基于部分功率处理架构的电池串联系统IPSO驱动高效两级控制策略

《Journal of Energy Storage》：An IPSO-based high-efficiency two-stage control strategy for a battery series formation system based on partial power processing architecture

　　摘要：基于部分功率处理架构的电池串联化系统（PPPA-BSFS）能够降低变换器需处理的功率，从而提升整体系统效率。但在先前提出的PPPA-BSFS及其初步的两阶段控制策略中，由于电池参数不一致而导致的逐级切断过程仍会造成较大的能量损耗。为解决这一问题，本研究提出了PPPA-BSFS的工作原理、能效模型和小信号模型，并构建了专为电池串联化过程设计的完整两阶段能量优化控制框架。该框架将改进后的基于粒子群优化的预补偿策略与逐级切断控制相结合，在确保所有电池满足预设切断条件的同时，降低电池串联化过程中的能耗。在第一阶段控制中，采用具有自适应惯性权重的粒子群优化算法，综合考虑电池电压的均方绝对偏差和系统总功率损耗，优化各电池的补偿电流值，从而在变换器工作于低功率处理比的区域时，实现对电池参数不一致的预补偿。在第二阶段控制中，通过逐级切断控制来确保满足串联化切断条件，同时保障系统安全运行。通过不同电池参数场景下的对比仿真，评估了基于粒子群优化策略、传统策略以及基于模糊逻辑策略的能耗与电池串联化时间。此外，还研制了由三个级联式DC/DC变换器模块构成的30 V/300 W PPPA-BSFS实验原型。仿真与实验结果均表明，基于粒子群优化的策略能够有效降低能耗并缩短电池串联化时间。与传统策略相比，该策略可使能耗降低3.24%，电池串联化时间缩短1.2%，充分证明了所提出的两阶段能量优化控制框架的可行性与有效性。

引言：锂离子电池因其高能量密度和长循环寿命，已被广泛应用于电动汽车、储能系统等众多工业领域。然而，其较高的生产成本仍然限制了其大规模应用[1]、[2]、[3]。电池串联化处理是电池生产后的核心工序，通常需要对组装好的电池进行2到3次充放电循环，充放电电流速率一般在0.1C至0.5C之间[4]。在这一过程中，电极表面会形成固体电解质界面膜，从而稳定电池性能并防止容量下降[5]、[6]。由于较低的充放电电流速率以及多次循环，电池串联化处理时间往往长达3至5天甚至更久[7]。目前，容量超过300 Ah的电池逐渐成为主流，但在较低电流速率下，电池串联化过程中的电流仍相对较高。因此，由于漫长的处理时间和较高的功率损耗，能量耗散成本相当可观。先前的研究显示，电池串联化处理过程中的能量耗散成本约占整个生产成本的6.4%[8]。因此，提高电池串联化处理的效率并缩短处理时间，对于降低电池生产成本具有重要意义。

目前，工业应用中的主流电池串联化拓扑结构如图1(a)所示[9]。电池通过非隔离式DC/DC变换器并联连接到低压直流母线上。这种拓扑结构能够独立且灵活地调节各电池的电流，从而弥补因材料涂层厚度、电极尺寸等生产公差所导致的电池容量和阻抗差异，实现电池性能的一致性[10]。但由于能量传输路径较长，且低压侧的功率损耗较大，整体效率较低。为提升电池串联化处理的效率并降低能源成本，如图1(b) [11]、[12]以及图1(c) [13]、[14]所示，人们提出了电池串联系统（BSFS）。在这种系统中，电池串接后连接到低压直流链路，通过由开关或变换器构成的旁路系统来调整各电池之间的容量和阻抗差异，从而保证电池性能的一致性。不过，在BSFS中，电池功率调节与性能一致性调整属于两个独立的子系统，额外的能量会被处理两次[15]。同时，功率变换器需要处理总功率中的1/3到2/3的电压变化范围，这就导致了变换器尺寸过大以及较高的功率损耗。

为此，为降低变换器的处理功率并提升系统经济性，人们首先在BSFS中引入了部分功率处理架构（PPPA），如图1(d)所示[16]。该架构为每个串接的电源配置独立的DC变换器，这些变换器的并联公共输出端再与串接的电源串接后连接到直流母线。通过调节串接电源与直流母线之间的电压差，即可控制串接电源的功率。这样一来，在相同的直流母线交互电流下，DC变换器只需处理总功率的一小部分，从而降低了变换器的设计功率及功率损耗。PPPA最初是在航天领域提出的，旨在有效缩小与空间光伏系统相连的功率变换器的尺寸，同时提升系统效率与功率密度[17]、[18]、[19]、[20]。目前，PPPA主要被应用于风力发电[21]、直流微电网[22]、电动汽车快速充电领域[23]，尤其是储能系统方面[24]、[25]、[26]、[27]、[28]。在这些应用领域中，现有研究主要聚焦于PPPA在不同具体场景下的工作原理、效率比较以及整体控制策略。包括[16]在内的多项研究表明，PPPA能够显著降低变换器的功率等级，并提升系统效率。

