针对所谓的染色体进行的，染色体实质是一个向量，可将其看成一个

1Xn 的矩阵，因而这

些算子实质上是一些矩阵运算。

 

　　在认真分析了基于遗传算法的蓄电池故障灰色预测模型求解算法特点的基础上，充分
利用

MATLAB 具有强大矩阵运算能力的优点，使用 MATLAB 语言编写了基于遗传算法的

蓄电池故障灰色预测模型的求解和预测程序。该程序采用模块结构，由如下，

m 文件组成：

主程序

Main．m、初始化予程序 Initialization．m、适应度计算子程序 Fitness．m、选择运算子

程序

Selection．m、交叉运算子程序 Crossover．m、变异运算子程序 Mutation．m 和预测值

计算子程序

Calculation．m 等，其中主程序流程图如图所示。 

　　三、实例分析

 

　　

1.试验数据 

　　某电业局分别于

1997 年～2002 年，在等时间段内分别对两个变电站的直流系统蓄电

池组进行了核对性放电实验，其中站

1 蓄电池为 2V/500Ah，站 2 蓄电池为 2V/300Ah，每

个 站 分 别 获 得 了

6 个 数 据 ， 分 别 为 472.6 ， 482.3 ， 496.1 ， 475.6 ， 455.6 ， 446.2 和

291.9，289.1，285.2，281.3，297.3，296.1。 
　　

2.预测步骤及预测结果 

　　下面以变电站

1 数据预测为例说明整个预测过程。 

　　

(1)取前 5 个数据进行建模，最后一个数据用于和预测值进行对比。即 x(0')={x(0')

(1),x(0')(2),…,x(0')(5)}={472.6,482.3,496.1，475.6,455.6} 
　　

(2)根据 2．4．3 中方法对序列 x(0')进行弱化处理,得序列 x(0),即 x(0)={x(0)(1),x(0)(2)，

…，x(0)(5)}={476.4,477.4,475.8,465.6,455.6} 
　　

(3)设定遗传算法初始参数，其中群体规模 M 为 30、最大迭代代数 T 为 1000、交叉概率

pc 为 0.8 和 变 异 概 率 pm 为 0 ． 006 。 经 运 算 得 λ=0.24732 ， 由 式 (12) 和 (13) 可 得
a=0.016、b=489.48，由式(5)和(6)即可求出预测值，如表 3 所示。 
　　

(4)对序列 x(0')进行 GM(1，1)建模。先对 x(0')序列做一次累加生成运算得到新序列

x(1')，由式(4)可得 a=0.02077、b=507.3l，最后由式(5)和（6)即可求出预测值。 
　　采用本文模型所算出的变电站

1 和 2 的 2003 年的预测值分别为 448.4 和 297.9，而传统

GM(1,1)模型预测值分别为 453.1 和 282.3。 
　　本文提出的基于遗传算法的直流系统蓄电池故障灰色预测改进模型的预测精度比传统
的

GM(1,1)模型有了较大提高，完全能够满足实际工程需要。应用本文模型，分别对变电站

1 和 2 的全部试验数据进行建模预测，可预测出 2003 年相应试验时间内的蓄电池组容量为
439．4Ah 和 299．5Ah，都高于其标称容量的 80%，可认为两站的蓄电池组都是正常的。 
　　四、总结

 

　　通过

MATLAB 解析和故障预测实例分析可以证明，本文提出的基于遗传算法的直流系

统蓄电池故障灰色预测改进模型比传统

GM(1，1)预测模型具有更高的模型精度，能有效地

预测直流系统中蓄电池的发展变化趋势，可为直流系统蓄电池组在线监测提供依据。