APP下载

航天器能源管理技术研究进展

2019-11-14陈洪伟张新华朱纪洪

空间控制技术与应用 2019年5期
关键词:电池组航天器步长

陈洪伟,张新华,和 阳,朱纪洪

0 引 言

航天器需要长期在轨运行,任务载荷数量多,复杂程度高,功能多样化.为满足上述需求,未来航天器需要向长寿命、大功率化、轻型化和智能化等方向发展.为减少航天器的重量和发射成本,增加电子设备数量,提高的航天器应用范围,要求航天器的能源系统具有较大的载荷供电能力[1].由于太阳能电池是航天器的唯一发电装置,这就要求太阳能电池阵列面积越来越大,而航天器的重量和体积受限于火箭推力和空间限制,因此质量和功率成为航天器设计的重要约束条件,这就要求必须提高能源系统的功率重量比和效率.

航天器主要采用以太阳能电池阵列、储能电池组构成的能源系统.能源系统作为航天器的重要组成部分,要为航天器各个阶段的任务负载提供可靠稳定的电能.在外界条件突变或任务负载调整时,能源管理技术调节太阳能电池阵列输出功率满足负载功率需求,同时管理储能电池组,实现高效能源调度;在供电能力不足时,优化负载管理,保障关键负载正常运行,合理调度能源;当发生故障时,及时定位、隔离故障,保证航天器安全运行.

无论是探测器,还是大型航天器、人造卫星等,都需要能源管理技术合理调配能源,完成电能输出与负载功率需求的高效平衡,提高突发情况的自主调节能力,延长航天器使用寿命.本文先分析能源管理技术的任务,总结国内外发展现状,接着从系统建模、硬件结构、控制策略等方面展开介绍.

1 能源管理技术

1.1 能源管理技术主要任务

航天器能源系统由太阳能电池阵列和储能电池组成,如图1所示,太阳能电池阵列在阳照区产生电能,为任务负载和储能电池组提供电能;储能电池组在地影区为负载提供电能.航天器能源管理技术的主要任务是在有限的能源供给条件下,监测系统状态、优化负载管理,高效完成能源调度和检测隔离故障,提高航天器的在轨运行寿命,保证任务顺利完成[2].

图1 航天器能源系统结构框图Fig.1 Spacecraft energy system structure block diagram

能源管理技术的具体任务有:(1)检测能源状态数据,实时监测能源系统运行状态并根据预测模型,对太阳能池阵、储能电池组等当前性能和后续供给性能进行估算;(2)主控制器接受发送指令或根据检测的运行状态进入任务阶段,依据负载优先级别,优化任务负载管理;(3)根据电能的输出功率和负载的功率需求高效调配能量,当能源供给充足时,在满足任务负载功率需求前提下储能电池组存储多余能量,提高能源利用率;当因故障或外界条件变化导致能源供给不足时,主控制器依据负载优先级别控制功率分配单元保证关键负载能源供给,实现航天器的能源均衡和安全运行;(4)主控制器实时监测功率分配单元数据,当任务负载出现故障,依据故障管理策略控制功率分配模块隔离故障.

1.2 国内外发展现状

上个世纪70年代之前,航天器主要采用传统遥控管理,通过地面发送指令进行配电管理,采用熔断器和过流保护电路隔离故障.美国最早进行能源管理技术研究,上个世纪70年代为解决航天飞机的安全性和可靠性,提出了使用主控制器参与故障隔离和负载调配,形成能源管理技术的雏形.上个世纪80年代,NASA正式提出航天器能源管理系统,包括太阳能电池组管理、蓄电池管理、负载管理、能源调度、系统故障诊断和隔离等功能,其主要任务是根据电能供给和负载需求情况调节电源输出、调度能源和管理负载.航天器能源管理系统可自主管理能源、隔离故障,减少对地面控制系统依赖.目前,该能源系统已经应用于国际空间站、“罗塞塔”号探测器等任务中[3].

欧洲航天局发射的XMN-Newton探测器具有基本的自主能源管理能力,采用了储能电池自动充放电、负荷优先级管理、故障诊断和恢复等技术.这些功能已经在航天飞机模型得到验证,提高了航天器在轨能源管理效率和高可靠性.俄罗斯在地面有一套模型同步模拟的“空间”号空间站运行,对能源系统的能源调度和故障模拟提供验证,为空间站的能源管理技术提供支持[4].

