动环监控系统中蓄电池后备容量的在线估算

摘 要

根据基站动力环境监控系统平台中蓄电池管理对后备容量估计的需求，基于BP人工神经网络在线估算蓄电池后备容量，为容量预警提供参考性数据。

【关键词】动力环境监控 人工神经网络 蓄电池 后备容量

1 绪论

对基站及机房来说，一旦市电停电后无法正常供电，此时蓄电池作为移动通信基站不可缺少的后备电源，是通信系统不间断运行的保证，所以对蓄电池的在线监控具有十分重要的意义。

2 动力环境监控系统

基站动力环境监控系统是指基站动力环境及图像集中监控管理，其监控对象主要是机房动力和环境设备等，如：动力（UPS电源、蓄电池等）、环境（空调、水浸、温湿度、红外等）、安防（视频监控、门禁等）、消防（烟感等）、报警等。随着信息化程度的不断提高，机房计算机的数量与日俱增，其环境设备也日益增多，基站环境设备必须时刻为计算机系统提供正常的运行环境，基站动力环境监控系统是保障通信、电力系统用电质量的一套监控系统。

3 课题背景

动环系统每隔段时间采集一组蓄电池放电过程数据（市电停电引起的蓄电池放电）。平台记录放电过程中采集瞬间的负载电压，负载电流、环境温度，如图1所示。希望在不影响蓄电池供电系统正常运行的情况下，能够对蓄电池组的后备容量进行在线状态监测，供管理人员参考，防止因蓄电池过放或者停止供电给机房或者基站带来的损失。由于电池内部反应极为复杂，影响电池soc（后备容量）因素众多，soc是不能直接得到，只能通过对电池的特性，如电压、放电电流、环境温度参数来估计。

4 人工神经网络估算后备容量

本文对铅酸蓄电池进行不同恒倍率和温度下的放电实验。例如在25℃实验温度下，采用0.1C放电率放电10%（soc值为0.9）记录该时刻点的负载电压，建立了一系列组数据。实验部分数据如表1，为网络学习提供了样本数据。

蓄电池实际放电过程中电流，温度，电压是变化的，引入神经网络模型实质就是把一组样本输入输出问题转化为一个非线性优化问题并通过梯度算法利用迭代运算求解权值问题的一种学习算法。提出基于人工神经网络建立蓄电池模型的方法，充分运用了神经网络高度的非线性、高度的容错性和鲁棒性，自学习及实时处理等特点；只要输入一系列例子样本，网络就能从这些例子中获得的训练数据库中获得控制因子，也就是网络权值。

图2中BP型神经网络有输入层、隐藏层和输出层组成。本文隐藏层节点选取15，输入层为3，代表影响因子电流、电压、和温度，输出层节点个数为1即soc值，初始权值取-1到1之间的随机数，由于误差函数局部极小值的存在，因此必须随机改变网络初始连接权值，本文将阈值设置为零，同时为了保证系统的稳定性，学习率选为0.01，训练次数选取为3500。

模型测得的数据和表1数据的对比图3可以看出，使用BP神经网络建立的预测soc模型具有较好的适应性，结果精度满足要求；放电率、温度、电压对后备容量的值有着不同程度的影响即最终训练结果权值的大小。

参考文献

[1]王撕成，陈子平，杨军，于安业.蓄电池剩余容量（SOC）数学模型探讨和在线测试仪的开发[J].太阳能学报，2005，26（1）：6-13.

[2]乔波强，候振义，王佑民.蓄电池剩余容量预测技术现状及发展[J].电源世界，2012：21-35.

[3]王宏刚，姚国兴.一种新型SOC估计算法的研究[J].电源技术研究与设计，2012，36（6）：834-836.

[4]李玉昇，赵黎明，叶荣.通信局房电源系统蓄电池后备时间的探讨[J].电信工程技术与标准化，2011（1）：25-27.

[5]蔡正英，桂长清.电动自行车电池开路电压与放电容量的关系[J].电池工业，2007，12（6）：366-369

[6]陈强，王洪佩.基于BP神经网络的SOC估算策略研究[J].汽车与安全，2011：58-60.

[7]陈桂芳.基于BP算法的人工神经网络软件实现的Java技术[D].大连：大连铁道学院，2002.

[8]王国辉，魏鹏飞，张均宁.基于动环监控系统的蓄电池容量监测与管理[A].中国学术期刊电子出版社所编.中国通信学会第五届学术年会论文集[C].北京：中国学术期刊电子杂志社，2008，1511-1517.

作者单位

中南大学 湖南省长沙市 410000