一种基于多因素灰色关联模型的蓄电池容量预测方法
【专利摘要】本发明公开一种基于多因素灰色关联模型的蓄电池容量预测方法。在蓄电池放电时分四次等间隔测量蓄电池的端电压、内阻和容量值；第五次测量端电压和内阻；以前四次端电压和内阻分别作为预测对象，将加权参数进行递增迭代，依次通过GM(1,1)灰色模型得到端电压的预测值，与第五次的端电压作差，取各自差的绝对值取最小值时的加权参数值；选取端电压、内阻为关联因素建立GM(1,N)灰色模型，最终加权参数值为上述两个加权参数值的平均数，并和前四次的测量数据代入得到蓄电池剩余容量。本发明易于实现、实时性好而且预测精度高，其仅需少量数据即可完成预测，避免了传统方法中的深度放电对电池造成的伤害问题，有效的提高了蓄电池寿命。
【专利说明】一种基于多因素灰色关联模型的蓄电池容量预测方法
【技术领域】
[0001]本发明涉及一种蓄电池容量预测方法，尤其是涉及一种基于多因素灰色关联模型的蓄电池容量预测方法。
【背景技术】
[0002]随着电力电子技术的突飞猛进，国民经济的进步和发展，社会对电力的需求及依赖程度越来越高，特别是对那些重要、关键的电力负荷，一旦中断供电，往往会导致非常严重的，甚至是灾难性的后果。同时，人们对突发事件的防范意识越来越高，集中应急供电系统或应急电源越来越受到人们的重视，并在企业、变电站、医院等相关场合成为必备的集中应急供电系统。
[0003]铅酸蓄电池由于其容量大、成本低、自放电率低、结构紧凑等优越性是应急电源(EPS)系统的基本组成部分，是重要的储能设备，也是不间断电源(UPS)的核心，它可保证通信设备及动力设备的不间断供电，直接关系到整个电源系统的可靠运行。为了防止蓄电池在运行中出现问题，除了需要对蓄电池本身的性能进行改进外，提高和改善蓄电池状态监控系统也起着至关重要的作用，要采用合理的方式实时准确的监测蓄电池的当前参数，时刻关注其容量值的大小，定期对电池浮充充电，否则极易造成安全隐患。
[0004]目前业内判断蓄电池容量较为常用的方法是核对性放电实验这一“计划维修”方法，但其危险性大、放电周期长，不仅频繁放电对电池寿命影响很大，而且其实验结果很难具有一般性。不少学者针对这一问题做过相关研究。例如中国专利公告CN102226834A(公告日期:2011年10月26日)公开了一种基于模糊分类技术的蓄电池容量判断方法。该方法根据模糊数学理论将电池初始容量进行分类并建立标准放电曲线，再计算放电电压的分类参数，最后根据转换规则计算当前容量。此方法虽然操作简单，只需要短时放电即可获得容量值，但是方法的预测精度差，针对不用型号的电池，模型误差差别非常明显。
[0005]事实上，蓄电池的容量不仅由可以检测到的电压、内阻、温度等因素有关，而且与电解液浓度、极板老化氧化程度等无法直接检测的因素也有关，系统属于典型的灰色系统。
【发明内容】
[0006]本发明的目的是提供一种基于多因素灰色关联模型的蓄电池容量预测方法，简单有效，可以通过采集电池基本电参数如电压内阻等信息而进行容量预测，避免深度放电对电池造成的危害以及其他安全问题。
[0007]为解决上述问题，本发明采用以下步骤:
[0008]I)在蓄电池放电时分四次等间隔测量蓄电池的端电压、内阻，通过分别对每次测量时的放电电流和放电时间进行积分得到初始容量值，从而得到前四次的端电压、内阻和初始容量值，前四次测量之间的间隔时间相同；
[0009]2)前四次测量蓄电池后，在放电时对蓄电池进行第五次测量端电压和内阻，第五次测量和第四次测量之间的间隔时间与前四次测量之间的间隔时间相同；[0010]3)以步骤I)前四次测量得到蓄电池的端电压为预测对象，建立GM(1，I)灰色模型，将GM (1，I)灰色模型紧邻均值序列的加权参数从O到I进行递增迭代，对于每一个加权参数的值通过GM(1，I)灰色模型得到端电压的预测值，将端电压的预测值与步骤2)中得到的第五次蓄电池端电压的真实值作差，得到差的绝对值ei，当加权参数递增循环完毕后得出差的绝对值ei取最小值时的加权参数的值B1 ；
