一种蓄电池剩余容量检测方法
【技术领域】
[0001] 本发明涉及电力信息技术领域，尤其涉及基于GAPS0-LSSVM的一种蓄电池剩余容 量检测算法。
【背景技术】
[0002] 铅酸蓄电池是一种结构简单、使用方便、价格低廉的化学电源。其广泛地应用于电 力、通讯等各行各业之中。铅酸蓄电池的稳定、可靠工作对整个系统的运行至关重要。研究 实验表明，要保证系统的正常运行，延长蓄电池的使用寿命，就必须对蓄电池的剩余容量 S0C(即荷电状态State of Charge)进行检测，从而方便工程师能够了解蓄电池的工作状 态，以便及时采取控制策略。由于铅酸蓄电池种类繁多，用途和外部环境相异，加上蓄电池 剩余容量的影响因素众多，因此其预测采用的方法也多种多样。
[0003] -般蓄电池剩余容量检测的建模方法大致可以分为两大类：一类是物理建模方 法;另一类则是系统的辨识与参数估计建模方法。
[0004] 电池剩余容量预测中使用物理建模方法的有：1、安时放电法，此法需要确定蓄电 池的初始容量和充放电效率。2、内阻检测法，内阻法并不能在0~100%全范围的内检测蓄 电池剩余容量。3、开路电压法，开路电压和剩余容量之间有较好的线性性，但是无法排除温 度这一重要的影响因素对蓄电池的S0C的影响。并且测量蓄电池的开路电压需要蓄电池在 离线状态下长时间的静置；另一类关于系统的辨识和参数的估计的S0C预测方法有以下几 种：1卡尔曼滤波法，此方法要建立相应的较为复杂数学模型，计算量较大。2人工神经网络 法，神经网络虽然预测精度较高，但是需要大量的训练样本供其学习，学习的速度较慢，过 程复杂，如果要完成在线分析，对硬件处理器的要求比较高。因此，需要寻找其他方法来解 决蓄电池剩余容量检测问题。
【发明内容】
[0005] 本发明要解决的技术问题是如何在通过检测蓄电池的外部易检测量来通过算法 来检测蓄电池剩余容量这一内部不易检测量，并在原有方法上提高检测精确度。
[0006] 为了解决这计算问题，本发明基于遗传算法和粒子群优化算法-最小二乘支持向 量机提出一种蓄电池剩余容量检测方法，其特征在于，包括如下步骤：
[0007] S100:采集待测蓄电池的开路电压、环境温度、内阻为若干测试样本，根据最小二 乘支持向量机理论，得到蓄电池剩余容量检测输出模型
[0008] S200:对粒子群算法中种群进行随机初始化；
[0009] S300:以预设的更新法则更新各粒子速度和位置，对所述蓄电池剩余容量检测输 出模型的adPK(x，Xl)中包含的参量(C，〇)进行寻优；
[001 0] S400:根据适应度函数，计算各粒子的适应度值，所述适应度函数为所述测试样本 与根据所述蓄电池剩余容量检测输出模型计算获得的预测数据的方均根误差；
[0011] S500:将各粒子的所述适应度值进行排序，并选择适应度值相对高的二分之一粒 子进行遗传算法的交叉操作；
[0012] S600:对粒子进行遗传算法的中的变异操作；
[0013] S700:根据所述适应度函数，重新计算遗传算法选择、交叉和变异操作之后粒子的 适应度值；
[0014] S800:根据本次迭代寻优的过程中粒子适应度值，选出粒子的个体最优值和群体 最优值，完成一次迭代寻优；
[0015] S900:比较本次迭代寻优中的群体最优值与已保留的群体最优值，保留适应度值 低的群体最优值，判断是否达到预设的迭代寻优次数；
[0016] 若已达到预设的迭代寻优次数，就终止迭代寻优运算进入S1000;
[0017]若尚未达到预设的迭代寻优次数，就返回S300,以所选出的群体最优值继续下一 次迭代寻优的初始化种群；
[0018] S1000:根据寻优结果中最后保留的所述群体最优值配置所述蓄电池剩余容量检 测输出模型，根据待测蓄电池的开路电压、环境温度、内阻输出该待测蓄电池的剩余容量检 测结果。
[0019] 作为一种优化方案，在所述步骤S300中，所述预设的更新法则为：
