基于深度变革器的两相控制技术，用于电动汽车中的太阳能光伏-蓄电池-超级电容器复合储能系统

《Journal of Energy Storage》：Deep transformer based two phase control for solar photovoltaic-battery-supercapacitor in electric vehicles

　　M. Bharath | E. Gomathi
印度泰米尔纳德邦蒂鲁吉拉帕利安娜大学工程学院分校石化技术系，BIT校区，邮编620024

**摘要**
在混合能源系统中，对于电动汽车的电力管理效率至关重要，因为负载需求的动态特性以及光伏（PV）系统、电池和超级电容等能源的非线性行为是影响效率的主要因素。传统的基于规则的方法通常缺乏实时适应性，导致功率损失和电池老化等效率问题。本研究提出了一种基于深度学习的两相控制器，用于优化混合PV-电池-超级电容器系统的能源分配。第一阶段根据实时负载条件主动计算直流母线参考电压，第二阶段则确保最佳功率分配，以减少电池输出偏差和功率损失。该模型使用时间序列数据作为输入特征，包括车辆速度、加速度、电源/负载电流和充电状态。改进的Swin Mandrill Deeplabv3+变压器（ISLDT）模型与改进的Mandrill优化算法（IMOA）相结合，实现了精确的控制参数调整。该方案在MATLAB中实现，效率超过85%，显著提升了系统性能和电池寿命。

**引言**
当今世界面临着严重的能源短缺和环境污染问题，其主要原因是全球能源需求的激增。特别是印度，由于其经济的发展、人口增长和工业化进程加快，能源需求正在迅速上升。据预测，到2040年能源需求将大幅增长。自2000年以来，印度的能源消耗翻了一番，目前约80%的能源来自煤炭、石油和生物质等传统化石燃料[1]。这种对不可再生能源的依赖凸显了转向更绿色、更可持续能源的必要性。为此，印度设定了到2030年安装450吉瓦（GW）可再生能源容量的目标。电池储能技术的进步和太阳能光伏系统成本的下降为这一目标提供了支持[2]。根据“既定政策情景”（STEPS），预计到2040年印度将拥有140吉瓦的电池储能容量；而在“可持续发展情景”（SDS）下，这一数字可能增至200吉瓦。此外，印度还计划将2000年至2030年的排放强度降低40%。可再生能源预计将提供印度总发电能力的近60%，超过其国家自主贡献目标（NDC）40%的指标[3][4]。印度正迅速成为全球清洁能源技术的领导者，从太阳能板和风力发电机到锂离子电池等领域。到2040年，该行业的年投资额将超过400亿美元[3][4]。作为全球经济的一部分，交通运输业的能源消耗显著增长，目前占全球总能耗的约29%，同时该行业消耗了全球约五分之二的石油，并产生了约25%的二氧化碳[5]。到2050年，三分之二的能源将来自可再生能源。通过将电动汽车与可再生能源结合，可以促进低碳交通模式，从而减少60%的排放[6]。根据STEPS情景，印度道路运输业的能源消耗预计在未来二十年内将翻一番。两轮和三轮车辆的快速增长也促使政策制定者倾向于采用低能耗的出行方式[7]。向电动化转型的过程可能会将石油需求增长控制在每天不到100万桶[8]。然而，要实现SDS目标，到2040年还需要在STEPS基础上增加1.4万亿美元的资本投资以扩展清洁能源技术[9]。由于锂离子电池是目前最广泛使用的储能技术，交通运输行业正引领这一变革。电池电动汽车（BEVs）凭借高能量密度、高效率、宽温度工作范围和低自放电率等优势成为优选方案[10][11][12]。尽管电池电动汽车具有高性能和舒适性，但锂离子电池的某些限制仍阻碍了其更广泛的应用。高充放电率、工作温度和充放电循环次数等因素对电池寿命有很大影响[13]。不同用户和驾驶条件下的电池性能也存在差异[14]。电池管理系统（BMS）通过监测电池健康状况和提高操作安全性来解决问题[15]。为延长续航里程，制造商通常通过增加电池组来实现这一目标，但这会导致车辆重量增加、能耗上升和排放增加[16]。快速充电站的不普及依然是电动汽车普及的主要障碍之一。BEVs完全依赖电池来满足动态驾驶行为带来的突发和变化负载需求，从而给电池系统带来额外压力[17][18]。因此，需要采取不同策略来保持电池性能和寿命[18][19]。混合能源系统将多种清洁能源技术（如燃料电池、电池、超级电容器和太阳能光伏）结合起来，提供了一种有趣的解决方案。特别是电池与超级电容的组合，在应对负载电流变化方面表现最佳[19]。然而，环境和运行条件的变化仍会影响电池老化。燃料电池电动汽车（FCEVs）通过集成燃料电池和电池为电动汽车提供了光明前景，但当前缺乏便捷的氢燃料加注基础设施，这影响了消费者的信心[20]。

