仿生算法為基礎之鋰離子電池最佳化快速充電波形之搜尋與實現

行政院國家科學委員會專題研究計畫 成果報告

仿生算法為基礎之鋰離子電池最佳化快速充電波形之搜尋 與實現

研究成果報告(精簡版)

計 畫 類 別 ： 個別型

計 畫 編 號 ： NSC 99-2221-E-011-146-

執 行 期 間 ： 99 年 08 月 01 日至 100 年 07 月 31 日 執 行 單 位 ： 國立臺灣科技大學電機工程系

計 畫 主 持 人 ： 劉益華

計畫參與人員： 碩士班研究生-兼任助理人員：邱奕勳 博士班研究生-兼任助理人員：廖瑋星

報 告 附 件 ： 出席國際會議研究心得報告及發表論文

公 開 資 訊 ： 本計畫可公開查詢

中 華 民 國 100 年 12 月 13 日

中 文 摘 要 ： 近幾年來由於數位電子技術的進步，行動電話、筆記型電 腦、MP3 隨身聽以及個人數位助理(PDA)等 3C 電子用品的使 用量迅速成長。在競爭激烈的市場中，3C 產品必須具備輕薄 短小以及可攜帶(portable)的條件方能在市場上佔有一席之 地，因此使用高功率/能量密度的元件與電路成為可攜式產品 的設計趨勢。由於成本的考量，可攜式產品必須使用二次電 池(secondary battery，即可充電電池)。而在所有的二次電 池中，鋰電池具有最高的功率/能量密度，因此廣為可攜式 3C 產品所使用。另一方面，由於多數的再生能源皆屬於間歇 性能源(如太陽能發電僅在有日照量太陽能電池方有輸出；風 力發電也僅有在風力滿足風力機運轉的範圍內才有輸出)，因 此其發電品質與一般民眾對用電的需求尚有一段差距。也因 此，一般再生能源能量源必須加上一能量儲存設備方能形成 一有效之電源。加上能量儲存設備可以獲得改善電源的輸出 電力品質、提高再生能源的運轉效率以及提高供電系統的可 靠度等優點。目前再生能源儲能技術中，應用最廣泛且技術 最成熟之儲能系統也是二次電池儲能系統。

二次電池儲能系統的優劣有絕大部分取決於二次電池的充電 技術。好的充電波形可以縮短電池的充電時間、提升電池的 充電效率並可達到延長電池使用壽命的目的。因此，本計畫 針對鋰離子電池進行最佳化快速充電波形之研究，使用粒群 優化法搜尋適用於二次電池之最佳化快速充電策略，並據以 實現一高效率、數位可控型電池充電機，實驗結果驗證本計 畫所提方法之正確性。

中文關鍵詞： 快速充電、人工演算法、最佳化快速充電波形搜尋技術、粒 群優化法、多相式同步降壓型轉換器。

英 文 摘 要 ： Nowadays, the number of portable 3C (computer,

communication and consumer electronics) products such as mobile phones, personal digital assistant (PDA) and laptop computers has grown explosively. These developments have resulted in massive demand for batteries. Secondary batteries are often used in these equipment because they are cost-effective over the lifetime of the product. On the other hand, secondary battery systems are also often used in renewable energy distribution generation systems.

Since most renewable energies such as solar or wind power are interim energy sources. Adding the energy storage system can improve the power quality and enhance the distribution system reliability. For

secondary batteries, three chemistries are used extensively in today‘s portable 3C devices: nickel- cadmium, nickel-metal hydride and lithium-ion (Li- ion). Among these, lithium-ion batteries are growing at a rapid rate in response to environmental concerns and the need for higher energy density.

The performance and longevity of lithium–ion batteries depend, to a large extent, on the quality of their chargers and charging patterns. Optimal rapid charging patterns can shorten the charging time, improve the charging efficiency and provide more cycle life. However, due to the complex electrochemical characteristics of batteries, a

systematic approach to determine the optimal charging pattern is required. In this project, particle swarm optimization method is utilized to search for the optimal rapid charging pattern for Li-ion batteries.

After obtained the optimal charging pattern, a FPGA- based digital battery charger is implemented

accordingly. Experimental results verify the correctness of the proposed method.

英文關鍵詞： Rapid charging, artificial intelligence methods, optimal rapid charging pattern, particle swarm

optimization, multi-phase synchronous buck converter

行政院國家科學委員會專題研究計畫成果報告

仿生算法為基礎之鋰離子電池最佳化快速充電波形之搜尋與實現 仿生算法為基礎之鋰離子電池最佳化快速充電波形之搜尋與實現 仿生算法為基礎之鋰離子電池最佳化快速充電波形之搜尋與實現 仿生算法為基礎之鋰離子電池最佳化快速充電波形之搜尋與實現

