蓄电池组核容放电集控系统

技术领域

本发明属于电力系统技术领域，具体的说是蓄电池组核容放电集控系统。

背景技术

随着通信技术与电力电子技术的快速发展，电池作为一种可靠的直流电源，在电力系统、通信系统、交通运输系统、应急照明等地方得到了广泛的应用。电池作为变电站备用的直流电源，若在变电站交流失去电源后，直流系统的蓄电池组也出现问题的情况下，蓄电池组不能正常提供直流电能，那么将会导致整个变电站的设备停止工作，造成变电站二次系统瘫痪。

目前，为了发现蓄电池组在运行过程中详细的性能数据，通常采用集中监控系统，现阶段变电站的直流系统中的集中监控单元不能全面地监测到蓄电池组在运行过程中详细的性能数据，特别是在蓄电池在突发状况导致功能故障时，集中监控单元更不能够及时的提示蓄电池的运行状况，只有当蓄电池长期处于劣质状态，才会有报警提示到调度中心，但已经造成了更大的事故，根据国家电网公司最新颁布十八项反事故措施第13.1.2条规定明确要求变电站直流系统中针对刚安装的蓄电池组一定要经过核对性放电试验，只有保证蓄电池组在质量没有任何问题的情况下才能投入运行。并且在前六年中每隔两年就需要对蓄电池组做一次放电试验，来确保蓄电池质量，在变电站中连续投入使用了六年的蓄电池，每隔一年就需要做一次核对性放电试验。

变电站中的蓄电池组在做核对性放电工作时通常都需要采取10小时核对放电的方式，也就是说进行放电维护工作的值班人员至少需要连续工作10个小时。一旦工作时间过长，值班人员很可能会因为长时间处于疲劳而导致误操作。通常一组蓄电池的放电至少需要2 人，那么两组蓄电池就需要4人，从早上8点开始上班，做好安全措施等试验前相关准备工作需要1个小时，9点开始放电，如果按照10小时率对蓄电池放电，需要到晚上7点放电结束，拆装设备，需要8点才算蓄电池放电完成。而且此时还不可以离开变电站，因为蓄电池组放电后还需要进行充电。只有当蓄电池充电基本完成，才可以恢复现场，撤离变电站，这个过程往往也需要几个小时的时间。根据检修规程，初次放电表明容量不合格的蓄电池组还需进行2次放电试验才能最终确定蓄电池容量。所以少则1个工作日，多则3 个工作日才可以完成一组蓄电池组的放电维护试验，严重地浪费了人力、物力。

近年来，随着电站建设步伐的加快，电站的数量是呈几何式增长，随着数量的增加，面临的就是蓄电池每年的核容放电试验的工作量的加大，核容放电试验需要专业的人员携带放电设备到现场进行操作，操作过程稍有不慎就有可能造成事故的发生。

近年来国内外在直流系统蓄电池远程在线监测系统都有发展，如美国alber和韩国 powerton,都发展很快，技术成熟。在线检测只对内阻测试，而且方法单一，不能进行在线核容放电试验，操作界面为外语，不方便使用；同时只测试内阻，却不能判断整个直流系统中蓄电池组的实际容量情况。

目前，国内研究的蓄电池组的在线监测装置功能相对简单，只实现蓄电池组电压、内阻、电流等的监测，一些厂家也可以实现在线核容放电功能，多以电阻和亏电放电为主，而实现一定区域内的远程在线集控管理则没有涉及，同时，也不涉及对蓄电池组寿命进行预估的技术。

发明内容

为了弥补现有技术的不足，为了解决蓄电池组的在线监测装置功能相对简单，只实现蓄电池组电压、内阻、电流等的监测，而实现一定区域内的远程在线集控管理则没有涉及，同时，也不涉及对蓄电池组寿命进行预估的技术，本发明提出了蓄电池组核容放电集控系统。