我国虽然对航天器能源管理技术研究起步晚,但随着航天事业快速发展,在能源管理技术上的进步不容小觑.国内现有的能源系统要求航天器运行期间载荷能力不降低,同时保证储能电池组及时充电,确保一次电源正常运行.国内许多在轨或研制的卫星的能源系统主要包括太阳能电池监控与调试、储能电池组管理、负载管理.

2 能源系统输出特性

2.1 太阳能电池特性

精确的太阳能电池模型是能源系统提高功率输出的关键,也是能源管理技术预估性能和寿命的基础.太阳能电池等效电路如图2所示.

由图1可得太阳能电池组的数学等效模型[5]为:

(1)

式中,Iph—光生电流(A);I0—二极管反向饱和电流(A);I—输出电流(A);U—输出电压(V);q—电子电荷;T—绝对温度(K);K—玻尔兹曼常数;A—二极管因子数;Rs—等效串联电阻(Ω);Rsh—等效并联电阻(Ω).

图3是太阳能电池在25 ℃时,3种不同光照强度(s=200 W/m2、s=600 W/m2、s=1 000 W/m2)下的P-U特性曲线,随着光照强度变化,最大功率点也随之移动,其对应的电压也变化.作为航天器能源系统的唯一发电装置,为满足负载功率需求,提高能源系统的输出功率,常采用最大功率点跟踪技术(Maximum Power Point Tracking,简称MPPT)通过实时控制太阳能电池的工作点,使其一直工作在最大功率点[6].

图2 太阳能电池等效电路Fig.2 Solar cell equivalent circuit

图3 太阳能电池功率-电压特性曲线Fig.3 Solar cell power-voltage characteristic curve

2.2 储能电池特性

储能电池组在能源系统中既能为任务负载供电,又可以储存太阳能电池板产生的多余电能,其在能源系统中重要性不言而喻.能源管理技术对储能电池组状态检测、性能估算和能源调度都需要准确获得储能电池荷电状态(SOC).

精确地计算电池的荷电状态是电池管理系统的关键[7],目前比较常见的SOC估算方法主要有:(1)安时积分法[8];(2)开路电压法;(3)卡尔曼滤波法;(4)负载电压法;(5)内阻法;(6)神经网络法等.

安时积分法只需SOC(t0)、α和i,即可积分得到电池的电荷量SOC(t).但该方法也存在积分累积误差、测量精度不准、测量电流波动等问题,SOC计算精度受到影响.

开路电压法需要将电池静止足够长时间,影响系统时效性[9].内阻法通过电池内阻特性来实现对电池剩余电荷量的检测,由于获得内阻比较复杂且内阻不断变化,所以测得SOC值精度存在问题.而负载电压法综合上面两种方案,通过检测电池负载端电压以及电池电流和内阻估算SOC值,但这种方法仍未解决开路电压的弊端.

卡尔曼滤波法实时估算电池SOC值和端电压,解决了安时积分法因初始SOC值不准确导致的误差变大的问题,但只适用于线性系统.针对电池的非线性特性,可采用扩展卡尔曼滤波法[10]、双卡尔曼滤波法.针对线性化造成的误差大、收敛性难问题,相关学者提出基于采样统计线性化的滤波算法,只需通过确定采样点近似非线性函数的概率密度分布,如无迹卡尔曼滤波法、容积卡尔曼滤波法[11]等.这些算法估算精度可达到三阶,算法相对复杂,数值稳定性较差.针对稳定性问题,可采用基于平方根的Sigma点的卡尔曼滤波法[12]减少运算量,提高效率,同时保证计算结果的非负定性.

神经网络法不考虑网络的内部的状态和特征,解决了电池因非线性特性引起的建模困难问题,适用多种电池.目前常采用基于梯度下降法的BP神经网络[13].但BP网络存在训练时间过长、容易陷入局部极小值的问题.有学者提出基于量子微粒群算法的BP神经网络[14],通过修正收缩扩张的系数来控制算法的收敛性,并且发挥算法简单、控制参数少等优点,解决了传统的BP法收敛速度慢、不稳定的问题.

3 能源系统的硬件架构

3.1 功率调节单元

太阳能电池阵列作为能源系统的唯一发电装置,其输出特性具有非线性特征,输出功率受外界环境影响.为最大限度利用太阳能电池阵列的功率输出能力,满足任务负载的功率需求,能源采用功率调节单元控制太阳能电池的输出功率.