計畫編號：NSC 99-2221-E-011-146- 執行期限：99/08/01至100/07/31

主 持 人：劉益華 台灣科技大學電機工程學系

計畫參與人員： 黃嘉偉、楊宗振、廖瑋星

摘要

近幾年來由於數位電子技術的進步，行動電話、筆 記型電腦、MP3 隨身聽以及個人數位助理(PDA)等 3C 電子用品的使用量迅速成長。在競爭激烈的市場中，3C 產品必須具備輕薄短小以及可攜帶(portable)的條件方能 在市場上佔有一席之地，因此使用高功率/能量密度的元 件與電路成為可攜式產品的設計趨勢。由於成本的考 量，可攜式產品必須使用二次電池(secondary battery，即 可充電電池)。而在所有的二次電池中，鋰電池具有最高 的功率/能量密度，因此廣為可攜式 3C 產品所使用。另 一方面，由於多數的再生能源皆屬於間歇性能源(如太陽 能發電僅在有日照量太陽能電池方有輸出；風力發電也 僅有在風力滿足風力機運轉的範圍內才有輸出)，因此其 發電品質與一般民眾對用電的需求尚有一段差距。也因 此，一般再生能源能量源必須加上一能量儲存設備方能 形成一有效之電源。加上能量儲存設備可以獲得改善電 源的輸出電力品質、提高再生能源的運轉效率以及提高 供電系統的可靠度等優點。目前再生能源儲能技術中，

應用最廣泛且技術最成熟之儲能系統也是二次電池儲能

系統。 二次電池儲能系統的優劣有絕大部分取決於二次電

池的充電技術。好的充電波形可以縮短電池的充電時 間、提升電池的充電效率並可達到延長電池使用壽命的 目的。因此，本計畫針對鋰離子電池進行最佳化快速充 電波形之研究，使用粒群優化法搜尋適用於二次電池之 最佳化快速充電策略，並據以實現一高效率、數位可控 型電池充電機，實驗結果驗證本計畫所提方法之正確性。

關鍵詞：快速充電、人工演算法、最佳化快速充電波形 搜尋技術、粒群優化法、多相式同步降壓型轉換器。

Abstract

Nowadays, the number of portable 3C (computer, communication and consumer electronics) products such as mobile phones, personal digital assistant (PDA) and laptop computers has grown explosively. These developments have resulted in massive demand for batteries. Secondary batteries are often used in these equipment because they are cost-effective over the lifetime of the product. On the other hand, secondary battery systems are also often used in renewable energy distribution generation systems. Since most renewable energies such as solar or wind power are interim energy sources. Adding the energy storage system can improve the power quality and enhance the distribution system reliability. For secondary batteries, three chemistries are used extensively in today's portable 3C devices: nickel-cadmium, nickel-metal hydride and lithium-ion (Li-ion). Among these, lithium-ion batteries are growing at a rapid rate in response to environmental concerns and the need for higher energy density.

The performance and longevity of lithium–ion batteries depend, to a large extent, on the quality of their chargers and charging patterns. Optimal rapid charging

patterns can shorten the charging time, improve the charging efficiency and provide more cycle life. However, due to the complex electrochemical characteristics of batteries, a systematic approach to determine the optimal charging pattern is required. In this project, particle swarm optimization method is utilized to search for the optimal rapid charging pattern for Li-ion batteries. After obtained the optimal charging pattern, a FPGA-based digital battery charger is implemented accordingly.

Experimental results verify the correctness of the proposed method.

Keywords：Rapid charging, artificial intelligence methods, optimal rapid charging pattern, particle swarm optimization, multi-phase synchronous buck converter

I. 前言

在 3C 產業中，以便利性、即時性為考量的可 攜式產品，在現今以效率掛帥的社會中，逐漸邁入 科技業的主流，而未來的將以家庭、生活化做設計 上的規劃，並結合產品的實際應用，達到數位生活 化的科技世代。例如：可攜式的筆記型電腦、擷取 影像的數位相機攝影機、具備行動上網通訊及秘書 功能性的手機等，已逐步進入一般民眾的生活當 中。由此可知，未來消費性電子產品的商機將無遠 弗屆。近期之工研院 ITIS 所發表之全球可攜式機 器市場趨勢皆指出行動電話與筆記型電腦等 3C 產 品在近年仍有相當大的電池需求量 [1-3]。

依照電池的類別區分，目前二次電池的大略可 分為鉛酸、鎳系以及鋰系三種，其中鋰系電池在單 位體積能量密度較其他兩者為高，且具有不具記憶 效應，維護較簡易等特性，因此也成為3C可攜式 產品電力來源的主流。而市面上充電器仍以多採用 慢速定電流/定電壓(CC/CV)充電方式，原因在於舊 式的鋰離子電池對大電流的耐受度不高，且其化性 結構使得鋰離子電池在充電時，必須小心防止其電 壓/溫度超過廠商所提供之安全數值，以避免損傷 及電池甚至造成設備損壞之情形，導致二次電池充 電需要較長的時間。但在充電技術的進展上，過長 的充電時間會降低產品的價值與減少競爭力，而為 減少充電時間，使用大電流充電又將會導致使電池 受到物理上的傷害，降低循環利用上的壽命。所 以，對於充電的研究層出不窮。以Hitachi Maxell 公司所出品的鋰離子電池（型號為ICP063450G）

為例，其標稱容量為900 mAh，然而其最大可耐受 電流則為 3 A（此一數值大於原電池的3倍標稱電 流大小）。目前在充電的領域，研究快速充電、延 長電池壽命(cycle life)、單次充電的容量及電池的

穩定性是未來的趨勢 [4-15]。

II. 研究目的

為了能夠充分掌握此一龐大商機，也為了拓展 我國 3C 消費電子的全球市佔率以及再生能源相關 產業的技術，開發電池充電相關技術是相當重要且 刻不容緩的。本計畫擬針對"電池快速充電技術"

