本發(fā)明涉及電力信息技術(shù)領(lǐng)域，特別是涉及一種蓄電池剩余容量的檢測(cè)方法和裝置。

背景技術(shù)：

蓄電池是一種價(jià)格低廉、使用方便、結(jié)構(gòu)簡(jiǎn)單的電源設(shè)備，被廣泛地應(yīng)用在電力、通信等各行業(yè)中。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。為了充分了解蓄電池的工作狀態(tài)，需要對(duì)蓄電池進(jìn)行剩余容量(soc，stateofcharge，荷電狀態(tài))的檢測(cè)，以便采取相應(yīng)的控制措施。

一般蓄電池剩余容量的檢測(cè)采用放電試驗(yàn)法、內(nèi)阻檢測(cè)法和開路電壓法等。放電試驗(yàn)法需要確定蓄電池的初始容量和充放電效率，獲取準(zhǔn)確的充放電效率較為困難，內(nèi)阻檢測(cè)法和開路電壓法會(huì)較大程度受到其他影響因素的影響，因此，利用一般的方法對(duì)蓄電池進(jìn)行使剩余容量檢測(cè)的準(zhǔn)確性較低。

技術(shù)實(shí)現(xiàn)要素：

基于此，有必要針對(duì)傳統(tǒng)的蓄電池剩余容量檢測(cè)準(zhǔn)確性較低的問題，提供一種蓄電池剩余容量的檢測(cè)方法和裝置。

一種蓄電池剩余容量的檢測(cè)方法，包括以下步驟：

獲取待測(cè)蓄電池的剩余容量的影響因素的測(cè)量值和待測(cè)蓄電池的電容測(cè)量值；

將影響因素的測(cè)量值輸入至預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)，通過預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)獲得待測(cè)蓄電池的多個(gè)電容預(yù)測(cè)值和多個(gè)剩余容量預(yù)測(cè)值，其中，多個(gè)電容預(yù)測(cè)值和多個(gè)剩余容量預(yù)測(cè)值一一對(duì)應(yīng)；

根據(jù)預(yù)設(shè)權(quán)重系數(shù)對(duì)多個(gè)電容預(yù)測(cè)值進(jìn)行加權(quán)擬合，獲得電容擬合值；

以電容測(cè)量值為目標(biāo)值，通過粒子群算法對(duì)電容擬合值進(jìn)行優(yōu)化，獲得優(yōu)化權(quán)重系數(shù)；

根據(jù)優(yōu)化權(quán)重系數(shù)對(duì)多個(gè)剩余容量預(yù)測(cè)值進(jìn)行加權(quán)擬合，獲得待測(cè)蓄電池的剩余容量值。

一種蓄電池剩余容量的檢測(cè)裝置，包括直流電源、電流測(cè)量裝置、電壓測(cè)量裝置、內(nèi)阻儀、交流阻抗測(cè)量?jī)x、溫度測(cè)量裝置和微處理器；

檢測(cè)裝置具備兩個(gè)第一接線端子，直流電源和電流測(cè)量裝置串聯(lián)后連接在兩個(gè)第一接線端子之間，電壓測(cè)量裝置、內(nèi)阻儀、交流阻抗測(cè)量?jī)x并聯(lián)在兩個(gè)第一接線端子之間；兩個(gè)第一接線端子用于分別連接待測(cè)蓄電池的正負(fù)極；

微處理器分別與直流電源、電流測(cè)量裝置、電壓測(cè)量裝置、內(nèi)阻儀、交流阻抗測(cè)量?jī)x、溫度測(cè)量裝置連接；

微處理器接收直流電源、電流測(cè)量裝置、電壓測(cè)量裝置、內(nèi)阻儀、交流阻抗測(cè)量?jī)x和溫度測(cè)量裝置的測(cè)量數(shù)據(jù)，根據(jù)測(cè)量數(shù)據(jù)獲取待測(cè)蓄電池的剩余容量的影響因素的測(cè)量值和待測(cè)蓄電池的電容測(cè)量值；將影響因素的測(cè)量值輸入至預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)，通過預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)獲得待測(cè)蓄電池的多個(gè)電容預(yù)測(cè)值和多個(gè)剩余容量預(yù)測(cè)值，其中，多個(gè)電容預(yù)測(cè)值和多個(gè)剩余容量預(yù)測(cè)值一一對(duì)應(yīng)；根據(jù)預(yù)設(shè)權(quán)重系數(shù)對(duì)多個(gè)電容預(yù)測(cè)值進(jìn)行加權(quán)擬合，獲得電容擬合值；以電容測(cè)量值為目標(biāo)值，通過粒子群算法對(duì)電容擬合值進(jìn)行優(yōu)化，獲得優(yōu)化權(quán)重系數(shù)；根據(jù)優(yōu)化權(quán)重系數(shù)對(duì)多個(gè)剩余容量預(yù)測(cè)值進(jìn)行加權(quán)擬合，獲得待測(cè)蓄電池的剩余容量值。