如图4所示,太阳能电池阵列与负载和储能电池之间串联MPPT模块,控制太阳能列阵输出功率满足航天器的功率需求.太阳能电池通过光电反应将光能转化为电能,电能首先输送MPPT模块,电压、电流信号由MPPT模块送至主控制器,主控制器经过计算输出PWM控制MPPT模块的DC-DC变换器(如图5所示),实现太阳能电池组最大功率输出,输出电能经过母线上的DC-DC调节电压给储能电池组和负载供电.航天器运行在阳照区时,太阳能电池阵列通过MPPT模块输出最大功率给任务负载和储能系统,而运行到地球阴影区时,太阳能电池不产生电能,储能系统通过输出端的DC-DC转换器为任务负载提供电能.

图4 能源系统结构框图Fig.4 Energy system block diagram

图5 MPPT模块结构框图Fig.5 MPPT block diagram

由太阳能电池的P-U特性曲线可知,当太阳能电池处于最大功率点时,对应输出电压为Um,其输出最大功率.若外界条件发生变化,最大功率点也会发生变化,对应的Um也会左右移动,为跟踪最大功率点,需要一个阻抗变换器调节等效阻抗,使太阳能电池工作在最大功率点处[15].

在一定条件下,可将太阳能电池等效为一个电压源和可变电阻.主控制器通过调节MMPT模块的DC-DC电路占空比,使任务负载与太阳能电池可变电阻值相等,实现太阳能电池最大功率输出.

3.2 功率分配单元

功率分配单元根据能源供给状况和任务负载功率需求,实现能源调度、负载管理和故障隔离功能.

目前我国大多数航天器的功率分配单元采用传统继电器控制方式,由地面控制中心或主控制器对任务负载进行断电或加电操作.随着大型航天器发展,设备数量和复杂程度增大,继电器因存在体积大和重量重、自动化程度低和电磁干扰等缺点,难以满足航天器能源系统轻型化、高可靠性、高功率重量比的要求.为提高能源管理系统自主动态管理负载、能源调度,功率分配单元采用固态功率控制器代替传统的电磁继电器,对负载进行固态配电.固态配电技术具有响应速度快、无电磁干扰、无触点、可靠性高等优点,能实时监测任务负载状态,提高能源系统的自主配电能力.国外spacebus4000已经使用固态配电技术实现智能配电,完成在轨故障诊断、隔离和重组等自主管理.我国“天宫一号”航天器也采用固态配电技术,实现负载管理,故障定位和隔离功能.

4 能源系统的控制策略

4.1 太阳能电池MPPT算法

MPPT算法可使太阳能电池阵列工作在最大功率点,满足能源系统高功率重量比的要求.下面对航天器能源系统常用的3种MPPT算法进行全面介绍和研究,归纳总结他们的优点和不足,同时介绍相应算法的优化方法.

4.1.1 恒定电压法(Constant Voltage Tracking,简称CVT)

CVT法是对太阳能电池最大功率点所对应工作电压的研究.由太阳能电池的P-U特性曲线可知,当温度一定时,最大功率点电压几乎分布在一个固定电压值的两侧,即最大功率电压与其开路电压UOC的比值近似为常数[16].因此,CVT控制法就是将太阳能电池输出电压控制在KUOC,则近似认为太阳能电池工作在最大功率点.

CVT法的控制方法属于简单的开环控制,只需采样一个电压信号,系统稳定且输出无振荡.其主要应用于早期的人造卫星.

CVT法虽然简单易于实现,但得到的最大功率点和实际值存在偏差.且当光照、温度等条件发生变化时,该算法无法跟踪到太阳能电池最新的最大功率点,因而存在对太阳能电池利用率不高缺陷.目前,CVT法主要与其他算法配合进行控制,系统在初始阶段用CVT法快速粗略地跟踪最大功率点,然后用其他算法进行精细调节.

4.1.2 扰动观察法(Perturb & Observe Algorithm,简称P&O)

扰动观察法的原理是通过观察功率的变化值持续调整太阳能电池的工作电压,实现最大功率点跟踪.

扰动观察法周期地给电压一个增量,计算太阳能电池阵列输出功率,比较当前功率与上一时刻功率的大小,来决定扰动方向使太阳能电池工作点不断靠近最大功率点[17].

