电池剩余放电时间预测

陈东阳 柳林思青 朱铭锌

摘要：铅酸电池在交通、电力、军事等各个领域都起到了非常重要的作用，因而预测电池剩余放电时间具有一定的实际意义。依据采样数据，运用BAS-BP和曲线拟合的方法建立了预测电池剩余放电时间的数学模型。利用神经网络得到9.8V时20A到100A电流强度下电池的剩余放电时间，然后利用MATLAB拟合工具箱得到电池剩余放电时间的计算公式。

关键词：BAS-BP;曲线拟合;电池剩余放电时间

铅酸电池是一种蓄电池。由于其寿命长、维护方便等优良性能被广泛用于各个领域。当电池在恒定电流强度下放电时，电压与放电时间的增加而下降，直至最低额定保护电压。在使用电池时，必须要了解电池的剩余放电时间，因此预测电池的剩余放电时间是非常重要的。

1 数据的来源及处理

参考2016年全国大学生数学建模竞赛C题，利用题目所给数据，对数据进行预处理。由于电池剩余放电时间、电压以及电流强度的单位和变异程度不同，为了消除量纲影响和变量自身差异的影响，故对数据进行归一化处理，原理[1]为：

2 电池剩余放电时间模型的建立

原始的BP神经网络存在很多局限性，完全依靠误差来调整网络的权值和阈值[3]，导致网络的性能不是很好，对结果会产生较大的影响。利用天牛须算法为网络选取初始权值和阈值可以提高网络的性能[2]。

以题目中所给的6531个采样数据为总样本，6481个样本作为训练集，50个样本作为检验集，选取相对误差这一指标评价模型的性能。

BP神经网络采用输入神经元个数input为2，输出神经元个数output为1，由隐含层神经元经验公式：

可确定隐含层神经元个数 ，比较每个神经元下的相对误差，如图1所示：

选取相对误差最小时的隐含层神经元个数，h的值为6，此时相对误差为0.1917。

BAS-BP 网络预测模型训练集的拟合结果如图2所示，预测数据与实际数据对比可以看出，BAS-BP模型预测结果非常逼近真实值。

利用上述建立的BAS-BP模型預测出9.8V时不同电流强度条件下的电池剩余放电时间。对求得的数据利用MATLAB的数据拟合工具箱进行拟合，发现在众多函数中，Power函数拟合的效果最好，均方根误差RMSE为26.83，R-square为0.9992。拟合的结果如下：

利用建立的模型，可以预测当电压为9.8V时，任意电流强度下的剩余放电时间。利用上述方法，同样可以计算出不同电压下，不同电流对应的剩余放电时间计算公式。

参考文献：

[1]罗玉彬，牛冉雯.样本数据归一化对GPS高程转化结果的影响分析[J].测绘通报，2013 （8）：33.

[2]王甜甜，刘强.基于BAS-BP模型的风暴潮灾害损失预测[J].海洋环境科学，2018，37 （03）：457-463.

[3]袁冰清，程功，郑柳刚.BP神经网络基本原理[J].数字通信世界，2018 （08）：28-29.