TWI686617B - 一種最佳化輸出電流值之多階段定電流充電法 - Google Patents
一種最佳化輸出電流值之多階段定電流充電法 Download PDFInfo
- Publication number
- TWI686617B TWI686617B TW108109605A TW108109605A TWI686617B TW I686617 B TWI686617 B TW I686617B TW 108109605 A TW108109605 A TW 108109605A TW 108109605 A TW108109605 A TW 108109605A TW I686617 B TWI686617 B TW I686617B
- Authority
- TW
- Taiwan
- Prior art keywords
- charging
- value
- stage
- battery
- voltage
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000010277 constant-current charging Methods 0.000 title claims abstract description 37
- 238000007600 charging Methods 0.000 claims abstract description 164
- 239000002245 particle Substances 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 21
- 230000006978 adaptation Effects 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 11
- 238000002474 experimental method Methods 0.000 description 11
- 230000008901 benefit Effects 0.000 description 6
- 238000010280 constant potential charging Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 5
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 229910052744 lithium Inorganic materials 0.000 description 5
- 229910001416 lithium ion Inorganic materials 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000010281 constant-current constant-voltage charging Methods 0.000 description 4
- 238000007599 discharging Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000840 electrochemical analysis Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 230000005288 electromagnetic effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000002847 impedance measurement Methods 0.000 description 1
- 238000001453 impedance spectrum Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005291 magnetic effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003446 memory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Landscapes
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
一種最佳化輸出電流值之多階段定電流充電法,其包括以下步驟:步驟a)依一粒子群演算法初始化複數階段之各充電電流值I charge,s 及一階段截止電壓值V T ;步驟b)對所述複數階段之各充電電流值I charge,s 及所述階段截止電壓值V T 進行
一運算以獲得一總充電時間T及一充電總損失,該運算包括:
