基于AI预测通信基站铅酸蓄电池后备供电保障能力的研究应用

穆赞; 沈鑫杰; 李杨明

doi:10.13992/j.cnki.tetas.2024.s1.020

Chinese

您当前的位置：

首页 >

文章列表页 >

基于AI预测通信基站铅酸蓄电池后备供电保障能力的研究应用

更新时间：2026-04-20

- 基于AI预测通信基站铅酸蓄电池后备供电保障能力的研究应用
- Vol. 37, Issue S1, Pages: 132-138(2024)
- 作者机构：
  
  中国移动通信集团重庆有限公司
- 作者简介：
- 基金信息：
- DOI：10.13992/j.cnki.tetas.2024.s1.020
  CLC： TN929.5;TM912;TP18
- Published：2024
- 稿件说明：
移动端阅览
穆赞, 沈鑫杰, 李杨明. 基于AI预测通信基站铅酸蓄电池后备供电保障能力的研究应用[J]. 2024, 37(S1): 132-138.
DOI：

穆赞, 沈鑫杰, 李杨明. 基于AI预测通信基站铅酸蓄电池后备供电保障能力的研究应用[J]. 2024, 37(S1): 132-138. DOI： 10.13992/j.cnki.tetas.2024.s1.020.

摘要

当市电中断或电源故障发生时

蓄电池为通信基站内网络设备的稳定运行提供了最后的供电保障。而铅酸蓄电池后备供电保障的优劣直接决定了设备运行的维持时长。现有技术在预测铅酸蓄电池后备供电保障方面

主要依靠放电测试或经验判断。这些方法不仅费时耗力、效率低下

而且受电池使用环境、充放电频率等因素影响

导致预测结果存在不准确和时效性差等诸多问题。本文通过采用一种基于神经网络Stacking堆叠模型

结合人工智能算法

可以实现对铅酸蓄电池后备供电保障能力的预测。这种方法能够提前发现电池性能劣化的迹象

从而提高运维效率

降低运维成本

提升蓄电池运行的安全性。

Abstract

关键词

Keywords

references

杨泽昆,竹梦圆,周明千.基于LightGBM的蓄电池容量预测方法研究[J].邮电设计技术,2023(07).

毛君龙,陈文钢.基于粒子群改进的LS-SVM阀控式铅酸蓄电池寿命评估[J].蓄电池,2022(02).

胡怡.预判蓄电池组异常的放电曲线特征[J].电工技术,2020(23).

孙叶宁,漆汉宏,魏艳君,张金龙.基于特征提取和无监督聚类的蓄电池筛选技术[J].电源技术,2020(11).

王筱璇,侯冠军,孙思豪.基于改进型LMBP神经网络方法对蓄电池荷电状态的预测[J].蓄电池,2018(02).

刘海滨.通信基站铅酸蓄电池容量及健康状况的在线评估方法[D].对外经济贸易大学,2020(08).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

AI问答

Postal code：100079
Tel：（010）53879206 Email：tmw@bjxintong.com.cn
Technical support is provided by Beijing Founder electronics co., LTD 京ICP备09082226号-64 京公网安备11010602201714号
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