[0011]4)以步骤I)前四次测量得到蓄电池的内阻为预测对象，建立GM(1，I)灰色模型，将GM(1，I)灰色模型 紧邻均值序列的加权参数从O到I进行递增迭代，对于每一个加权参数的值通过GM(1，I)灰色模型得到内阻的预测值，将内阻的预测值与步骤2)中得到的第五次蓄电池内阻的真实值作差，得到差的绝对值e2，当加权参数递增循环完毕后得出差的绝对值e2取最小值时的加权参数的值a2 ；
[0012]5)选取蓄电池的端电压、内阻为预测的两个关联因素建立GM(1，N)灰色模型，其中GM(1，N)灰色模型的紧邻均值序列的加权参数a的值为上述步骤3)和步骤4)中得到的aj和a2的平均数，即aKadaJ/〗；
[0013]6)由步骤5)得到的加权参数a和步骤I)中前四次测量得到的端电压、内阻和初始容量值代入GM(1，N)灰色模型进行计算，从而得到蓄电池容量的预测值。
[0014]所述的步骤3)中GM(1，I)灰色模型紧邻均值序列的加权参数从O开始以步长
0.01递增至I进行迭代。
[0015]所述的步骤4)中GM(1，I)灰色模型紧邻均值序列的加权参数从O开始以步长
0.01递增至I进行迭代。
[0016]本发明的有益效果是:
[0017]本发明是在蓄电池使用过程中，通过实时监测电参数作为基本条件的，该方法避免了对电池进行深度放电，方法的运算复杂度低，操作起来极易实现，并且预测精度高。
【专利附图】
【附图说明】
[0018]图1是本发明的工作流程示意图。
[0019]图2是本发明实施实例中电压数据的加权参数与预测精度关系曲线。
[0020]图3是本发明实施实例中电阻数据的加权参数与预测精度关系曲线。
【具体实施方式】
[0021]下面结合附图和实施例对本发明作进一步的说明。
[0022]如附图1所示，本发明包括以下步骤:
[0023]I)在蓄电池放电时分四次等间隔测量蓄电池的端电压、内阻，通过对每次测量的放电电流和放电时间分别进行积分得到初始容量值，从而得到前四次的端电压、内阻和初始容量值，前四次测量之间的间隔时间相同；
[0024]2)前四次测量蓄电池后，在放电时对蓄电池进行第五次测量端电压和内阻，第五次测量和第四次测量之间的间隔时间与前四次测量之间的间隔时间相同；
[0025]3)以步骤I)前四次测量得到蓄电池的端电压为预测对象，建立GM(1，I)灰色模型，将GM(1，I)灰色模型紧邻均值序列的加权参数从O到I进行递增迭代，对于每一个加权参数的值通过GM(1，I)灰色模型得到端电压的预测值，将端电压的预测值与步骤2)中得到的第五次蓄电池端电压的真实值作差，得到差的绝对值el，当加权参数递增循环完毕后得出差的绝对值ei取最小值时的加权参数的值B1 ；
[0026]4)以步骤I)前四次测量得到蓄电池的内阻为预测对象，建立GM(1，I)灰色模型，将GM(1，I)灰色模型紧邻均值序列的加权参数从O到I进行递增迭代，对于每一个加权参数的值通过GM(1，I)灰色模型得到内阻的预测值，将内阻的预测值与步骤2)中得到的第五次蓄电池内阻的真实值作差，得到差的绝对值e2，当加权参数递增循环完毕后得出差的绝对值e2取最小值时的加权参数的值a2 ；
[0027]5)选取蓄电池的端电压、内阻为预测的两个关联因素建立GM(1，N)灰色模型，其中GM(1，N)灰色模型的紧邻均值序列的加权参数a的值为上述步骤3)和步骤4)中得到的Ei1和a2的平均数，即aKa^aJ/〗。
[0028]6)由步骤5)得到的加权参数a和步骤I)中前四次测量得到的端电压、内阻和初始容量值代入GM(1，N)灰色模型进行计算，从而得到蓄电池容量的预测值。
