基于PIDBPNN矿用铅酸蓄电池SOC在线估计.docVIP

基于PIDBPNN矿用铅酸蓄电池SOC在线估计 　　摘 要： 针对矿山避难硐室安全供电系统中铅酸蓄电池内化成过程中检测是否已经达到满电荷量，且在组装铅酸蓄电池时需要考虑电池均衡问题都需要进行准确估算SOC的问题，提出基于BP神经网络的PID控制通过修正反馈误差来实现铅酸蓄电池SOC在线估计。采用实验的方法获取数据，选取与电池SOC相关的因子作为BP神经网络的输入参数，最终准确在线预测蓄电池SOC值。仿真?Y果表明，基于BP神经网络的PID控制的铅酸蓄电池SOC估计的精度大大提高，同时为电池管理系统提供一个新的估计方法。 　　关键词： 安全供电系统; 铅酸蓄电池; 矿用; 内化成; PID?BP神经网络; SOC在线估计 　　中图分类号： TN86?34; TP273 文献标识码： A 文章编号： 1004?373X（2018）10?0113?04 　　Abstract： Since accurate SOC estimation is needed when detecting whether the lead?acid battery has reached the full charge during its internal formation and when considering the battery balance problem during the assembling of the lead?acid battery in the safe power supply system of the mine refuge chamber， SOC online estimation of lead?acid battery is achieved based on PID control of BPNN by means of feedback error modification. The experimental method is adopted to obtain data， and the factors related to battery SOC are selected as the input parameters of BP neural network to perform accurate online prediction of the battery′s SOC values. The simulation results show that the lead?acid battery SOC estimation based on PID control of BPNN has improved a lot in its precision， and meanwhile provides a new estimation method for the battery management system. 　　Keywords： safe power supply system; lead?acid battery; mine; internal formation; PID?BPNN; SOC online estimation 0 引 言 　　矿山避难硐室安全供电系统是矿井安全系统的重要研究内容之一。特别是在研究铅酸蓄电池内化成效率提高问题时，判断是否达到满电荷是一个重要的研究课题，因此，充电过程中准确的SOC估算至关重要。与此同时，充电完毕之后，组装蓄电池组时需要挑选SOC曲线近似吻合的单体蓄电池，这样才可保证电池的均衡一致性，防止电池内部能量损耗。然而，铅酸蓄电池作为一种古老的能源电池，其能量密度等特性不如其他动力电池，导致SOC的估算相对困难[1?2]。开路电压法、安时计量法以及内阻法等传统的SOC估算方法无法实现准确估算[3]。随着科学技术的不断发展，国内外学者将神经网络、模糊控制等控制方法应用到蓄电池的SOC估算中，并取得了一定的成果[4]。PID与BP神经网络的结合为电池SOC估计的研究提供了一个新的估计方法。 　　安时积分法从电池的定义出发，在线估计SOC存在无反馈修正环节，从而不可避免地产生电流积分的累积误差，导致无法准确在线估计SOC值。PID?BP神经网络法（PID?BPNN）包括信号的正向传播和误差的反向传播，因此，它能够有效地模拟电池系统的非线性特性关系，优化复杂的电池SOC模型，有效修正电池SOC的反馈误差，进一步提高了电池的SOC估算精度。将D560KT铅酸蓄电池端电压、环境温度和电池放电流3个变量作为模型的输入量，电池SOC作为模型的输出量。仿真结果表明