模糊神經網絡技術的鉛酸蓄電池性能檢測研究

趙徐成，王旭昆，朱逸天，孫默圓，凌 軍

(1.空軍勤務學院航空四站系，江蘇徐州221000；2.解放軍95968部隊，北京100089；3.沈陽航空四站廠，遼寧沈陽110000)

模糊神經網絡技術的鉛酸蓄電池性能檢測研究

趙徐成1，王旭昆1，朱逸天1，孫默圓2，凌 軍3

(1.空軍勤務學院航空四站系，江蘇徐州221000；2.解放軍95968部隊，北京100089；3.沈陽航空四站廠，遼寧沈陽110000)

提出了蓄電池動態內阻的概念。論證了鉛酸蓄電池內阻與剩余容量之間良好的相關性。以鉛酸蓄電池動態內阻、電解液密度和電解液溫度為判定蓄電池容量和瞬間放電能力的特征矢量。設計了動態電子負載和蓄電池特征矢量檢測系統，采集蓄電池特征矢量數據，經模糊神經網絡對融合的數據進行綜合推理，以測定蓄電池的剩余容量和瞬間放電能力。最后，對一組10塊2 V600 Ah的鉛酸蓄電池進行性能測試。

鉛酸蓄電池；動態內阻；神經網絡；剩余容量

鉛酸蓄電池組是一個獨立于變電站用交流電源的后備直流電源，是電源的最后一道防線，主要擔負著為通訊系統中二次系統負載提供安全、穩定、可靠的電力保障，確保繼電保護正常運行。傳統的蓄電池性能檢測方法通過對蓄電池進行1 h、10 h放電率恒流放電來檢測蓄電池的容量。采用這種方法，檢測時間長，精度低，可靠性差。IEEE在1992年通過了一項標準化草案，建議固定型免維護鉛酸蓄電池的測試方法由原來的浮充電壓測試改為導納或阻抗測試。內阻測定法是利用電池充放電時內阻的改變，來預測電池的剩余容量[1-3]。

1 航空鉛酸蓄電池的電化學動力學特性

鉛酸蓄電池中的成流反應是嚴格地以化學當量進行的，在蓄電池負極進行的電化學反應為:

正極進行的電化學反應為：

由Nernst公式可得鉛酸蓄電池平衡電勢公式：

鉛酸蓄電池的電化學成流反應發生在極板處固相與液相交接面，鉛酸蓄電池的容量由電解液中的硫酸濃度和正負極板上的可用活性物質量綜合決定。新充足的蓄電池的容量主要由電解液中的硫酸濃度確定，而趨于放電結束或陳舊蓄電池的容量主要由正負極板上的可用活性物質量確定。

因此，可以得出如下結論：蓄電池電化反應的活性物質狀態和硫酸溶液極化濃度的變化可等效成蓄電池內阻的變化，即蓄電池內阻的變化能夠反映出蓄電池容量和瞬間放電的能力。蓄電池的動態內阻可描述為：在任一時刻，蓄電池放出的最大電流時，對外表現出的蓄電池輸出電壓的急劇下降量。其表達式為：

2 鉛酸蓄電池動態內阻和容量的關系

一般，鉛酸蓄電池的老化失效與內阻變化的關系經歷了三個階段：(1)投運初期到蓄電池進入穩定的運行期，蓄電池的內阻有所下降；(2)在蓄電池正常運行很長一段時間內，內阻保持相對穩定；(3)在蓄電池壽命終結前一段時間，內阻呈現快速上升趨勢。我們對一組12塊2 V600 Ah的正常運行很長時間后的鉛酸蓄電池進行內阻和容量實驗，其數據見表1。

表1 常溫T=25 ℃下正常運行的鉛酸蓄電池的實驗數據

對比鉛酸蓄電池內阻與容量多次實驗的數據，結果表明蓄電池內阻與容量具有較好的相關性。在蓄電池大電流放電過程中，由蓄電池單格電壓的變化可確定其動態內阻的變化，融合電解液密度、溫度的動態變化及變化時間等信息，可確定蓄電池容量和瞬間放電能力。從而可將蓄電池單格電壓、電解液密度和電解液溫度等看作判定蓄電池容量和瞬間放電能力的特征矢量。

