铅酸蓄电池制造工艺成熟,安全性高,在交通、能源、通信等领域得到广泛应用。铅酸蓄电池的剩余容量SOC(State Of Charge,荷电状态)对蓄电池安全稳定的运行有着重要的影响。对蓄电池合理使用的前提是对蓄电池SOC及时,准确的获取。如何准...
详细信息
铅酸蓄电池制造工艺成熟,安全性高,在交通、能源、通信等领域得到广泛应用。铅酸蓄电池的剩余容量SOC(State Of Charge,荷电状态)对蓄电池安全稳定的运行有着重要的影响。对蓄电池合理使用的前提是对蓄电池SOC及时,准确的获取。如何准确有效的获得蓄电池的SOC是电池管理系统的任务之一,也是当前研究的热点。比较几种常用的蓄电池SOC测量方法在准确性,适用性等方面的优缺点,选取一种合适的估计策略。结合了神经网络与模糊推理优点的模糊神经网络可以有效提高对复杂系统的处理能力,满足本文的要求。本文选择基于模糊神经网络的铅酸蓄电池SOC估计策略,通过建立对应的预测模型对铅酸蓄电池的SOC进行估计研究。铅酸蓄电池的SOC受诸多因素的影响,为提高预测模型的计算精度,对预测模型输入变量的选择至关重要。在蓄电池工作原理及性能分析的基础上,选择易于测量且与蓄电池SOC关系密切并相互独立的物理参数为模型的输入变量。为获得建立模型所需要的实际样本数据,搭建实物电路对铅酸蓄电池进行放电实验。在不同负载情况下,采集蓄电池的端电压、放电电流、蓄电池的内阻以及蓄电池SOC的实时值,并利用仿射传播聚类算法对所得数据进行预处理,将处理后的数据用于模型的建立。在仿真环境下,建立基于模糊神经网络的铅酸蓄电池SOC预测模型。以蓄电池的端电压、放电电流、蓄电池的内阻为网络的输入变量,预测蓄电池SOC。通过仿真分析,采用模糊神经网络方法可以有效的提高蓄电池SOC的估计精度,同时该模型具有较强的泛化能力且适用性强。在对蓄电池SOC的估计中,蓄电池内阻这一内部参数的引入,同时结合蓄电池外部参数为蓄电池SOC的估计提供了新的思路。
暂无评论