基于迁移学习的在线铅酸蓄电池容量预测方法研究.pdfVIP

基于迁移学习的

在线铅酸蓄电池容量预测方法研究

为了提高蓄电池组的使用寿命，本文主要针对蓄

1概述

电池管理过程中涉及到的在线蓄电池容量预测方法

作为基站的“生命之源”，蓄电池对于维持通信系进行探讨说明。

统正常运转起着关键作用，每个基站都有作为后备电

2蓄电池容量预测算法

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］，改善其使用状目前，国内外普遍采用荷电状态（StateofCharge，

况，从而有效地延长蓄电池的使用寿命，具有重要的SOC）来表示蓄电池的剩余容量。SOC是直接反映蓄

意义。此外，蓄电池的有效管理也可以降低其环境污电池的可持续供电能力和健康状况的一个重要参

染和碳排放，最终实现我国能源结构转型，确保碳达数［3］。由于阀控式密封铅酸（VRLA）蓄电池的SOC不

［2］

峰、碳中和目标的实现，保障国家能源安全。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

收稿日期：2023-06-14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2.2基于等效电路模型的SOC预测算法

为3类：物理建模方法、基于等效电路模型的SOC预测基于等效电路模型的SOC预测算法是基于电池

［4］

算法和基于神经网络的SOC预测算法。模型建立系统状态空间表达式，将电池SOC作为状态

［9］

2.1物理建模方法变量之一，然后通过滤波器或观测器估计电池SOC。

物理建模方法主要有放电试验法［5］、安时计量其主要思想是利用等效电路模型使用电阻、电容和恒

［6］［7］［8］

法、开路电压法、内阻法等。定电压源等电路元件组成一个电路网络来模拟电池

a）放电试验法是公认最可靠的SOC预测方法。的动态特性，然后将测量的电流、电压、温度和其他变

它是将电池以一定的放电倍率恒流持续放电，直至电量与电池SOC联系起来。将这些可测的因素作为模

池端电压达到放电截止电压的实验方法，通过放电电型的输入，得到模型输出的端电压预测值与端电压实

流与时间的乘积就能得到蓄电池的容量。这个方法际采样值之间的误差。然后用误差乘以增益反馈的

主要用于实验室计算电池组充电效率、检验SOC估算估计值来调整状态量，从而使状态量的估计值与真实

精度或者用于蓄电池的检修，适用于所有电池。但值一致。最后，通过观测器或滤波器得到当前电池

是，该方法有2个明显的缺点：需要严格的测试条件，SOC值，如图1所示。由于等效电路模型的准确性直

要求恒流、精确测量等，这需要大量时间和人力；电池接影响到基于状态空间电池模型的SOC预测的准确

正在进行的工作不得不中断，无法实时在线预测。性，所以如何设计一个有效的等效电路模型对于该类

b）安时计量法是SOC预测最常用的方法，实质是方法是非常重要的。

认为流进电池的电量与流出电池的电量有一定的比