本发明解决其技术问题所采用的技术方案是：蓄电池组核容放电集控系统，包括用于运行蓄电池组核容放电集控系统的服务器，还包括：

远程控制模块，用于发起蓄电池组蓄电池组核容放电实验；

参数设置模块，用于对蓄电池组各项参数进行设定，并储存于服务器中；

测量收集模块，用于在蓄电池组进行核容放电时，测量并收集蓄电池组各项性能参数；

对比预估模块，用于根据测量收集模块中测量收集的数据，并结合参数设置模块中的数据，预估蓄电池组的使用寿命。

可选的，所述服务器分为总服务器和子服务器，所述总服务器与子服务器之间，通过因特网建立连接。

可选的，所述总服务器和子服务器均可运行蓄电池组核容放电集控系统。

可选的，还包括将蓄电池组核容放电时的数据发送至远程控制模块中的集中组件和通信组件，集中组件通过远程控制模块控制。

可选的，所述远程控制模块在控制核容放电开始时，下达开始指令至集中组件，在核容放电满足停止条件时，下达停止命令至集中组件。

可选的，所述集中组件为LoRa模组。

可选的，所述通信组件连接在远程控制模块与集中组件之间，所述通信组件为网络连接设备，通信组件与集中组件通信连接。

可选的，所述集中组件通过通信组件，将测量收集模块测量收集的蓄电池组各项参数，传至服务器中。

可选的，还包括切换组件，切换组件通过远程控制模块发出的指令控制，切换蓄电池组的放电状态。

可选的，所述测量收集模块包括总测量组件和子测量组件。

可选的，所述总测量组件用于测量蓄电池组实时总电压和总电流。

可选的，所述总测量组件为电流电压监测仪。

可选的，所述子测量组件与蓄电池组中各个单体蓄电池逐一对应，用以测量单体蓄电池的实时参数，所述实时参数包括单体温度、单体电压和单体电阻。

可选的，所述对比预估模块采用BP神经网络法预估蓄电池组的使用寿命。

可选的，所述对比预估模块还包括记录对比组件，用以将获得的蓄电池组实时参数记录并进行对比。

可选的，还包括安全模块，安全模块用以提高核容放电实验的准确性。

可选的，所述安全模块包括人脸识别组件、指纹识别组件和监控组件。

可选的，所述人脸识别组件为人脸识别摄像头或人脸识别器。

可选的，所述指纹识别组件为指纹识别器。

可选的，所述监控组件为监控摄像头和移动终端，移动终端和监控摄像头通过因特网建立通信连接，且移动终端可远程操作远程控制模块。

有益效果：

1.本发明所述的蓄电池组核容放电集控系统，可以检验蓄电池组的实际容量，同时通过监测蓄电池组的组的浮充状态的参数对蓄电池组的健康寿命状态进行预测，延长蓄电池的使用寿命，解放手动核容放电时的人力物力。

2.本发明所述的蓄电池组核容放电集控系统，通过设置安全模块，可避免不具备操作资格的工作人员执行蓄电池组核容放电实验，导致实验结果不准确，且若发现在蓄电池组核容放电实验的过程中，存在工作人员操作不规范、或者工作人员在实验过程中更换为不具备操作资格的工作人员等情况，总负责人可以操作移动终端，控制远程控制模块，停止蓄电池组核容放电实验，从而保证了蓄电池组核容放电实验的准确性。

附图说明

下面结合附图对本发明作进一步说明。

图1为地市级站点结构示意图；

图2为省级站点结构示意图；

图3为本发明集控系统中部分操作页面图；

图4-11为本发明进行核容放电实验图片；

图12为本发明中由实验法测得的数据样本图；

图13为训练结果图(trainscg函数)；

图14为训练结果图(traincgp函数)；

图15为训练结果图(traingdx函数)；

图16为训练结果图(traincgf函数)；

图17为不同训练函数下算法性能对比图；

图18为浮充状态下的蓄电池在不同温度中的SOC值；

图19为SOC随温度变化的曲线图；

图20为BP网络预测出的SOC值进行温度修正后的结果图；

图21为蓄电池健康状况与SOH间的关系图；

图22为SOH值的估算图；

图23为BP神经网络对蓄电池SOH预测值与实际值的对比图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

如图1-11所示，蓄电池组核容放电集控系统，包括用于运行蓄电池组核容放电集控系统的服务器，该服务器包括总服务器与子服务器，总服务器与子服务器均可以运行蓄电池组核容放电集控系统，其显示端为电脑显示屏，蓄电池组核容放电集控系统可通过网络连接或者APP的形式在电脑显示屏上进行展示，当然，也可以采用其它形式展示；