以及"數位資訊產品與系統之電源轉換技術研究"

研究方向進行研究，期待可達到資訊產品的精緻 化，提高產業競爭力以及培育電力電子電路設計與 應用人才之目的。本計畫擬針對鋰離子電池之最佳 化充電暨充電電路實現之各項相關技術進行研 究。本計畫之全程目標在於開發一高效率、高電池 使用壽命之快速充電技術，所欲開發之技術重點集 中於達成最佳化五階段充電波形之搜尋技術研究 以及高效率快速充電電路開發。本年度計畫之主要 目的為利用人工智慧方法搜尋適用於鋰離子電池 之最佳化快速充電波形設定值並以 FPGA 為控制 器實現之，其工作可分為三個部分：利用 PSO 演 算法設計最佳化快速充電波形之搜尋法則、開發搜 尋法則配合電池充放電測試設備進行連續實驗以 搜尋最佳快速充電波形以及以 FPGA 實現所獲得 之充電樣式等。

III. 研究方法

本 年 度 計 畫 目 標 為 使 用 粒 群 優 化 (Particle Swarm Optimization,PSO)法以有系統的方式搜尋 適用於鋰離子電池之最佳化快速充電波形設定值 並以 FPGA 做為核心的方式加以實現。所需開發之 技術包括以 PSO 演算法為基礎之最佳化快速充電 波形搜尋技術、適用於鋰離子電池之最佳化快速充 電研究以及鋰離子電池 FPGA 控制快速充電技術 數據實測等。本計畫預計之進行分成三項工作項目 其說明如下：

a. 以 PSO 演算法為基礎之最佳化快速充電波形搜 尋法則開發

最佳化充電波形因其解空間過於龐大，求解時 間過長，因此可視為一組合最佳化(Combinatorial optimization)問題。除了有系統的實驗設計之外，

仿生算法也可以用來解決此類的問題。仿生算法廣 泛應用在電機工程領域如控制工程、最佳化、影像 處理、及語音辨識等，因此，本計畫擬採用仿生算 法方法進行最佳化快速充電波形之探討。在各個仿 生算法理論如:蟻群算法(ant colony algorithm)、粒 群優化(Particle Swarm Optimization, PSO)、人工免 疫演算法(Artificial Immune Algorithm，AIA)、基 因演算法(Genetic Algorithm，GA)，本計畫因各考 量選用 PSO 為基礎之最佳化快速充電波形搜尋法 則開發。

粒群優化算法是基於群體搜索的演化算法，是 建立在模擬鳥群社會的基礎上的。PSO 即源於對 鳥群捕食行為的研究，一群鳥在隨機搜尋食物，如 果這個區域裡只有一塊食物，那麼找到食物的最簡 單有效的策略就是搜尋目前離食物最近的鳥的周 圍區域。PSO 算法就是從這計算模型中得到啓示

而產生的，並用於解決優化問題。另外，人們通常 是以他們自己及他人的經驗來做為決策的依據，這 就構成了 PSO 的一個基本概念。PSO 求解優化 問題時，問題的解對應於搜索流動空間中一只鳥的 位 置 ， 稱 這 些 鳥 為 " 粒 子 " (particle) 或 " 主 體

"(agent)。每個粒子(或系統的解)都有自己的位置和 速度(決定飛行的方向和距離)，還有一個由被優化 函數決定的適應值。群中的粒子的變化是受其鄰近 粒子的經驗或知識影響的，各個粒子記憶、追隨當 前的最優粒子，在解空間中搜索。所以可見粒群優 化是一種共生合作算法。在粒群優化算法中，每次 叠代過程不是完全隨機的，如果找到較佳解，將會 以此為依據來尋找下一個解。PSO 之演算過程令 POS 初始化為一群隨機粒子(隨機解)，在每一次叠 代中，粒子通過跟蹤兩個"極值"來更新自己:第一個 就是粒子本身所找到的最佳解，叫做個體極值點 (用 pbest 表示其位置)，全局版 PSO 中的另一個 極值點是整個種群目前找到的最好解，稱為全局極 值點(用 gbest 表示其位置)，而局部版 PSO 不用 整個種群而是用其中一部分作為粒子的鄰居，所有 鄰居中的最佳解就是局部極值點(用 lbest 表示其 位置)。在找到這兩個最佳解後，粒子根據如下的 式(1)和式(2)來更新自己的速度和位置。粒子 i 的 信息可以用 D 維向量表示， 位置表示為

1 2

( , , ..., )^T

i i i iD

X = x x x

(1) 速度表示為

1 2

( _i

,

, ...,

(2) 則速度和位置更新方程為

1

2 1

2 )

( )

(

k k k k k

id id i id id

k k k

d id

v wv c rand pbest x

c rand gbest x

+ = −

+ −

+

(3)

1 1

k k k

id id id

x ⁺ = x + x ⁺ ₍₄₎

k

vid

是粒子 i 在第 k 次叠代中第 d 維的速度;

w為其權值，C1、C2 是加速系數 (或稱學習因子)，

分別調節向全局最好粒子和個體最好粒子方向飛 行的最大步長，若太小，則粒子可能遠離目標區 域，若太大則會導致突然向目標區域飛去，或飛過 目標區域。合適的 C1、C2 可以加快收斂且不易陷