尽管已有诸多进展，但据我们所知，除了我们在[16]中进行的初步研究外，针对PPPA-BSFS的高效协同控制方面的系统性研究仍然较为有限。在[16]中，针对ST-BSFS[11]开发的逐级切断控制概念也被应用到了PPPA-BSFS中，即当某个电池的电压达到切断阈值时，将其串联电路中的电流调整为零。然而，这种策略在逐级切断过程中会导致较大的功率损耗。因此，目前仍需要一种既能保证电池性能一致性，又能降低变换器能耗的高效控制策略。此外，虽然PPPA-BSFS与某些基于PPPA的模块化储能系统具有相似的系统架构，但两者的控制变量和目标存在显著差异[15]、[16]、[26]、[27]、[28]。储能系统控制的主要目标是满足负载的电力需求，同时提升电池的能量利用率与运行安全性。而PPPA-BSFS则必须确保所有串接电池的串联化处理条件保持一致，即每个电池在每次充放电过程中都必须达到预设的切断电压。此外，储能系统控制中通常以电池的剩余电量和容量作为反馈或优化目标，例如[15]、[27]中采用了基于剩余电量的恒压控制策略，而[26]、[28]则将电池模块的容量作为调节变量。但在电池串联化处理过程中，固体电解质界面膜的快速形成与发展会导致新制电池的模型参数发生剧烈且显著的变化，这使得剩余电量和容量等状态变量难以准确确定，也无法作为实时控制变量使用。此外，电池串联化处理过程中的电流调整范围也受到限制。因此，为储能系统设计的现有均衡方法无法直接应用于PPPA-BSFS[29]、[30]、[31]。这并不排除采用基于模型或观测器的控制方法，但将其应用于电池串联化处理过程时，需要针对该场景进行专门的建模并进一步验证。

尽管现有的均衡策略无法直接应用于PPPA-BSFS，但这些研究中所采用的智能算法为控制设计提供了有益的方法参考。人们已经研究了自适应模糊控制以及基于粒子群优化的方法，以提升均衡性能，并在电池状态发生变化时确定合适的能量重新分配方案[29]、[30]、[31]。强化学习与Q学习则被用于主动均衡控制以及分布式剩余电量平衡[32]、[33]、[34]，而作为连续控制领域中DDPG的扩展形式的多智能体TD3方法，则被用于协调电池单元的平衡与电池能量管理[35]。模型预测控制与遗传算法也被用来提升均衡速度、降低能量损耗并优化能量利用[36]、[37]。这些方法在各自的应用领域中都展现出出色的优化或自适应决策能力。不过，本研究中的电池串联化处理过程中的电流分配问题具有明确的优化变量、目标函数以及运行约束，因此可以通过直接的优化方法来解决。本研究选择粒子群优化算法，是因为它适用于连续多变量优化，无需离线策略训练，而且能够将电池串联化处理特有的目标函数与约束条件直接纳入统一的优化框架中。此外，其优化结果还可以方便地应用于PPPA-BSFS原型上并进行实验验证。因此，本研究借鉴了电池管理领域中基于优化的协同电流分配这一通用理念，同时根据电池串联化处理的具体要求，对优化目标与约束条件进行了重新设定。

为了总结与本研究最为相关的两个研究领域，表1对部分功率处理技术以及智能电池控制领域的代表性研究成果进行了对比。鉴于针对PPPA-BSFS的协同控制方面的系统性研究尚显不足，本研究提出了一种两阶段控制策略，该策略将基于粒子群优化的预补偿控制用于弥补电池参数不一致的问题，同时结合逐级切断控制来确保电池串联化处理的一致性。首先，分析了PPPA-BSFS的工作原理，并建立了系统效率模型。随后，详细阐述了所提出控制策略的实施步骤。此外，还建立了PPPA-BSFS的小信号模型，用以分析系统的稳定性与动态特性。最后，通过建立仿真模型并制作实验原型，验证了PPPA-BSFS的实际运行特性以及所提出控制策略的有效性。

创新点说明：本研究将我们之前工作[16]中提出的初步分阶段控制理念，进一步发展为一种完整且可实际应用的PPPA-BSFS两阶段控制框架。参考文献[16]仅对分阶段控制进行了初步描述，而本研究则进一步明确了两个阶段的控制目标、操作流程以及协调机制。在第一阶段，采用基于粒子群优化的预补偿控制来缓解电池参数不一致带来的影响；在第二阶段，则运用逐级切断控制来确保电池串联化处理的一致性。此外，本研究的另一个创新点在于为电池串联化处理过程专门设计了多目标优化问题，以可测量的电池电压偏差和系统能量损耗作为优化目标，同时在优化过程中充分考虑了允许的电池串联化电流范围以及补偿电流的约束条件。此外，还定量分析了电池参数不一致对电池串联化处理时间与系统能量损耗的影响，并通过包含40节电池的仿真系统以及三模块原型实验，对整个控制框架进行了验证。

