【《基于模糊逻辑控制的混合电池管理系统改进策略仿真模型分析案例》3700字】

PAGE基于模糊逻辑控制的混合电池管理系统改进策略仿真模型分析案例目录TOC\o"1-3"\h\u2433基于模糊逻辑控制的混合电池管理系统改进策略仿真模型分析案例 1182501.1模糊逻辑控制原理 1231861.2模糊逻辑控制策略仿真模型建立 3291271.3模糊逻辑控制策略仿真结果分析 6215521.4小结 9传统的功率跟随控制虽能满足基本控制要求，但仍存在一定的误差与局限性，而模糊逻辑控制在鲁棒性和稳定性等方面优于传统的功率跟随控制，因此本章选取模糊逻辑控制对系统能量管理进行优化。1.1模糊逻辑控制原理模糊逻辑（）就是将未知且不能进行准确描述的系统或问题，通过模糊集合论、模糊语言变量、多值逻辑和神经网络等模糊逻辑方式REF_Ref68860699\r\h[29]，用模糊的规则来完成逻辑推理判断的一种计算机数字控制技术。模糊集合概念是由美国数学家卢菲特·泽德教授于1965年在伯克利分校首先提出的，把只取“0”和“1”两个值的普通集合概念延伸到[0,1]区间上取无穷多值的一个模糊集合，并采用“隶属度”这一名词来精确地刻画元素与模糊集合之间的关系。模糊逻辑控制策略是一种基于规则控制策略，适用于无法建立理想模型的系统，只需通过人为制定控制规则来综合权衡各因素，决定控制量。相比于实时控制策略，模糊控制可以达到使系统整体高效率工作，具有良好的鲁棒性、分析计算简便、应用范围广等特点，对于混合电池系统的协调控制具有重要意义。模糊逻辑控制主要包括输入变量、模糊逻辑控制器和输出变量三部分。模糊逻辑控制器是模糊逻辑算法的核心部分，其包括模糊化、模糊控制规则、逻辑判断和解模糊化四个部分，如图5-1所示。图5-1模糊逻辑控制器结构（1）模糊化将输入变量模糊化是模糊逻辑控制器设计的第一步,而模糊化需要隶属度来进行衡量。隶属度(GradeofMembership)概念最早由美国加利福尼亚大学控制论教授查德提出，即对于任何一个研究域中的任何一个变量，都存在一个数与之相应，则称为上的模糊集，就叫做对于的隶属度。当在中不断变化时，就相当于一个函数，即的隶属函数。当隶属度越趋向于1，代表属于的相似度越接近，相反地越趋向于0，则指属于的相似度越偏远。采用处于区间的隶属函数代表接近于的程度大小就叫做隶属度。隶属度函数包括梯形、三角型、高斯型、双边高斯型、Sigmoid型、钟型等不同种类，具体选择种类要根据实际系统需求来决定。隶属度函数的表达形式如下图5-2所示，其中横轴代表输入变量的所属区间，在该图中输入变量被模糊化为小（s）、中（m）、大（b），纵轴代表各个变量在不同模糊化规则下的所属隶属度大小，经模糊化处理后的模糊子集存储在数据库中，准备进入下一步程序。图5-2隶属度函数（2）模糊控制规则模糊控制规则对模糊控制器的决策输出起着核心作用，其精确度与规范性会对模糊逻辑控制器的输出产生影响。其规则形式为用语言变量取代精确的数值，表达各个变量与输出的关系REF_Ref68860856\r\h[30]。下面以两个输入变量和一个输出变量为例，其基本表达形式为：其中a和b代表两个输入变量，a1~an、b1~bn代表输入模糊语言值，c1-cn代表输出模糊语言值。（3）逻辑判断在将输入变量模糊化和制定模糊规则库之后，逻辑判断就是根据上述制定的逻辑规则自动进行匹配判断，输出相应模糊化的变量。（4）解模糊化常用的解模糊化的方法有重心法和最大隶属度法。重心法是把隶属度函数曲线与横坐标围成面积的重心作为模糊推理的最终输出值；最大隶属度法是以输出模糊合集中隶属度最大的元素作为输出值。一般来说，常见的模糊集合并不都是正规的形状，更不会是一条连续的曲线，而最大隶属度法不关注输出曲线的形状，只取最大元素作为输出值，可能会以偏概全；重心法具有更平滑的输出，即使输入信号发生微小改变，输出也会变化。综上所述，本文将采用重心法进行去模糊化，即（5-1）式中，—论域中的每个元素；—元素隶属度；—模糊输出。1.2模糊逻辑控制策略仿真模型建立基于模糊逻辑控制对负载需求的功率进行能量管理分配策略如图5-3所示，负载需求功率、锂电池SOC、锂电池的放电电流作为模糊控制器的输入变量，输出变量为燃料电池输出功率比例系数。控制目标包括以下方面：（1）燃料电池处于最佳状态；（2）控制锂电池SOC在30%~80%的合理范围内；（3）避免锂电池的过度放电，延长蓄电池的寿命；（4）面对变化的负载，保证燃料电池和蓄电池之间合理的能量分配策略，保障效率最高。图5-3模糊逻辑能量管理系统基本结构式中，—蓄电池放电电流，单位A；—燃料电池最大输出功率，单位W；—燃料电池需要的输出功率，单位W；k—功率分配系数。