采用模糊滚动凸优化方法的混合动力电动无人机中锂离子电池模型参数的在线估计

《Journal of Energy Storage》：Lithium battery model parameter online estimation in hybrid electric UAVs with fuzzy rolling convex optimization method

锂电池模型参数在线估计方法研究，提出模糊滚动凸优化法（FRCOM）提升估计精度和效率，降低数据依赖。

　　锂离子电池作为无人飞行器（UAVs）的重要能源，其性能直接影响到飞行器的续航能力和运行效率。随着无人机在多个领域的广泛应用，如气候观测、煤矿开采、农业植保和快递运输等，对电池管理提出了更高的要求。尤其是在混合能源系统中，锂离子电池不仅要满足自身的能量需求，还需与其他能源形式（如燃料电池、太阳能电池）协同工作，从而对电池的参数估计和管理提出了新的挑战。因此，开发一种高效、准确且适用于在线应用的锂离子电池模型参数估计方法显得尤为重要。

本文提出了一种模糊滚动凸优化方法（Fuzzy Rolling Convex Optimization Method, FRCOM），旨在解决锂离子电池模型参数的在线估计问题。该方法通过建立优化模型，将非凸约束条件转化为凸约束，从而提升求解效率和稳定性。同时，引入模糊逻辑因子设计方法，用于处理电池初始荷电状态（SOC）的不确定性。通过实验验证，FRCOM在减少对大量在线测量数据的依赖、提升参数估计的准确性和有效性方面表现出显著优势。与传统的序贯二次规划（SQP）和遗忘因子递归最小二乘法（FFRLS）相比，FRCOM在均方误差（MSE）和平均绝对误差（MAE）方面分别降低了8.8%和7.3%。这一成果不仅有助于提高锂离子电池在无人机中的使用效率，也为混合能源系统中可再生能源的应用提供了新的思路。

锂离子电池的内部反应过程复杂，受到多种因素的影响，包括化学反应动力学、电荷传输机制和热效应等。这些因素使得电池的行为具有高度的非线性和不确定性，从而增加了模型参数估计的难度。为了更精确地描述电池的动态特性，通常采用等效电路模型（ECM）作为基础。等效电路模型通过模拟电池的内部电阻、开路电压和极化分支（包含电阻和电容）来预测电池的输出特性。然而，这些参数在电池放电过程中会不断变化，并且彼此之间存在复杂的耦合关系。因此，如何在有限的数据条件下，快速且准确地估计这些参数成为了一个关键问题。

当前的锂离子电池参数估计方法主要包括传统优化算法、粒子群优化算法、遗传算法以及基于人工智能的学习方法等。这些方法在一定程度上提高了参数估计的精度，但往往需要大量的计算资源和迭代次数，难以满足在线应用的需求。例如，基于粒子群优化的算法虽然在全局搜索能力上有一定优势，但其计算复杂度较高，导致实时性不足。而基于卡尔曼滤波的方法虽然在状态估计方面表现良好，但其对初始条件的依赖性较强，且在处理非线性约束时存在局限性。此外，一些基于机器学习的方法虽然能够快速调整网络参数，但其训练过程需要大量的历史数据，这在实际应用中往往难以实现。

针对上述问题，本文提出了一种模糊滚动凸优化方法（FRCOM），该方法通过将非凸约束条件转化为凸约束，从而在有限的时间窗口内实现高效求解。滚动优化机制允许在每个时间点进行局部优化，而不是一次性求解整个问题，从而提高了算法的实时性和适应性。同时，引入模糊逻辑因子设计方法，用于处理电池初始SOC的不确定性。通过模糊逻辑的引入，可以在不依赖大量历史数据的情况下，对SOC的初始估计进行优化，从而提高整体参数估计的准确性。

在实验部分，本文使用了一种可充电的2P6S航空模型锂离子电池（25.2V/16000mAh）进行参数估计测试。该电池广泛应用于混合动力无人机系统，具有较高的能量密度和功率密度，能够满足无人机在不同任务场景下的能量需求。实验结果表明，FRCOM在多个指标上优于传统方法，包括参数估计的准确性和计算效率。具体而言，与序贯二次规划（SQP）相比，FRCOM在均方误差（MSE）方面降低了8.8%，在平均绝对误差（MAE）方面降低了7.3%；与遗忘因子递归最小二乘法（FFRLS）相比，MSE降低了2.2%，MAE降低了1.3%。这些结果表明，FRCOM在提升锂离子电池模型参数估计精度的同时，也显著减少了对大量在线测量数据的依赖。

此外，FRCOM的计算效率也得到了有效提升。在混合动力系统中，由于电池与其它能源形式（如太阳能电池、燃料电池）之间的功率分配需要实时调整，因此对参数估计算法的求解速度提出了更高要求。FRCOM通过滚动优化机制，在每个时间点仅对当前数据进行处理，从而减少了计算负担，提高了算法的实时性。这种设计使得FRCOM能够在有限的机载计算资源下运行，满足无人机系统对实时数据处理的需求。

从实际应用的角度来看，FRCOM不仅有助于提高锂离子电池的管理效率，还能够促进可再生能源在无人机领域的应用。在混合能源系统中，锂离子电池与其他能源形式的协同工作是实现高效能量利用的关键。例如，在太阳能供电的无人机中，当太阳能电池的输出功率超过无人机的需求功率时，多余的电能需要被锂离子电池储存；而在燃料电池与锂离子电池组成的混合系统中，电池的输出电压需要与燃料电池相匹配，以确保系统的整体效率。因此，准确的电池模型参数估计对于实现高效的混合能源管理至关重要。

综上所述，本文提出的模糊滚动凸优化方法（FRCOM）在锂离子电池模型参数的在线估计方面具有显著优势。通过将非凸约束条件转化为凸约束，并引入模糊逻辑因子设计方法，FRCOM能够在减少对大量测量数据依赖的同时，提高参数估计的准确性和计算效率。这一方法不仅有助于提升无人机的续航能力和运行效率，还为混合能源系统中可再生能源的应用提供了新的解决方案。未来的研究可以进一步探索FRCOM在不同电池类型和应用场景中的适用性，并结合更先进的计算技术，以提升其在实际系统中的性能和可靠性。