一種蓄電池剩余容量檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電力信息技術(shù)領(lǐng)域，尤其涉及基于GAPS0-LSSVM的一種蓄電池剩余容 量檢測算法。
【背景技術(shù)】
[0002] 鉛酸蓄電池是一種結(jié)構(gòu)簡單、使用方便、價(jià)格低廉的化學(xué)電源。其廣泛地應(yīng)用于電 力、通訊等各行各業(yè)之中。鉛酸蓄電池的穩(wěn)定、可靠工作對(duì)整個(gè)系統(tǒng)的運(yùn)行至關(guān)重要。研究 實(shí)驗(yàn)表明，要保證系統(tǒng)的正常運(yùn)行，延長蓄電池的使用壽命，就必須對(duì)蓄電池的剩余容量 S0C(即荷電狀態(tài)State of Charge)進(jìn)行檢測，從而方便工程師能夠了解蓄電池的工作狀 態(tài)，以便及時(shí)采取控制策略。由于鉛酸蓄電池種類繁多，用途和外部環(huán)境相異，加上蓄電池 剩余容量的影響因素眾多，因此其預(yù)測采用的方法也多種多樣。
[0003] -般蓄電池剩余容量檢測的建模方法大致可以分為兩大類：一類是物理建模方 法;另一類則是系統(tǒng)的辨識(shí)與參數(shù)估計(jì)建模方法。
[0004] 電池剩余容量預(yù)測中使用物理建模方法的有：1、安時(shí)放電法，此法需要確定蓄電 池的初始容量和充放電效率。2、內(nèi)阻檢測法，內(nèi)阻法并不能在0~100%全范圍的內(nèi)檢測蓄 電池剩余容量。3、開路電壓法，開路電壓和剩余容量之間有較好的線性性，但是無法排除溫 度這一重要的影響因素對(duì)蓄電池的S0C的影響。并且測量蓄電池的開路電壓需要蓄電池在 離線狀態(tài)下長時(shí)間的靜置；另一類關(guān)于系統(tǒng)的辨識(shí)和參數(shù)的估計(jì)的S0C預(yù)測方法有以下幾 種：1卡爾曼濾波法，此方法要建立相應(yīng)的較為復(fù)雜數(shù)學(xué)模型，計(jì)算量較大。2人工神經(jīng)網(wǎng)絡(luò) 法，神經(jīng)網(wǎng)絡(luò)雖然預(yù)測精度較高，但是需要大量的訓(xùn)練樣本供其學(xué)習(xí)，學(xué)習(xí)的速度較慢，過 程復(fù)雜，如果要完成在線分析，對(duì)硬件處理器的要求比較高。因此，需要尋找其他方法來解 決蓄電池剩余容量檢測問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明要解決的技術(shù)問題是如何在通過檢測蓄電池的外部易檢測量來通過算法 來檢測蓄電池剩余容量這一內(nèi)部不易檢測量，并在原有方法上提高檢測精確度。
[0006] 為了解決這計(jì)算問題，本發(fā)明基于遺傳算法和粒子群優(yōu)化算法-最小二乘支持向 量機(jī)提出一種蓄電池剩余容量檢測方法，其特征在于，包括如下步驟：
[0007] S100:采集待測蓄電池的開路電壓、環(huán)境溫度、內(nèi)阻為若干測試樣本，根據(jù)最小二 乘支持向量機(jī)理論，得到蓄電池剩余容量檢測輸出模型
[0008] S200:對(duì)粒子群算法中種群進(jìn)行隨機(jī)初始化；
[0009] S300:以預(yù)設(shè)的更新法則更新各粒子速度和位置，對(duì)所述蓄電池剩余容量檢測輸 出模型的adPK(x，Xl)中包含的參量(C，〇)進(jìn)行尋優(yōu)；
[001 0] S400:根據(jù)適應(yīng)度函數(shù)，計(jì)算各粒子的適應(yīng)度值，所述適應(yīng)度函數(shù)為所述測試樣本 與根據(jù)所述蓄電池剩余容量檢測輸出模型計(jì)算獲得的預(yù)測數(shù)據(jù)的方均根誤差；