根據(jù)上述本發(fā)明的蓄電池剩余容量的檢測(cè)方法和裝置，其是獲取待測(cè)蓄電池的剩余容量的影響因素的測(cè)量值和待測(cè)蓄電池的電容測(cè)量值，利用人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)和剩余容量的影響因素的測(cè)量值得到待測(cè)蓄電池的多個(gè)電容預(yù)測(cè)值和多個(gè)剩余容量預(yù)測(cè)值，對(duì)多個(gè)電容預(yù)測(cè)值進(jìn)行加權(quán)擬合，以電容測(cè)量值為目標(biāo)值，通過粒子群算法對(duì)電容擬合值進(jìn)行優(yōu)化，獲得優(yōu)化權(quán)重系數(shù)，利用該優(yōu)化權(quán)重系數(shù)對(duì)多個(gè)剩余容量預(yù)測(cè)值進(jìn)行加權(quán)擬合，得到待測(cè)蓄電池的剩余容量值。此方案中使用了人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)，可以生成較為準(zhǔn)確的多個(gè)剩余容量預(yù)測(cè)值，對(duì)同時(shí)得到的多個(gè)電容預(yù)測(cè)值進(jìn)行加權(quán)擬合后，使用粒子群算法獲得優(yōu)化權(quán)重系數(shù)，使多個(gè)剩余容量預(yù)測(cè)值加權(quán)擬合后更加逼近待測(cè)蓄電池的實(shí)際剩余容量值，進(jìn)一步提高了剩余容量值的檢測(cè)準(zhǔn)確性。

附圖說明

圖1是其中一個(gè)實(shí)施例中蓄電池剩余容量的檢測(cè)方法的流程示意圖；

圖2是其中一個(gè)實(shí)施例中蓄電池剩余容量的檢測(cè)裝置的結(jié)構(gòu)示意圖；

圖3是其中一個(gè)實(shí)施例中蓄電池剩余容量的檢測(cè)裝置的部分結(jié)構(gòu)示意圖；

圖4是其中一個(gè)實(shí)施例中蓄電池剩余容量的檢測(cè)裝置的結(jié)構(gòu)示意圖；

圖5是其中一個(gè)具體實(shí)施例中蓄電池剩余容量的檢測(cè)裝置的結(jié)構(gòu)框圖；

圖6是其中一個(gè)具體實(shí)施例中信號(hào)處理單元結(jié)構(gòu)示意圖；

圖7是其中一個(gè)具體實(shí)施例中直流電源回路的示意圖；

圖8是其中一個(gè)具體實(shí)施例中信號(hào)處理單元中微處理器與各部件連接關(guān)系方塊圖；

圖9是其中一個(gè)具體實(shí)施例中信號(hào)處理單元同時(shí)測(cè)量多個(gè)蓄電池的測(cè)量端子示意圖；

圖10是其中一個(gè)具體實(shí)施例中人工神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)簡(jiǎn)圖；

圖11是其中一個(gè)具體實(shí)施例中蓄電池模型庫(kù)權(quán)重系數(shù)擬合算法的過程示意圖；

圖12是其中一個(gè)具體實(shí)施例中蓄電池的等效電路示意圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步的詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施方式僅僅用以解釋本發(fā)明，并不限定本發(fā)明的保護(hù)范圍。

參見圖1所示，為本發(fā)明一個(gè)實(shí)施例的蓄電池剩余容量的檢測(cè)方法的流程示意圖。該實(shí)施例中的蓄電池剩余容量的檢測(cè)方法包括以下步驟：

步驟s101：獲取待測(cè)蓄電池的剩余容量的影響因素的測(cè)量值和待測(cè)蓄電池的電容測(cè)量值；

在本步驟中，剩余容量值并不直接獲取，獲取的是剩余容量的影響因素的測(cè)量值，影響因素會(huì)對(duì)剩余容量產(chǎn)生較大影響，而且影響因素的測(cè)量值容易獲?。?/p>

步驟s102：將影響因素的測(cè)量值輸入至預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)，通過預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)獲得待測(cè)蓄電池的多個(gè)電容預(yù)測(cè)值和多個(gè)剩余容量預(yù)測(cè)值，其中，多個(gè)電容預(yù)測(cè)值和多個(gè)剩余容量預(yù)測(cè)值一一對(duì)應(yīng)；

在本步驟中，預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)是預(yù)先經(jīng)過訓(xùn)練的模型庫(kù)，針對(duì)輸入的影響因素的測(cè)量值，可以輸出與之對(duì)應(yīng)的電容預(yù)測(cè)值和剩余容量預(yù)測(cè)值，由于剩余容量的影響因素也會(huì)影響蓄電池的電容，因此，預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)也可以對(duì)電容進(jìn)行預(yù)測(cè)；預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)可以進(jìn)行多種預(yù)測(cè)，得到一一對(duì)應(yīng)的多個(gè)電容預(yù)測(cè)值和多個(gè)剩余容量預(yù)測(cè)值；

步驟s103：根據(jù)預(yù)設(shè)權(quán)重系數(shù)對(duì)多個(gè)電容預(yù)測(cè)值進(jìn)行加權(quán)擬合，獲得電容擬合值；

在本步驟中，電容擬合值是多個(gè)電容預(yù)測(cè)值與預(yù)設(shè)權(quán)重系數(shù)的乘積的和值；

步驟s104：以電容測(cè)量值為目標(biāo)值，通過粒子群算法對(duì)電容擬合值進(jìn)行優(yōu)化，獲得優(yōu)化權(quán)重系數(shù)；

在本步驟中，利用粒子群算法獲得優(yōu)化權(quán)重系數(shù)，優(yōu)化后的電容擬合值最大程度逼近電容測(cè)量值；

步驟s105：根據(jù)優(yōu)化權(quán)重系數(shù)對(duì)多個(gè)剩余容量預(yù)測(cè)值進(jìn)行加權(quán)擬合，獲得待測(cè)蓄電池的剩余容量值；

