亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于深度嵌入聚類算法的梯次電池主動(dòng)協(xié)同

        2021-11-20 15:16:30李志強(qiáng)阮佳楠王克飛
        電源技術(shù) 2021年9期
        關(guān)鍵詞:成組梯次電池組

        李志強(qiáng),阮佳楠,王克飛

        (國能信控互聯(lián)技術(shù)有限公司,北京 100089)

        梯次電池利用是指電池在一次應(yīng)用退役后,利用相應(yīng)科學(xué)處理手段將其應(yīng)用于對電池要求較低的領(lǐng)域中[1]。為滿足梯次電池實(shí)際應(yīng)用過程中電池容量與功率的需求,通常將單體電池串聯(lián)成組。在串聯(lián)成組前,各單體電池的容量與內(nèi)阻等參數(shù)各有差異,電池均衡控制是解決電池組不一致性問題的關(guān)鍵[2]。文獻(xiàn)[3-4]都采用K均值聚類方法進(jìn)行聚類分組,但選取的健康因子不同,文獻(xiàn)[3]的容量利用率為90%以上,而且文獻(xiàn)[4]從梯次電池單體充放電電壓和容量角度來說明分組效果。文獻(xiàn)[5]介紹了一種智能分時(shí)的主動(dòng)被動(dòng)協(xié)同均衡技術(shù),其電壓、內(nèi)阻、容量離散性得到控制,但硬件電路的修改導(dǎo)致方案成本偏高,不適用于大規(guī)模梯次電池利用。文獻(xiàn)[6]建立電動(dòng)汽車風(fēng)電協(xié)同利用模型,采用線性遞減慣性權(quán)值的改進(jìn)粒子群算法,加入了電動(dòng)汽車電池剩余容量和充放電功率的約束條件,該算法可應(yīng)用于大規(guī)模梯次電池利用場景。

        梯次電池參數(shù)的不一致性易導(dǎo)致梯次電池利用出現(xiàn)過充過放現(xiàn)象,降低梯次電池組的容量和使用壽命,將梯次電池重新成組方法與均衡策略相結(jié)合可以簡化均衡策略,提升均衡效果。上述文獻(xiàn)中對均衡策略的研究沒有結(jié)合具體的分組成組方法,忽略了在均衡策略中重新成組對其改善一致性效果的影響。為此,本文設(shè)計(jì)了基于深度嵌入聚類算法的梯次電池利用主動(dòng)協(xié)同模型,利用深度嵌入聚類算法劃分電池組別,根據(jù)組間主動(dòng)協(xié)同判據(jù),采用主動(dòng)協(xié)同模型實(shí)現(xiàn)梯次電池主動(dòng)協(xié)同。

        1 梯次電池主動(dòng)協(xié)同模型設(shè)計(jì)

        1.1 基于聚類算法的梯次電池串聯(lián)成組方法

        1.1.1 深度嵌入聚類算法

        深度嵌入聚類算法的設(shè)計(jì)分三個(gè)步驟,首先通過自動(dòng)編碼器壓縮電池?cái)?shù)據(jù);其次以編碼器為支撐的聚類層將編碼器的壓縮數(shù)據(jù)作為輸入,輸出聚類結(jié)果;最后通過訓(xùn)練聚類模型優(yōu)化聚類層與編碼器的參數(shù),實(shí)現(xiàn)模型優(yōu)化。

        為實(shí)現(xiàn)梯次利用,電池串聯(lián)成組,自動(dòng)編碼器對電池?cái)?shù)據(jù)實(shí)施預(yù)訓(xùn)練,通過采集編碼器壓縮數(shù)據(jù)部分的訓(xùn)練模型,以非線性映射fθ:X→T將數(shù)據(jù)空間X轉(zhuǎn)換至低維特征空間T,同時(shí)將權(quán)重參數(shù)δ 作為神經(jīng)網(wǎng)絡(luò)初始參數(shù),定義一個(gè)兩層神經(jīng)網(wǎng)絡(luò):