入局部最優，randi,2 是[0,1]之間的隨機數;

k

xid

是 粒子 i 在第 k 次叠代中第 d 維的當前位置; pbest 是 粒子 i在第 d維的個體極值點的位置(即座標); gbest 是整個群在第 d 維的全局極值點的位置。為防止 粒子遠離搜索空間，粒子的每一維速度 Vd都會被 鉗住在 [−Vdmax ,+Vdmax] 之間，Vdmax 太大，粒子 將飛離最佳解，太小將會陷入局部最優。假設將搜 索空間的第 d 維定義為區間[−Xdmax, +Xdmax] ，則 通常 Vdmax = k‧Xdmax ，0.1 ≤ k ≤ 1.0 每一維都用相 同的設置方法。基本 PSO 的流程可以描述為：

Step 1：初始化 - 初始搜索點的位置 Xi⁰ 及其速度 通常是在允許的範圍內隨機產生的，每個粒子 的 pbest 座標設置為其當前位置，且計算出其 相應的個體極值 (即個體極值點的適應度 值)，而全局極值 (即全局極值點的適應度值) 就是個體極值中最好的，記錄該最佳值的粒子 序號，並將 gbest 設置為該最好粒子的當前 位置。

Step 2：評價每一個粒子 - 計算粒子的適應度值，

如果優於該粒子當前的個體極值，則將 pbest 設置為該粒子的位置，且更新個體極值。如果 所有粒子的個體極值中最好的優於當前的全 局極值，則將 gbest 設置為該粒子的位置，

記錄該粒子的序號，且更新全局極值。

Step 3：粒子的更新-用式(3)和式(4)對每一個粒子 的速度和位置進行更新。

Step 4：檢驗是否符合結束條件-如果當前的迭代次 數達到了預先設定的最大次數 (或達到最小 誤差要求)，則停止叠代，輸出最優解，否則 轉到 Step 2。

將上述的算法運行直至收斂為止。除了上面討 論的算法外，近年來的研究使這些算法得以改進，

其中包括改善其收斂性和提高其適應性。

b. 鋰離子電池最佳化快速充電波形研究

五階段快速充電，以獲得最佳化參數設定值並 探討此一問題。綜而言之，本計畫擬針對鋰電池的 快速充電波形進行探討，將以五階段的充電電流設 為控制變數，在應用 PSO 演算法並滿足所有限制 式下，使得目標函數為最大化，對於目標函數將找 尋出最佳之參數解，尋出最適合之參數設定值。底 下將針對五階段快速充電方法如何以 PSO 演算法 進行最佳化波形之設計規劃進行一簡單之說明：

本計畫應用 PSO 演算法去求解五階段充電波 形，並應用充電機之測試，求得電池的放電容量及 充電時間，最佳化問題之求解過程步驟說明如下：

步驟一：首先以預設的方式產生初始族群，初始族 群之電流需符合Ii₁ > Ii₂ > Ii₃ > Ii₄ > Ii₅

之限制，如表 1 為第一次的控制變數。

步驟二：將初始的設定值，代入充電機做五階段充 電測試並求得各顆電池之放電容量及充 電時間。

步驟三：將族群所得到之數據進行正規化，規則如 公式(5)。

( )

5

/

Normalizationi

0.85 max_ 0.95 0.85

max_ min_

step

CC CV i

i

i

C C T T

T T

α β

= × + ×

+ − × −

−

 

 

 

   

   

   

(5)

Gi5step及 Cicc/cv分別為五階段及 CC/CV 第 i 顆電

池之電池容量，α 及 β 分別為電池容量及充電時間 之權重值，max_T 為族群中最大的充電時間，

min_T為族群中最小的充電時間，Ti 為第 i 顆電池 的充電時間。

步驟四：計算族群中每組字串的適應函數值，並取 出族群中較佳的適函數值。

步驟五：判斷是否符合收斂條件，若符合則結束運 算；若不符合，則進行驟六，規則如公式 (6)。k 為疊代次數。

k k-1

max {Normalization } ≤ max{Normalization } (6) 步驟六：使 k=k+1;然後進行下一次的 PSO 演算過

程，求出下一次的粒子群狀態，如此重複 步驟二至步驟六，直到求出最佳解。

表 1 為五階段電流設定值，分別為 I1、I2、I3、

I4及 I5，表格內的數字表示為 C Rate( C 為電池容 量)。圖 1 為本計畫使用粒群優化法搜尋最佳化快 速充電電流設定值之實驗架構，圖 2 則為相對應之 流程圖。