相比于CVT法,P&O法能获得更高精度的最大功率点和更高的输出功率.且该算法不要求主控制器具有高采样速度和高计算速度,也不要求高的电压、电流采样精度,但它有明显缺点:

(1)定步长扰动,在最大功率点附近振荡,损耗能量,拉低能源系统的输出功率.

(2)外界条件发生快速变化时,易出现跟踪速度不及时或者误判现象.

为弥补P&O法的快速性和精度上的矛盾,研究人员提出很多优化方法,例如:改变扰动步长,多点测量追踪等.

有学者提出了基于多点多区域的测量比较法,文献[18]提出一种3点比较式变步长扰动观察法,通过比较3个检测点的相邻两点的输出功率和电压,确定扰动方向和扰动步长,离最大功率点近的,扰动值为ΔD,而离最大功率点远的点扰动值为3ΔD.虽然该方法比较周期是传统扰动观察法的2倍,但无论是太阳能电池的输出电压、电流、还是功率都比传统方法更迅速的趋于稳定,且稳定前的抖动值也较小.

文献[19]提出梯度形变步长扰动观察法,以本次采样的功率和上次采样功率的比值作为扰动电压的变化因子.在寻优过程中,随着扰动功率的幅值不断减小,扰动步长也随之减小,在最大功率点附近,扰动步长趋于0,从而达到最大功率点跟踪的目的.该方法既保证了外部条件变化时的动态追踪能力,又减少了最大功率点附近的功率损耗,提高能源系统效率.

3点比较式变步长扰动观察法提高了得到的最大功率点的精度,但未加快寻优速度;梯度形变步长扰动观察法采用变步长,跟踪速度和采样精度都有提升,比较适合航天器太阳能电池的最大功率点跟踪.

4.1.3 电导增量法(Incremental Conductance Algorithm,简称INC)

电导增量法的判断依据是:“太阳能电池在最大功率点处的输出功率P与输出电压U的导数值dP/dU为0”[20].

一般用I/U+dI/dU来代替dP/dU,即dP/dU=-I/U,判断依据如下:

dP/dU>-I/U最大功率点左边

dP/dU=-I/U最大功率点

dP/dU<-I/U最大功率点右边

欧洲航天局(ESA)研制的“盖娅”(GAIA)卫星,就是采用3块FPGA实现电导增量法[21],对应算法流程如图6所示.根据检测的电压、电流来计算功率、电流差和电压差,只有电流电压不变或dP/dU=-I/U时,太阳能电池才工作在最大功率点.

图6 电导增量算法流程图Fig.6 Incremental Conductance Algorithm flow chart

与P&O法相比,INC法不仅能跟踪识别到最大功率点,而且避免了在最大功率点左右振荡.该方法控制精度高,具有较好的稳定性.由于使用定步长扰动,INC法寻优速度和控制精度的矛盾依然存在.且要求主控制器具有较高的采样精度和更快的处理速度.

文献[22]提出了混合步长电导增量法:在远离最大功率点时,使用较大步长的Uref,快速地靠近最大功率点附近;在最大功率点附近,选择变化的步长Uref进行寻优.混合步长公式如下:

(2)

此方法有效加快了到达最大功率点的速度,减少算法寻优过程的功率损耗.

文献[23]提出自适应变步长电导增量法.当接近最大功率点时,无论是最大功率点的左侧还是右侧,dP/dU的绝对值都在减小.根据这一特性,构造变化参考电压步长的表达式:

(3)

式中,Pmax是最大功率,当距离最大功率点较远时,步长较大,当接近最大功率点时,dP/dU的绝对值近似为0,步长很小.该方法不仅提高寻优速度,还实现最大功率点左右两侧寻优步长自适应变化,近一步提高精度.但当光照强度迅速变化时,动态响应速度会受影响.

混合步长电导增量法在远离最大功率点时使用固定大步长,加快了寻优速度,在靠近最大功率点时使用混合步长,提高了寻优精度,但最大功率点右边寻优步长过大,会增大震荡损耗.自适应变步长电导增量法依据dP/dU判断寻优点所处位置,自适应改变寻优步长,并且解决了超过最大功率点时寻优步长过大造成振荡问题.但上述两种方法都未解决光照突变时寻优速度问题,而航天器在阳照区和地影区转换时光照强度变化明显,因此仍需对MPPT算法深入研究.