在本步驟中，將多個(gè)剩余容量預(yù)測(cè)值與優(yōu)化權(quán)重系數(shù)的乘積的和值作為待測(cè)蓄電池的剩余容量值。

在本實(shí)施例中，獲取待測(cè)蓄電池的剩余容量的影響因素的測(cè)量值和待測(cè)蓄電池的電容測(cè)量值，利用人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)和剩余容量的影響因素的測(cè)量值得到待測(cè)蓄電池的多個(gè)電容預(yù)測(cè)值和多個(gè)剩余容量預(yù)測(cè)值，對(duì)多個(gè)電容預(yù)測(cè)值進(jìn)行加權(quán)擬合，以電容測(cè)量值為目標(biāo)值，通過粒子群算法對(duì)電容擬合值進(jìn)行優(yōu)化，獲得優(yōu)化權(quán)重系數(shù)，利用該優(yōu)化權(quán)重系數(shù)對(duì)多個(gè)剩余容量預(yù)測(cè)值進(jìn)行加權(quán)擬合，得到待測(cè)蓄電池的剩余容量值。此方案中使用了人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)，可以生成較為準(zhǔn)確的多個(gè)剩余容量預(yù)測(cè)值，對(duì)同時(shí)得到的多個(gè)電容預(yù)測(cè)值進(jìn)行加權(quán)擬合后，使用粒子群算法獲得優(yōu)化權(quán)重系數(shù)，使多個(gè)剩余容量預(yù)測(cè)值加權(quán)擬合后更加逼近待測(cè)蓄電池的實(shí)際剩余容量值，進(jìn)一步提高了剩余容量值的檢測(cè)準(zhǔn)確性。

可選的，預(yù)設(shè)權(quán)重系數(shù)的個(gè)數(shù)與電容預(yù)測(cè)值的個(gè)數(shù)相同，所有預(yù)設(shè)權(quán)重系數(shù)的和值為1。

在其中一個(gè)實(shí)施例中，預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)包括多個(gè)預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型；

將影響因素的測(cè)量值輸入至預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)，通過預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)獲得蓄電池的多個(gè)電容值和多個(gè)剩余容量值的步驟包括以下步驟：

將影響因素的測(cè)量值分別輸入至每個(gè)預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型，每個(gè)預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型輸出一個(gè)電容預(yù)測(cè)值和一個(gè)剩余容量預(yù)測(cè)值。

在本實(shí)施例中，預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)包括多個(gè)預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型，每個(gè)預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型對(duì)影響因素測(cè)量值的預(yù)測(cè)過程不同，從而可以得到不同的預(yù)測(cè)結(jié)果，充分考慮蓄電池個(gè)體的動(dòng)態(tài)特點(diǎn)，為后續(xù)擬合處理提供準(zhǔn)確有效的預(yù)測(cè)數(shù)據(jù)。

在其中一個(gè)實(shí)施例中，將影響因素參數(shù)輸入至預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)的步驟之前還包括以下步驟：

對(duì)多個(gè)樣本蓄電池進(jìn)行充放電試驗(yàn)，分別獲取各樣本蓄電池的剩余容量樣本值、電容樣本值以及剩余容量的影響因素樣本值；

建立與各樣本蓄電池一一對(duì)應(yīng)的多個(gè)人工神經(jīng)網(wǎng)絡(luò)模型，對(duì)于任意一個(gè)人工神經(jīng)網(wǎng)絡(luò)模型，以對(duì)應(yīng)的樣本蓄電池的剩余容量樣本值和電容樣本值為輸出，以對(duì)應(yīng)的樣本蓄電池的剩余容量的影響因素樣本值為輸入，對(duì)該人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，獲得預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型。

在本實(shí)施例中，樣本蓄電池是已有的用于訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)模型的蓄電池，通過完整的充放電試驗(yàn)，可以獲取樣本蓄電池的剩余容量樣本值、電容樣本值以及剩余容量的影響因素樣本值，通過獲取的各種樣本值可以對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型，用于待測(cè)蓄電池的剩余容量的預(yù)測(cè)。

可選的，多個(gè)樣本蓄電池可以包括剩余容量值等于或高于預(yù)設(shè)閾值的樣本蓄電池和剩余容量值低于預(yù)設(shè)閾值的樣本蓄電池，選擇不同剩余容量的樣本蓄電池對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，可以提高預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型對(duì)待測(cè)蓄電池的剩余容量的預(yù)測(cè)的準(zhǔn)確性，另外，樣本蓄電池還可以包括新樣本蓄電池和舊樣本蓄電池，新樣本蓄電池包括剩余容量值等于或高于預(yù)設(shè)閾值的新樣本蓄電池和剩余容量值低于預(yù)設(shè)閾值的新樣本蓄電池，舊樣本蓄電池包括剩余容量值等于或高于預(yù)設(shè)閾值的舊樣本蓄電池和剩余容量值低于預(yù)設(shè)閾值的舊樣本蓄電池，預(yù)設(shè)閾值可以是測(cè)試標(biāo)準(zhǔn)要求的剩余容量值，也可以是根據(jù)實(shí)際需要設(shè)置的剩余容量值。