[0029]所述的步骤3)中GM(1，I)灰色模型紧邻均值序列的加权参数从O开始以步长
0.01递增至I进行迭代。
[0030]所述的步骤4)中GM(1，I)灰色模型紧邻均值序列的加权参数从O开始以步长
0.01递增至I进行迭代。
[0031]根据蓄电池的出厂容量大小不同，前四次测量之间的间隔时间在2小时~I年不等ο
[0032]本发明步骤3)和步骤4)中的GM(1，I)灰色模型的具体预测方法如下:
[0033]GM(1, D的建模过程是:假设待预测数据序列为x(°)={x(°) (I), XO (2)，...，x(°)(η)}，x(°)⑴表示数列x(°)的第一项，x(°) (2)表示数列x(°)的第二项，X O (η)表示数列χ(°)的第η项。本发明步骤3)中蓄电池端电压数据数列即为待预测数据序列，序列长度η为4，本发明步骤4)中内阻数列即为待预测数据序列，序列长度η为4。首先对待预测数列做
出累加AGO生成数列χω= {χω⑴，χω (2),......，χ (1) (η)}，χ(1)⑴表示数列χω的第一
项，x(1) (2)表示数列χω的第二项，χ(1) (η)表示数列χ(1)的第η项，若令xa)(k)表示数列
χ ⑴的第 k 项，令 x(°)(i)表示数列 χ(°)的第 i 项，则
【权利要求】
1.一种基于多因素灰色关联模型的蓄电池容量预测方法，其特征在于包含以下步骤: 1)在蓄电池放电时分四次等间隔测量蓄电池的端电压、内阻，通过分别对每次测量时的放电电流和放电时间进行积分得到初始容量值，从而得到前四次的端电压、内阻和初始容量值，前四次测量之间的间隔时间相同； 2)前四次测量蓄电池后，在放电时对蓄电池进行第五次测量端电压和内阻，第五次测量和第四次测量之间的间隔时间与前四次测量之间的间隔时间相同； 3)以步骤I)前四次测量得到蓄电池的端电压为预测对象，建立GM(1，I)灰色模型，将GM(1, D灰色模型紧邻均值序列的加权参数从O到I进行递增迭代，对于每一个加权参数的值通过GM(1，I)灰色模型得到端电压的预测值，将端电压的预测值与步骤2)中得到的第五次蓄电池端电压的真实值作差，得到差的绝对值ei，当加权参数递增循环完毕后得出差的绝对值ei取最小值时的加权参数的值B1 ； 4)以步骤I)前四次测量得到蓄电池的内阻为预测对象，建立GM(1，I)灰色模型，将GM(1, D灰色模型紧邻均值序列的加权参数从O到I进行递增迭代，对于每一个加权参数的值通过GM(1，I)灰色模型得到内阻的预测值，将内阻的预测值与步骤2)中得到的第五次蓄电池内阻的真实值作差，得到差的绝对值e2，当加权参数递增循环完毕后得出差的绝对值e2取最小值时的加权参数的值a2 ； 5)选取蓄电池的端电压、内阻为预测的两个关联因素建立GM(1，N)灰色模型，其中GM(I1N)灰色模型的紧邻均值序列的加权参数a的值为上述步骤3)和步骤4)中得到的和a2的平均数，即aKadaJ/〗； 6)由步骤5)得到的加权参数a和步骤I)中前四次测量得到的端电压、内阻和初始容量值代入GM(1，N)灰色模型进行计算，从而得到蓄电池容量的预测值。
2.根据权利要求1所述的一一种基于多因素灰色关联模型的蓄电池容量预测方法，其特征在于:所述的步骤3)中GM(1，1)灰色模型紧邻均值序列的加权参数从O开始以步长0.01递增至I进行迭代。
3.根据权利要求1所述的一种基于多因素灰色关联模型的蓄电池容量预测方法，其特征在于:所述的步骤4)中GM(1，I)灰色模型紧邻均值序列的加权参数从O开始以步长0.01递增至I进行迭代。
【文档编号】G01R31/36GK103728569SQ201410010936
【公开日】2014年4月16日 申请日期:2014年1月9日 优先权日:2014年1月9日
【发明者】陈乐 , 李鹏, 富雅琼, 谢敏, 黄艳岩 申请人:中国计量学院