其中,s為階段數,C eq 為電池之等效電容,R o 為電池串聯阻抗,R p 為電池並聯阻抗,V Ceq,s 為各階段之電池內電壓,I charge,s 為各階段之充電電流;步驟c)依一目前之總充電時間及充電總損失(T now ,L now )與一理想之總充電時間及充電總損失(T min ,L min )利用一適應值函數進行運算;步驟d)更新所述複數階段之各充電電流值(Icharge,s及所述階段截止電壓值V T 之一個別最佳值與一群體最佳值,以決定是否獲得一最佳輸出電流值;以及步驟e)應用該最佳之輸出電流值進行充電,再回到步驟b重複執行。
Description
本發明係關於二次電池充電之方法,特別是一種基於多階段定電流充電法之二次電池充電之方法。
全球暖化及溫室效應加劇,使再生能源與電動車輛的開發與應用成為必然趨勢,由於這些系統的發展需要大量設置電池儲能與電能轉換管理系統,使得二次電池的製造材料技術、充電平衡技術、和電能轉換與管理技術發展備受矚目。
隨著二次電池相關技術的進步,二次電池已普遍應用於手機、筆記型電腦和平板電腦等產品中。在二次電池當中,鋰離子因具有高能量密度、循環壽命長、體積輕巧、無記憶效應、平均工作電壓高及自放電率低等特點,所以能成為二次電池中的主流。另外,許多大電力儲能系統也開始投入大容量鋰離子電池的研究與發展。
近十幾年來具有相對優異特性的鋰離子電池已經成為行動裝置電源的首選,電動車的動力電池和再生能源發電系統用之儲能裝置也是以配置鋰電池為主。目前也被大量應用於3C電子產品、再生能源發電儲能系統、電動車等需高壓高功率產業,因此鋰電池的應用與需求量逐年提升。
二次電池為求輕、薄致使電池容量受到限制,因此快速充電技術變得十分重要,然而為了追求快速充電而用大電流充電,將使二次電池的溫升遽增、電池循環壽命將減短。溫升對電池來說非常重要,充電時溫升過高除了有發生***之安全顧慮以外,也會造成電池加速老化、電池組之間電量不平衡、容量衰退、和循環壽命減短等問題。上述老化之現象係因為在較高的操作電流下,電化學反應過度激烈,引起電池內阻逐漸變大所致。此外,如能讓串聯的電池組內每節電池之電量隨時維持均等,則電池組會有更多的充放電循環次數,
便能延長內建電池式行動裝置之使用時間,進而提升行動裝置的壽命與使用率。
因此,充電技術對二次電池來說十分重要。充電技術關係到二次電池之充電速度、充電效率、電池溫升值,電池循環壽命等因素,目前最普遍被使用的鋰電池充電法為定電流定電壓充電法(Constant Current Constant Voltage,CC-CV),CC-CV充電一開始係使用定電流充電直到電池之額定上限電壓後,再使用額定上限電壓對電池進行充電,此時充電電流會因為電池端電壓與內電壓之差逐漸下降,當電流下降至額定截止電流時即為充飽。此方法之優點為簡單容易實現,缺點為充電時間較久。
因此許多文獻提出改良之充電方法。有文獻利用雙迴路控制,使用正、負回授控制電池電壓,可以得到與CC-CV相似的充電曲線,且不需使用電流感測器,故較CC-CV充電法簡單且成本更低;有文獻提出一開始使用高於電池上限額定電壓(如4.3V)進行充電之升壓式定電流-定電壓充電法,在高定電壓週期過後切換至定電流定電壓充電法,此法能在短時間將電池充至額定容量的30%,所以充電時間較短,但缺點為充電前電池必須完全放電;亦有文獻提出主動式充電狀態結合模糊控制充電法及灰預測控制電池充電系統,可在相同時間內充入較多的電量;或有文獻提出以鎖相迴路控制為基礎的充電法,參考相位與輸出相位比較後產生相位誤差,誤差之相位會傳送到電流源去產生適合的電流對電池充電;為了改善鎖相迴路在定電壓模式的缺點,尚有文獻提出電流泵電池充電器,定電流模式時使用電流泵充電,而定電壓模式則使用脈衝電流充電。
有文獻提出使用(0,1)-整數線性規劃(Integer Linear Programming,ILP)搜尋多階段電流及定電壓模式之最佳電池充電曲線;亦有文獻提出以智慧演算法決定多階段定電流充電法各階段之充電電流;或有文獻提出以電池模型為基礎之最佳化多階段充電法,其優點為用簡單數學運算決定充電時間為最短的充電電流,缺點為無法優化其他因素如充電損失、充電效率等;又有文獻透過改變電流大小和脈衝寬度及脈衝間的休息週期使充電的方法有多種變化;尚
有文獻提出模糊五階段鋰離子電池充電法,並使用田口方法來決定模糊控制之歸屬函數,藉此優化充電方法之性能表現。
然而上述文獻皆需進行多次實際實驗以找出最佳化電流設定,因此本領域亟需一新穎的二次電池之充電方法。
本發明之一目的在於揭露一種最佳化輸出電流值之多階段定電流充電法,其係透過交流阻抗分析以建立電池等效模型,同時考量充電損失與充電時間,並利用粒子群演算法找尋有限區域中之最佳解,藉此實現最小化充電損失與時間之最佳化多階段充電法。