        以自動(dòng)編碼器為支撐的聚類層利用定義的一致度計(jì)算公式將輸入數(shù)據(jù)(自動(dòng)編碼器輸出的嵌入數(shù)據(jù)點(diǎn))轉(zhuǎn)換為聚類軟分配度輸出。

        以λj表示特征空間T內(nèi)的中心點(diǎn),深度嵌入聚類算法內(nèi)λj自身與其周邊的點(diǎn)間的一致度服從t分布?;诖?,可通過t分布為核判斷嵌入點(diǎn)與λj的一致度,獲取嵌入點(diǎn)ti同中心點(diǎn)λj的軟分配度qij,公式描述如下:

        式中:ti=fθ(xi)∈T和α 表示xi∈X嵌入特征空間T獲取的點(diǎn)和t分布的自由度。由于訓(xùn)練過程無法獲取α 最優(yōu)值,因此設(shè)定α值為1。

        將軟分配度q提升至二次冪,令分布對高置信度數(shù)據(jù)樣本的敏感度更高;為防止大聚類組干擾隱藏特征空間,依照不同聚類組的頻率實(shí)施歸一化處理;通過標(biāo)準(zhǔn)化處理獲取目標(biāo)部分情況。用式(3)描述目標(biāo)概率分布:

        在上述所示的高置信分布中學(xué)習(xí),其中,模型期望軟分配度的概率分布qi等同于輔助目標(biāo)分布pi,基于此,利用式(4)描述qi與pi間的KL散度的損失函數(shù)L:

        1.1.2 梯次電池串聯(lián)成組

        為了提升相同組內(nèi)電池一致度,梯次電池串聯(lián)成組時(shí),分組過程無依據(jù),基于深度嵌入聚類算法的描述,可利用深度嵌入聚類算法實(shí)現(xiàn)電池串聯(lián)成組。

        在獲取梯次電池的容量與內(nèi)阻等數(shù)據(jù)信息后,選取中間值法對數(shù)據(jù)實(shí)施歸一化處理,中間值法歸一化處理過程如下:

        將上述過程獲取的梯次電池歸一化數(shù)據(jù)作為深度嵌入聚類算法應(yīng)用的初始數(shù)據(jù),通過深度嵌入聚類算法可有效劃分梯次電池組別,為梯次電池主動(dòng)協(xié)同提供基礎(chǔ)支持。

        1.2 組間主動(dòng)協(xié)同模型設(shè)計(jì)

        1.2.1 組間主動(dòng)協(xié)同判據(jù)

        在制定梯次電池組間主動(dòng)協(xié)同策略時(shí),需要引入統(tǒng)計(jì)學(xué)量:全體梯次電池組的荷電狀態(tài)(SOC)均值和中心極差β。

        SOC均值可體現(xiàn)梯次電池組內(nèi)含電量,依據(jù)SOC均值能夠判斷梯次電池組間的協(xié)同性。在某梯次電池組的SOC均值與差值差異未達(dá)到既定閾值標(biāo)準(zhǔn)的條件下,需進(jìn)行梯次電池組間協(xié)同操作。SOC均值計(jì)算公式如下:

        式中:SOCavn表示第n個(gè)梯次電池組的SOC均值。

        中心極差β 體現(xiàn)單個(gè)梯次電池組SOC均值同整體梯次電池組SOC均值間差值上限[7],主要功能是判斷梯次電池組間的協(xié)同性。在中心極差β 高于既定閾值條件下,需進(jìn)行梯次電池組間協(xié)同操作。中心極差β 計(jì)算公式如下:

        梯次電池組間主動(dòng)協(xié)同策略對中心極差要求較高,考慮應(yīng)用對象為梯次電池,利用深度嵌入聚類算法將若干節(jié)梯次電池設(shè)為一個(gè)組別,實(shí)施組別間協(xié)同時(shí),可保障組別間的一致度較高,確保全部電池的中心極差β 值較低,整體電池組具有較高一致度,在制定電池組間協(xié)同模型啟停條件時(shí)設(shè)定:在梯次電池中心極差β 與組間SOC均值的比值高于2.5%時(shí)啟動(dòng)協(xié)同模型進(jìn)行主動(dòng)協(xié)同控制;在低于2.5%時(shí)停止協(xié)同模型。

