论文部分内容阅读
本文以固定型后备用阀控式密封铅酸(VRLA)蓄电池为对象,以遗传算法、神经网络等智能预测算法为手段,针对蓄电池剩余容量预测技术及工程实现问题进行了研究。
综述了蓄电池剩余容量预测技术的研究现状,对铅酸蓄电池的基本工作原理、特性参数进行了介绍,分析了其充放电过程及影响剩余容量的因素,为研究蓄电池的剩余容量预测技术奠定了基础。
通过对现有蓄电池剩余容量预测技术进行对比研究,提出了一种基于遗传BP神经网络的预测方法。以蓄电池组的放电电流及各单体电池的放电工作电压为输入参数,以标准放电电流下的电池剩余容量为输出参数,采用BP神经网络作为基本网络结构,首先通过遗传算法对网络初始权值进行优化,再采用动量梯度下降反向传播算法对网络权值进行训练,建立了蓄电池剩余容量预估模型。遗传算法采用实数编码,为避免算法的“早熟”现象和后期收敛速度慢的问题,对其进行了改进,建立了一种基于实数编码和自适应变异率的遗传算法。
为了提高蓄电池剩余容量在线预测的精度,采用正温度系数(PTC)热敏电阻设计了一种智能蓄电池组放电负载,可以控制蓄电池组以恒定的电流放电,避免了直接使用用电设备作为负载时,因放电电流波动范围大而造成容量预测精度不高的现象。实验结果表明:采用这种放电方式,利用所建预估模型预测到的电池剩余容量能很好地跟踪电池的实际剩余容量,预测误差都在10%以下。
最后介绍了一种蓄电池组剩余容量预测系统的总体设计方案,并对系统各功能块的设计进行了详细介绍,给出了系统样机图。