[0011] S500:將各粒子的所述適應(yīng)度值進(jìn)行排序，并選擇適應(yīng)度值相對(duì)高的二分之一粒 子進(jìn)行遺傳算法的交叉操作；
[0012] S600:對(duì)粒子進(jìn)行遺傳算法的中的變異操作；
[0013] S700:根據(jù)所述適應(yīng)度函數(shù)，重新計(jì)算遺傳算法選擇、交叉和變異操作之后粒子的 適應(yīng)度值；
[0014] S800:根據(jù)本次迭代尋優(yōu)的過程中粒子適應(yīng)度值，選出粒子的個(gè)體最優(yōu)值和群體 最優(yōu)值，完成一次迭代尋優(yōu)；
[0015] S900:比較本次迭代尋優(yōu)中的群體最優(yōu)值與已保留的群體最優(yōu)值，保留適應(yīng)度值 低的群體最優(yōu)值，判斷是否達(dá)到預(yù)設(shè)的迭代尋優(yōu)次數(shù)；
[0016] 若已達(dá)到預(yù)設(shè)的迭代尋優(yōu)次數(shù)，就終止迭代尋優(yōu)運(yùn)算進(jìn)入S1000;
[0017]若尚未達(dá)到預(yù)設(shè)的迭代尋優(yōu)次數(shù)，就返回S300,以所選出的群體最優(yōu)值繼續(xù)下一 次迭代尋優(yōu)的初始化種群；
[0018] S1000:根據(jù)尋優(yōu)結(jié)果中最后保留的所述群體最優(yōu)值配置所述蓄電池剩余容量檢 測輸出模型，根據(jù)待測蓄電池的開路電壓、環(huán)境溫度、內(nèi)阻輸出該待測蓄電池的剩余容量檢 測結(jié)果。
[0019] 作為一種優(yōu)化方案，在所述步驟S300中，所述預(yù)設(shè)的更新法則為：
[0022] 其中，在粒子群算法中的Xi= (Xii，Xi2, . . .Xin)表示第i個(gè)粒子的位置向量，且X = (C，〇)，其中C為懲罰參數(shù)，C包含在所述蓄電池剩余容量檢測輸出模型的&1中， 〇為核函數(shù)參 數(shù)，σ包含在所述蓄電池剩余容量檢測輸出模型的K(x，Xi)中，Vi=(Vil，Vi2, . . .Vin)表示第i 個(gè)粒子的預(yù)設(shè)速度向量，Pi=(Pil,Pi2, . . .Pin)為所述個(gè)體最優(yōu)值，Pg=(Pgl，Pg2, . . .pgn)為種 群的所述群體最優(yōu)值，ω為慣性權(quán)重，C1，C2S加速度因子， ri，r2為介于0和1之間的隨機(jī)數(shù)。
[0023] 作為一種優(yōu)化方案，在所述步驟S500中，所述交叉操作具體為所選粒子群中隨機(jī) 兩兩粒子的速度和位置交叉操作，公式如下：
[0028]其中?和〖分別為交叉操作之前粒子的速度和位置，^w,、rnt2和 別為交叉操作之后新粒子的速度和位置。
[0029]作為一種優(yōu)化方案，所述步驟S100中最小二乘支持向量機(jī)根據(jù)所述測試樣本計(jì)算 獲得蓄電池剩余容量檢測輸出
[0030]對(duì)于采集的待測蓄電池的開路電壓、環(huán)境溫度、內(nèi)阻若干測試樣本構(gòu)成的樣本集 D.，廣;}[^1，11盧妒，1'盧1^，1：盧1^，輸入輸出關(guān)系式為 [0031 ] y = \ν'φ(χ) + δ
[0032] 其中：<·)為核空間映射函數(shù);w為權(quán)向量，擁有與核空間相同的維數(shù)，b為偏差量；
[0033] 構(gòu)造如下優(yōu)化公式確定所述輸入輸出關(guān)系式中的最優(yōu)參數(shù)：
[0034]