**相关研究**
现有文献中已有基于深度变换器的两相控制技术在混合光伏-电池-超级电容器能源系统中的应用研究。Singh[21]提出了自适应神经模糊推理系统（ANFIS），以优化多种能源的功率分配。Vignesh等人[22]引入了自适应等效消耗最小化策略（AECMS），强调准确选择等效因子对实现最佳能源管理性能的重要性。Chatterjee等人[23]使用支持向量机分类器优化了燃料电池和电池之间的功率分配，以提高车辆性能和经济性。Huang等人[24]为燃料电池混合动力公交车（FCHEBs）提出了能源管理方案。重要的研究突破在于计算了能源管理框架，减少了开发时间和运营成本，提高了氢能在交通运输中的使用效率。Sun等人[25]应用庞特里亚金最小原理（PMP）平衡全局优化和实时利用，开发了多学习空间策略。Jondhle等人[26]提出了结合电池和超级电容器的高科技混合电力系统（HES），适用于电动汽车，因其可靠性较高。Sidharthan等人[27]提出了智能混合源能源管理策略（IHSEMS），利用绝对能量共享算法和模糊逻辑控制器最大化多电源的使用效率，以满足电机需求。Nguyen-Minh等人[28]提出了改进的PMP版本（alt-PMP），其性能优于传统的单层建模和基于规则的方法，适用于复杂的多源能源系统。Le[29]提出了多目标改进萤火虫算法（MOMFA），用于优化储能系统设计和运行。Farrokhi等人[30]提出了一种半主动电池-超级电容器混合储能系统的功率管理技术，通过使用超级电容器电流作为控制参数来调整电池参考电流，从而克服了主要障碍。

**结论**
允许太阳能光伏、电池和超级电容器等混合能源系统进入电动汽车领域是提高能源效率和电池寿命的有效途径。在混合能源源之间实现实时能源管理仍然是一个具有挑战性的问题。传统的能源管理方法包括基于规则的控制器、遗传算法、粒子群优化和模糊逻辑等，但这些方法存在收敛速度慢、无法适应电动汽车负载需求的动态和非线性特性以及预测精度低的问题（因为未考虑控制参数之间的时间相关性）。随着驾驶方式的差异和停车次数及速度的变化，光伏能源的可用性也高度不稳定。当前方法无法快速响应能源需求的快速变化，导致功率损失、能源利用效率低下和电池加速老化。本研究旨在创建智能且优化的能源管理系统，重点关注实时能源流和效率，防止功率损失，并延长电池寿命，弥补传统静态控制方法的不足。第一模块实时计算系统、电池和超级电容器在动态负载条件下的参考电压，第二模块找到最佳功率分配方案，以减少电池功率偏差和总功率损失。ISLDT预测最佳控制参数，IMOA负责控制系统微调以达到最佳性能。整个框架在MATLAB中实现并通过验证，结果表明该方案在电动汽车混合能源系统控制器方面表现更优。

提出的ISLDT-IMOA两相框架解决了现有能源管理模型（如ANFIS、AECMS和PMP）的缺点，尤其是收敛速度慢、应对动态变化的能力不足以及控制参数优化不足的问题。ISLDT不是对现有变压器架构的简单改造，而是结合了分层Swin变压器块和Deeplabv3+分割原理的改进模型，提高了时间序列 Energy 数据的特征提取能力。与传统变压器相比，ISLDT采用局部关注机制和多尺度特征融合，使变压器能够更快收敛并适应变化的环境和负载条件。IMOA是对传统Mandrill优化算法的改进，引入了自适应探索-利用平衡和动态参数更新策略，大大提高了收敛速度，避免了传统优化方法的早期停滞问题。该框架的创新之处在于将基于变压器的预测控制器与自适应元启发式优化算法相结合，在两步控制框架中实现实时参考电压的正确估计和最优功率分配。这种同步解决方案将提高适应性和计算效率，比现有方法节省更多能源。因此，ISLDT-IMOA框架是一种新的、高效的应对方案，而不仅仅是对收敛速度、系统强度和实时灵活性等进行的小幅调整。该框架专门针对这些方面的问题进行了优化。

电动汽车中混合能源的能源管理策略
这是一种电动汽车系统，它具有光伏阵列、电池和超级电容器等组成部分。太阳能光伏发电装置将太阳辐射转化为电能[31]。在任何日照和温度条件下，光伏阵列都能产生最大功率。这使得整个系统的功率流动控制得到优化，并增强了动态响应能力，在太阳辐射较低的情况下可以作为备用电源。

成果与分析
研究了基于深度变压器的双相控制技术在电动汽车中混合光伏、电池和超级电容器能量系统中的应用，以评估其性能。使用MATLAB平台在冬季和夏季不同辐照度及恒定温度条件下进行了推荐方法的实验验证。所提出的ISLDT模型采用基于变压器的架构，由四个层次组成，包括前馈网络和多头自注意力机制。

结论
本研究证明了基于深度变压器的双相控制框架在控制混合光伏-电池-超级电容器电动汽车系统中的能量流动方面的有效性。通过多种情景下的数值模拟发现，该系统能够有效适应动态的环境和负载条件。即使日照强度从600 W/m2下降、温度超过25°C，光伏电压仍能稳定在85至90 V之间。电池系统的性能表现也较为稳健。

CRediT作者贡献声明
M. Bharath：负责监督工作。
E. Gomathi：负责概念设计。

遵循伦理标准
1. 潜在利益冲突的披露：作者声明没有潜在的利益冲突。
2. 动物和人权声明：
i. 遵守所有相关的机构和/或国家关于动物护理和使用的准则。
ii. 知情同意：对于此类分析，不需要获得正式的同意。

资金来源
本研究未获得公共部门、商业部门或非营利组织任何特定的资助。

利益冲突声明
作者声明没有已知的财务利益冲突或个人关系可能影响本文的报告内容。

致谢
无。