剩餘容量

剩餘容量是指蓄電池等儲能裝置在經過一定時間的使用後剩餘的容量大小。一般蓄電池的建模方法可以分為兩大類：一類是物理建模方法；另一類是系統的辨識與參數估計建模方法。

基本介紹

• 中文名：剩餘容量
• 外文名：residual capacity
• 一級學科：工程技術
• 二級學科：電工技術
• 定義：蓄電池經使用後的剩餘容量
• 預測方法：物理和系統辨識與參數估計建模

蓄電池容量

蓄電池在規定條件（包括放電強度、放電電流及放電終止電壓）下放出的電量多少或放電時間長短稱為蓄電池容量，單位A·h或A·min。汽車蓄電池是一個可逆的直流電源，既能將化學能轉換為電能，也能將電能轉化為化學能，它與發電機並聯。

蓄電池長久不用，它會慢慢自行放電，直至報廢。因此，每隔一定時間就應啟動一次汽車，給蓄電池充電。另一個辦法就是將蓄電池上的兩個電極拔下來，需注意的是從電極柱上拔下正、負兩根電極線，要先拔下負極線，或卸下負極和汽車底盤的連線。然後再拔去帶有正極標誌(+)的另一端，蓄電池有一定的使用壽命，到一定的時期就要更換。在更換時同樣要遵循上述次序，不過在把電極線接上去時，次序則恰恰相反，先接正極，然後再接負極。

剩餘容量簡介

剩餘容量是指蓄電池等儲能裝置在經過一定時間的使用後剩餘的容量大小。

蓄電池由於具有體積小、防爆、電壓穩定、無污染、重量輕、放電性能高、維護量小、價格低等優點，被廣泛套用於郵電、電力、交通、航空航天、應急照明、軍事通信等諸多領域。蓄電池已經成為系統的關鍵部件之一，它的安全可靠運行直接關係到整套設備的可靠運行。但是在使用過程中，由於剩餘容量無法準確預測，輕的造成事故,重的釀成慘劇。因此，必須建立一個有效的蓄電池管理系統，準確可靠地預測蓄電池剩餘容量則成為電池管理系統中最基本和最要的任務。

預測方法

國內外普遍採用荷電狀態SOC（state of charge）來表示蓄電池的剩餘容量。是直接反映蓄電池的可持續供電能力和健康狀況的一個重要參數。由於蓄電池有著不同的類型、用途以及外部環境,的影響因素眾多，因此其預測採用的方法各種各樣，使用的電池模型也不盡相同。一般蓄電池的建模方法可以分為兩大類：一類是物理建模方法；另一類是系統的辨識與參數估計建模方法。

物理建模方法預測

（1）放電實驗法。放電試驗法是大家公認的最可靠的估計方法。按某一放電倍率的電流將電池進行連續放電至規定的零點，放電電流與時間的乘積即為剩餘容量。放電試驗法主要用於實驗室計算電池組充電效率、檢驗估算精度或者用於蓄電池的檢修,適用於所有電池。但是，該方法有兩個明顯的缺點需要大量時間和人力電池正在進行的工作不得不中斷，無法實時線上預測。對於靜態後備蓄電池可以採用，但對於重要場合,用此方法則要冒一定的風險，因為放電期間，系統在沒有電池備份下運行,一旦主電源出現問題或者市電中斷,整個系統都將癱瘓，造成不可估量的損失。

（2）安時法。安時法實質是將電池看作一個黑箱，認為流進電池的電量與流出電池的電量有一定的比例關係,而不考慮電池內部的結構和外部的電氣特性，因此這種方法適用於各種電池。同時可以看出，安時法在套用中存在的問題要求標定初始值需要精確計算充放電效率需準確測量電流，電流測量不準，將造成計算誤差，長期會存在電流積分的累計誤差在高溫狀態和電流波動劇烈的情況下誤差較大。因此，在實際套用場合採用安時法時，一般根據使用環境和條件考慮對充放電率、溫度、電池老化以及自放電率等因素進行補償。

（3）密度法。密度法主要用於鉛酸蓄電池。由於電解液密度在充電過程中逐漸變高，放電過程中逐漸降低，且蓄電池容量與密度呈一定的線性關係，因此，通過測量電解液的密度可以預測的大小。由於密度法需對電解液進行測量，主要套用於開口式鉛酸電池，若能夠開發出更高精度的密度一容量感測器，在極其重要的場合，可將其在生產時就植人密封蓄電池。

（4）開路電壓法。開路電壓是指蓄電池在開路狀態下的端電壓，在數值上接近電池電動勢。開路電壓法是根據電池的剩餘容量與開路電壓有一定的線性正比關係而建立起來的，通過測量開路電壓就能夠直接得到剩餘容量的大小。其優點是不依賴蓄電池尺寸、大小和放電速度，只以開路電壓為測試參數，相對比較簡單。

系統辨識及參數估計模型方法預測

（1）神經網路法。由於蓄電池是一個複雜的非線性系統，對其充放電過程建立準確的數學模型難度較大。而神經網路具有分布並行處理、非線性映射和自適應學習等特性，可較好地反映非線性的基本特性，在有外部激勵時能給出相應的輸出，因此能夠在一定程度上模擬蓄電池動態特性，估算SOC。

估算蓄電池大多採用典型的3層人工神經網路。一般直接採集蓄電池的放電電流、端電壓以及溫度或採用變電流組合測量方法，確定電動勢和內阻作為神經網路模型的輸入，SOC作為輸出。其中輸入、輸出層神經元一般為線性函式隱含層節點數目取決於問題的複雜程度及分析精度，可根據網路在訓練過程中的收斂速度和訓練完成後的誤差來確定。人工神經網路法適用於各種蓄電池，但該方法的誤差受訓練數據和訓練方法影響很大,而且實際使用中存在噪聲干擾影響網路的學習與套用。

（2）卡爾曼濾波法。卡爾曼濾波理論的核心思想,是對動力系統的狀態作出最小方差意義上的最優估計，它既適用於線性系統也適用於非線性系統。

在運用卡爾曼濾波法估算時，首先要建立適合於卡爾曼濾波估計的電池模型，且模型須具備兩方面特點：1）能夠較好地體現電池的動態特性，同時階數不能太高，以減少處理器的運算量，便於工程實現；2）模型必須能夠準確反映電池電動勢與端電壓的關係，從而使閉環估計有較高的精度。