技术特征：
1.一种基于pso-ga-fcm聚类的动力锂电池主动均衡控制策略及方法，其特征在于：包括以下步骤：s1、电池soc反映了当前电池所剩容量的使用情况，定义为当前剩余容量与电池充满电时存储容量的比值，如公式(1)所示：式中：c
n
为电池的标称容量，i(τ)表示τ时刻的电池电流值，表示t0时刻的soc值，η表示库伦效率，soc
t
表示t时刻的soc值；根据锂电池组特性的soc-ocv曲线利用查表法准确的计算在实时工况下电池的soc值；s2、对查表法计算得到的各个电池的soc值按照大小进行排序，按照式(2)设置soc最大值、最小值和算数平均值作为初始的聚类算法的聚类中心；式中：soc
max
为soc最大值，soc
min
为soc最小值，为soc算数平均值；s3、采用ga和pso对设置好的粒子中心进行寻优，使用式(3)计算适应度值，群体中最适应度个体为所有粒子中适应度最大的粒子；式中：k为常数；j(u,v)为fcm的目标函数。j(u,v)越小代表聚类效果越好，则粒子适应度f(x
i
)就越高；s4、pso算法的解对应于所求问题的解空间的一个粒子，每一个粒子都有对应的速度和位置以及由目标函数决定的适应度值，粒子在解空间中的每次迭代都是以当前找到的较好解为依据寻找下一个解，第i个粒子表示为x
i
＝(x
i1
,x
i2
,
…
,x
id
)，它经历过的最好位置记为p
i
＝(p
i1
,p
i2
,
…
,p
id
)，也称为p
besti
，粒子i的速度用v
i
＝(v
i1
,v
i2
,
…
,v
id
)表示，对每一代粒子，其在第d维的速度和位置根据如下方程变化：v
(i+1)d
＝ωv
id
+c1rand1(p
id-x
id
)+c2rand2(p
gd-x
gd
)
ꢀꢀꢀꢀ
(4)x
(i+1)d
＝x
id
+v
(i+1)d
ꢀꢀꢀꢀ
(5)式中：ω为惯性权重，通常是从0.9线性减小到0.2，c1和c2为加速常数，rand1和rand2为两个在[0,1]范围内变化的随机函数；用式(4)和式(5)对每个粒子进行速度和位置更新，依据交叉概率p
c
，变异概率p
m
，进行选择、交叉和变异操作，产生下一代的粒子群；s6、得到适应度最好的种群及适应度最好的初始聚类中心，在fcm中输入产生的输出聚类中心进行数据分类，fcm将每一个数据标准集中的数据隶属于每一个聚类中心的程度模糊为一个0到1的值，主要是根据待聚类数据对c个聚类中心的隶属度大小来划分样本的。fcm的聚类模型如式(6)所示：式中：x
i
为第i个待聚类数据：v
k
为第k个聚类中心；u
ki
为第i个待聚类数据x
i
归属于第k
个聚类中心得模糊隶属度；m为模糊指数，m∈[1,∞]，其值即能影响fcm得聚类性能，又能衡量fcm算法的模糊程度，u为u
ki
组成的模糊隶属度矩阵，又称划分矩阵；v为c个聚类中心v
k
组成的矩阵；将上式变换为带约束的优化问题，将模型变为式(7)所示：因此，fcm问题就转化为带拉格朗日乘子λ的条件极值问题，分别对聚类中心v
k
和模糊隶属度u
ki
求偏导，得到两者的更新迭代规则为式(8)所示：通过不断迭代更新v
k
和u
ki
，当fcm停止运行，输出模糊隶属度矩阵u和中心矩阵v；s7、根据输出的聚类结果传递给单片机控制芯片，单片机向主动均衡控制芯片ltc3300-1发送均衡控制命令；s8、单片机根据均衡控制命令控制主动均衡电路中各mosfet管的导通和截止来进行单体锂电池的充电和放电。
技术总结
本发明涉及一种基于PSO-GA-FCM聚类的动力锂电池主动均衡控制策略及方法，其特征在于：包括以下步骤：首先，根据SOC-OCV曲线查找各个锂电池单元的实时荷电状态SOC；在得到SOC值后，采用PSO和GA优化的FCM聚类算法对各个单体锂电池进行数据聚类优化分析，判断各单体锂电池的状态；最后通过单片机传递聚类结果，判断均衡状态，发送均衡命令，控制MOSFET管的导通和截止对各锂电池进行充电和放电均衡。本发明具有适用性，能解决离散电池组中电量不一致的问题，减小电池组内各单体电池间的能量差异，提高电池组SOC一致性。提高电池组SOC一致性。提高电池组SOC一致性。
技术研发人员：于智龙 那海鹏
受保护的技术使用者：哈尔滨理工大学
技术研发日：2022.06.09
技术公布日：2022/8/30