对于服务器包括总服务器与子服务器，如1-2所示，子服务器为地市级服务器组，可单独运行蓄电池组核容放电集控系统，进行蓄电池组核容放电实验，总服务器为省级服务器组，可运行蓄电池组核容放电集控系统，进行省内所有地市级，或者其中几个地市级进行蓄电池组核容放电实验。

基于上述记载，在运行蓄电池组核容放电集控系统时，首先，通过远程控制模块下达核容放电的指令，从而通过通信组件触发集中组件，集中组件触发切换组件，将蓄电池组的放电对象切换为放电箱，或者为其它放电装置，本发明中不作详细说明，此时，蓄电池组核容放电实验开始；

需要说明的是，通信组件为网络连接设备，如中继器或交换机等，只要实现远程控制模块与集中组件间的通信连接均可；

其中，集中组件为LoRa模组，其搭配有操作系统，当然，也可以其它通信，模组，具体如图3所示；用于接收远程控制模块下达的指令；

进一步的，切换组件为自动开关，从而改变蓄电池组的放电状态，其通过网络与集中组件进行通信连接。

然后，在蓄电池组核容放电的过程中，测量收集模块介入，将蓄电池组的实时参数，利用集中组件和通信组件，将测量收集模块测量收集的蓄电池组各项参数传至服务器中，并通过显示屏进行显示；

需要说明的是，测量收集模块包括总测量组件和子测量组件，总测量组件为电力电压监测仪，其目的是为了测量蓄电池组实时的总电压和总电流，且实时总电压和总电流监测间隔周期可以自由选择，如2h或1h一次，将蓄电池组实时的总电压和总电流传至服务器中，本发明优选为1h一次；

其中，子测量组件与蓄电池组中各个单体蓄电池逐一对应，用以测量单体蓄电池的实时参数，该实时参数包括单体蓄电池的单体温度、单体电压和单体电阻，因此，子测量组件可以采用蓄电池智能参数传感器，将其与蓄电池的电机连接，并通过集中组件和通信组件，将实时参数传至服务器中，并通过显示屏进行显示；

进一步的，如同上述，单体蓄电池实时参数测量的间隔周期可以自由选择，如2h或1h一次，本发明优选为1h一次；

接着，在服务器接收到总测量组件和子测量组件测量的实时参数后，对比预估模块中的记录对比组件，将实时参数统计为表格，与参数设置模块中设定的参数进行对比，从而判断蓄电池组和单体蓄电池寿命的情况，从而完成蓄电池组核容放电实验；

需要说明的是，参数设置模块中设定的参数包括蓄电池组预设的总电压和总电流，以及单体蓄电池预设的单体温度、单体电压和单体电阻，其可以根据蓄电池容量、体积或功率等进行设置，在此不做具体限定。

接着，在对比预估模块介入工作的过中，利用BP神经网络法对蓄电池寿命进行预估，具体如下：

因蓄电池的容量会受到工作过程的开路电压、工作电流、温度等多种因素的影响，因此，在蓄电池组的放电过程中实时采集电性能参数和与之对应的SOC值，利用训练好的BP网络对蓄电池的剩余容量进行预测，

本发明采用规格为12V/40AH的蓄电池进行实验采取数据，在25℃恒定温度下，将蓄电池充满电，设定了3组不同的放电倍率(2A,4A,8A),分别开始进行恒流放电，此时蓄电池的剩余容量会不断下降，其端电压也会逐渐减小。由实验法测得的部分样本数据如图 12所示：

在放电的过程中，对放电的的时间t和放电时的端电压进行实时数据采集，根据采集的数据能得到电流、电压、放电时间三者一一对应的数据。蓄电池放电过程中释放出的电量可用放电电流对放电时间的积分方式计算获得，再与蓄电池的初始容量求取差值就能获得此时的剩余容量。例如，规格为12V/40AH的蓄电池以2A恒流放电2小时，其释放的电量为4AH，此时蓄电池剩余电量为36AH,从而可以得到SOC为90％。