在其中一個(gè)實(shí)施例中，獲取待測(cè)蓄電池的剩余容量的影響因素的測(cè)量值和待測(cè)蓄電池的電容測(cè)量值的步驟包括以下步驟：

對(duì)待測(cè)蓄電池進(jìn)行多次測(cè)量，獲得待測(cè)蓄電池的多組剩余容量的影響因素初始測(cè)量值和多組電容初始測(cè)量值，并對(duì)多組剩余容量的影響因素初始測(cè)量值和多組電容初始測(cè)量值進(jìn)行卡爾曼濾波，得到待測(cè)蓄電池的剩余容量的影響因素的測(cè)量值和待測(cè)蓄電池的電容測(cè)量值。

在本實(shí)施例中，獲取待測(cè)蓄電池的剩余容量的影響因素的測(cè)量值和待測(cè)蓄電池的電容測(cè)量值時(shí)，可以連續(xù)測(cè)量多組數(shù)據(jù)，通過卡爾曼濾波對(duì)多組數(shù)據(jù)進(jìn)行處理，以減少誤差影響，提高剩余容量的影響因素的測(cè)量值和電容測(cè)量值的準(zhǔn)確性。

在其中一個(gè)實(shí)施例中，影響因素包括開路電壓、歐姆內(nèi)阻、極化內(nèi)阻、浮充電流或環(huán)境溫度。

在本實(shí)施例中，影響因素包括開路電壓、歐姆內(nèi)阻、極化內(nèi)阻、浮充電流或環(huán)境溫度，在實(shí)際檢測(cè)時(shí)可以利用其中的一種或多種，上述開路電壓、歐姆內(nèi)阻、極化內(nèi)阻、浮充電流或環(huán)境溫度均會(huì)影響蓄電池的剩余容量，利用多種影響因素對(duì)剩余容量進(jìn)行預(yù)測(cè)可以大大提高預(yù)測(cè)的準(zhǔn)確性。

在其中一個(gè)實(shí)施例中，獲取待測(cè)蓄電池的剩余容量的影響因素的測(cè)量值和待測(cè)蓄電池的電容測(cè)量值的步驟包括以下步驟：

通過電壓測(cè)量裝置測(cè)量待測(cè)蓄電池的開路電壓，通過直流電源和電流測(cè)量裝置測(cè)量待測(cè)蓄電池的浮充電流，通過溫度測(cè)量裝置測(cè)量待測(cè)蓄電池的環(huán)境溫度，通過內(nèi)阻儀測(cè)量待測(cè)蓄電池的總內(nèi)阻，通過交流阻抗測(cè)量?jī)x測(cè)量待測(cè)蓄電池的等效阻抗；

根據(jù)總內(nèi)阻和等效阻抗計(jì)算待測(cè)蓄電池的歐姆內(nèi)阻、極化內(nèi)阻和電容。

在本實(shí)施例中，開路電壓、浮充電流和環(huán)境溫度可以通過不同的設(shè)備對(duì)待測(cè)蓄電池進(jìn)行測(cè)量而獲得，歐姆內(nèi)阻、極化內(nèi)阻和電容可以通過內(nèi)阻儀和交流阻抗測(cè)量?jī)x進(jìn)行測(cè)量并計(jì)算獲得，在實(shí)際檢測(cè)過程中，可以根據(jù)選擇的影響因素選擇相應(yīng)的設(shè)備進(jìn)行測(cè)量。

根據(jù)上述蓄電池剩余容量的檢測(cè)方法，本發(fā)明實(shí)施例還提供一種蓄電池剩余容量的檢測(cè)裝置，以下就本發(fā)明的蓄電池剩余容量的檢測(cè)裝置的實(shí)施例進(jìn)行詳細(xì)說明。

參見圖2所示，為本發(fā)明一個(gè)實(shí)施例的蓄電池剩余容量的檢測(cè)裝置的結(jié)構(gòu)示意圖。該實(shí)施例中的蓄電池剩余容量的檢測(cè)裝置包括直流電源210、電流測(cè)量裝置220、電壓測(cè)量裝置230、內(nèi)阻儀240、交流阻抗測(cè)量?jī)x250、溫度測(cè)量裝置260和微處理器270；

檢測(cè)裝置具備兩個(gè)第一接線端子，直流電源210和電流測(cè)量裝置220串聯(lián)后連接在兩個(gè)第一接線端子之間，電壓測(cè)量裝置230、內(nèi)阻儀240、交流阻抗測(cè)量?jī)x250并聯(lián)在兩個(gè)第一接線端子之間；兩個(gè)第一接線端子用于分別連接待測(cè)蓄電池的正負(fù)極；

微處理器270分別與直流電源210、電流測(cè)量裝置220、電壓測(cè)量裝置230、內(nèi)阻儀240、交流阻抗測(cè)量?jī)x250、溫度測(cè)量裝置260連接；