式中C為懲罰參數(shù)，構(gòu)造對(duì)偶空間的Langrange 函數(shù)：
[0036]式中ai 2 0，ai為Langrange對(duì)偶變量；
[0037 ]根據(jù)對(duì)偶空間的Langrange函數(shù)和參數(shù)尋優(yōu)的條件計(jì)算后可得：
[0039] 其中
[0040] y = (yi ,y2. . ·υν)τ； Iv= (1,1. . . l)T；a = (ai,a2. . .aN)T；
[0041 ]
且K(Xi,Xj)為滿足mercer定理的核 函數(shù)；
[0042] 所述輸入輸出關(guān)系式最終轉(zhuǎn)換為所述蓄電池剩余容量檢須蝓出模型
[0043] 本發(fā)明提出了一中基于遺傳算法和粒子群優(yōu)化算法-最小二乘支持向量機(jī)的蓄電 池剩余容量檢測方法，該方法以最基本的最小二乘支持向量機(jī)為基礎(chǔ)，加以粒子群算法來 對(duì)其中核函數(shù)參數(shù)和懲罰系數(shù)來進(jìn)行參數(shù)尋優(yōu)，提高了仿真精度，同時(shí)引入遺傳算法來增 強(qiáng)算法的全局搜索能力，防止陷入局部最優(yōu)解。只需要通過檢測蓄電池開路電壓、環(huán)境溫 度、蓄電池內(nèi)阻這三個(gè)量，就可以檢測蓄電池的剩余容量。最后通過對(duì)比實(shí)驗(yàn)數(shù)據(jù)和預(yù)測數(shù) 據(jù)，發(fā)現(xiàn)本方法的檢測的平均誤差可以控制在5 %以內(nèi)，較傳統(tǒng)的最小二乘支持向量機(jī)方 法，大大提高了預(yù)測精度。
【附圖說明】
[0044] 圖1是本發(fā)明可選的實(shí)施例中一種蓄電池剩余容量檢測方法的流程圖；
[0045]圖2為本發(fā)明一實(shí)施例中的仿真結(jié)果圖；
[0046]圖3(a)、(b)、（c)為本發(fā)明一測試數(shù)據(jù)的誤差分析示意圖。
【具體實(shí)施方式】
[0047] 本發(fā)明要解決的技術(shù)問題是如何在通過檢測蓄電池的外部易檢測量來通過智能 算法來檢測蓄電池剩余容量這一內(nèi)部不易檢測量，并提高檢測精度。
[0048] 為了解決這一問題，本發(fā)明基于遺傳算法和粒子群優(yōu)化算法-最小二乘支持向量 機(jī)提出了一種蓄電池剩余容量檢測方法，其特征在于，包括如下步驟：
[0049] S100:采集待測蓄電池的開路電壓、環(huán)境溫度、內(nèi)阻為若干測試樣本，根據(jù)最小二 乘支持向量機(jī)理論，得到蓄電池剩余容量檢測輸出模型
[0050] S200:對(duì)粒子群算法中種群進(jìn)行隨機(jī)初始化；
[0051] S300:以預(yù)設(shè)的更新法則更新各粒子速度和位置，對(duì)所述蓄電池剩余容量檢測輸 出模型的adPK(x，Xl)中包含的參量(C， 〇)進(jìn)行尋優(yōu)；
[0052] S400:根據(jù)適應(yīng)度函數(shù)，計(jì)算各粒子的適應(yīng)度值，所述適應(yīng)度函數(shù)為所述測試樣本 與根據(jù)所述蓄電池剩余容量檢測輸出模型計(jì)算獲得的預(yù)測數(shù)據(jù)的方均根誤差；
[0053] S500:將各粒子的所述適應(yīng)度值進(jìn)行排序，并選擇適應(yīng)度值相對(duì)高的二分之一粒 子進(jìn)行遺傳算法的交叉操作；
[0054] S600:對(duì)粒子進(jìn)行遺傳算法的中的變異操作；
[0055] S700:根據(jù)所述適應(yīng)度函數(shù)，重新計(jì)算遺傳算法選擇、交叉和變異操作之后粒子