本發明之另一目的在於揭露一種最佳化輸出電流值之多階段定電流充電法,係利用粒子群演算法尋找最佳化充電電流設定值,僅需使用電池等效模型,而具有不需進行多次耗時費工之實際實驗即能得到最佳化電流設定之優點。
本發明之再一目的在於揭露一種最佳化輸出電流值之多階段定電流充電法,於階段截止電壓為4.22V時,能將電池容量充至習知技術之CC-CV充電法之98%以上,且在溫升沒增加之前提下,充電時間能縮短22.77%,充電效率改善0.43%。
為達前述目的,一種最佳化輸出電流值之多階段定電流充電法乃被提出,其係利用一控制電路實現,該充電法包括以下步驟:依一粒子群演算法初始化複數階段之各充電電流值I charge,s 及一階段截止電壓值V T (步驟a);對所述複數階段之各充電電流值I charge,s 及所述階段截止電壓值V T 進行一運算以獲得一總充電時間T及一充電總損失,該運算包括:
其中,s為階段數,C eq 為電池之等效電容,R o 為電池串聯阻抗,R p 為電池並聯阻抗,V Ceq,s 為各階段之電池內電壓,L carge,s 為各階段之充電電流(步驟b);依一目前之總充電時間及充電總損失(T now ,L now )與一理想之總充電時間及充電總損失(T min ,L min )利用一適應值函數進行運算(步驟c);更新所述複數階段之各充電電流值I charge,s 及所述階段截止電壓值V T 之一個別最佳值與一群體最佳值,以決定是否獲得一最佳輸出電流值(步驟d);以及應用該最佳之輸出電流值進行充電,再回到步驟b重複執行(步驟e)。
其中,α為權重值。
在一實施例中,該權重值α為0.5。
在一實施例中,該預設之額定電壓為4.2V。
在一實施例中,所述複數階段為5階段。
為使 貴審查委員能進一步瞭解本發明之結構、特徵及其目的,茲附以圖式及較佳具體實施例之詳細說明如後。
步驟a‧‧‧依一粒子群演算法初始化複數階段之各充電電流值I charge,s 及一階段截止電壓值V T
步驟c‧‧‧依一目前之總充電時間及充電總損失(T now ,L now )與一理想之總充電時間及充電總損失(T min ,L min )利用一適應值函數進行運算
步驟d‧‧‧更新所述複數階段之各充電電流值I charge,s 及所述階段截止電壓值V T 之一個別最佳值與一群體最佳值,以決定是否獲得一最佳輸出電流值
步驟e‧‧‧以及應用該最佳之輸出電流值進行充電,再回到步驟b重複執行
圖1繪示本案之最佳化輸出電流值之多階段定電流充電法之步驟流程圖。
圖2繪示習知技術之多階段定電流充電法之充電示意圖。
圖3繪示戴維寧電池等效模之示意圖。
圖4繪示電池之交流阻抗特性示意之奈氏圖。
圖5繪示交流阻抗分析實驗系統之設置示意圖。
圖6繪示不同剩餘容量之奈奎斯特阻抗圖。
圖7a繪示測得的串聯阻抗(R o )、並聯阻抗(R p )與等效阻抗(R eq )對電池剩餘容量百分比之關係曲線圖。
圖7b繪示測得的測得的並聯電容(C p )對電池剩餘容量百分比之關係曲線圖。
圖7c繪示測得的開路電壓(V oc )對電池剩餘容量百分比之關係曲線圖。
圖8繪示粒子群演算法之粒子在解空間移動之示意圖。
圖9繪示本案之電池剩餘容量(SOC)與等效阻抗(R eq )之擬合關係曲線圖。
圖10繪示本案之適應值函數之定義示意圖。
圖11繪示粒子群在空間移動軌跡之示意圖。
圖12繪示本案之實驗平台架構之示意圖。
圖13繪示習知技術之定電流定電壓充電法之電流、電壓實測波形圖。
圖14繪示本案於階段截止電壓(VT=4.22V)之電流、電壓實測波形圖。
請參照圖1,其繪示本案之最佳化輸出電流值之多階段定電流充電法之步驟流程圖。
如圖所示,本案之最佳化輸出電流值之多階段定電流充電法,其係利用一控制電路實現,該充電法包括以下步驟:依一粒子群演算法初始化複數階段之各充電電流值I charge,s 及一階段截止電壓值V T ;(步驟a);對所述複數階段之各充電電流值I charge,s 及所述階段截止電壓值V T
進行一運算以獲得一總充電時間T及一充電總損失,該運算包括:
其中,s為階段數,C eq 為電池之等效電容,R o 為電池串聯阻抗,R p 為電池並聯阻抗,V Ceq,s 為各階段之電池內電壓,I charge,s 為各階段之充電電流;(步驟b);依一目前之總充電時間及充電總損失(T now ,L now )與一理想之總充電時間及充電總損失(T min ,L min )利用一適應值函數進行運算;(步驟c);更新所述複數階段之各充電電流值I charge,s 及所述階段截止電壓值V T 之一個別最佳值與一群體最佳值,以決定是否獲得一最佳輸出電流值;(步驟d);以及應用該最佳之輸出電流值進行充電,再回到步驟b重複執行;(步驟e)。
其中,α為權重值,該權重值α例如但不限於為0.5。
該預設之額定電壓例如但不限於為4.2V;所述複數階段例如但不限於為5階段。