表 1 第一次 PSO 之實驗設定值

電池編號 I1 I2 I3 I4 I5

1 1.5 1.3 1 0.7 0.4

2 1.47 1.27 0.97 0.67 0.38 3 1.45 1.23 0.93 0.63 0.36

4 1.42 1.2 0.9 0.6 0.34

5 1.39 1.17 0.87 0.57 0.32 6 1.37 1.13 0.83 0.53 0.3

7 1.34 1.1 0.8 0.5 0.28

8 1.31 1.07 0.77 0.47 0.26 9 1.29 1.03 0.73 0.43 0.24

10 1.26 1 0.7 0.4 0.22

11 1.23 0.97 0.67 0.37 0.2 12 1.21 0.93 0.63 0.33 0.18

13 1.18 0.9 0.6 0.3 0.16

14 1.15 0.87 0.57 0.27 0.14 15 1.13 0.83 0.53 0.23 0.12

16 1.1 0.8 0.5 0.2 0.1

c. FPGA-based快速充電機之實現

本計畫運用 PSO 演算法去求得充電波形，收 斂後得到最佳充電電流波形。在完成上一階段之工 作項目後，本計畫將據此實現一基本 FPGA 控制型 充電機硬體電路，並將最佳化充電波形以 VHDL 語言實現之。本計畫之充電機架構圖如 3 所示，由 圖中可清楚看出，輸入直流電壓為直流/直流功率 轉換器之輸入，功率轉換器則經由責任週期之變 化，送出所需之電流對電池做充電測試。功率轉換 器的開關責任週期是經由可程式邏輯閘陣列(Field Programmable Gate Array, FPGA)來控制，可程式邏 輯閘陣列經由回授之電池參數(Vbat, Ibat)以及配 合 PSO 演算法所求得之最佳化充電波形參數進行 設定，送出所需之脈寬調變訊號給功率轉換器，然 後對電池進行充電測試。

由於快速充電所需的電流較一般充電為高。因 此，本計畫擬採用多相式(Multiphase)同步降壓型 轉換器來實現此一電路。多相式電路以併聯分時 (Interleave)驅動方式驅動一個以上的同步降壓轉 換器，可有效降低電壓電流漣波以及被動元件大 小。多相式同步降壓轉換器之示意圖如圖 4 所示。

圖 1 實驗架構

圖 2 實驗流程圖

圖 3 FPGA 快速充電機架構圖

圖 4 多相式同步降壓轉換器示意圖 本年度計畫之硬體架構實現主要是運用可程 式邏輯閘陣列作為控制核心，取代第一年硬體架構 所使用之微處理器控制器，可程式規劃邏輯閘陣 列，是一種具有可編程邏輯元件及提供使用者配合 程式語言規劃數位積體電路的半導體元件。以下是 使用 FPGA 規劃數位電路的優點：

(1) 能夠直接規劃所設計的電路，若要修改或更 換電路元件，只要改變程式的架構及參數，縮短設 計者的工作時間，加速產品的上市。

(2) 設計結果的模擬與驗證只需要透過模擬合成 軟體便能夠得到，減低一般電路模擬的複雜度與提 高電路設計的正確性。

(3) 電路設計的自由度較高，所有的數位電路皆 可依使用者的需求自行開發設計，不必遷就或搭配 晶片中已開發好的電路。

可程式規劃邏輯閘陣列一般都會配合硬體描 述語言(Very high speed integrated circuit Hardware Description Language, VHDL)來規劃及設計電路，

VHDL 是一種描述電路行為來表現電子電路功能 的程式語言，其因為是符合 IEEE 標準規範的程式 語言，所以具有可攜帶性，能夠在不同的編譯器上 執行所設計的程式，並具有以下的優點：

(1) 程式設計的彈性大，且具有設計及修改容 易、維護及除錯簡便的好處。

(2) 程式的撰寫方式具個人化風格，不同的使用 者在設計同樣電路時會有不同的描述方式，其執行 結果的時間與複雜度或是合成電路的體積也皆會 有所不同。

IV. 測試與實驗結果 a. 鋰離子電池最佳化快速充電波形研究

本計畫利用 PSO 運算法則，表 1 為第一次 PSO

實驗，將得到的容量做正規劃與時間數值化後，代 入式(5)後得到每一個的正規化的數值，將取最大 值作為 gbest(去所有做過的數值最好的結果)的數 值，其各個 pbest 則取個別最好的結果當作 pbest，

以此類推以進行下次的實驗，詳細介紹參考前面之 搜尋最佳化之充電波形之流程，。

表 2 為第一次進行實驗的結果，表 3 為連續實 驗六次之正規劃結果，利用式(6)判斷其收斂條 件，表 3、圖 5 為連續充放電之正規化曲線圖可得 知整體數值具有收斂之效果，其最佳解比對表 4 最後一次之執行設定可得 1.31、1.09、0.86、0.49、

