基于迁移学习的在线铅酸蓄电池容量预测方法研究

摘  要

为了提高基站、机房等场景下蓄电池组的使用寿命，针对蓄电池组长期处于浮充状态无法实时监测测量电池容量的问题，利用迁移学习的思想，将实验室中蓄电池组充放电数据与现网中蓄电池组的在线浮充数据建立起联系，从而预测现网中蓄电池组中各个电池的容量。最后通过实验验证了该方法的有效性，使实时监测在线蓄电池容量变为了可能。

   0 1   

 概  述

作为基站的“生命之源”，蓄电池对于维持通信系统正常运转起着关键作用，每个基站都有作为后备电源的蓄电池，用于储备电能、应对电网异常等特殊情况，因此加强对蓄电池的维护和管理，改善其使用状况，从而有效地延长蓄电池的使用寿命，具有重要的意义。此外，蓄电池的有效管理也可以降低其环境污染和碳排放，最终实现我国能源结构转型，确保碳达峰、碳中和目标的实现，保障国家能源安全。

为了提高蓄电池组的使用寿命，本文主要针对蓄电池管理过程中涉及到的在线蓄电池容量预测方法进行探讨说明。

   0 2   

蓄电池容量预测算法

目前，国内外普遍采用荷电状态（State of Charge，SOC）来表示蓄电池的剩余容量。SOC是直接反映蓄电池的可持续供电能力和健康状况的一个重要参数。由于阀控式密封铅酸（VRLA）蓄电池的SOC不仅与其本身的材料有关，而且类型各不相同，实际用途和使用环境也存在差异，导致影响SOC的因素过