4.2 储能电池组的管理技术

储能电池组管理技术主要包括电池组充电控制技术和均衡技术,合理恰当的充电方法能提高电池的充电速度和效率以及延长使用寿命,均衡技术可提高电池组的有效容量和电池使用寿命.

4.2.1 电池组的充电控制技术

储能电池的最佳充电电流公式为:

IC=I0e-αt

(4)

式中,IC为某时刻电池充电电流;I0初始时刻电池充电电流;t为充电时间,α为充电接受率.随着充电进行,电池的最佳充电电流呈指数下降.在充电过程中,若充电电流高于最佳充电曲线上的电流,不但无法加快充电速度,还会损伤电池;若低于最佳充电电流,则会降低充电速度[24].常用的充电方式有:(1)恒流恒压充电;(2)脉冲充电;(3)智能充电.

恒流恒压充电方式是变电流快速充电方式,其通常分为三个阶段:涓流充电、恒流充电和恒压充电.该方式结构简单、控制方便且被广泛采用,但缺点是电池存在极化现象,充电速度偏慢.

脉冲充电方式改善了恒流恒压充电速度慢的缺点,第三阶段是脉冲大电流充电.脉冲充电大电流充电可使电池电压迅速上升,而停充期间给了电池内部化学反应缓冲时间.脉冲充电打破最佳充电电流曲线约束,充电后期仍可使用大电流脉冲充电,充电效率高,温度变化小,对电池寿命影响小[25].

智能充电方式是利用Δu/Δt控制技术,检测电池的端电压并计算电压与时间变化率,以此推断电池的状态,计算出电池的最佳充电电流,让充电电流始终稳定在最佳充电电流曲线的周围.该方法充电电流紧跟着最佳充电电流曲线,采用逐渐减小的分段恒流对电池充电,使电池温度处于较低状态并且变化小,对电池的损耗降到最低,实现了智能快速充电[26].

目前恒流恒压充电应用广泛,技术成熟,但充电速度慢;脉冲充电方式由于可以加快充电速度同时不影响电池寿命,得到国内外专家认可;智能充电方式利用Δu/Δt控制技术,充电电流可紧跟最佳充电曲线,但需要精准地测得电池的最佳充电电流曲线.随着各种智能算法的研究,智能充电控制技术逐渐应用于电池充电中.

4.2.2 电池组的均衡技术

电池组通常采用多个单体电池串并联,电池的不一致影响了电池组的有效容量和使用寿命.为避免电池组串联过程中的“短板效应”,需要对电池组进行均衡管理[27].

(1)能耗均衡技术

电池组常用均衡方式分为:能耗型和非能耗型.能耗型均衡(也称被动均衡)技术是通过开关将电阻并联在电池组单节电池两端,分流消耗多余的能量.该方式电路简单,容易实现且成本低.但存在电池温度升高、能量浪费以及效率低等缺点.

(2)非能耗均衡技术

非能耗型均衡(主动均衡)技术是通过储能元件将能量由高能量的单节电池传送到低能量的电池内,实现单节电池之间的能量均衡.

电容均衡方法[28]利用电容作为中介,通过开关管的不断切换,将电压较高单体电池的能量转移到临近电压较低的电池,使电池容量达到均衡.此方法适用于大多数可充电电池,但均衡过程复杂,电池间电压差不高,流过电容的均衡电流很小,均衡时间较长.

电感均衡方法[29]是以电感为中介,将能量高的单节电池多余能量转移到相邻低能量的电池中.但当电池数量较多,加大了电感元器件绕组数量,应用比较困难.同时此方法只能实现相邻电池间均衡,均衡速度慢.有学者提出基于BUCK-BOOST电路的均衡方法[30],该均衡方法只使用1个电感,可应用于多节电池且提高了均衡效果.

(3)复合均衡技术

为减少能耗损失和加快均衡速度,文献[31]提出一种主被动复合均衡的电池充电控制技术.如图7所示,该技术将电池组平均分成N组,且有一个控制器、1个主动均衡控制模块、N个电压采样电路和被动均衡电路.主控器控制主动均衡控制模块对单个电池组动态分别充电,检测单节电池电压,根据每组电压之和调节电池组的充电电压,实现电池组组间主动均衡;组内电池使用并联电阻被动均衡方法,实现组内电池均衡.这种方式既加快电池组的充电速度,又减少能量损耗,还减轻能源系统的重量,可将这种技术应用于航天器能源系统中.