本文的主要贡献如下：1）为PPPA-BSFS建立了完整的双阶段控制框架。在第一阶段，采用基于粒子群优化的预补偿控制来弥补电池参数不一致的问题；在第二阶段，则通过逐级切断控制来确保电池性能的一致性，从而有效降低系统能量损耗并缩短电池串联化处理时间。2）针对包含多个级联变换器的PPPA-BSFS建立了小信号模型，其中每个级联变换器又由一个升降压变换器和一个DCX-LLC变换器组成，进而分析了系统的稳定性与动态特性。3）通过在不同程度的电池参数不一致条件下进行敏感性分析，量化了这些因素对电池串联化处理时间与能量损耗的影响，从而证明了所提出控制策略在提升电池串联化处理性能方面的有效性。4）在实验室层面研制了由三个两阶段式DC/DC变换器构成的30 V/300 W PPPA-BSFS原型，验证了PPPA-BSFS架构的可行性以及所提出两阶段控制策略的有效性，为该技术的进一步发展提供了初步的实验依据。

本文的其余部分结构如下：第2节介绍了PPPA-BSFS的拓扑结构工作原理及效率模型。第3节阐述了PPPA-BSFS的高效控制方案。第4节给出了PPPA-BSFS的多模块小信号模型及其稳定性分析。第5节在不同程度的电池参数差异场景下，对PPPA-BSFS的控制方案进行了仿真分析。第6节对PPPA-BSFS进行了实验验证与讨论，最后在第7节对全文进行总结。每个串联的电池单元都配备了一个模块化DC/DC转换器，N个隔离式的模块化DC/DC转换器以输入端串联、输出端并联的方式连接。这些模块化转换器的共同输出端与电池模块串联，用以补偿其电压变化。在PPPA-BSFS中，直流母线的功率表示为PB=UdcIdc=Ub+UcompIdc，其中Udc、Idc和PB分别代表直流母线的电压、电流和功率。针对PPPA-BSFS的两级高效构型控制方案由于制造公差的存在，串联的电池单元在容量和内阻方面往往存在参数不一致的情况，某些参数会显著偏离其标称设计值。为确保所有电池单元的构型条件一致且激活性能稳定，PPPA-BSFS需要高效且可行的控制策略。因此，在分析现有传统顺序截止控制策略的优缺点后，提出了适用于具有多个模块化DC/DC转换器的PPPA-BSFS的模型。无论采用何种优化控制策略，设计出具有动态和稳态性能的闭环控制系统对于PPPA-BSFS的有效实施而言都至关重要。该系统中的模块采用了由DCX-LLC转换器和Buck-Boost转换器组成的级联转换结构。对于DCX-LLC转换器，使用扩展描述函数法建立小信号模型；而对于Buck-Boost转换器，则采用平均开关建模法建立小信号模型。为了定量评估所提出的控制策略，分别在单参数变化和实际参数分布情况下比较了系统的能量损失和构型时间。为表征电池的不一致性，选择内阻和实际容量作为关键参数，这些参数是通过对一款商用198 Ah棱柱形LiFePO4/石墨电池进行的测试得到的，该电池在25 ± 1°C环境下的工作电压范围为2.0–3.8 V。PPPA-BSFS的30 V/300 W实验原型已在实验室规模上研制出来，如图11所示。该硬件的架构主要包括三个两级级联的DC/DC转换器、三个基本电池单元、一个CAN收发器、一个数据采集单元、一台主机电脑，以及由ARBIN仪器提供的30 V直流电源。每个电池单元由28个并联的电池组成，其工作电压范围为2.0–3.65 V，标称容量为56 Ah。本文研究了PPPA-BSFS的控制技术，提出了一种结合改进的PSO算法和顺序截止策略的两级控制方法，旨在优化能源效率并缩短构型时间。主要结论如下：(1)建立了PPPA-BSFS的全面能量损失模型和小信号模型。小信号分析及实验结果表明，所提出的架构能够保持稳定运行，并实现快速构型。作者贡献声明赵海川：写作——审稿与编辑，写作——初稿撰写，软件，资源，方法论，研究，正式分析，数据整理，概念构建。张伟革：写作——初稿撰写，可视化，验证，监督，资源，研究，概念构建。郑凯远：写作——审稿与编辑，写作——初稿撰写，软件，正式分析。范新远：写作——审稿与编辑，写作——初稿撰写，监督，项目管理。利益冲突声明作者声明不存在任何可能影响本文所述工作的已知财务利益或个人关系。致谢本研究得到了中国国家自然科学基金委员会青年科学基金（C类）的支持（项目编号：52507244）。赵海川|张伟革|郑凯远|范新远|刘浩中国北京交通大学国家主动配电网技术研究中心，北京，100044