        1.2.2 主動(dòng)協(xié)同模型

        采用雙向DC-DC 分布式主動(dòng)協(xié)同拓?fù)浣Y(jié)構(gòu),滿足相鄰單體間能量雙向流動(dòng)需求,設(shè)計(jì)梯次電池主動(dòng)協(xié)同模型,協(xié)同過程如圖1 所示。

        圖1 梯次電池主動(dòng)協(xié)同流程

        梯次電池主動(dòng)協(xié)同模型由三個(gè)主要環(huán)節(jié)構(gòu)建。

        第一環(huán)節(jié):確定各單體梯次電池的SOC均值,基于梯次電池單體的SOC均值確定不同組別梯次電池SOC均值?;谑?9)確定整體梯次電池組SOC均值,利用式(10)確定整體梯次電池組中心極差β 值,對比獲取的SOC均值、β 值和各值既定閾值,判斷是否需要實(shí)施主動(dòng)協(xié)同操作。

        第二環(huán)節(jié):若判斷結(jié)果顯示需實(shí)施主動(dòng)協(xié)同操作,則依照SOC均值將各梯次電池組別從低至高進(jìn)行排序[8],獲取梯次電池組間的協(xié)同路徑。

        組間協(xié)同電路選取分布式主動(dòng)協(xié)同拓?fù)浣Y(jié)構(gòu),滿足相鄰梯次電池單體間能量雙向流動(dòng)需求。設(shè)定全部梯次電池分為三個(gè)組別,不同組別間SOC均值對比結(jié)果有下述六種形式:

        (1)SOCav1>SOCav2>SOCav3;

        (2)SOCav1>SOCav3>SOCav2;

        (3)SOCav2>SOCav1>SOCav3;

        (4)SOCav2>SOCav3>SOCav1;

        (5)SOCav3>SOCav2>SOCav1;

        (6)SOCav3>SOCav1>SOCav2。

        基于對以上六種情況的分析,可將主動(dòng)協(xié)同過程大致分為兩種類型[9]:直接協(xié)同和間接協(xié)同。情況(2)~(4)和(6)均為相鄰電池組間能量傳遞,因此可采用直接協(xié)同,僅需導(dǎo)通與關(guān)斷對應(yīng)開關(guān)管即可。情況(1)和(5)需進(jìn)行電池組1 和電池組3 間的能量傳遞,考慮電池組1 和電池組3 并不相鄰,因此需要電池組2 作為中間媒介,進(jìn)行間接協(xié)同傳遞能量。

        第三環(huán)節(jié):確定不同電池組別間的協(xié)同狀態(tài),當(dāng)不同電池組別的SOC均值的中心極差滿足既定閾值要求,即可結(jié)束組間協(xié)同;若不滿足閾值要求,則返回第一環(huán)節(jié)。

        2 實(shí)驗(yàn)分析

        為驗(yàn)證本文設(shè)計(jì)的基于深度嵌入聚類算法的梯次電池主動(dòng)協(xié)同模型的應(yīng)用性能,進(jìn)行模型應(yīng)用測試,以16 個(gè)單體退役電池為研究對象。

        2.1 聚類性能測試

        為評價(jià)本文模型中聚類算法的具體性能,將聚類數(shù)目設(shè)定為梯次電池的自然分類數(shù)目,通過聚類標(biāo)準(zhǔn)率ACC[式(11)]對本文模型中的梯次電池聚類性能進(jìn)行評價(jià)。

        式中:li、m和ci分別表示實(shí)際分類標(biāo)簽、聚類結(jié)果與實(shí)際分類標(biāo)簽間的1 對1 映射和本文模型獲取的聚類結(jié)果。

