基于纵横交叉优化的可重构电池组环流抑制策略

退役电池之间巨大的特性差异会降低储能系统的有效容量和安全性,严重阻碍电池的梯次利用。可重构电池组能灵活切换电池之间的连接方式,是应对电池特性差异的有效方案。然而,电压差异导致的电池组内部环流,会降低电能效率和缩短电池寿命,并引发局部过热等安全问题。以构建最多并联路径和抑制环流为目标,提出了可重构电池组的路径组合优化策略。建立了优化模型,并根据模型特征设计了离散二进制纵横交叉优化算法,克服了路径组合优化面临的非确定性多项式难题。最后,通过仿真和实验验证,证明了所提出的路径组合优化策略能有效抑制环流。

基于深度强化学习的卫星电源冗余电池均衡控制策略

为提高卫星蓄电池组的智能化管理能力水平,提出了一种基于深度强化学习的卫星冗余电池均衡控制策略.训练智能体根据蓄电池组当前的运行状态给出动作,改变单体电池的投入状态和数量,实现单体之间容量均衡,减小母线电压变化范围并减少开关调节次数.在MATLABSimulink和OpenAI的gym环境中分别搭建了电池组仿真环境对智能体进行了训练,通过算例检验了该策略的可行性并与基于阈值的控制方法进行了比较,证明了方法可以有效的实现电池间均衡并减小母线电压的变化范围.