微處理器270接收直流電源210、電流測(cè)量裝置220、電壓測(cè)量裝置230、內(nèi)阻儀240、交流阻抗測(cè)量?jī)x250和溫度測(cè)量裝置260的測(cè)量數(shù)據(jù)，根據(jù)測(cè)量數(shù)據(jù)獲取待測(cè)蓄電池的電容測(cè)量值和剩余容量的影響因素的測(cè)量值；將影響因素的測(cè)量值輸入至預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)，通過預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)獲得待測(cè)蓄電池的多個(gè)電容預(yù)測(cè)值和多個(gè)剩余容量預(yù)測(cè)值，其中，多個(gè)電容預(yù)測(cè)值和多個(gè)剩余容量預(yù)測(cè)值一一對(duì)應(yīng)；根據(jù)預(yù)設(shè)權(quán)重系數(shù)對(duì)多個(gè)電容預(yù)測(cè)值進(jìn)行加權(quán)擬合，獲得電容擬合值；以電容測(cè)量值為目標(biāo)值，通過粒子群算法對(duì)電容擬合值進(jìn)行優(yōu)化，獲得優(yōu)化權(quán)重系數(shù)；根據(jù)優(yōu)化權(quán)重系數(shù)對(duì)多個(gè)剩余容量預(yù)測(cè)值進(jìn)行加權(quán)擬合，獲得待測(cè)蓄電池的剩余容量值。

在其中一個(gè)實(shí)施例中，微處理器270分別連接直流電源210的開關(guān)模塊和數(shù)據(jù)模塊、電流測(cè)量裝置220的開關(guān)模塊和數(shù)據(jù)模塊、電壓測(cè)量裝置230的開關(guān)模塊和數(shù)據(jù)模塊、內(nèi)阻儀240的開關(guān)模塊和數(shù)據(jù)模塊、交流阻抗測(cè)量?jī)x250的開關(guān)模塊和數(shù)據(jù)模塊。

在本實(shí)施例中，微處理器270通過直流電源210的開關(guān)模塊、電流測(cè)量裝置220的開關(guān)模塊、電壓測(cè)量裝置230的開關(guān)模塊和內(nèi)阻儀240的開關(guān)模塊可以分別控制直流電源210、電流測(cè)量裝置220、電壓測(cè)量裝置230和內(nèi)阻儀240的工作狀態(tài)，通過直流電源210的數(shù)據(jù)模塊、電流測(cè)量裝置220的數(shù)據(jù)模塊、電壓測(cè)量裝置230的數(shù)據(jù)模塊和內(nèi)阻儀240的數(shù)據(jù)模塊可以分別接收直流電源210、電流測(cè)量裝置220、電壓測(cè)量裝置230和內(nèi)阻儀240的測(cè)量數(shù)據(jù)，通過分別控制可以避免各個(gè)測(cè)量裝置之間的相互影響。

在其中一個(gè)實(shí)施例中，如圖3所示，檢測(cè)裝置還具備多組第二接線端子和多個(gè)接線開關(guān)模塊280，各組第二接線端子均包括兩個(gè)第二接線端子，各組第二接線端子通過對(duì)應(yīng)的接線開關(guān)模塊280與兩個(gè)第一接線端子連接，所有接線開關(guān)模塊280均與微處理器270連接，各組第二接線端子用于分別連接不同待測(cè)蓄電池的正負(fù)極。

在本實(shí)施例中，兩個(gè)第一接線端子通過多個(gè)接線開關(guān)模塊280連接多組第二接線端子，各組第二接線端子可以分別連接不同待測(cè)蓄電池的正負(fù)極，微處理器270通過控制開關(guān)模塊280的閉合狀態(tài)，可以對(duì)連接的多個(gè)待測(cè)蓄電池進(jìn)行剩余容量依次進(jìn)行檢測(cè)。

在其中一個(gè)實(shí)施例中，如圖4所示，檢測(cè)裝置還包括與微處理器270連接的控制終端290，用于發(fā)送蓄電池剩余容量的檢測(cè)控制信號(hào)至微處理器270，以及接收微處理器270返回的蓄電池剩余容量的檢測(cè)結(jié)果。

在本實(shí)施例中，可以設(shè)置一個(gè)控制終端290與微處理器270連接，用于控制微處理器270進(jìn)行蓄電池剩余容量的檢測(cè)和接收檢測(cè)結(jié)果數(shù)據(jù)，控制終端290還可以直觀地顯示檢測(cè)結(jié)果，以便于用戶使用。

在其中一個(gè)實(shí)施例中，預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型庫(kù)包括多個(gè)預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型；

微處理器270將影響因素的測(cè)量值分別輸入至每個(gè)預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型，每個(gè)預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型輸出一個(gè)電容預(yù)測(cè)值和一個(gè)剩余容量預(yù)測(cè)值。

在其中一個(gè)實(shí)施例中，對(duì)多個(gè)樣本蓄電池進(jìn)行充放電試驗(yàn)，微處理器270分別獲取各樣本蓄電池的剩余容量樣本值、電容樣本值以及剩余容量的影響因素樣本值；建立與各樣本蓄電池一一對(duì)應(yīng)的多個(gè)人工神經(jīng)網(wǎng)絡(luò)模型，對(duì)于任意一個(gè)人工神經(jīng)網(wǎng)絡(luò)模型，以對(duì)應(yīng)的樣本蓄電池的剩余容量樣本值和電容樣本值為輸出，以對(duì)應(yīng)的樣本蓄電池的剩余容量的影響因素樣本值為輸入，對(duì)該人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，獲得預(yù)置人工神經(jīng)網(wǎng)絡(luò)模型。

在其中一個(gè)實(shí)施例中，多個(gè)樣本蓄電池包括剩余容量值等于或高于預(yù)設(shè)閾值的樣本蓄電池和剩余容量值低于預(yù)設(shè)閾值的樣本蓄電池。