以下將針對本案之原理進行說明:請參照圖2,其繪示習知技術之多階段定電流(Multi-Stage Constant Current,MSCC)充電法之充電示意圖。
如圖所示,多階段定電流充電法進行充電時,當電池電壓達到上限額定電壓4.2V時電流會切換到下一階段,然後使用小於上一階段的充電電流繼續充電。多階段定電流充電法之充電時間較短且電池溫升低,故可增加電池
的循環壽命。由於電池內部電化學特性相當複雜,因此難以使用習知技術得到最佳化充電電流,習知技術使每階段之充電電流能達到最佳化之方法,如使用模糊控制法係以充電時的電池溫升作為模糊控制的輸入,經過模糊控制計算後,輸出充電電流;或使用田口方法(Taguchi Methods,TM)來尋找最佳的充電電流;或使用蟻群系統(Ant colony system,ACS)求取最佳化充電電流。然而由於上述方法均需複雜運算,必須藉由電腦來實現。
鋰離子電池等效模型:
建立正確電池等效模型有利於實驗之分析,由於電池內部化學材料的影響會使得其輸出電壓隨使用時間增加而下降。因此,一個精確的電池等效模型必須考量自放電現象、電池內阻及暫態響應等因素。
請參照圖3,其繪示戴維寧電池等效模之示意圖。
如圖所示,該模型與線性電池模型不同處在於增加一組並聯電容(C p )及並聯阻抗(R p ),因為能藉由C p 與R p 模擬電池的動態響應,而在模擬電池之充放電時較為逼真,本案將以此模型來推導多階段定電流充電法之最佳化充電模式。
接著推導多階段定電流充電法之充電時間與充入電容量,該電池等效模型包括電池等效電容(C eq )、並聯阻抗(R p )與並聯電容(C p )及串聯阻抗(R o ),其中R p 與C p 為呈現電池之暫態響應,而C eq 上之初始電壓V Ceq 即為電池之開路電壓(Open-circuit voltage,OCV),此外模型內之相關參數皆與電池剩餘容量(state of charge,SOC)及溫度有關。
其中,V T 為電池端點電壓(terminal voltage),亦為多階段定電流充電法之階段截止電壓,V Cp =V Rp ,根據克希荷夫電壓定律,V T 如方程示(1)所示。
其中,s為階段數,當s=1時,I0=0,,為電池初
始開路電壓。因各階段為固定電流充電,其充電電流頻率極小,故並聯電容(C p )容抗極大可視為開路,則I RP I charge ,由於多階段定電流充電法之充電時間係由每一個階段之充電電流決定,因此所需總充電時間T如方程示(3)所示。
經由算式推導,多階段定電流充電法之充電電容量總和Ah T ,如方程示(4)所示。
一般而言,五階段定電流充電法要將電池充飽,其第五階段電流,如方程示(5)所示。
亦可求得充電能量總損失為如方程示(6)所示。
鋰電池之交流阻抗分析:
在二次電池之充放電技術中,交流阻抗(Alternating Current Internal Resistance,ACIR)分析係一種電化學分析之方式,主要為分析電池在不同狀態下之化學反應,藉此得到電池在不同狀態下之等效阻抗。而交流阻抗分析係利用
小振幅交流弦波電壓或電流對電池端電極進行擾動,從中獲取交流阻抗數據,並以此數據建立等效電路。此外,藉由改變交流弦波的頻率,可以得到實、虛阻抗對頻率之響應變化曲線,稱為電化學阻抗頻譜(Electrochemical Impedance Spectrum,EIS)或奈氏圖(Nyquist-plot)。
請參照圖4,其繪示電池之交流阻抗特性示意之奈氏圖。
如圖所示,電池之交流阻抗特性之奈氏圖可劃分為低頻、中頻及高頻三個部份加以探討,分別為低頻的質傳作用(Mass Transport Effects),中頻的荷傳及電雙層作用(Double-Layer Effects)以及高頻時電磁效應(Electric and Magnetic Effects)。
為量測電池之交流阻抗參數,交流阻抗分析儀(Bio-Logic公司的多功能模組化恆電位儀)產生一組變頻弦波電壓訊號,電壓主動訊號即為將一主動變頻電壓訊號對電池做擾動,直到所有設定之擾動頻率處理完畢為止。而恆電壓模式下的擾動電壓不可過大,以避免干擾電池的平衡狀態,導致量測失真。在進行主動恆電位電壓擾動實驗時,電池因擾動電壓產生相對應之電流,因此可偵測出電流的振幅與相位角,並將該電流參數進行訊號調節及轉換。
如方程式(7)所示,利用擾動電壓之大小與相對應產生的電流可計算出阻抗與相角差,當完成所有頻率之響應量測後,則可執行交流阻抗參數分析。
確認電池規格符合實驗需求後,即可進行交流阻抗分析實驗,請參照圖5其繪示交流阻抗分析實驗系統之設置示意圖。
如圖五所示,首先將電腦與VSP連接,確認連線無誤後,新增電池測試迴路並設定自訂之測試步驟,之後再次確認設定參數與限制,如無誤便可開始測試。EC-Lab可進行定電流充/放電、定電壓充電、恆電位交流阻抗量測等測試;在限制部分也可以選擇每一段測試步驟裡電壓、電流或是時間限制;在資料儲存部分,EC-Lab能夠自動儲存每一次測試的電壓、電流、充/放
