Chinese LABATMan
基于RBFNN的船用铅酸蓄电池SOC预测方法研究
王厅，孙俊忠，周智勇，张海鸥
（海军潜艇学院培训系机电研究所，山东青岛266042）
摘要：目前预测铝酸蓄电池荷电状态(SOC)的算法很多，这些算法各有特点。根据船用铅酸蓄电池的特点，本文比较分析了这些方法的预测效果，提出了利用径向基神经网络(RBFNN) 算法预测船用铅酸蓄电池SOC的方法。并利用某型船用铅酸蓄电池的实验数据，对其SOC进
行了预测。结果表明：利用该算法预测船用铅酸蓄电池的SOC，精度高，操作简便。关键词：船用铅酸蓄电池；荷电状态；径向基神经网络；剩余容量；预测
中图分类号：TM912.1
文麟标识码：A文章编号：1006-0847(2012)02-76-05
ResearchonforecastingtheSOCofmarinelead-acidbatteriesbasedonRBFNN
WANG Kuoting, SUN Jun-zhong, ZHOU Zhi-yong, ZHANG Hai-peng(NaySubmarineAcademy,QingdaoShandong266042,China)
Abstract: At present, there are many kinds of algorithms that forecast the state of charge (SOC) of the leadacid batteries. These algorithns have different characteristics. This paper have compared and analyzed the forecasting effect of these algorithms, It put forward the best algorithm based on the RBFNN for forecasting the stale of charge of the leadacid batteries, and used RBFNN algorithm to forecast the state of charge of the leadacid batteries based on the experimental data. The results indicated that RBFNN
algorithm could accurately and easily forecast the state of charge of marine leadacid batteries. Key words: marine lead-acid battery; state of charge; RBFNN; residual capacity; forecast
1铅酸蓄电池SOC预测研究现状
铅酸蓄电池是船舶上重要的能源之一。如何合理地使用蓄电池，关系到船舶的安全性和续航性。若要充分利用铅酸蓄电池，首先应该知道当前使用状态下铅酸蓄电池的荷电状态(SOC)。蓄电池的 SOC是指蓄电池剩余容量与同等条件下额定容量的比值。目前铅酸蓄电池的荷电状态预测方法很多，例如神经网络法、基于SVM的算法、基于卡
收稿日期：2012-01-19 76
万方数据
尔曼滤波算法、基于H.鲁棒滤波算法、相关向量机算法、最小二乘法算法等。铅酸蓄电池的实际容量受温度、循环次数、使用时间、放电深度等诸多因素的影响，很难准确地进行在线快速测量。因此，如何准确快速地预测蓄电池的剩余容量，有效提高蓄电池的使用效率是目前研究的热点和难点。常用的铅酸蓄电池SOC预测方法主要有以下6种：(1)利用安时计量的方法预测铅酸蓄电池SOC。根据放电历史，在蓄电池初始SOC明确的前提下，确定当前的SOC。这种方法是利用电流监测和电量统计的手段，手段本身就会有误差存在，造成 SOC预测结果不准。(2)基于开路电压的预测方法。