基于迁移学习的在线铅酸蓄电池容量预测方法研究.docxVIP

66

66 2023/07/DTPT

基于迁移学习的

在线铅酸蓄电池容量预测方法研究

1概述

作为基站的“生命之源”，蓄电池对于维持通信系统正常运转起着关键作用，每个基站都有作为后备电源的蓄电池，用于储备电能、应对电网异常等特殊情况，因此加强对蓄电池的维护和管理［1］，改善其使用状况，从而有效地延长蓄电池的使用寿命，具有重要的意义。此外，蓄电池的有效管理也可以降低其环境污染和碳排放，最终实现我国能源结构转型，确保碳达峰、碳中和目标的实现，保障国家能源安全［2］。

——————————

收稿日期：2023-06-14

为了提高蓄电池组的使用寿命，本文主要针对蓄电池管理过程中涉及到的在线蓄电池容量预测方法进行探讨说明。

2蓄电池容量预测算法

目前，国内外普遍采用荷电状态（StateofCharge，SOC）来表示蓄电池的剩余容量。SOC是直接反映蓄电池的可持续供电能力和健康状况的一个重要参数［3］。由于阀控式密封铅酸（VRLA）蓄电池的SOC不仅与其本身的材料有关，而且类型各不相同，实际用途和使用环境也存在差异，导致影响SOC的因素过多，因此预测SOC的方法也是各种各样。根据电池

SOC预测模型的选择，电池SOC预测算法大致可以分为3类：物理建模方法、基于等效电路模型的SOC预测算法和基于神经网络的SOC预测算法［4］。

2.1物理建模方法

物理建模方法主要有放电试验法［5］、安时计量法［6］、开路电压法［7］、内阻法［8］等。

a）放电试验法是公认最可靠的SOC预测方法。它是将电池以一定的放电倍率恒流持续放电，直至电池端电压达到放电截止电压的实验方法，通过放电电流与时间的乘积就能得到蓄电池的容量。这个方法主要用于实验室计算电池组充电效率、检验SOC估算精度或者用于蓄电池的检修，适用于所有电池。但是，该方法有2个明显的缺点：需要严格的测试条件，要求恒流、精确测量等，这需要大量时间和人力；电池正在进行的工作不得不中断，无法实时在线预测。

b）安时计量法是SOC预测最常用的方法，实质是认为流进电池的电量与流出电池的电量有一定的比例关系，而不考虑电池内部的结构和外部的电气特性，因此这种方法适用于各种电池。但是这个方法在

2.2基于等效电路模型的SOC预测算法

基于等效电路模型的SOC预测算法是基于电池模型建立系统状态空间表达式，将电池SOC作为状态变量之一，然后通过滤波器或观测器估计电池SO［9］。

C

其主要思想是利用等效电路模型使用电阻、电容和恒

定电压源等电路元件组成一个电路网络来模拟电池的动态特性，然后将测量的电流、电压、温度和其他变量与电池SOC联系起来。将这些可测的因素作为模型的输入，得到模型输出的端电压预测值与端电压实际采样值之间的误差。然后用误差乘以增益反馈的估计值来调整状态量，从而使状态量的估计值与真实值一致。最后，通过观测器或滤波器得到当前电池SOC值，如图1所示。由于等效电路模型的准确性直接影响到基于状态空间电池模型的SOC预测的准确性，所以如何设计一个有效的等效电路模型对于该类方法是非常重要的。

SOC

电压

应用中存在很多问题。

（a）需要求标定SOC初始值。

电池 电流 电池温度 模型

……

观测器/滤波器

（b）需要精确计算充放电效率。

（c）需准确测量电流，若电流测量不准，将造成

SOC计算误差，随着时间的增加，电池SOC的累积误差

会越来越大。

（d）电流传感器的精度会受到温度漂移和其他随机干扰的影响，所以在高温状态和电流波动剧烈的情况下误差较大。

c）开路电压法是根据电池的容量与开路电压有一定的线性关系而建立起来的，通过测量开路电压就能够直接得到电池容量的大小。它虽然可以不依赖蓄电池尺寸、大小和放电速度，但是对电池要求比较高，需要电池静止很长时间，达到电压稳定才能测量，也意味着不能实现在线测量。而且随着电池老化，开路电压变化不明显，因此也就无法准确预测剩余电量。

d）内阻法是利用电池内阻与SOC之间的单调关系，在知道电池内阻的条件下估计电池的SOC值。但是蓄电池的内阻一般在毫欧量级，容易受温度和循环

图1