容量、時間等參數,並能夠藉此產生圖形。電池之剩餘容量又與電池交流阻抗大小有著相對應的關係,而在實驗過程中,電池剩餘容量精確度與實驗所需花費時間需要做權衡,因為每一個的測量都需要靜止約一小時後才能進行,所以測量1%作為間隔的所有資料,至少需花費100個小時的時間進行靜置。
請參照圖6,其繪示不同剩餘容量之奈奎斯特阻抗圖。
本案為考量到電池等效模型之精確度,將以每1%的電池剩餘容量作為交流阻抗分析之精度,當電池之交流阻抗測量完後,可得不同剩餘容量之奈奎斯特阻抗圖,如圖所示,由於本案使用戴維寧電池等效模型,因此縱座標軸之正值區域為兩個電阻R和一個電容C組成,以下僅針對正值區域進行交流阻抗之參數分析。
請一併參照圖7a至7c,其中圖7a其繪示測得的串聯阻抗(R o )、並聯阻抗(R p )與等效阻抗(R eq )對電池剩餘容量百分比之關係曲線圖;圖7b其繪示測得的並聯電容(C p )對電池剩餘容量百分比之關係曲線圖;圖7c其繪示測得的開路電壓(V oc )對電池剩餘容量百分比之關係曲線圖。
如圖所示,電池充飽後,以每1%容量放電後,再休息1小時後得到其開路電壓及量測交流阻抗,其中,等效阻抗(R eq )=串聯阻抗(R o )+並聯阻抗(R p )。
本案採用粒子群演算法尋找最佳化充電電流設定值:
粒子群演算法之基本精神來自於群體動物的捕食行為,並將其用於搜尋最佳解之相關問題。在解空間中所有粒子都有本身所對應之適應值,並且每個粒子都知道自己目前為止之最佳適應值及其最佳位置,稱之為個體粒子的最佳值(Particle best value,pBest),這項資訊為每個粒子自己所擁有的經驗,同時每個粒子亦知道全部粒子之最佳解以及其位置,稱之為群體粒子的最佳值(Globe best value,gBest)。經過每次疊代更新,粒子會以個體經驗及群體經驗作為參考,並且更新個體之速度與位置。
請參照圖8,其繪示粒子群演算法之粒子在解空間移動之示意圖。
如圖所示,一開始將所有粒子隨機散佈在解空間中,若有粒子能接近區域內最佳解附近,該區域的粒子將往此區域之最佳解進行搜尋,但此區域有可能只是區域最佳解,因此必須由各粒子群的搜索結果修正群體最佳的適應值及位置,進而接近全域最佳解。
粒子之移動速度如方程式(8)所示。
v ij (t+1)=w*v ij (t)+C 1 *rand1*[pBest ij (t)-x ij (t)]+C 2 *rand2*[gBest ij (t)-x ij (t)](8)
粒子之位置更新機制如方程式(9)所示。
x ij (t+1)=x ij (t)+v ij (t+1) (9)
其中,w為權重值,C1和C2為個體和群體學習因子,x ij 表第i粒子j維度的位置,v ij 表第i粒子j維度的速度,rand1和rand2表亂數,pBest ij 表個體粒子最佳的位置,gBest ij 表群體最佳的位置。
在取得鋰電池之交流阻抗後,接著運用粒子群演算法解決多階段最佳化電流設定值問題。在應用粒子群演算法前,須定義要解決之最佳化問題,本案以降低充電損失及縮短充電時間為目標,因此需找出有哪些因素會影響此目標。由多階段定電流充電模式之推導可知,影響充電時間及充電損失包含了各階段充電電流(I1~I5)與階段截止電壓(VT_cut-off)。
請參照圖9,其繪示本案之電池剩餘容量(SOC)與等效阻抗(R eq )之擬合關係曲線圖。
如圖所示,本案之充電時間計算方式如方程式(3)所示,而充電損失與電池內阻有關,因此本案將所量測之交流阻抗數據利用曲線擬合功能建立剩餘容量與阻抗之擬合曲線,即可利用方程式(6)求得充電過程中的損失。本案之曲線擬合使用Gaussian加總函數模型如方程式(10)所示。
其中,SOC為電池剩餘容量,R eq 為等效阻抗。
適應值(fitness value)函數定義是粒子群演算法中最重要的一環,定義方式將會影響最後輸出結果,而本案考量了充電損失及充電時間為兩種不同單位的參數,因此必須提出方法將其正規化。
請參照圖10,其繪示本案之適應值函數之定義示意圖。
如圖所示,本案之適應值函數之定義為利用兩點間之直線距離做為適應值的數,圖中A點為目前之總充電時間及充電總損失,當A點(T now ,L now )與理想最佳解(T min ,L min )之距離d越小,意味著總充電時間及充電總損失越小,其適應值Objective評估越佳,而兩點間距離如方程式(11)所示。
其中,T代表充電時間,L代表充電損失。
為強調二參數之各別重要性,引入權重α來調配上式,可將方程式(11)改寫如方程式(12)所示。
本案使用所量測之交流阻抗數據,以MATLAB軟體模擬定電流定電壓充電法,而模擬條件為選用電池之技術手冊所提供的標準充電電流至最大充電電流,充電截止電流為0.02C所得之結果,正規化之參考資料點如表1所示。
