[发明专利]基于时间序列跟踪预测的铅酸蓄电池修复方法

摘要

基于时间序列跟踪预测的铅酸蓄电池修复方法，属于铅酸蓄电池修复设备技术领域。步骤如下：定周期连续采样修复过程中铅酸蓄电池的各单格温度Ti(0)(k)；计算铅酸蓄电池相邻单格之间极板的温升变化DTi(0)(k)，建立铅酸蓄电池相邻单格之间极板的温升变化DTi(0)(k)的p阶自回归模型AR(p)，铅酸蓄电池相邻单格之间极板的温升变化DTi(0)(k)的p阶自回归模型AR(p)的模型阶数优化，基于p0阶自回归模型AR(p0)，进行铅酸蓄电池相邻单格之间极板的温升变化DTi(0)(k)的提前跟踪预测，确定铅酸蓄电池各单格极板温升DTi(0)(k)的预测值是否一致，若相等则停止修复过程，否则回到步骤1.1，修复过程采用时间序列跟踪铅酸蓄电池各单格间温升的策略，自适应判定修复程度，并通过各单格温升一致性的判断，自动结束修复过程，抑制了单格过修复问题的出现。

主权项

1.基于时间序列跟踪预测的铅酸蓄电池修复方法，其特征在于：步骤如下1.1定周期连续采样修复过程中铅酸蓄电池的各单格温度T_i⁽⁰⁾(k)；其中：代表铅酸蓄电池第i单格，i∈[1，6]，k为采样时刻；1.2计算铅酸蓄电池相邻单格之间极板的温升变化DT_i⁽⁰⁾(k)，具体表达式为：DTi(0)(k)=Ti(0)(k)-Ti-1(0)(k),i≥2]]>1.3建立铅酸蓄电池相邻单格之间极板的温升变化DT_i⁽⁰⁾(k)的p阶自回归模型AR(p)，具体表达式为：其中ε_k为高斯白噪声序列，p值最大取一次采样个数M，为模型跟踪系数；1.4铅酸蓄电池相邻单格之间极板的温升变化DT_i⁽⁰⁾(k)的p阶自回归模型AR(p)的模型阶数优化，优化方法遵循赤池准则AIC，具体表达式为：AIC(p)＝ln(σ²(p))+2p/M其中，σ²(p)为p阶拟合模型残差方差；若存在p₀∈[1，p]，使得AIC(p0)=min1≤p≤MAIC(p),]]>则p₀为最佳自回归模型阶数；1.5基于铅酸蓄电池相邻单格之间极板的温升变化DT_i⁽⁰⁾(k)的p₀阶自回归模型AR(p₀)，进行铅酸蓄电池相邻单格之间极板的温升变化DT_i⁽⁰⁾(k)的提前跟踪预测，具体表达式为：1.6确定铅酸蓄电池各单格极板温升DT_i⁽⁰⁾(k)的预测值是否一致，即是否相等，若相等则停止修复过程，否则回到步骤1.1。