在其中一個(gè)實(shí)施例中，對(duì)待測(cè)蓄電池進(jìn)行多次測(cè)量，微處理器270獲得待測(cè)蓄電池的多組剩余容量的影響因素初始測(cè)量值和多組電容初始測(cè)量值，并對(duì)多組剩余容量的影響因素初始測(cè)量值和多組電容初始測(cè)量值進(jìn)行卡爾曼濾波，得到待測(cè)蓄電池的剩余容量的影響因素的測(cè)量值和待測(cè)蓄電池的電容測(cè)量值。

在其中一個(gè)實(shí)施例中，影響因素包括開路電壓、歐姆內(nèi)阻、極化內(nèi)阻、浮充電流或環(huán)境溫度。

在其中一個(gè)實(shí)施例中，微處理器270通過電壓測(cè)量裝置測(cè)量待測(cè)蓄電池的開路電壓，通過直流電源和電流測(cè)量裝置測(cè)量待測(cè)蓄電池的浮充電流，通過溫度測(cè)量裝置測(cè)量待測(cè)蓄電池的環(huán)境溫度，通過內(nèi)阻儀測(cè)量待測(cè)蓄電池的總內(nèi)阻，通過交流阻抗測(cè)量?jī)x測(cè)量待測(cè)蓄電池的等效阻抗；根據(jù)總內(nèi)阻和等效阻抗計(jì)算待測(cè)蓄電池的歐姆內(nèi)阻、極化內(nèi)阻和電容。

本發(fā)明的蓄電池剩余容量的檢測(cè)裝置與本發(fā)明的蓄電池剩余容量的檢測(cè)方法相對(duì)應(yīng)，在上述蓄電池剩余容量的檢測(cè)方法的實(shí)施例中闡述的技術(shù)特征及其有益效果均適用于蓄電池剩余容量的檢測(cè)裝置的實(shí)施例中。

在一個(gè)具體的實(shí)施例中，蓄電池剩余容量的檢測(cè)裝置可以應(yīng)用于鉛酸蓄電池的剩余容量檢測(cè)的場(chǎng)景中。

圖5為蓄電池剩余容量檢測(cè)裝置框圖，其中信號(hào)處理單元用于測(cè)量蓄電池的開路電壓、歐姆內(nèi)阻、極化內(nèi)阻、浮充電流、環(huán)境溫度，電池電容參數(shù)，信號(hào)處理單元用于接收控制終端的指令并采集蓄電池的有關(guān)數(shù)據(jù)進(jìn)行相關(guān)運(yùn)算處理，得到剩余容量的檢測(cè)結(jié)果并傳輸給控制終端。

圖6為蓄電池剩余容量檢測(cè)裝置中信號(hào)處理單元結(jié)構(gòu)示意圖，圖中1接線端子，用于與待測(cè)蓄電池相連接，2接線端子，用于與待測(cè)蓄電池相連接，3信號(hào)處理單元信號(hào)端口，其與控制終端相連接，4直流電源回路的開關(guān)模塊，5電流測(cè)量裝置回路的開關(guān)模塊，6電壓測(cè)量裝置回路的開關(guān)模塊，7蓄電池內(nèi)阻儀回路的開關(guān)模塊，8交流阻抗測(cè)量?jī)x回路的開關(guān)模塊，9直流電源，10電流測(cè)量裝置，11電壓測(cè)量裝置，12蓄電池內(nèi)阻儀，13交流阻抗測(cè)量?jī)x，14微處理器，15溫度測(cè)量裝置，16測(cè)量回路，17測(cè)量回路。

圖7為直流電源回路的示意圖，其中4可設(shè)計(jì)為雙刀雙擲開關(guān)，其可由繼電器進(jìn)行通斷控制，用以實(shí)現(xiàn)9直流電源接入或斷出16和17測(cè)量回路。

圖8為信號(hào)處理單元微處理器與各部件連接關(guān)系方塊圖，微處理器14與3、9、10、11、12、13、15之間都有導(dǎo)線相連接，其中通過3接收控制終端的控制信號(hào)，接收9、10、11、12、13、15的測(cè)量信號(hào)，經(jīng)過相關(guān)運(yùn)算，得到剩余容量的檢測(cè)結(jié)果，通過3將檢測(cè)結(jié)果傳輸給控制終端。微處理器14通過對(duì)4、5、6、7、8發(fā)出的指令可以實(shí)現(xiàn)9、10、11、12、13不同設(shè)備接入或斷出16和17測(cè)量回路。由于蓄電池只有正極、負(fù)極兩個(gè)接線端口，信號(hào)處理單元設(shè)計(jì)的是與蓄電池正負(fù)極對(duì)應(yīng)的兩個(gè)接線端口，通過對(duì)信號(hào)處理單元設(shè)計(jì)內(nèi)部各開關(guān)模塊(可用繼電器實(shí)現(xiàn)該功能)的控制，使得根據(jù)測(cè)量需要將不同的設(shè)備接入到測(cè)量回路之中。例如接通6，斷開4、5、7、8，即可實(shí)現(xiàn)將電壓測(cè)量裝置接入到16和17測(cè)量回路中。