從表1可得知,在0.5C條件下,充電時間為最大值(T max )8980秒、充電損失為最小值(L min )819.34焦耳;在2C條件下,充電時間為最小值(T min )3582秒、充電損失最大值(L max )2803.94焦耳。
模擬結果:
本案模擬時選用電池之規格與適應值評估之參數如表2所示。
其中,本案之權重值α設為0.5,表充電時間與充電損失具有相同的重要性。
多階段定電流充電法影響充電時間與損失之因素包含各階段電流(I 1 ~I 5 )與階段截止電壓(V T ),一般各階段電流值介於0~1C間,階段截止電壓則設為4.2V。有文獻提到,若要確保最後一階段電流能將電池充飽,在內電壓不超過4.2V之前提下,可使用較高之階段截止電壓進行充電。
本案之粒子群範圍設定如表3所示。
藉由所述之等效阻抗(R eq )之擬合曲線,可模擬充電過程中等效阻抗的變化,故能確保電池內電壓不超過額定電壓4.2V。
請參照圖11,其繪示粒子群在解空間移動軌跡之示意圖。
如圖所示,本案分別先以兩種不同階段截止電壓V T (4.22V,4.25V)進行模擬,可得知,V T 越高時其適應值會越好。
本案之粒子群演算法之蒐尋結果,於階段截止電壓(VT=4.22V)之相關性能參數模擬結果如表4所示。
本案於階段截止電壓(V T =4.25V)之相關性能參數模擬結果如表5所示。
請參照圖12,其繪示本案之實驗平台架構之示意圖。
如圖所示,本案電池之充放電實驗係採用WonATech公司出品之可程控充放電機WBCS3000及監控介面,而監控介面可設定多種充電法則,並能即時監控電池的電壓、電流及溫度等,電池皆放置在CIL-100恆溫箱內並控制在攝氏25度。
本案與習知技術之實驗結果與比較:
以下將針對本案與習知技術之定電流定電壓充電法與最佳化多階段定電流充電法進行比較,項目包含充電時間、充放電容量以及充電效率,以驗證本案之可行性和性能改善。
為作公平比較,將定電流定電壓充電法之定電流階段電流設為和五階段之I1相同。
請參照圖13,其繪示習知技術之定電流定電壓充電法之電流、電壓實測波形圖。
如圖所示,習知技術之定電流定電壓充電法採用0.864C充電條件之總充電時間為7847秒。
請參照圖14,其繪示本案於階段截止電壓(V T =4.22V)之電流、電壓實測波形圖。
如圖所示,本案於階段截止電壓(VT=4.22V)採用0.864C充電條件之總充電時間為6060秒,其實驗資料如表6所示。
兩種方法之實驗充電性能參數比較如表7所示,可看出本案之充電時間可縮短22.77%,充電效率改善0.43%。
藉由前述所揭露的設計,本發明乃具有以下的優點:
1.本發明揭露一種最佳化輸出電流值之多階段定電流充電法,其係透過交流阻抗分析以建立電池等效模型,同時考量充電損失與充電時間,並利用粒子群演算法找尋有限區域中之最佳解,藉此實現最小化充電損失與時間之最佳化多階段充電法。
2.本發明揭露一種最佳化輸出電流值之多階段定電流充電法,係利用粒子群演算法尋找最佳化充電電流設定值,僅需使用電池等效模型,而具有不需進行多次耗時費工之實際實驗即能得到最佳化電流設定之優點。
3.本發明揭露一種最佳化輸出電流值之多階段定電流充電法,於階段截止電壓為4.22V時,能將電池容量充至習知技術之定電流定電壓充電法之98%以上,且在溫升沒增加之前提下,充電時間能縮短22.77%,充電效率改善0.43%。
本發明所揭示者,乃較佳實施例,舉凡局部之變更或修飾而源於本發明之技術思想而為熟習該項技藝之人所易於推知者,俱不脫本發明之專利權範疇。
綜上所陳,本發明無論就目的、手段與功效,在在顯示其迥異於習知之技術特徵,且其首先發明合於實用,亦在在符合發明之專利要件,懇請貴審查委員明察,並祈早日賜予專利,俾嘉惠社會,實感德便。
步驟a‧‧‧依一粒子群演算法初始化複數階段之各充電電流值I charge,s 及一階段截止電壓值V T
步驟c‧‧‧依一目前之總充電時間及充電總損失(T now ,L now )與一理想之總充電時間及充電總損失(T min ,L min )利用一適應值函數進行運算
步驟d‧‧‧更新所述複數階段之各充電電流值I charge,s 及所述階段截止電壓值V T 之一個別最佳值與一群體最佳值,以決定是否獲得一最佳輸出電流值
步驟e‧‧‧以及應用該最佳之輸出電流值進行充電,再回到步驟b重複執行
Claims (5)
- 一種最佳化輸出電流值之多階段定電流充電法,其包括以下步驟:步驟a)依一粒子群演算法初始化複數階段之各充電電流值I charge,s 及一階段截止電壓值V T ;步驟b)對所述複數階段之各充電電流值I charge,s 及所述階段截止電壓值V T 進行一運算以獲得一總充電時間T及一充電總損失,該運算包括:
- 如申請專利範圍第1項所述之最佳化輸出電流值之多階段定電流充電法,其中該權重值α為0.5。
