电池液位预测模型

Question

我的想法是开发一个模型来预测我的系统的电池充电水平，直到现在，直到接下来的5天。电池用太阳能电池板充电。我正在用Python2.7编写代码。我能够测量% (%100，90%，80%.%10)的电池电平。该模型不太准确，%10的误差是可以接受的。

为了预测电池的水平，我只有两个参数:充电状态(%)和从0到11的紫外线辐射水平(尽管高于11的值是可能的，但不可能)。

预测电池电量的思路是每天一天一天地获得一些经验数据(日落后2小时，去除表面电荷)。数据将采用这种格式。

日UV %1 6.5 80 2 8.2 90 3 4.5 60 .

我想先获得一些值，为期一个月，然后创建和算法或类似的东西，以获得一个模型，或作出一个预测的电池水平，我将在5天内。多亏了https://openweathermap.org/api，我预测了5天的紫外线辐射。

问题是我不知道如何管理这些信息，也不知道我可以使用什么工具。要预测电池的水平，我知道，需要看看当前的电池水平和紫外线预测的未来5天。但我不知道如何用得到的数据建立模型。

我想找出与日之间的电池水平的差异，并计算与紫外线辐射水平的充放电速率，但这是行不通的，因为充放电率与%20与当前电池水平%80的充放电速率不一样。我也可以做一个平均紫外线辐射5天，并试图得到一个线性回归.

任何想法或建议都会受到欢迎。

非常感谢,

安德。

Answer 1

所以很明显，如果你在第二天非常努力地使用电池，它会比你不使用的速度更快，你没有办法预测它。

你的电池大概是以一定的最低放电率放电，所以我会根据设备处于待机状态的假设来进行预测。

我还将假定线性充放电速率。

然后，电荷可以表示为

charge = initialCharge - (dischargeRate * t) + (rechargeRate * t)

哪里

rechargeRate = rechargeConstant * UV

重复几天，你就有了你的预测。