圖9信號(hào)處理單元同時(shí)測(cè)量多個(gè)蓄電池的測(cè)量端子示意圖。圖中18開關(guān)模塊、19開關(guān)模塊、20開關(guān)模塊、21開關(guān)模塊、22接線端子、23接線端子、24接線端子、25接線端子、26接線端子、27接線端子、28接線端子、29接線端子。通過增加一系列開關(guān)模塊，可以實(shí)現(xiàn)一次性測(cè)量多個(gè)蓄電池的剩余容量。例如，微處理器14通過發(fā)出控制信號(hào)使得18接通，19斷開、20斷開、21斷開，可以實(shí)現(xiàn)將22、23接入到測(cè)量回路中，對(duì)與22、23相連接的蓄電池進(jìn)行測(cè)量。微處理器14通過發(fā)出控制信號(hào)使得19接通，18斷開、20斷開、21斷開，可以實(shí)現(xiàn)將24、25接入到測(cè)量回路中，對(duì)與24、25相連接的蓄電池進(jìn)行測(cè)量。

圖10為蓄電池容量bp模型結(jié)構(gòu)簡(jiǎn)圖，其中bp(backpropagationartificialneuralnetwork)人工神經(jīng)網(wǎng)絡(luò)模型的輸入信號(hào)為：開路電壓、歐姆內(nèi)阻、極化內(nèi)阻、浮充電流、環(huán)境溫度，輸出信號(hào)為剩余容量、電池電容。

圖11為蓄電池模型庫(kù)權(quán)重系數(shù)擬合算法，其中模型庫(kù)中有l(wèi)個(gè)已訓(xùn)練完畢的蓄電池容量bp模型。針對(duì)一個(gè)新的蓄電池，測(cè)量其開路電壓、歐姆內(nèi)阻、極化內(nèi)阻、浮充電流、環(huán)境溫度參數(shù)，將其輸入到蓄電池容量bp模型庫(kù)中，可以得到l個(gè)bp模型輸出的電池電容，將其與模型庫(kù)權(quán)重系數(shù)進(jìn)行乘積，可以得到理論電池電容，即不同的權(quán)重系數(shù)可以得到不同的理論電池電容，當(dāng)調(diào)整權(quán)重系數(shù)，使得理論電池電容在最大程度上逼近實(shí)測(cè)電池電容，通過pso(particleswarmoptimization)粒子群算法可以求得最優(yōu)的權(quán)重系數(shù)。得到最優(yōu)的權(quán)重系數(shù)以后，可以通過模型庫(kù)擬合得到待測(cè)蓄電池的剩余容量。

圖12為蓄電池的等效電路示意圖，其中uoc為蓄電池的開路電壓，ro為蓄電池的歐姆電阻，rp為蓄電池的極化電阻，i為蓄電池的浮充電流，cp為蓄電池的電池電容。

下面對(duì)該蓄電池剩余容量檢查裝置的工作狀態(tài)做進(jìn)一步說明

各測(cè)量參數(shù)所涉及的檢測(cè)設(shè)備如下所示：

開路電壓：電壓測(cè)量裝置；

歐姆內(nèi)阻：內(nèi)阻儀、交流阻抗測(cè)量?jī)x；

極化內(nèi)阻：內(nèi)阻儀、交流阻抗測(cè)量?jī)x；

浮充電流：直流電源、電流測(cè)量裝置；

環(huán)境溫度：溫度測(cè)量裝置；

電池電容：交流阻抗測(cè)量?jī)x、內(nèi)阻儀。

參照?qǐng)D12，各測(cè)量參數(shù)所使用的檢測(cè)方法如下所示：

(1)開路電壓

在離線情況下，使用電壓測(cè)量裝置直接測(cè)量蓄電池的開路電壓uoc。

(2)浮充電流

在離線情況下，給蓄電池兩端加上浮充電壓u，測(cè)量出蓄電池的浮充電流i。

(3)環(huán)境溫度

通過溫度測(cè)量裝置，測(cè)量蓄電池使用時(shí)的環(huán)境溫度。

(4)歐姆內(nèi)阻/極化內(nèi)阻

在離線情況下，采用內(nèi)阻儀，測(cè)量出蓄電池的總內(nèi)阻r，其中r＝ro+rp(方程一)。通過進(jìn)一步計(jì)算，可以分別得到測(cè)量的歐姆內(nèi)阻及極化內(nèi)阻。

(5)電池電容

在施加了交流電的情況下用設(shè)備測(cè)出蓄電池的等效阻抗z。兩次檢測(cè)中所采用的交流電頻率f分別為10hz和20hz(兩次檢測(cè)也可以其他頻率)，交流電是施加在蓄電池的正負(fù)兩極上。在施加了交流電的情況下，蓄電池的等效阻抗和蓄電池的電容cp之間的關(guān)系如下所示：(方程二)，令f為10hz時(shí)的阻抗為z10，f為20hz時(shí)的阻抗為z20。

根據(jù)方程一和方程二可得如下關(guān)系：

在對(duì)測(cè)量數(shù)據(jù)進(jìn)行處理之前，首先需要先離線建立起一個(gè)蓄電池容量bp模型庫(kù)。對(duì)于蓄電池容量bp模型的選取需要滿足以下兩個(gè)特點(diǎn)：首先是全覆蓋型。不同蓄電池個(gè)體的動(dòng)態(tài)模型分布很廣，一個(gè)好的典型模型集合應(yīng)該足夠覆蓋絕大部分蓄電池個(gè)體的動(dòng)態(tài)特點(diǎn)，這樣才能找到一組合理的組合系數(shù)，從而逼近實(shí)際動(dòng)態(tài)。事實(shí)上，應(yīng)該承認(rèn)，真正意義上的“全覆蓋”是不可能實(shí)現(xiàn)的。所以，我們需要在覆蓋程度和模型個(gè)數(shù)之間做一些平衡；其次是蓄電池之間的異他性。為了盡量減少典型模型的個(gè)數(shù)，任意兩個(gè)典型模型之間應(yīng)該有較大的差異，從而提高每個(gè)典型模型的代表能力。理論上多邊形的端點(diǎn)可以通過線性擬合得到該多邊形內(nèi)部的任意點(diǎn)，因此只要建立一個(gè)足夠好的模型庫(kù)，任意新增蓄電池的動(dòng)態(tài)特性都能由該模型庫(kù)線性擬合出來。

