基于遗传算法和粒子群参数优化的CC–恒压双向电动汽车充电器控制中主动扰流抑制控制与模型预测控制器的对比
《World Electric Vehicle Journal》:Active Disturbance Rejection Versus Model Predictive Controllers for CC–Taper Bidirectional EV Charger Control Based on Genetic Algorithm and Particle Swarm Parameter Optimization
【字体:
大
中
小
】
时间:2026年08月28日
来源:World Electric Vehicle Journal 3.3
编辑推荐:
摘要
双向电动汽车(EV)充电器必须在电网对车(G2V)和车对电网(V2G)两种模式下准确调节电流和电压,同时遵守嵌入式硬件严格的实时计算预算。本文针对为96节镍-锰-钴电池供电的双向充电器(该电池建模为二阶等效电路),比较了三种控制器:有源扰动抑制控制(ADRC)、线性模
摘要双向电动汽车(EV)充电器必须在电网对车(G2V)和车对电网(V2G)两种模式下准确调节电流和电压,同时遵守嵌入式硬件严格的实时计算预算。本文针对为96节镍-锰-钴电池供电的双向充电器(该电池建模为二阶等效电路),比较了三种控制器:有源扰动抑制控制(ADRC)、线性模型预测控制器(MPC)以及降阶二次规划预测变体(rMPC)。所有三种控制器的增益均通过粒子群优化(PSO)和遗传算法(GA)针对一个加权目标函数进行系统调优,该目标涵盖电流跟踪、端电压误差、扰动恢复和控制努力。每种控制器均在恒流/递减充电曲线、V2G放电和注入负载扰动下进行评估,其鲁棒性通过电感、电阻和温度的500次蒙特卡洛扫描进行量化。调优后,每种控制器在所有阶段均满足5%归一化误差目标,恒流跟踪误差低于2%。ADRC的平均单步求解时间(约14.5秒)比预测控制器小19-30倍。20种子等预算统计比较显示,PSO和GA在统计上是等效的调优器,而三种精度和鲁棒性相当的控制器之间决定性的实际区别在于计算方面:ADRC提供有界且可忽略的最坏情况时间,而rMPC和MPC在扰动恢复方面稍快,但其求解成本远远更高且更不可预测,在99%分位数上超出了实时预算。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号