні перешкоди та явище перевантаження по струму під час переходу напруги в струм (як показано на малюнку 5b). Його продуктивність помірна і не залежить від досвіду оператора.

Аналіз показників ефективності:Проаналізуйте дію керування напругою вхідного перетворювача DC/DC, обчисліть середньоквадратичне значення (RMS) і виявіть, що RMS значення контролера навчання з підкріпленням трохи вище, що вказує на те, що його керуюча дія змінюється більш суттєво та чутлива до невеликі зміни. Оцінка середньоквадратичного значення струму батареї для всіх контролерів призвела до постійного значення 0.3A, що вказує на те, що, незважаючи на відмінності в стратегіях керування та діях, усі контролери змогли підтримувати вихідний струм у очікуваному діапазоні . Це означає, що, незважаючи на те, що дії контролю напруги контролера навчання посилення значно відрізняються, це не впливає на стабільність і постійність вихідного струму, що є вирішальним для безпечної та ефективної роботи системи.

4. Обговорення результатів стратегії контролю заряду літій-іонного акумулятора

Час виконання моделювання контролера та зміна виходу:Результати в таблиці 2 були отримані в результаті моделювання, де кожен контролер був налаштований на 6 секунд, при цьому контролер з підкріпленим навчанням (RL) мав найдовший час виконання 21046 секунд. Порівняно з іншими контролерами, які використовуються для регулювання напруги та струму літій-іонних батарей, контролер RL має більшу варіацію вихідного сигналу, і навіть за невеликих збурень можуть виникнути явища дзвінків (контроль високочастотних коливань). При застосуванні до справжніх електронних пристроїв живлення це може спричинити перегрів акумулятора та компонентів перетворювача, шум датчика та скорочення терміну служби акумулятора з коливаннями напруги на 0,02 В. Щоб покращити контролер і зменшити вібрацію, до виходу контролера можна додати фільтр низьких частот, змінити архітектуру нейронної мережі або застосувати гібридний метод керування (наприклад, PID або нечіткий контролер для налаштування виходу нейронної мережі). використовується.

Адаптивність контролера та характеристики продуктивності:Контролери RL мають високу адаптивність до різних ситуацій, оскільки вони більш чутливі до перешкод. Однак вихідні зміни вказують на необхідність включити більше параметрів у навчання агентів, щоб покращити їх здатність адаптуватися до більшої кількості сценаріїв, підвищити ефективність заряджання та уникнути можливої ​​нестабільності. Нечіткі контролери прагнуть уникнути високих піків струму та низьких швидкостей заряджання завдяки своїм правилам висновку; ПІД-регулятор реагує на помилки, змінюючи вихідний сигнал і може адаптуватися до динамічних змін.

Оцінка продуктивності контролера:Середньоквадратичне значення (RMS) було використано для оцінки продуктивності трьох контролерів, і результати показали, що середня напруга, підтримувана всіма контролерами, була подібною до номінальної напруги батареї, що має вирішальне значення для запобігання перезаряду та уникнення батареї. перегрів. З точки зору контролю струму, усі контролери можуть досягати еталонного значення за дуже короткий час відгуку без перерегулювання та мають хорошу толерантність до зовнішніх перешкод. З точки зору контролю напруги, контролер може постійно досягати еталонного значення, поступово зменшуючи струм, поки він не досягне нуля, щоб завершити цикл зарядки. Однак слід зазначити, що контролери на основі RL можуть відчувати незначні коливання струму під час останнього етапу заряджання, коливаючись між поточним значенням і нулем, і можуть вимагати додаткових налаштувань для покращення стабільності.

5. Підведення підсумків

ПІД контролер

Переваги:Відомий своєю простотою та ефективністю, він добре регулює напругу та струм і може забезпечити швидку та стабільну відповідь у багатьох додатках.

Недолік:Відносно слабка адаптивність у роботі зі складними динамічними характеристиками батареї, що ускладнює досягнення високодинамічної оптимізації.

Нечіткий контролер

Переваги:Завдяки визначенню мовних змінних і правил висновку досвід інтегрується в процес керування, який може краще справлятися з нелінійністю та невизначеністю заряду батареї, дозволяючи системі адаптуватися до конкретних ситуацій і працювати стабільно в різних умовах експлуатації. Налаштування правил виведення відповідно до вимог програми може певною мірою оптимізувати продуктивність заряджання.

Недоліки:Дизайн значною мірою покладається на правила та досвід, розробка є складною, а швидкість заряджання відносно повільна, що може не відповідати високим вимогам до швидкої зарядки в прикладних сценаріях.

Контролер на основі навчання з підкріпленням

Переваги:Він може вивчати оптимальну стратегію через взаємодію з системою, має сильну здатність до обробки невеликих збурень, може динамічно адаптуватися до мінливих умов, постійно оптимізувати продуктивність і має високу адаптивність до різних умов навантаження. У складних і постійно мінливих сценаріях заряджання акумулятора він може ефективно підвищити точність і ефективність заряджання, особливо підходить для додатків, які вимагають високої гнучкості заряджання та адаптивності.

Недоліки:Вимагає великої кількості обчислювальних ресурсів, тривалого часу навчання, наприклад, найдовшого часу виконання в цьому дослідженні. Процес навчання є складним і вимагає ретельного проектування функцій винагороди та налаштування архітектури нейронної мережі, інакше можуть виникнути нестабільні явища, такі як проблеми з дзвінком. Щоб підвищити точність, потрібна більш складна архітектура нейронної мережі, що додатково збільшує обчислювальне навантаження та час моделювання.