[0022] 其中，在粒子群算法中的Xi= (Xii，Xi2, . . .Xin)表示第i个粒子的位置向量，且X = (C，〇)，其中C为惩罚参数，C包含在所述蓄电池剩余容量检测输出模型的&1中， 〇为核函数参 数，σ包含在所述蓄电池剩余容量检测输出模型的K(x，Xi)中，Vi=(Vil，Vi2, . . .Vin)表示第i 个粒子的预设速度向量，Pi=(Pil,Pi2, . . .Pin)为所述个体最优值，Pg=(Pgl，Pg2, . . .pgn)为种 群的所述群体最优值，ω为惯性权重，C1，C2S加速度因子， ri，r2为介于0和1之间的随机数。
[0023] 作为一种优化方案，在所述步骤S500中，所述交叉操作具体为所选粒子群中随机 两两粒子的速度和位置交叉操作，公式如下：
[0028]其中?和〖分别为交叉操作之前粒子的速度和位置，^w,、rnt2和 别为交叉操作之后新粒子的速度和位置。
[0029]作为一种优化方案，所述步骤S100中最小二乘支持向量机根据所述测试样本计算 获得蓄电池剩余容量检测输出
[0030]对于采集的待测蓄电池的开路电压、环境温度、内阻若干测试样本构成的样本集 D.，广;}[^1，11卢妒，1'卢1^，1：卢1^，输入输出关系式为 [0031 ] y = \ν'φ(χ) + δ
[0032] 其中：<·)为核空间映射函数;w为权向量，拥有与核空间相同的维数，b为偏差量；
[0033] 构造如下优化公式确定所述输入输出关系式中的最优参数：
[0034]
式中C为惩罚参数，构造对偶空间的Langrange 函数：
[0036]式中ai 2 0，ai为Langrange对偶变量；
[0037 ]根据对偶空间的Langrange函数和参数寻优的条件计算后可得：
[0039] 其中
[0040] y = (yi ,y2. . ·υν)τ； Iv= (1,1. . . l)T；a = (ai,a2. . .aN)T；
[0041 ]
且K(Xi,Xj)为满足mercer定理的核 函数；
[0042] 所述输入输出关系式最终转换为所述蓄电池剩余容量检须蝓出模型
[0043] 本发明提出了一中基于遗传算法和粒子群优化算法-最小二乘支持向量机的蓄电 池剩余容量检测方法，该方法以最基本的最小二乘支持向量机为基础，加以粒子群算法来 对其中核函数参数和惩罚系数来进行参数寻优，提高了仿真精度，同时引入遗传算法来增 强算法的全局搜索能力，防止陷入局部最优解。只需要通过检测蓄电池开路电压、环境温 度、蓄电池内阻这三个量，就可以检测蓄电池的剩余容量。最后通过对比实验数据和预测数 据，发现本方法的检测的平均误差可以控制在5 %以内，较传统的最小二乘支持向量机方 法，大大提高了预测精度。
【附图说明】
[0044] 图1是本发明可选的实施例中一种蓄电池剩余容量检测方法的流程图；
[0045]图2为本发明一实施例中的仿真结果图；
[0046]图3(a)、(b)、（c)为本发明一测试数据的误差分析示意图。
【具体实施方式】
[0047] 本发明要解决的技术问题是如何在通过检测蓄电池的外部易检测量来通过智能 算法来检测蓄电池剩余容量这一内部不易检测量，并提高检测精度。
[0048] 为了解决这一问题，本发明基于遗传算法和粒子群优化算法-最小二乘支持向量 机提出了一种蓄电池剩余容量检测方法，其特征在于，包括如下步骤：
[0049] S100:采集待测蓄电池的开路电压、环境温度、内阻为若干测试样本，根据最小二 乘支持向量机理论，得到蓄电池剩余容量检测输出模型
[0050] S200:对粒子群算法中种群进行随机初始化；
[0051] S300:以预设的更新法则更新各粒子速度和位置，对所述蓄电池剩余容量检测输 出模型的adPK(x，Xl)中包含的参量(C， 〇)进行寻优；
[0052] S400:根据适应度函数，计算各粒子的适应度值，所述适应度函数为所述测试样本 与根据所述蓄电池剩余容量检测输出模型计算获得的预测数据的方均根误差；
[0053] S500:将各粒子的所述适应度值进行排序，并选择适应度值相对高的二分之一粒 子进行遗传算法的交叉操作；
[0054] S600:对粒子进行遗传算法的中的变异操作；
[0055] S700:根据所述适应度函数，重新计算遗传算法选择、交叉和变异操作之后粒子