        以文獻(xiàn)[5]中基于主被動(dòng)均衡技術(shù)的協(xié)同模型和文獻(xiàn)[6]中基于優(yōu)化調(diào)度策略的協(xié)同模型為對比模型,驗(yàn)證本文模型的性能優(yōu)勢,結(jié)果如表1 所示。本文模型在實(shí)際應(yīng)用過程中對不同目標(biāo)數(shù)量的聚類精度均在96%以上,且始終高于其它兩種對比模型,由此說明本文模型具有較高的聚類精度。

        表1 不同模型在不同目標(biāo)數(shù)量下的聚類精度 %

        2.2 串聯(lián)成組測試

        在測試本文模型梯次電池串聯(lián)成組性能時(shí),采用容量利用率的方法,利用本文模型進(jìn)行聚類,將所選16 個(gè)單體電池串聯(lián)成組,聚類結(jié)果顯示全部單體電池共串聯(lián)為4 個(gè)組別。

        在容量最小的單體電池?zé)o法首先充滿電與放完電的條件下,電池組容量利用率無法最大化,因此可選取容量利用率作為判斷梯次電池利用中電池組性能的指標(biāo)。用電池組的可用容量上限值與組內(nèi)容量最小的單體電池可用容量的比值定義所選16個(gè)單電池串聯(lián)形成的電池組的容量利用率φ:

        式中:Qm和Qc分別表示電池組的可用容量上限值和組內(nèi)容量最小的單體梯次電池可用容量。

        獲取電池的相關(guān)數(shù)據(jù),代入式(12)中,獲得本文模型中各串聯(lián)模組的容量利用率,結(jié)果如表2 所示。四個(gè)電池模組的容量利用率均在92%以上,滿足電池組容量利用率實(shí)際應(yīng)用需求,由此說明本文模型能夠有效劃分電池組。

        表2 不同串聯(lián)模組容量利用率

        2.3 主動(dòng)協(xié)同性能測試

        為定量分析本文模型的主動(dòng)協(xié)同性能,采用描述電池組差異程度的參數(shù)ξ 作為判斷本文模型主動(dòng)協(xié)同性能的指標(biāo),其值越小,說明協(xié)同性能越好。ξ 計(jì)算公式如下:

        設(shè)定梯次電池主動(dòng)協(xié)同的不同工況:靜止?fàn)顟B(tài)和充電狀態(tài)。

        工況一:靜止?fàn)顟B(tài)。利用開路電壓法,檢測上一實(shí)驗(yàn)中4組電池中各單體電池的SOC值,檢測結(jié)果如圖2(a)所示。借助實(shí)驗(yàn)室平臺,利用本文模型對4 組電池實(shí)施主動(dòng)協(xié)同操作,驗(yàn)證模型的主動(dòng)協(xié)同性能,結(jié)果如圖2(b)所示。

        由圖2 可知,協(xié)同后,電池組內(nèi)各單體電池的SOC值差異顯著降低,根據(jù)實(shí)驗(yàn)工況下的相關(guān)參數(shù),利用式(13)分別計(jì)算本文模型協(xié)同前后電池組的差異度,得到本文模型協(xié)同前電池組的差異度為0.067,本文模型協(xié)同后電池組的差異度為0.016,與協(xié)同前相比降低0.051。由此可知在靜止?fàn)顟B(tài)下,利用本文模型對電池進(jìn)行主動(dòng)協(xié)同后,梯次電池利用過程中電池組整體一致性得到明顯提升。

        圖2 靜止?fàn)顟B(tài)下本文模型協(xié)同前后SOC分布情況

        工況二:充電狀態(tài)。在室內(nèi)常溫環(huán)境中,將上述工況一條件下均衡后的電池以0.1C恒流放電,至電池組內(nèi)某電池放電至截止電壓,靜置4 h 后獲取各電池的荷電狀態(tài)并實(shí)施記錄,將其作為各電池的初始SOC值,如圖3(a)所示。通過充電機(jī)以0.08C恒流對不同電池進(jìn)行充電,并利用實(shí)驗(yàn)平臺對電池組實(shí)施主動(dòng)協(xié)同控制,獲取充電完成后電池的SOC分布情況,結(jié)果如圖3(b)所示。