- 如申請專利範圍第3項所述之最佳化輸出電流值之多階段定電流充電法,其中該預設之額定電壓為4.2V。
- 如申請專利範圍第1項所述之最佳化輸出電流值之多階段定電流充電法,其中所述複數階段為5階段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108109605A TWI686617B (zh) | 2019-03-20 | 2019-03-20 | 一種最佳化輸出電流值之多階段定電流充電法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108109605A TWI686617B (zh) | 2019-03-20 | 2019-03-20 | 一種最佳化輸出電流值之多階段定電流充電法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI686617B true TWI686617B (zh) | 2020-03-01 |
TW202036018A TW202036018A (zh) | 2020-10-01 |
Family
ID=70767385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108109605A TWI686617B (zh) | 2019-03-20 | 2019-03-20 | 一種最佳化輸出電流值之多階段定電流充電法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI686617B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI760246B (zh) * | 2021-06-09 | 2022-04-01 | 龍華科技大學 | 一種可縮短充電時間之多階段定電流充電方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200411201A (en) * | 2002-12-16 | 2004-07-01 | Ind Tech Res Inst | Apparatus and method for searching most suitable charging curve of battery |
WO2008029572A1 (en) * | 2006-09-04 | 2008-03-13 | Toyota Jidosha Kabushiki Kaisha | Secondary battery internal state estimating apparatus and secondary battery internal state estimating method |
CN102163755A (zh) * | 2010-02-24 | 2011-08-24 | 三洋电机株式会社 | 二次电池的充电方法、二次电池的充电控制装置及组式电池 |
-
2019
- 2019-03-20 TW TW108109605A patent/TWI686617B/zh not_active IP Right Cessation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200411201A (en) * | 2002-12-16 | 2004-07-01 | Ind Tech Res Inst | Apparatus and method for searching most suitable charging curve of battery |
WO2008029572A1 (en) * | 2006-09-04 | 2008-03-13 | Toyota Jidosha Kabushiki Kaisha | Secondary battery internal state estimating apparatus and secondary battery internal state estimating method |
CN102163755A (zh) * | 2010-02-24 | 2011-08-24 | 三洋电机株式会社 | 二次电池的充电方法、二次电池的充电控制装置及组式电池 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI760246B (zh) * | 2021-06-09 | 2022-04-01 | 龍華科技大學 | 一種可縮短充電時間之多階段定電流充電方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202036018A (zh) | 2020-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lipu et al. | State of charge estimation for lithium-ion battery using recurrent NARX neural network model based lighting search algorithm | |