图7 主被动复合均衡电路框图Fig.7 Active and passive composite equalization circuit block diagram

4.3 能源系统调度策略

根据太阳能电池阵列输出功率,储能电池组的SOC以及负载功率需求,将航天器能源系统分为四种工作模式。

(1)储能电池组充电模式

当航天器轻载运行时,太阳能电池阵列输出功率大于任务负载功率需求,储能电池组的SOC值低于规定值,太阳能电池阵列作为唯一能量来源,为保障能源系统的总电能,提高系统功率重量比,该模式下,太阳能电池工作在最大功率点,功率调节单元使太阳能电池输出最大功率,功率分配单元合理分配储能电池和任务负载的功率。储能电池组采用均衡充电技术来提升充电速度和提高有效容量。此时,太阳能电池提供能量同时工作在最大功率点,储能电池起负载作用。

(2)储能电池组不工作模式

随着储能电池组的电量逐渐充满,其SOC值接近100%,储能电池组不再存储电能,功率调节单元使太阳能电池输出功率匹配任务负载功率,功率分配单元切除储能电池组。此时,只有太阳能电池提供能量同时未工作在最大功率点,储能电池组既不是电源也不是负载。

(3)储能电池组辅助放电模式

当任务负载功率需求超过太阳能电池阵列的最大输出功率时,为了保障航天器正常工作能力,储能电池组必须辅助供电,功率调节单元使太阳能电池输出最大功率,功率分配单元使储能电池组输出功率匹配任务负载所需剩余功率。该模式下,太阳能电池工作在最大功率点,储能电池组作为电源放电。

(4)阴影区模式

太阳航天器在上述3种模式中均为工作于阳照区,当运行至地球阴影区,能源系统只有储能电池组提供负载功率需求。此模式下,能源系统的功率取决于储能电池组的输出功率。此时,储能电池组处于放电阶段[32]。

功率调节单元和功率分配单元协调工作,相辅相成,针对不同的外界环境、负载需求变化,使用MPPT法和储能电池管理技术实现能量大功率和高效率转移调度。

5 结 论

能源系统管理技术作为航天器的核心关键技术之一,直接决定了航天器的使用寿命、有效载荷能力和可靠性.

(1)在能源供给方面,本文分析了太阳能电池和储能电池的功率输出特性,研究太阳能电池在不同环境下的最佳工作状态,归纳估算储能电池的SOC的方法.为精确地监测储能电池组性能,需继续深入研究估算储能电池的SOC的方法.电能供给状态确定是实现能源管理的基础,太阳能电池和储能电池的状态估算精度影响了能源系统的功率输出能力和能源调度效率,未来仍需提高太阳能电池和储能电池状态估算精度.

(2)在能源系统架构方面,阐述了能源系统的功率调节单元和功率分配单元,二者相互配合,构成了高效率、高功率的能源管理系统.随着我国空间航天器技术快速发展,对能源系统的功率调节单元和分配单元有更高要求,MPPT模块逐渐应用于功率调节模块,固态配电技术成为航天器配电系统的未来发展趋势.

(3)在能源系统的控制策略方面,总结了太阳能电池控制技术、储能电池组管理技术、系统的调度策略.MPPT法保证了能源系统高功率输出,储能电池组管理技术提升了储能电池组有效容量,调度策略实现能源快速转移.

随着我国空间航天器和深空探测器快速发展,航天器需要长期在轨运行,面对的外太空环境更加复杂多变,能源管理技术在实现能源调度、负载管理和故障隔离的基础上提高功率输出、智能配电和故障自诊断能力,减少对地面控制系统依赖,朝着能源自主管理方向发展.

猜你喜欢

电池组航天器步长
2022 年第二季度航天器发射统计
基于Armijo搜索步长的BFGS与DFP拟牛顿法的比较研究
2019 年第二季度航天器发射统计
2018 年第三季度航天器发射统计
2018年第二季度航天器发射统计
2017年7月原电池及原电池组产量同比增长2.53%
基于LTC6802的电池组均衡电路设计
一种优化的基于ARM Cortex-M3电池组均衡控制算法应用
基于逐维改进的自适应步长布谷鸟搜索算法
一种新型光伏系统MPPT变步长滞环比较P&O法