使用BP网络对蓄电池的剩余容量进行预估时，首先要对采集到的蓄电池数据进行处理，因为网络中的各个输入数据常常具备不同的物理意义和不同的量纲，为了使网络训练一开始就给各个输入以同等重要的地位，需要对输入数据进行归一化处理，使得所有输入分量都在区间[0,1]之间变化，BP网络一般采用最大最小法对输入数据进行变换处理，其变换式如下所示：

其中,X

在对蓄电池的剩余容量进行预估时，构建一个三层结构的BP网络，网络是以放电过程中蓄电池选取的放电电流和放电电压作为输入变量，蓄电池的荷电状态SOC作为最终输出结果。因此该网络输入层和输出层神经元个数分别为2和1。隐含层的传递函数为tansig，输出层的传递函数为purelin。在BP神经网络构建的过程中，隐含层节点数的选取将会直接影响神经网络的性能。若隐层节点数太少，网络的训练性能无法得到保障，会导致学习过程中出现误差；若隐层节点数太多，会导致网络的训练时间过长，降低网络的预测速度。通常采用经验公式确定隐含层的神经元个数。公式如下：

式中，L为隐含层节点数；m为输入节点数；n为输出节点数；a为1-10之间的调节常数。

应用BP网络预估蓄电池容量之前，需要做好一系列前期准备工作。由于网络中各层神经元数目较多，且算法结构较为复杂，必须在网络训练前选用合适的学习效率和足够的训练次数。

在BP网络的应用过程中，不同的训练算法性能也不相同，为了保障蓄电池寿命预测结果的精度，本项目对几种常用BP网络算法进行比对，综合考虑后选择了性能最优的算法方案。设置最大训练次数为5000；隐含层神经元个数为10；最大误差指标为0.00065；学习率为0.035；其他参数设置为默认值。其训练结果如图13-16所示：

从上图中可以看出，对于蓄电池剩余容量预估，采用不同训练函数，其训练结果也会有所偏差，具体如图17所示的，不同训练函数下的BP算法性能对比图；

通过分析表中的各项参数可以知道，与其他改良BP算法相比，选用traincgf为训练函数能使网络在较短的训练时间内得到精度较高的训练结果，且traincgf占用存储空间最小,由于蓄电池剩余容量预估的网络中连接权数量很多,所以最终选用训练函数为Fletcher-Reeves共轭梯度法，即traincgf函数。

通过对蓄电池工作特性可知，蓄电池的容量与环境温度之间存在一定关系，当环境温度较低时，蓄电池内部的活性物质利用率将会降低，因此蓄电池的容量会下降。相反，当环境温度逐渐升高时，电解液中游离的离子在参与反应时的运动速率会加快，蓄电池的容量会有所上升。将蓄电池置于不同的温度环境下进行短时长的恒流放电，可以得到BP网络预估出蓄电池SOC值与不同温度之间对应关系，具体如图18所示的，浮充状态下的蓄电池在不同温度中的SOC值；

从表中可以看出，蓄电池的容量确实容易受到温度的影响，作出SOC随温度变化的曲线如图19所示；

在蓄电池的工作过程中，温度因素具有很大的随机性，有可能是蓄电池放置环境不得当造成的，也有可能是蓄电池内部电化学反应产生热量造成的。由于温度对蓄电池剩余容量的影响较大，为了提高系统预估SOC值的精度，必须采用温度补偿的方式来减小温度所带来的影响。在实际应用过程中，蓄电池的容量与温度之间的关系一般用如下公式来表示：

其中：t

在修正过程中，一般取标准温度t

用f(x

当非线性回归系数的权重满足要求以后，可以计算出其标准差数值，标准差计算函数可以表示为

对BP网络预测出的SOC值进行温度修正后的结果如图20所示；

在蓄电池组实际使用过程中，是由单节蓄电池之间相互串联构成蓄电池组投入使用，因此，每一节蓄电池的健康状况都将影响蓄电池组的正常工作，所以及时掌握单体蓄电池的工作状况是十分重要的。通过前文内容可以知道，对于蓄电池健康状况的评判，我们一般把蓄电池的SOH值作为判断其能否继续投入使用的指标，SOH反映的是蓄电池的最大荷电能力，对于刚出厂的新蓄电池，其SOH值应该等于或者大于100％，然后SOH值会随着蓄电池的长期使用而逐渐下降，这是由于蓄电池的逐渐老化而导致其实际容量出现了不可逆的减小。依据行业标准，当蓄电池的SOH值下降到80％时，如图21所示，该蓄电池就不能继续投入使用，而应该被更换。

