簡(jiǎn)要分析電池老化程度報(bào)告

電池廣泛應(yīng)用于汽車(chē)、電動(dòng)汽車(chē)、UPS電源、EPS電源系統(tǒng)等。VRLAB是應(yīng)用最廣泛的電池，尤其在電力、通信、鐵路、礦山等領(lǐng)域。

SOH是直接反映電池預(yù)期壽命的相對(duì)量。含義如式(1)所示:

電池退化

式中:Cm為當(dāng)前測(cè)試電池容量;Cn是電池的額定容量;SOH是用來(lái)反映電池電流容量的百分比。關(guān)于新電池，SOH往往大于或等于100%。隨著電池的老化，SOH會(huì)逐漸下降。

電化學(xué)阻抗分析方法,近年來(lái),由于其出色的表現(xiàn)在預(yù)測(cè)精度和已廣泛應(yīng)用,但該方法使用模糊邏輯來(lái)分析大量的數(shù)據(jù),并得到一個(gè)特定類(lèi)型的電池的特點(diǎn),過(guò)程是非常復(fù)雜的,昂貴的,并不適用于礦井移動(dòng)膠囊備份電池測(cè)試。

SOH估算法了解電池SOH最直接的方法是對(duì)電池進(jìn)行實(shí)際的充放電測(cè)試，也是目前為止行業(yè)和專(zhuān)業(yè)領(lǐng)域公認(rèn)的唯一可靠的方法。要測(cè)試負(fù)載，操作不方便;考試時(shí)間太長(zhǎng)了。

另一種SOH估算方法是從電池的內(nèi)阻出發(fā)，通過(guò)研究電池的SOH內(nèi)阻變化關(guān)系來(lái)解決問(wèn)題，簡(jiǎn)單地說(shuō)，隨著電池老化，SOH下降，內(nèi)阻增大，SOH與內(nèi)阻呈高度非線(xiàn)性。但是由于電阻在電池容量F25%~30%之后會(huì)出現(xiàn)明顯的變化，所以通過(guò)及時(shí)的發(fā)現(xiàn)電池內(nèi)阻監(jiān)測(cè)方式存在的問(wèn)題有些困難。

VRLAB許多實(shí)際應(yīng)用表明,系統(tǒng)中使用VRLAB并不樂(lè)觀,和一系列的問(wèn)題經(jīng)常發(fā)生,失望和擔(dān)心用戶(hù):生活不能達(dá)到預(yù)期的效果,在使用3~4年后,絕大多數(shù)的電池容量測(cè)試非常困難。由于VRLAB所謂的維護(hù)，所以在很多情況下都是在電源中斷時(shí)發(fā)現(xiàn)電池容量不達(dá)標(biāo)或損壞，從而造成巨大的經(jīng)濟(jì)損失，甚至威脅到人身安全。神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)領(lǐng)域的突出表現(xiàn)，使其在越來(lái)越多的領(lǐng)域得到應(yīng)用，但也暴露出一些弊端，如預(yù)測(cè)精度低。不能滿(mǎn)足實(shí)際要等。近年來(lái)，用于提高預(yù)測(cè)精度。減少預(yù)測(cè)誤差的優(yōu)化算法層出不窮。本文選擇Elman神經(jīng)網(wǎng)絡(luò)建模，利用遺傳算法對(duì)其進(jìn)行優(yōu)化，試圖建立一個(gè)準(zhǔn)確的在線(xiàn)預(yù)測(cè)電池退化(健康狀態(tài)，sou)模型。通過(guò)大量的數(shù)據(jù)采集試驗(yàn)和仿真實(shí)驗(yàn)，證明優(yōu)化后的模型確實(shí)能夠提高預(yù)測(cè)的整體精度，降低預(yù)測(cè)的總誤差。

關(guān)于同一組電池，在相同的放電條件下，包括電流和溫度，SOH與放電電壓特性的關(guān)系，一般用電池的實(shí)際放電容量與正常容量的百分比來(lái)表示。

Elman神經(jīng)網(wǎng)絡(luò)最早在20世紀(jì)90年代被提出用于語(yǔ)音處理，是一種典型的局部回歸網(wǎng)絡(luò)。埃爾曼網(wǎng)絡(luò)是一種具有局部記憶單元和局部反饋連接的前向神經(jīng)網(wǎng)絡(luò)。

實(shí)驗(yàn)證明,利用遺傳算法來(lái)優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)模型來(lái)預(yù)測(cè)電池SOH是可行的,與淺放電測(cè)試測(cè)量訓(xùn)練數(shù)據(jù)是有效的,誤差控制在允許的范圍,實(shí)現(xiàn)土壤準(zhǔn)確預(yù)測(cè)電池的目的,解決了電池SOH在線(xiàn)監(jiān)測(cè)的問(wèn)題。但由于缺乏訓(xùn)練數(shù)據(jù)，該模型無(wú)法預(yù)測(cè)全球電池土壤的缺陷。