0.32為五階段之最佳設定值。

表 2 第一次 PSO 之實驗結果

電池編號 容量

正規劃 平均時間 時間數值化 正規化1

B1 0.8324 00:49:02 49.03 0.488

B2 0.8558 00:47:53 47.88 0.625

B3 0.8576 00:49:05 49.08 0.623

B4 0.8616 00:51:03 51.03 0.627

B5 0.8697 00:52:22 52.36 0.644

B6 0.8766 00:53:18 53.30 0.660

B7 0.8820 00:56:07 56.11 0.639

B8 0.9106 00:57:55 57.91 0.750

B9 0.8925 01:00:04 60.06 0.653

B10 0.9013 01:02:13 62.21 0.666

B11 0.9027 01:05:08 65.13 0.639

B12 0.9254 01:08:30 68.50 0.707

B13 0.9046 01:12:26 72.43 0.526

B14 0.9127 01:15:35 75.58 0.538

B15 0.9334 01:20:09 80.15 0.579

B16 0.9366 01:27:27 87.45 0.500

表 3 連續實驗之正規化結果

Num 正規化1 正規化2 正規化3 正規化4 正規化5 正規化6

1 0.488 0.672 0.502 0.542 0.621 0.619

2 0.625 0.601 0.652 0.69 0.708 0.712

3 0.623 0.626 0.626 0.548 0.632 0.635

4 0.627 0.607 0.599 0.659 0.675 0.677

5 0.644 0.69 0.666 0.695 0.703 0.702

6 0.66 0.699 0.613 0.696 0.702 0.705

7 0.639 0.667 0.67 0.698 0.754 0.748

8 0.75 0.769 0.79 0.802 0.795 0.797

9 0.653 0.664 0.676 0.694 0.701 0.705

10 0.666 0.702 0.699 0.73 0.743 0.737

11 0.639 0.68 0.692 0.723 0.735 0.732

12 0.707 0.74 0.732 0.783 0.785 0.782

13 0.526 0.663 0.581 0.675 0.693 0.692

14 0.538 0.645 0.654 0.699 0.721 0.723

15 0.579 0.685 0.724 0.759 0.763 0.758

16 0.5 0.721 0.705 0.71 0.731 0.738

0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85

1 2 3 4 5 6

1 2 3 4 5 6 7 8 9 10

圖 5 連續充放電之正規化曲線圖

表 4 最後一次之實驗參數設定值

電池編號 I1 I2 I3 I4 I5

1 1.31 1.09 0.86 0.52 0.34

2 1.33 1.17 0.82 0.50 0.33

3 1.30 1.05 0.84 0.41 0.35

4 1.32 1.10 0.85 0.49 0.31

5 1.42 1.12 0.86 0.55 0.31

6 1.35 1.12 0.88 0.53 0.31

7 1.31 1.09 0.86 0.49 0.32

8 1.31 1.09 0.86 0.49 0.32

9 1.31 1.10 0.86 0.49 0.32

10 1.31 1.21 0.88 0.51 0.32

11 1.31 1.09 0.88 0.51 0.33

12 1.32 1.09 0.86 0.47 0.32

13 1.28 1.08 0.88 0.53 0.33

14 1.31 1.09 0.83 0.49 0.32

15 1.31 1.09 0.86 0.49 0.32

16 1.39 1.11 0.74 0.43 0.33

b. FPGA-based快速充電機之實現

圖 6 為多階段數位充電器之實現韌體架構圖，圖 7 為四相交錯式降壓轉換器電感電流與閘極控制信 號波形圖，圖 8 為本計畫實現之多階段數位充電機 之硬體電路。

圖 6 多階段數位充電器之實現韌體架構圖

(a) 四相交錯式降壓轉換器電感電流波形圖 (CH1、CH2、CH3、CH4: 100 mA/div, Time: 20µs/div)

(b) 四相交錯式降壓轉換器上橋閘極控制信號 (CH1、CH2、CH3、CH4: 10V/div, Time: 20µs/div)

圖 7 四相交錯式降壓轉換器電感電流與閘極控制 信號波形圖

圖 8 多階段數位充電機之實體電路

V. 結論

本計畫主要目的為以人工智慧相關方法搜尋 適用於二次電池之最佳化快速充電策略，並據以實 現一高效率、數位可控型電池充電機。本計畫完成 下列成果：

‧利用粒群優化設計最佳化快速充電波形之 搜尋法則

‧使用電池測試設備進行連續實驗以搜尋最 佳快速充電波形並驗證之

‧以 FPGA 實現所獲得之充電樣式(pattern)

VI. 計畫自評

本計畫計產出國際期刊論文一篇，國際會議論 文三篇。培育碩士級學生八名，於 99 年 6 月畢業。

本計畫亦完成 FPGA 數位控制之電池充電電路、

FPGA數位控制程式實現、鋰離子電池最佳化快速 充電波形研究與 PSO 演算法則開發。計畫成果應 符合本計畫之規劃。

VII. 參考文獻

[1] H. Oman, “Aerospace and military battery applications,” IEEE Aerospace and Electronic Systems Magazine, Vol. 17, No. 10, October 2002, pp. 29 – 35 [2] A. M. De. Broe, S. Drouilhet and V. Gevorgian, “A

Peak Power Tracker For Small Wind Turbines In Battery Charging Applications,” IEEE Transactions on

Energy Conversion, Vol. 14, No. 4, December 1999, pp.

1630 – 1635

[3] Chia-Hsiang Lin, Chi-Lin Chen, Yu-Huei Lee, Shih-Jung Wang, Chun-Yu Hsieh, Hong-Wei Huang and Ke-Horng Chen, “Fast charging technique for Li-Ion battery charger,” Proc. of IEEE Electronics, Circuits and Systems International Conference, September 2008, pp. 618 – 621

[4] L.-R. Chen, N.Y. Chu, C.S. Wang and R.H. Liang,

“Design of a Reflex-Based Bidirectional Converter With the Energy Recovery Function,” IEEE Transactions on Industrial Electronics, Vol. 55, No. 8, August 2008, pp. 3022-3029