因此，需要估算出蓄电池的SOH值作为评判其健康状况的标准，估算蓄电池SOH值实质上就是估算蓄电池的最大荷电能力。系统实现了对蓄电池剩余容量的预估，并对预估出的蓄电池SOC值进行了温度补偿，所以对蓄电池SOH值进行估算时，只需将处于浮充电状态下蓄电池以1A电流进行短时间的恒流放电即可。从放电起始时刻t

对一节处于浮充状态下的蓄电池以1A电流进行恒流放电，采集放电过程中20个时间点的数据作为测试数据，通过上述公式对不同时刻的数据进行SOH值进行估算，其估算结果如图22所示：

图23(左)是基于BP神经网络对蓄电池SOH预测值与实际值的对比图，根据上图可分别作出SOH预估值的绝对误差和相对误差图(右)。蓄电池的健康状况受到多种复杂因素影响，利用这种基于BP网络对蓄电池健康进行评估的方法，能够使用户及时掌握蓄电池当前健康状况，一旦预测出的SOH值低于80％，就由对比预估模块发出预警信息，建议对蓄电池作出及时维护；

最后，在对比预估模块预估蓄电池组使用寿命后，远程控制模块下达停止指令至集中组件，集中组件指示切换组件将蓄电池组的放电对象切换为直流母线，完成蓄电池组核容放电实验。

需要进一步说明的是，在进行蓄电池组核容放电实验前，安全模块介入，其具体的操作方式为，在工作人员操作蓄电池组核容放电集控系统，执行蓄电池组核容放电实验前，首先需要录入人脸和指纹，避免不具备操作资格的工作人员执行蓄电池组核容放电实验，导致实验结果不准确，对于工作人员的人脸和指纹，可提前将工作人员的人脸和指纹录入，保存至服务器中；

然后，在工作人员操作蓄电池组核容放电集控系统，进行蓄电池组核容放电实验的过程中，监控摄像头对实验过程进行全程监控，监控摄像头位于操作机房中，移动终端和监控摄像头通过因特网建立通信连接，移动终端为手机或其它可进行移动通讯的设备，移动终端由蓄电池组核容放电集控系统总负责人持有，其可以实时观察蓄电池组核容放电实验的过程，若发现在蓄电池组核容放电实验的过程中，存在工作人员操作不规范、或者工作人员在实验过程中更换为不具备操作资格的工作人员(不具备操作资格的工作人员是指在服务器中不存在的人脸数据)等情况，总负责人可以操作移动终端，控制远程控制模块，停止蓄电池组核容放电实验，从而保证了蓄电池组核容放电实验的准确性。

进一步的，在研发出该蓄电池组核容放电集控系统后，如图4-11，以及表1-2所示，我们利用了该集控系统进行了如下实验：

测试样品：蓄电池核容放电集控系统

测试所依据的技术文件(代号、名称)：

JJG780-92交流数字功率表检定规程；

JJG440-86工频单相相位表检定规程；

DL/T980-2005数字多用表检定规程；

JJG603-2006频率表检定规程；

DL/T459电力系统直流电源柜订货技术条件；

DL/T724电力系统用蓄电池直流电源装置运行与维护技术规程； DL/T856电力用直流电源监控装置；

测试环境：温度17℃，相对湿度：58％。

表1为蓄电池组核容放电实验报告放电地址：

表2为核容放电单体电池电压表

/>

/>

/>

/>

由上述实验可知，本发明研发设计的蓄电池组核容放电集控系统，可以检验蓄电池组的实际容量，同时通过监测蓄电池组的组的浮充状态的参数对蓄电池组的健康寿命状态进行预测，延长蓄电池的使用寿命，解放手动核容放电时的人力物力。