采用神经网络预测和变结构模糊控制的铅酸蓄电池最优充电技术研究

二次电池中被最广泛接受的铅酸蓄电池由于技术条件的限制，其充电主要采用恒压、恒压限流、恒流等常规模式，这些充电方法未能遵从电池内部的物理化学规律，大多存在着严重的过充电和析气等现象，并导致充电过程的低效，耗时和易损。因此，既能提高能量利用效率，加快充电速度，又不影响铅酸蓄电池的使用寿命的新型充电技术成为迅速发展的电力电子技术及自动控制技术的关注领域。笔者主持的原煤炭部优秀青年基金项目《轻型智能充电装置研究》即代表这种关注。 笔者通过对充电过程的分析得到如下理解： - 任何时刻的理想充电电流取决于当时极板上的活性物质的多少及其周围反应环境，充电电流的变化应遵循马斯(J．A．MAS)所提出的可接受充电电流曲线亦即最佳充电曲线。 - 电池的极化是电池充放电过程中不可避免的但是可以加以控制的现象。通过短暂放电消除浓差极化是实现高效快速无损充电的关键。 由于蓄电池技术状态的复杂性如参数的离散性和非线性等，理论上存在的可接受充电电流曲线的确定有相当的难度，最佳充电技术的的理论研究和技术开发尚处于初级阶段。作者在论文工作中试图利用现代电力电子技术、模式识别和参数辨识、人工智能和DSP应用等领域中的技术进展和最新成果，探索铅酸蓄电池充电过程的多目标优化问题，力求形成高效、快速、无损的铅酸蓄电池优化充电思想和技术方案。在论文撰写过程中，作者主要进行了如下方面的研究： - 对铅酸蓄电池的电化学机理进行充分研究，并在大量充放电实验的基础上，提出了依据蓄电池充电时和停充瞬间的端电压和蓄电池荷电状态检测蓄电池极化状况的思想。 - 依据最佳曲线给定，采取瞬间放电减少极化。提出了以蓄电池极化电压和蓄电池的荷电状态为输入变量，以去极化脉冲的宽度作为输出并根据蓄电池电解液温度进行修正的实时去极化策略。 - 采用具有良好自学习能力和非线性逼近能力的模糊神经网络控制策略，使充电电流动态跟踪离散的可接受充电曲线，使充电过程始终在最佳状态下进行。 - 采用一个两单元的智能功率模块IPM作主回路开关器件，实现新型Buck—Boost拓扑，完成向蓄电池充电和蓄电池去极化放电功能。 - 实现基于数字信号处理器TMS320F240的充电装置控制电路的软硬件设计，实现高速的数据采集、事件管理、复杂的控制算法和输出控制，从而实现真正高效、快速、无损的充电过程。 实验表明，采用新型控制策略的充电过程可使充电效率提高到90％左右，充电时间缩短到2小时以内，蓄电池电解液的温升较之常规充电亦没有明显升高，实现了高效、快速、无损的充电思想。 在研究工作中还探讨了蓄电池组串联的均衡充电等问题。