CN106451600B (zh) | 为电池快速充电的设备和方法 | |
CN103926538A (zh) | 基于aic准则的变阶数rc等效电路模型及实现方法 | |
CN112147530B (zh) | 一种电池状态评价方法及装置 | |
CN104965179A (zh) | 一种锂离子蓄电池的温度组合电路模型及其参数识别方法 | |
TWI711832B (zh) | 一種基於模型預測控制之電池充電方法 | |
Liu et al. | An improved SoC estimation algorithm based on artificial neural network | |
CN109839599A (zh) | 基于二阶ekf算法的锂离子电池soc估计方法 | |
CN103424712A (zh) | 基于粒子群优化的电池剩余容量在线测量方法 | |
CN107340476A (zh) | 电池的电气状态监测***和电气状态监测方法 | |
CN113807039A (zh) | 一种串联型电池***的功率状态预测方法 | |
Bahramipanah et al. | Enhanced electrical model of lithium-based batteries accounting the charge redistribution effect | |
CN115542186A (zh) | 一种储能电池状态及一致性评价方法、装置、设备及介质 | |
Ahmed | Modeling lithium-ion battery chargers in PLECS | |
TWI686617B (zh) | 一種最佳化輸出電流值之多階段定電流充電法 | |
TWI527337B (zh) | The method of determining the charging current of multi - stage lithium battery using Taguchi orthogonal table and fuzzy algorithm | |
US20220255142A1 (en) | Battery management apparatus, battery management method and battery pack | |
Xie et al. | Battery model parameterization using manufacturer datasheet and field measurement for real-time HIL applications | |
Jiani et al. | Li-ion battery SOC estimation using EKF based on a model proposed by extreme learning machine | |
CN111122995B (zh) | 一种基于电池效率的nec计算方法及控制参数确定方法 | |
Luan et al. | Charging/discharging monitoring and simulation platform for Li-ion batteries | |
Liu et al. | RBF network-aided adaptive unscented kalman filter for lithium-ion battery SOC estimation in electric vehicles | |
TWI760246B (zh) | 一種可縮短充電時間之多階段定電流充電方法 | |
Huang et al. | Battery modeling considering hysteresis effect and temperature adaptability | |
Wang et al. | An Online Method for Power State Estimation of Lithium-Ion Batteries under the Constraints of the Fusion Model Considering Temperature Effect |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |