面向锂离子电池约束处理快充的数据赋能预测控制

锂离子电池的快充已获得广泛的研究关注，但现有方法大多基于简单的规则化充电曲线，或需要显式电池模型——而这类模型难以精确辨识。在本文中，我们不再依赖推导与标定代价高昂的参数化电池模型，而是采用一种新颖的数据赋能预测控制（DeePC）范式，为锂离子电池执行安全且最优的快充。所开发的 DeePC 方法基于行为系统理论，直接利用电池系统的输入输出测量值来预测未来轨迹并计算最优控制策略。DeePC formulation（公式化）中纳入了输入电流与电池状态的约束，以确保电池在安全操作下快充。此外，我们提出了一种基于主成分分析的方案来降低 DeePC 算法中优化变量的维度，这在不损害充电性能的前提下显著提升了计算效率。我们在高保真电池模拟器上进行了数值仿真，以验证所提快充策略的有效性。