[摘  要]文章对电力系统中普遍使用的阀控式密封铅酸蓄电池充电控制进行了分析，根据蓄电池充电特性,运用重心法反模糊化计算方法，利用专家知识组织模糊控制规则，提出了蓄电池新型充电模式。有利于实现蓄电池充电智能控制，提高蓄电池的使用寿命。
　　[关键词] 蓄电池、智能化、模糊化、充电控制 

 
1  引言
　　电力系统中变电站直流系统已普遍采用阀控式密封铅酸蓄电池（简称VRLA）、高频开关电源充电装置。充电装置性能的好坏、智能化水平的高低,对蓄电池的运行及使用寿命有着至关重要的影响[1]。对VRLA的“均衡充电”，文献[2]、 [6]、 [7]提出恒压式、恒流式均充方法，很显然，容易造成对VRLA的欠充或过充；文献 [3]、[4]、 [5]、[9]提出了阶段式恒流、恒压减流及限流充电等方案，达到了一定的充电控制水平，但模型结构比较粗糙。由于环境温度、放电深度、负荷的瞬变对蓄电池充电的影响，加上蓄电池充电特性的非线性，对该被控制过程的对象建立精确的数学模型一般是很困难的[10]。

　　笔者在对大量现场运行设备的了解总结基础上，着重运用积累的现场经验和专家知识，提出了蓄电池“均衡充电”控制的基本模糊模型。

　　蓄电池的充电过程如图1所示。主要通过监控模块实现对充电模块（开关管脉宽）调节，达到对输出电压和电流的控制；当然，蓄电池随充电过程的进行即容量的增加和端电压的升高使得电池充电电流会发生变化。典型的蓄电池充电特性曲线如图2所示。

 

 

 

 

　　从蓄电池的特性^[1、2]及图2、表1可以看到，充电电流随时间非线性变化，影响其特性的主要因素有：

a. 环境温度，温度每增加1^。C，充电电压应减小3-4mV，以保持充电电流不增加^[7]。

 

表1 均充电压与温度的关系

 

b.放电深度，放电深度增加10%，充电电压不变时，充足电时间将延长1小时。

c.负荷电流的变化，负荷电流因扰动而增加时，使得充电电流瞬时减小，反之亦然。

d.外加充电电压升高，充电电流增加；反之亦然。

 

　　通过“监控模块”手动设置充电电流（即高频开关调整脉宽），将该量作为控制量，作为模糊控制器的输出变量U，充电模块输出电流（不考虑负荷电流），即蓄电池充电电流I与某时刻特性曲线的误差e及误差变化率ec 作为输入变量，即把充电特性曲线为控制目标。

3.1 精确量的模糊化

　　输入输出变量采用的论域为{-2，-1，0，+1，+2}，对于误差、误差变化率和控制量用5个语言变量值PB、PS、O、NS、NB（模糊子集）来描述，语言论域上的模糊子集由隶属函数 来描述，实测量的模糊化采用三角形函数。语言值的模糊集合为：

 

3.2 模糊控制算法（模糊控制规则）

考虑使用双输入单输出模糊控制器，建立如下控制规则：

R¹： if  E  is  PB  and  Ec  is  PB  then U is   NB

R²： if  E  is  PB  and  Ec  is  PS  then U is   NS

R³： if  E  is  PS  and  EC  is  PS  then U is   NS

R⁴： if  E  is  PS  and  EC  is  PB  then U is   NB

R⁵： if  E  is  NB  and  EC  is  NB  then U is   PB

R⁶： if  E  is  NB  and  EC  is  NS  then U is   PS

R⁷： if  E  is  NS  and  EC  is  NB  then U is   PS

3.3 输出量的反模糊化

　　从3.2节可以看到第i条规则如下：Ri：如果E是Ai且Ec是Bi,则U是Ci。Ai、Bi分别是输入变量E、EC的模糊子集，Ci是输出变量U的模糊子集。设已知E是A,Ec是B（模糊集合），则根据模糊控制规则进行近似推理，可以得出模糊量U（用模糊集合C^、表示）为

C^、 =（Ai and Bi）o R

R=  Ri

Ri=(Ai and Bi)  Ci    ……   (1)

“and”采用求交（取小）方法；“ ”表示了模糊蕴涵关系，采用模糊蕴涵最小运算（Mamdani）的方法;合成运算“o”采用最大最小法。可算出Ri、Bi、Ci。

 

设P为前件中各模糊量之间的关系，Pi＝A_i and B_i＝A_i×B_i= A_i^T＾B_i

可算出Pi.

 

前件与后件的蕴含关系R_i＝P_i→C_i＝P_i^T ＾C_i

 

R= R_i= Ri

当新的输入E为A,且EC为B^、时，求C^、 ，

即if  E  is  PB  and  EC  is NS,求C ^、。

　　以上通过模糊推理得到的是模糊量，而对于实际的控制规则必须为清晰量（精确量）,因此需将模糊量转换为清晰量，也即输出量的反模糊化。

　　采用重心算法（加权平均法），求Zo

 

　　Zo为所求的判决结果。Z₀=（-2×0.5-1×0.5）/(0.5+0.5+0.5)=-1

可取-1级对应的精确量作为被控过程的实际控制量。由语言变量与Z的赋值表查出论域元素，Zo对应的精确量作为加到被控过程上的控制量。

3.4 模糊控制查询表

　　根据系统控制规则决定的模糊关系 ，应用推理合成规则计算出这种情况下的反映控制量变化的模糊集合 _ij。然后采用适当的方法对其进行模糊判决，由此得到论域Z={-2，-1，0，+1，+2 上的元素Z_k，最终可获得应加到被控过程的实际控制量变化值。对论域X、Y中全部元素的所有组合计算出相应的以论域Z中元素表示的控制量变化值，并写成矩阵（U_ij）5×5。由该矩阵构成的相应表格称为模糊控制器的查询表，亦称控制表（略）。

　　本文对VRLA充电装置的控制器进行了研究，根据该充电控制系统的复杂性提出了均衡充电模糊模型（控制器），可较好地解决原有充电装置智能化水平不高，鲁棒性不好的问题。该模型的建立可改善VRLA的充电方式，减少欠充和过充，防止热失控，延长蓄电池的使用寿命。该模型有待改进控制策略, 修改控制规则，进一步提高自适应能力和智能化水平。