[5] Liang-Rui Chen, “A Design of an Optimal Battery Pulse Charge System by Frequency-Varied Technique,” IEEE Transactions on Industrial Electronics, Vol. 54, No. 1, February 2007, pp.398-405 [6] Liang-Rui Chen, Cheng-Chou Huang and Shing-Lih Wu, “A Design of A Li-ion Battery Duty-Varied Pulse Charger,” Proc. of the IEEE Industrial Electronics Conference, 5-8 November 2007, pp. 402-407 [7] N.K. Medora and A. Kusko “An Enhanced Dynamic

Battery Model of Lead-Acid Batteries Using Manufacturers' Data,” Proc. of Telecommunications Energy Conference, September 2006, pp. 1-8

[8] H. Surmann, “Genetic optimization of a fuzzy system for charging batteries,” IEEE Transactions on Industrial Electronics, Vol. 43, No. 5, October 1996, pp. 541-548

[9] Tsung-Ying Lee, “Operating Schedule of Battery Energy Storage System in a Time-of-Use Rate Industrial User With Wind Turbine Generators: A Multipass Iteration Particle Swarm Optimization Approach,” IEEE Transactions on Energy Conversion, Vol. 22, No. 3, September 2007, pp. 774-782

[10] Ying-Chun Chuang and Yu-Lung Ke, “A Novel High-Efficiency Battery Charger With a Buck Zero-Voltage-Switching Resonant Converter,” IEEE Transaction on Energy Conversion, Vol. 22, No. 4, December 2007, pp. 848-854

[11] Y.-C. Chuang and Y.-L. Ke, “High-Efficiency and Low-Stress ZVT–PWM DC-to-DC Converter for Battery Charger,” IEEE Transactions on Industrial Electronics, Vol. 55, No. 8, August 2008, pp.

3030-3037

[12] Y.S. Lee and G.T. Cheng, “Quasi Resonant Zero Current Switching Bidirectional Converter for Battery Equalization Applications,” IEEE Transactions on Power Electronics, Vol. 21, No. 5, September 2006, pp.1213-1224

[13] J. H. Lee, H. S. Bae and B. H. Cho, “Resistive Control for a Photovoltaic Battery Charging System Using a Microcontroller,” IEEE Transactions on Industrial Electronics, Vol. 55, No. 7, July 2008, pp. 2767-2775 [14] Y. H. Liu and J. H. Teng, "Design and Implementation

of a Fully-digital Lithium-Ion Battery Charger," Proc.

of IEEE Region 10 Technical Conference, 14-17 November 2006, Hong Kong (EI)

[15] F. Tao, D. Zhao, Y. Hu, and Z. Zhou, “Resource service composition and its optimal-selection based on particle swarm optimization in manufacturing grid system,” IEEE Trans. on Industrial Electronics, vol. 4, no. 4, pp. 315–327, Nov. 2008.

劉益華

台灣科技大學 電機工程學系 May 28, 2011

參加會議經過

本人於 5/27 日搭乘中華航空班機前往泰國曼谷(Bangkok, Thailand)參加 2011 年國 際 資 訊 與 電 子 工 程 會 議 (2011 International Conference on Information and Electronics Engineering, (ICIEE 2011))，本次會議於曼谷 First Hotel 舉辦。

大會活動於五月廿八日正式展開. 主要是論文發表的議程，其中與本人研究較相 關者有包括：

5 月 28 日至 5 月 29 日為全體與會人員的共同議程，其中本人於 5 月 28 日參加 Session 1A 議程，該議程中報告之論文包括 Gaurav Sethi 等人發表之"A NOVEL DESIGN OF AUTOMATIC SWITCH CUM FUSE IC FOR DIGITAL CIRCUITS

"、Shang-Wen Luan 等人發表之" Development of an Intelligent Fault Indicator for Smart Grids"、Rong-Ceng Leou 等人發表之" A Transmission Plan Considering Uncertainties Under a Deregulated Market"、Shun-Yu Chan 等人發表之" Advanced Remote Control Infrastructure for Intelligent HEMS "、Jian-Long Kuo 等人發表之"

FAST Color Space Transformation for Embedded Controller by SA-C Recofigurable Computing "、以及 Rawid Banchuin 等人發表之" Process Induced Random Variation Models of Nanoscale MOS Performance: Efficient tool for the nanoscale regime analog/mixed signal CMOS statistical/variability aware design "等文。本人於該議程 中發表" Design of a digitally-controlled LLC resonant converter"之文章。

5 月 29 日參加 Session 2B 議程，該議程中報告之論文包括 Alireza Gharegozi 等人 發表之"Greedy Flow Control by FRED Active Queue Management Mechanism"、

Yogendra Kumar 等人發表之" Application of ANN in Service Restoration in Distribution Systems with Noisy Input "、Noor Hafizah Abdul Aziz 等人發表之"

Alert System in Oil Palm Tissue Culture Laboratory via SMS and Email "、Edmundas Petrauskas 等人發表之"Volume Modeling of Individual Trees Using Stochastic Differential Equations and Trivariate Copula"、A. Salleh,等人發表之" Simulation of GaAs pHEMT Ultra-Wideband Low Noise Amplifier using Cascaded, Balanced and Feedback Amplifier Techniques"、以及 Abdolamir Nekoubin 等人發表之"Improve the Performance of Linear Induction Motors by Independent Control for Testing Aircraft and Submarine Models "等文。