3 基于模糊神經網絡的蓄電池性能檢測研究

3.1 動態電子負載和蓄電池特征矢量檢測系統設計

為了測試蓄電池動態內阻、電解液密度、電解液溫度等特征矢量，我們設計了如圖1所示的動態電子負載和蓄電池特征矢量檢測系統，應用計算機實現對電子負載的控制和特征矢量的檢測。動態電子負載包括兩個部分：既放電主回路和放電控制回路。放電主回路是由回路等效耗能電阻RL1、分流電阻RL2和大功率開關管Q及吸收電路組成。控制回路由電流傳感器T、取樣電阻、遲滯比較器等組成。動態電阻負載的工作原理是負載主回路反饋的電流，經遲滯比較器進行兩態調制后，對大功率開關管Q的導通時間進行PWM控制，從而實現對負載的電流控制。與負載主回路中電流相對應的遲滯比較器的參考電壓由計算機提供。電解液密度變化和溫度的變化通過傳感器用DBUS和TBUS傳送給計算機檢測，蓄電池單格電壓變化用VbBUS傳送給計算機檢測。

圖1 動態電子負載和蓄電池特征矢量檢測系統原理圖

3.2 自適應模糊神經網絡信息融合推理系統設計

雖然蓄電池動態內阻與其容量具有較好的相關性，但是這種關系是離散、模糊的，且蓄電池檢測工作條件具有很大的隨機性。因此我們采用模糊神經網絡對融合的數據進行綜合推理，以測定蓄電池的內阻和瞬間放電能力，判定蓄電池的容量。

3.2.1 歸一化處理

蓄電池容量檢測受多種因素影響，根據最主要因素可確定三個輸入量：蓄電池的動態內阻變化量、電解液密度、電解液溫度。為了使模型不受蓄電池具體型號的限制，對輸入數據進行歸一化處理。

3.2.2 自適應模糊神經網絡

在確定了輸入變量后，選擇蓄電池的剩余電量作為輸出，構造如圖2所示的模糊神經網絡信息融合推理系統。該推理系統主要由數據層融合、特征層融合與決策層融合構成。

圖2 n個輸入1個輸出的自適應模糊神經網絡結構

第一級是數據信息融合，通過優化選擇狀態信號和過程參數，如蓄電池溫度、密度、放電時阻抗等，利用不同的信號處理手段提取出反映出蓄電池性能某一屬性的不同特征信息。其融合的思想主要體現在處理數據的方法上，將多種數據處理方法相結合，提取出反映蓄電池特征的信息，以提高不同信息的利用率。

第二級是特征信息融合診斷，在前一級的基礎上，對不同特征信息進行融合處理，提出最能反映蓄電池性能的綜合指標，這一過程是蓄電池性能檢測的關鍵。在這一層主要得出，溫度對蓄電池性能影響的特征矢量；密度對蓄電池性能影響的特征矢量和阻抗對蓄電池影響的特征矢量。

第三級是高級的特征信息融合，該過程是在前兩個過程的基礎上，結合已有的先驗知識，對來自不同類型信息源的信息進行融合，從而實施對蓄電池的容量性能正確決策。目前在多源信息融合診斷方面的例子有神經網絡故障診斷和診斷專家系統等。

Led-acid battery performance testing research based on neural network technology

The concept of dynamic internal resistance of the battery was put forward.Good correlation between lead-acid battery internal resistance and residual capacity was demonstrated.The dynamic resistance of lead-acid battery, electrolyte density and temperature of the electrolyte were regarded as the feature vector to determine battery capacity and discharge capacity.Dynamic electronic load and battery characteristic vector detection system were designed.The battery characteristics of vector data was collected.The data fusion of integrated reasoning of fuzzy neural network was used to determine the residual capacity of the battery,and discharge capacity.Finally,a performance testing was done for the lead-acid battery for a group of 10 to 2 volts 600 Ah.

lead acid battery internal resistance;dynamic;neural network;remaining capacity

TM912

A

1002-087X(2016)12-2405-02

2016-05-03

趙徐成(1961—)，男，江蘇省人，教授，主要研究方向為航空地面電源集成化設計。