例如模型庫(kù)可選用10個(gè)典型的蓄電池，可包含三塊新蓄電池(容量合格，其容量等于或高于測(cè)試標(biāo)準(zhǔn)要求的容量要求)、兩塊新蓄電池(容量不合格，其容量低于測(cè)試標(biāo)準(zhǔn)要求的容量要求)、三塊舊蓄電池(容量合格，其容量等于或高于測(cè)試標(biāo)準(zhǔn)要求的容量要求)、兩塊舊蓄電池(容量不合格，其容量低于測(cè)試標(biāo)準(zhǔn)要求的容量要求)。對(duì)這10塊蓄電池進(jìn)行完整充放電試驗(yàn)，測(cè)量這些蓄電池的開路電壓、歐姆內(nèi)阻、極化內(nèi)阻、浮充電流、環(huán)境溫度、剩余容量、電池電容參數(shù)。通過這些數(shù)據(jù)可以建立起圖10中的蓄電池容量bp模型，其中開路電壓、歐姆內(nèi)阻、極化內(nèi)阻、浮充電流、環(huán)境溫度為輸入，剩余容量、電池電容為輸出，令這10個(gè)模型分別為m1m2…m10，故可以建立起一個(gè)模型庫(kù)[m1m2…m10]，一旦模型庫(kù)建立完成，只要輸出開路電壓、歐姆內(nèi)阻、極化內(nèi)阻、浮充電流、環(huán)境溫度參數(shù)，就可以通過模型庫(kù)得到對(duì)應(yīng)的剩余容量、電池電容參數(shù)。

另外，在實(shí)際檢測(cè)時(shí)，若對(duì)剩余容量的檢測(cè)精度要求不高，在對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時(shí)，可以選取待測(cè)蓄電池的開路電壓、歐姆內(nèi)阻、極化內(nèi)阻、浮充電流、環(huán)境溫度中的一種或幾種作為輸入進(jìn)行訓(xùn)練。

蓄電池剩余容量檢測(cè)裝置工作時(shí)，需先斷開待測(cè)蓄電池與現(xiàn)場(chǎng)設(shè)備的接線，將待測(cè)蓄電池與檢測(cè)裝置的信號(hào)處理單元相連接，測(cè)量待測(cè)蓄電池的開路電壓、歐姆內(nèi)阻、極化內(nèi)阻、浮充電流、環(huán)境溫度、電池電容參數(shù)(為提高測(cè)量數(shù)據(jù)的準(zhǔn)確性，可以連續(xù)測(cè)量多組數(shù)據(jù)，并通過卡爾曼濾波(kalmanfiltering)等方法對(duì)測(cè)量數(shù)據(jù)進(jìn)行處理)，將其代入到先前建立的bp模型庫(kù)[m1m2…m10]，由此可以通過bp模型庫(kù)中的蓄電池容量bp模型得到蓄電池的理論剩余容量[soc1soc2…soc10]、電池容量[cp1cp2…cp10]。在此給每一個(gè)bp模型設(shè)立一個(gè)權(quán)重系數(shù)[w1w2…w10]，其中這10個(gè)權(quán)重系數(shù)存在如下關(guān)系w1+w2+…+w10＝1，其初始值可設(shè)定為[0.10.1…0.1]，參考圖11，通過調(diào)整不同的權(quán)重系數(shù)，可以得到不同的理論電池電容擬合值通過將蓄電池容量bp模型庫(kù)計(jì)算得到的電池電容擬合值與實(shí)際待測(cè)蓄電池的電池電容相比較，通過pso優(yōu)化算法去優(yōu)化權(quán)重系數(shù)[w1w2…w10]，計(jì)算出最優(yōu)的權(quán)重系數(shù)[w1w2…w10]，使得通過蓄電池容量bp模型庫(kù)擬合得到的電池電容在最大程度上逼近實(shí)測(cè)電池電容，此時(shí)認(rèn)為使用該權(quán)重系數(shù)擬合到的待測(cè)蓄電池bp容量模型已經(jīng)在最大程度上逼近實(shí)際待測(cè)蓄電池的動(dòng)態(tài)特性，也就是可以認(rèn)為計(jì)算得到的已經(jīng)非常接近實(shí)際待測(cè)蓄電池的剩余容量。

以上所述實(shí)施例的各技術(shù)特征可以進(jìn)行任意的組合，為使描述簡(jiǎn)潔，未對(duì)上述實(shí)施例中的各個(gè)技術(shù)特征所有可能的組合都進(jìn)行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認(rèn)為是本說明書記載的范圍。

本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成。所述的程序可以存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。該程序在執(zhí)行時(shí)，包括上述方法所述的步驟。所述的存儲(chǔ)介質(zhì)，包括：rom/ram、磁碟、光盤等。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。