基于GA—Elman神經(jīng)網(wǎng)絡(luò)的電池劣化程度預(yù)測研究

　　摘要：閥控鉛酸蓄電池的老化機理復(fù)雜.劣化程度受多種因素影響.因此較難預(yù)測.在分析影響蓄電池劣化程度的多種因素的基礎(chǔ)上，采用Elman神經(jīng)網(wǎng)絡(luò)方法對電池劣化程度預(yù)測建立模型，并通過遺傳算法對預(yù)測模型中的初始權(quán)值和閾值進行優(yōu)化，根據(jù)淺度放電的測量數(shù)據(jù)進行劣化程度的預(yù)測.仿真結(jié)果表明：該模型達到了對電池劣化程度準確預(yù)測的目的.通過與實測數(shù)據(jù)的對比，證明該模型具有較高的有效性.

　　蓄電池目前被廣泛地應(yīng)用于汽車.電動車.UPS電源以及EPS電源系統(tǒng)等多個領(lǐng)域.閥控鉛酸蓄電池（Valve RegulatedLead Acid Battery,VRLAB）是目前使用最為廣泛的蓄電池，尤其是在電力.通信.鐵路和礦井等重要領(lǐng)域.

　　很多VRLAB的實際應(yīng)用表明，VRLAB在系統(tǒng)中的使用情況并不樂觀，經(jīng)常出現(xiàn)一系列令用戶失望和擔(dān)心的問題：使用壽命不能達到預(yù)期效果，在使用3~4年后，絕大多數(shù)的電池組很難通過容量檢測.由于VRLAB號稱“免維護”,因此很多情況下都是在市電中斷時才發(fā)現(xiàn)電池的容量不達標或者已損壞，因此造成了巨大的經(jīng)濟損失，甚至威脅到人身安全.神經(jīng)網(wǎng)絡(luò)在預(yù)測領(lǐng)域的出色表現(xiàn)，使其在越來越多的領(lǐng)域得到應(yīng)用，但也因此暴露出一些缺點，比如預(yù)測精度偏低.不能滿足實際需要等.近年來，用于提高預(yù)測精度.減小預(yù)測誤差的優(yōu)化算法層出不窮.本文選擇Elman神經(jīng)網(wǎng)絡(luò)進行建模并使用遺傳算法對其進行優(yōu)化，試圖建立一個能夠準確在線預(yù)測電池劣化程度（State ofHealth,sou）的模型.通過大量的數(shù)據(jù)采集測試和仿真實驗，證明優(yōu)化后的模型確實可以提高預(yù)測的整體精度，減小預(yù)測的總誤差.

　　1 SOH的定義及其估計方法1.1 SOH定義SOH直接反映電池的預(yù)期壽命，是一個相對的量，其定義如式（1）所示：

　　式中：Cm為當前測試的電池容量；Cn為電池的標稱容量；SOH以百分比來反映電池當前的容量能力.對于一塊新的電池，其SOH往往會大于等于100%,隨著電池的老化，其SOH會逐漸下降，在IEEE標準1188.1996中規(guī)定當電池容量下降到80%,即SOH<80%時，電池就應(yīng)該更換了.

　　1.2 SOH估計方法要了解一塊電池的SOH最直接的方法就是對其進行實際的充放電測試，這也是迄今為止工業(yè)和專業(yè)領(lǐng)域公認的唯一可靠的方法，但該方法存在明顯的缺點：測試電池需要離線；需要測試負載，操作不便；測試時間太長.

　　另一種SOH的估計方法是從電池的內(nèi)阻出發(fā)，通過研究SOH電池內(nèi)阻的變化關(guān)系來求解問題，簡單地說：隨著電池老化，SOH下降，內(nèi)阻增大，SOH與內(nèi)阻呈高度的非線性.但由于內(nèi)阻在電池容量F降25%~30%后才會出現(xiàn)明顯變化，所以通過內(nèi)阻監(jiān)測方式及時找出電池的問題有些困難.

　　近年來，電化學(xué)阻抗分析法因其在預(yù)測準確性方面的出色表現(xiàn)而得到廣泛的應(yīng)用，但是這種方法采用模糊邏輯對大量數(shù)據(jù)進行分析而得到某一特定型號電池的特征，過程極為復(fù)雜，造價昂貴，并不適用于礦井移動式救生艙備用電池的檢測.