陈洋，程乐峰，邹涛

CHENYang，CHENGLefeng，ZOUTao*

（广州大学机械与电气工程学院，广州510006）

（Department of Mechanical and Electrical Engineering，Guangzhou University，Guangzhou 510006，China）

0 引言

碳达峰、碳中和目标下，电动汽车、电力储能的发展势头愈加强劲［1］。为了给不间断电源、电动汽车等系统提供足够的电压，通常将电池串联使用。在此背景下，锂离子电池因功率和能量密度高、单体电池电压高、自放电率低、无记忆效应以及环保无污染等优点得到广泛应用［2］。应用过程中，导致锂离子电池间电压失衡的原因很多，如充放电阶段内阻差异等。电池在没有任何控制的情况下长期工作在失衡状态，能量储存能力会严重下降，最坏情况下还可能发生火灾或爆炸，因此，对串联电池组进行均衡控制显得很有必要且十分有意义［3］。

当均衡电路拓扑结构一定时，均衡系统性能主要由控制策略决定。目前，可用于路径规划的智能算法有很多，如人工势场算法、神经网络算法、遗传算法及网格算法等［4-6］。这些算法中，人工势场算法主要用于对底层的实时控制，但易陷入局部最优解，缺乏全局性的信息；神经网络算法擅长学习，但其功能网络结构过大，在多重障碍和动态的环境中，其神经元阈值随着时间的变化而改变；遗传算法具有良好的全局搜索能力，但其搜索空间很大，模型必须随着环境的变化而不断重新建立；网格算法可以阐明最佳路径，但其效率易受环境和网格密度的影响［7-9］。

蚁群优化算法作为一种智能搜索算法，与其他路径规划技术（如启发式搜索或潜在领域）不同，可简化为通过图寻找优化路径［10-11］。……