        圖3 充電狀態(tài)下本文模型協(xié)同前后SOC分布情況

        由圖3 可知,恒流充電工況下,協(xié)同后,電池組內(nèi)各單體電池的SOC值差異顯著降低,根據(jù)充電工況下的相關(guān)參數(shù),利用式(13)分別計(jì)算本文模型協(xié)同前后電池組的差異度,得到本文模型協(xié)同前電池組的差異度為0.073,本文模型協(xié)同后電池組的差異度為0.024,與協(xié)同前相比降低0.049。由此可知,在充電狀態(tài)下,利用本文模型對梯次電池利用過程中的電池組進(jìn)行主動(dòng)協(xié)同后,電池組的整體一致性得到明顯提升。

        3 結(jié)論

        本文設(shè)計(jì)了基于深度嵌入聚類算法的梯次電池主動(dòng)協(xié)同模型,對比智能分時(shí)的主被動(dòng)協(xié)同模型和基于改進(jìn)粒子群算法的優(yōu)化調(diào)度協(xié)同模型,從梯次電池重新分組的聚類性能角度證明了該方法的優(yōu)越性。靜止?fàn)顟B(tài)下,本文模型協(xié)同后電池組的差異度為0.016,與協(xié)同前相比降低0.051;充電狀態(tài)下,本文模型協(xié)同后電池組的差異度為0.024,與協(xié)同前相比降低0.049,可以有效降低電池串聯(lián)成組后電池組的差異程度,提升梯次電池組應(yīng)用性能。考慮到不同成組方法與協(xié)同策略相互之間的適用性和應(yīng)用場景對模型性能的影響,在后續(xù)研究中將主要針對本文模型的應(yīng)用效率與可擴(kuò)展性進(jìn)行優(yōu)化,以期提升本文模型實(shí)際應(yīng)用效果。

        猜你喜歡
        成組梯次電池組
        航天典型結(jié)構(gòu)件成組加工工藝方法
        淺論動(dòng)力電池在通信基站的梯次使用
        2017年7月原電池及原電池組產(chǎn)量同比增長2.53%
        線性表成組鏈?zhǔn)酱鎯Y(jié)構(gòu)研究
        成組集中策略下滾裝汽車堆場車位分配優(yōu)化
        成組條件下的研制批產(chǎn)混合調(diào)度方法
        基于模糊聚類的動(dòng)力電池梯次利用研究
        基于LTC6802的電池組均衡電路設(shè)計(jì)
        動(dòng)力電池回收及梯次利用研究現(xiàn)狀
        一種優(yōu)化的基于ARM Cortex-M3電池組均衡控制算法應(yīng)用
        青青草久久久亚洲一区| 中文在线а√天堂官网| 精品国产三级a| 一级a免费高清免在线| 精品久久av一区二区| 曰韩无码二三区中文字幕| 国产夫妻av| 一区二区三区国产大片| 久久精品国产成人午夜福利| 亚洲一区二区三区无码国产| 久久亚洲伊人| 久久国产精品精品国产色| 精品亚洲成a人在线观看 | 麻豆精品一区二区三区| 国内精品伊人久久久久网站| 日本高清一区二区三区水蜜桃| 人妻av一区二区三区高| 日韩一区二区三区久久精品| 国产精品激情| 热久久久久久久| 97激情在线视频五月天视频| 免费a级毛片无码免费视频首页| 亚洲国产成人久久综合电影| 日韩在线观看网址| 狼狼色丁香久久女婷婷综合| 久久久久亚洲av片无码| 1000部精品久久久久久久久| 一本一道久久a久久精品综合蜜桃| 97超碰精品成人国产| 日韩国产成人无码av毛片蜜柚| 亚洲中文字幕无码二区在线| 国产高清不卡二区三区在线观看 | 国产精品亚洲综合一区在线观看| 2022AV一区在线| 精品人妻久久一区二区三区| 精品9e精品视频在线观看| 国产国拍亚洲精品午夜不卡17| 美利坚合众国亚洲视频| 亚洲av无码专区在线观看成人| 女同啪啪免费网站www| 内射中出后入内射极品女神视频 |