蓄电池性能分析数学模型 "

大量的蓄电池运行数据统计表明，电池电压和内阻的变化与电池性能变化有相关性。

随着电池使用时间的增加，蓄电池的内阻会逐渐增大，电池性能不断劣化，同一组电池电压的离散性也会变得愈来愈大，电池组容量不断下降，找出电压离散、内阻增大和容量下降的规律，并以一种可用的数学模型表达，即可成为可用的电池测试分析手段。

基于以上经验，我们对大量电池组运行数据进行了长时间的跟踪分析证明了这一规律的存在，并在此基础上我们建立了分析的数学模型。

电池失效数学模型的判定依据有以下几点：

●伴随着电池性能的劣化，该电池相对于自身的电池电压离散度将逐步变大；

●伴随着电池性能的劣化，该电池相对于整组电池的电池电压离散度将逐步变大；

●伴随着电池性能的劣化，该电池相对于自身的内阻值将逐步变大；

●伴随着电池性能的劣化，该电池的充放电曲线电压之差相对于电池组其它电池的值将逐步变大。

显然，面对不断采集到的大量电池电压数据，要快速分析这些数据，理出有用的信息是非常复杂的，并非可以通过简单的函数关系计算所得到。

在电池失效分析数学模型中，我们采用了模糊数学和人工神经网络的诊断原理，以一种非线性处理方式，以某种拓扑图结构对各种数据进行关联，并得出判断结论。其最大特点就是它的自适应功能，网络权值可以通过学习算法不断地调整，从而不断提高判断的精度。

这一数学分析模型，是高特电子经近10年、约五万节电池数据的分析研究成果，已申请了两项国内发明专利和四项国际发明专利。通过蓄电池性能分析数学模型的分析诊断，可分析得到较为真实的蓄电池性能和剩余容量，使得运维人员能够及时掌握备用电源的运行情况，提高直流系统的安全可靠性。

蓄电池性能分析对比图

蓄电池剩余容量诊断图