Thiết kế bộ sạc pin điều khiển mờ tối ưu dùng giải thuật di truyền
Article Sidebar
Full Text: 
PDF
Abstract
The paper presents the development of an optimized fuzzy controller using a genetic algorithm for fast battery charging and maintaining low battery temperature. The fuzzy controller is designed based on experience with two inputs, which are battery temperature and rate of battery temperature change during charging, and the output is battery charging current. The fuzzy controller parameters are optimized using a genetic algorithm to minimize a performance index related to battery charging time and battery temperature rise during charging. The simulation results show that the proposed fuzzy controller not only controls the battery charging as fast as a constant current charger but also has a lower temperature rise during charging, thereby increasing the battery lifespan.
Tóm tắt
Bài báo trình bày cách thiết kế bộ điều khiển mờ tối ưu dùng giải thuật di truyền để sạc pin nhanh và duy trì nhiệt độ pin thấp. Bộ điều khiển mờ được thiết kế dựa vào kinh nghiệm với hai ngõ vào là nhiệt độ pin và tốc độ biến thiên nhiệt độ pin trong quá trình sạc, ngõ ra là dòng điện sạc pin. Các thông số của bộ điều khiển mờ được chỉnh định tối ưu dùng giải thuật di truyền sao cho tối thiểu chỉ tiêu chất lượng liên quan đến thời gian sạc pin và sự gia tăng nhiệt độ pin trong quá trình sạc. Kết quả mô phỏng cho thấy bộ điều khiển mờ đề xuất không những điều khiển sạc pin nhanh tương đương bộ sạc đẳng dòng, mà còn có độ gia tăng nhiệt độ trong quá trình sạc thấp hơn, nhờ đó làm tăng tuổi thọ của pin.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Tài liệu tham khảo
Ali, M. U., Nengroo, S. H., Khan, M. A., Zeb K., Kamran, M. A., & Kim, H.-J. (2018). A Real-Time Simulink Interfaced Fast-Charging Methodology of Lithium-Ion Batteries under Temperature Feedback with Fuzzy Logic Control. Energies, 11(5), 1122. https://doi.org/10.3390/en11051122
Ayoub, E., & Karami, N. (2015). Review on the charging techniques of a Li-Ion battery, 2015 Third International Conference on Technological Advances in Electrical, Electronics and Computer Engineering (TAEECE), 50–55. https://doi.org/10.1109/TAEECE.2015.7113599.
Cheng, Y. S., Young, C. M, Liu, Y. H, Chen, G. J., & Yang Z. Z. (2015). Design and implementation of Li-ion battery charger using state-of-charge estimation with fuzzy temperature control. 2015 IEEE International Conference on Industrial Technology (ICIT), 2075–2079. https://doi.org/10.1109/ICIT.2015.7125402
Eshelman, L. J., & Schaffer, J. D. (1993). Real-coded genetic algorithms and interval-schemata. Foundations of Genetic Algorithms, 2, 187–202.
Goldar, A., Romagnoli, R., Couto, L. D., Nicotra, M., Kinnaert, M., & Garone, E. (2021). Low-Complexity Fast Charging Strategies Based on Explicit Reference Governors for Li-Ion Battery Cells. IEEE Transactions on Control Systems Technology, 29(4), 1597–1608. https://doi.org/10.1109/TCST.2020.3010322
Hsieh, G. C., Chen, L. R., & Huang, K. S. (2001). Fuzzy-controlled Li-ion battery charge system with active state-of-charge controller. IEEE Transactions on Industrial Electronics, 48(3), 585–593.
https://doi.org/10.1109/41.925585
Károlyi, G., Pózna, A., Hangos, K. M., & Magyar, A. (2022). An Optimized Fuzzy Controlled Charging System for Lithium-Ion Batteries Using a Genetic Algorithm. Energies, 15(2), 481. https://doi.org/10.3390/en15020481
Li, Y., Li, K., Xie, Y., Liu, J., Fu, C., & Liu, B. (2020). Optimized charging of lithium-ion battery for electric vehicles: Adaptive multistage constant current–constant voltage charging strategy. Renewable Energy, 146, 2688–2699. https://doi.org/10.1016/j.renene.2019.08.077
Mitchell, M. (1996). An Introduction to Genetic Algorithms. The MIT Press.
Peng, B. R., Wang, S. C., Liu ,Y. H., & Yan-Syun, H. (2016). A Li-ion battery charger based on remaining capacity with fuzzy temperature control. 2016 IEEE/ACIS 15th International Conference on Computer and Information Science (ICIS), 1–5. https://doi.org/10.1109/ICIS.2016.7550768
Do, B. P., Do, N. Q., Pham, D. H., & Nguyen K. T. (2021). Research on the fast charging method for lithium battery based on thermal model. Journal of Science and Technology for Energy, 26, 27–40 (in Vietmamese).
Shabani, B., & Biju, M. (2015). Theoretical modelling methods for thermal management of batteries. Energies, 8(9), 10153–10177. https://doi.org/10.3390/en80910153
Surmann, H. (1996). Genetic optimization of a fuzzy system for charging batteries, IEEE Transactions on Industrial Electronics, 43(5), 541–548, https://doi: 10.1109/41.538611.
Tremblay, O., & Dessaint, L. A. (2009). Experimental validation of a battery dynamic model for EV applications. World Electric Vehicle Journal, 3(2), 289–298. https://doi.org/10.3390/wevj3020289
Wang, S. C., & Liu, Y. H. (2015). A PSO-based fuzzy-controlled searching for the optimal charge pattern of Li-ion batteries. IEEE Transactions on Industrial Electronics, 62(5), 2983–2993. https://doi.org/10.1109/TIE.2014.2363049
Zhang, S., Zhang, C., Xiong, R., & Zhou, W. (2014). Study on the Optimal Charging Strategy for Lithium-Ion Batteries Used in Electric Vehicles. Energies, 7(10), 6783–6797. https://doi.org/10.3390/en7106783