會議結束後，於五月三十日搭機返國。

與會心得

2011 年國際資訊與電子工程會議(2011 International Conference on Information and Electronics Engineering, (ICIEE 2011))為新加坡電子協會針對工業資訊主題所舉 辦之研討會，會中針對各式工業資訊應用技術進行探討，因此吸引相當多的學界 人士前來參與，是一個交換及吸收新資訊的良機，並使得亞太地區之研究學者有 機會進行交流。。由於本期之主題為應用於智慧生活之工業資訊技術，與本人研 究相關，參加此一會議可瞭解智慧生活相關知識與最新研究狀況。本人於參與會 議時見識了其他同領域研究學者的報告，使人受益良多，並認識了不少不同國家 的學者。

攜回資料及內容

1.ICIEE 2011 Conference Proceedings: 記錄場地、時間、演講者、題目及摘要等。

2.ICIEE 2011 Conference 完整報告光碟。

國科會補助計畫衍生研發成果推廣資料表

日期:2011/11/16

國科會補助計畫

計畫名稱: 仿生算法為基礎之鋰離子電池最佳化快速充電波形之搜尋與實現 計畫主持人: 劉益華

計畫編號: 99-2221-E-011-146- 學門領域: 電力系統

無研發成果推廣資料

99 年度專題研究計畫研究成果彙整表

計畫主持人：劉益華 計畫編號：99-2221-E-011-146- 計畫名稱：仿生算法為基礎之鋰離子電池最佳化快速充電波形之搜尋與實現

量化

成果項目 ^{實際已達成}

數（被接受 或已發表）

預期總達成 數(含實際已

達成數)

本計畫實 際貢獻百

分比

單位

備 註 （ 質 化 說 明：如 數 個 計 畫 共 同 成 果、成 果 列 為 該 期 刊 之 封 面 故 事 ...

等）

期刊論文 0 0 100%

研究報告/技術報告 1 1 100%

研討會論文 2 3 100%

論文著作 篇

專書 0 0 100%

申請中件數 0 0 100%

專利 已獲得件數 0 0 100% 件

件數 0 0 100% 件

技術移轉

權利金 0 0 100% 千元

碩士生 2 2 100%

博士生 0 0 100%

博士後研究員 0 0 100%

國內

參與計畫人力

（本國籍）

專任助理 0 0 100%

人次

期刊論文 1 1 100%

研究報告/技術報告 0 0 100%

研討會論文 3 3 100%

論文著作 篇

專書 0 0 100% 章/本

申請中件數 0 0 100%

專利 已獲得件數 0 0 100% 件

件數 0 0 100% 件

技術移轉

權利金 0 0 100% 千元

碩士生 0 0 100%

博士生 0 0 100%

博士後研究員 0 0 100%

國外

參與計畫人力

（外國籍）

專任助理 0 0 100%

人次

其他成果

(

無

成果項目 量化 名稱或內容性質簡述

測驗工具(含質性與量性) 0

課程/模組 0

電腦及網路系統或工具 0

教材 0

舉辦之活動/競賽 0

研討會/工作坊 0

電子報、網站 0

科 教 處 計 畫 加 填 項

目 計畫成果推廣之參與（閱聽）人數 0

國科會補助專題研究計畫成果報告自評表

請就研究內容與原計畫相符程度、達成預期目標情況、研究成果之學術或應用價 值（簡要敘述成果所代表之意義、價值、影響或進一步發展之可能性） 、是否適 合在學術期刊發表或申請專利、主要發現或其他有關價值等，作一綜合評估。

1. 請就研究內容與原計畫相符程度、達成預期目標情況作一綜合評估

■達成目標

□未達成目標（請說明，以 100 字為限）

□實驗失敗

□因故實驗中斷

□其他原因 說明：

2. 研究成果在學術期刊發表或申請專利等情形：

論文：■已發表 □未發表之文稿 □撰寫中 □無 專利：□已獲得 □申請中 ■無

技轉：□已技轉 □洽談中 ■無 其他：（以 100 字為限）

本計畫計產出國際期刊論文一篇，國際會議論文三篇。培育碩士級學生八名，於 99 年 6 月畢業。本計畫亦完成 FPGA 數位控制之電池充電電路、FPGA 數位控制程式實現、鋰離子電池 最佳化快速充電波形研究與 PSO 演算法則開發。計畫成果應符合本計畫之規劃。

3. 請依學術成就、技術創新、社會影響等方面，評估研究成果之學術或應用價 值（簡要敘述成果所代表之意義、價值、影響或進一步發展之可能性）（以 500 字為限）

本計畫主要目的為以人工智慧相關方法搜尋適用於二次電池之最佳化快速充電策略，並據 以實現一高效率、數位可控型電池充電機。本計畫完成下列成果：

‧利用粒群優化設計最佳化快速充電波形之搜尋法則

‧使用電池測試設備進行連續實驗以搜尋最佳快速充電波形並驗證之 ‧以 FPGA 實現所獲得之充電樣式(pattern)

在成果推展性方面，所開發之最佳化快速充電波形可應用於各式使用電池之 3C 產品如手 機、筆記型電腦等，以及各式大型電池儲能系統如太陽能儲能系統、燃料電池儲能系統以 及電池能量管理系統等。除了一般的充電應用場合之外，如果能夠快速充電，則電動工具 機以及電動滑板車、電動腳踏車、太陽能車等電動車輛亦是鋰離子電池可以應用的場合。