模糊逻辑控制在MATLAB/Simulink仿真中通过模糊逻辑工具箱实现，如图5-4所示：图5-4MATLAB/Simulink里的模糊逻辑控制器其内部结构包括输入、规则库、输出三个部分，如下图5-5所示。图5-5模糊逻辑控制器内部组成模糊逻辑控制器中，三个输入变量的隶属度函数类型选择双边高斯形隶属度函数，输出变量k选择梯形隶属度类型。根据理论知识与系统的实际需求，锂电池的SOC对其功率输出有影响，SOC过低或过高对电压变化幅度影响较大。若锂电池长期工作在较高或者较低水平的SOC范围内，会对锂电池的寿命和功率输出造成严重影响。由锂电池的OCV曲线可知，电池SOC在左右即到达额定电压，此时电池内阻变动较小，端电压基本恒定，因此本文设定锂电池SOC合理范围为30%~80%。在该范围内，锂电池既有较充足的荷电状态，又能及时弥补所缺功率，保障了系统的持续稳定运行。所以建立锂电池SOC输入域为，隶属度函数如下图所示，其中表示较小、表示中等、表示较大。图5-6输入变量SOC的隶属度函数系统运行时必须保证锂电池不能过度充放电，为保护锂电池，必须对其放电电流进行限制，因此本文设定放电电流输入论域为，表示小，表示中等，表示较大。图5-7输入变量IBat的隶属度函数根据实际负载功率的需求，设定负载功率区间在[0,1200],所建隶属度如图5-8所示，其中表示小，表示中等，表示较大。图5-8输入变量PLoad的隶属度函数如图5-9所示为燃料电池功率分配系数隶属度函数。隶属度区间为，表示较小，表示中等偏小、表示中等偏大、表示大。图5-9输出变量k的隶属度函数图5-10为模糊逻辑控制器的输入输出变量的三维曲面网格图。图5-10模糊控制器的三维曲面网格图建立模糊控制规则如表5-1所示：表5-1模糊逻辑控制规则SOCSMBIBatSMBSMBSMB负载需求功率SMBMBBMSMSMBSSMBMMBBBMSMBMBSMSMBBBBBMBBBMBMBB表中白色背景为锂电池荷电状态，浅灰色背景为负载需求功率，灰色背景为蓄电池电流，深灰色背景为燃料电池功率分配系数。对模糊控制规则的编制，建立原则如下：（1）基于保持锂电池的荷电状态处于设置区间原则，当荷电状态低于30%时，燃料电池提高功率输出；当荷电状态高于80%时，燃料电池减少功率输出。（2）燃料电池启动较为缓慢，系统启动时锂电池的SOC无论处于何种水平，都必须为输出状态，以维持系统正常工作。（3）即使负载所需功率较大，锂电池SOC处于较高水平，也必须严格限制锂电池输出电流，减缓输出压力，避免过度放电影响电池使用寿命。（4）负载功率变化速率需要加以约束，否则系统无法及时做出功率分配决策，影响稳定性。经过模糊控制器处理后得到一个位于区间[0,1]的系数k，其与燃料电池的最大输出功率相乘即可得到燃料电池需要输出功率。所搭建的模糊逻辑能量管理策略模型如图5-11所示，系统中各模块参数与能量跟随方法中保持一致。图5-11模糊逻辑控制的动力系统仿真1.3模糊逻辑控制策略仿真结果分析基于前文对功率跟随控制策略的要求，验证当蓄电池分别处于不同SOC时，燃料电池和蓄电池为维持系统正常运行所执行的模糊逻辑能量分配策略可靠性。（1）高SOC状态将蓄电池初始SOC设置为80%，此时蓄电池的电量充足，将会尽可能对外放电，燃料电池则主要处于低输出功率状态。据图5-12可见，燃料电池随着负载功率的增大逐渐加大输出以满足系统正常工作要求，当负载功率突然降低时，燃料电池也能迅速做出低输出响应。此状态下，如图5-13所示，负载电压始终维持在48V，SOC持续下降，蓄电池电流稳定在适当范围内。图5-12SOC=80%，负载需求功率、燃料电池与蓄电池输出功率图5-13SOC=80%，负载电压、SOC、蓄电池电流变化曲线（2）中SOC状态将蓄电池初始SOC设置为55%，该状态下蓄电池的SOC在一个适当的范围，燃料电池的输出功率将与负载功率及线路损耗功率保持在同一水平，如图5-14所示。同时负载电压稳定在48V，SOC基本保持不变，蓄电池电流稳定。图5-14SOC=55%，负载需求功率与燃料电池输出功率图5-15SOC=55%，负载电压、SOC、蓄电池电流变化曲线（3）低SOC状态将蓄电池初始SOC设置为20%，此状态SOC较低，蓄电池将处于充电状态，燃料电池除了维持负载和线路的功率消耗，还要给蓄电池进行充电，如图5-16所示。负载电压维持在48V，SOC持续增长，蓄电池充电电流保持稳定水平。图5-16SOC=20%，负载需求功率与燃料电池输出功率图5-17SOC=20%，负载电压、SOC、蓄电池电流变化曲线根据上述分析，模糊逻辑控制能量管理策略的控制效果要好于功率跟随控制。所设计的模糊逻辑控制模型在满足负载功率需求的前