黄 彬 ，张 伟 ，覃朝云

（1.国网冀北电力有限公司，北京 100053；2.国网冀北电力有限公司 秦皇岛供电公司，秦皇岛 066000）

变电站直流电源的蓄电池是目前直流供电的主要能源[1]，为了确保蓄电池组的良好性能并延长其使用寿命，有必要对电池组进行良好的控制和管理。铅酸电池具有密封性高，维护简单，使用寿命长，电池内阻小，大电流放电特性好等优点[2-4]。因此铅酸电池在变电站直流系统中得到广泛应用。

文献[5]根据蓄电池电压，电流和温度等实时在线测量，对剩余电量SOC进行了在线和实时估算。SOC值直接反映了蓄电池组的状态，通过每个蓄电池的不同SOC值来判断蓄电池组中各个蓄电池之间的不同性能，并且根据不同的性能达到充电均衡的目的，其最终目的是延长电池寿命，限制最大放电电流并预测持续放电的时间，等。文献[6]指出蓄电池SOC在线应用和实时估算方法有很大的改进空间。当估计误差超过8%时，则不能满足实际要求。因此，为了提高SOC在线和实时估计的准确性，需要对测量方法、电池模型和估计方法进行深入的研究。

文中在简述传统SOC估计方法的基础上，分析了模糊逻辑与神经网络相结合的优势，得到了自适应神经模糊推理系统ANFIS模型，并介绍了它的结构及其学习规则，用高斯函数作为激活函数，将电压、电流和电池表面温度作为模型输入变量，SOC值作为输出预测值。

1 传统SOC估计方法

SOC作为剩余电量，表示额定容量中剩余容量所占的百分比，范围为0～100%，即：