Abstract：This text introduced a new intelligence storage battery to monitor the system’s design project, and futher studied the processing of storage battery’s supervising and controlling data under the network environment .we are in order to fufill　the envolve for the storage battery’s monitoring and computing model. Keyword：storage battery’s supervising and controlling, software compute, network environment interaction.

1 引言

　　目前，蓄电池在电力系统、电信系统、大型信息系统中被广泛使用，合理地选择及使用蓄电池监测系统，对获得最大的安全效益和经济效益有着很重要的意义。在实践中发现浮充状态下的电池信息，不足以准确反应电池的劣化。为解决浮充状态下数据信息不足的问题，本设计采取了监测装置与充电机互动的设计方案，在互动过程中采集放电数据，采用基于软计算的预测模型进行电池劣化（SOH）和剩余容量（SOC）的在线动态计算。
　　网络不仅改变了设备连接形式，而且可以通过设备信息的集中和融合提高了设备的智能化。在构造网络互连环境下，本方案进一步研究网络环境下蓄电池监控数据的加工处理，以实现蓄电池监测软计算模型的动态进化。

2 监测装置与充电机互动设计方案

　　监测装置与充电机互动是本方案研究的一个重要内容，是提高劣化程度预测准确性的创造性工作模式，其基本结构如图1所示。

图1 互动方案的监测系统结构
Fig.1 Main structure of interplay monitoring system
　　互动方案的主要原理是：电池监测（Battery Monitoring Unit--BMU）进行日常的巡检，并且分析采集的数据及变化趋势，在一定条件下请求充电机（Rectifier Unit--RU）配合进行部分放电测试。由于RU在部分放电时设置为一个比蓄电池放电下限电压低的某一整流输出值，既能使电池提供用电设备的负荷功率，又避免了放电过程中由于电池问题带来的停机风险。
　　在正常浮充状态下，BMU连续检测电池组的电压和内阻，若发现电压或内阻异常，则启动部分放电测试过程，进行更深一层次的测试。该测试过程也被设置为按一定周期启动，如一个月。
　　在放电测试期间，将劣化程度预测模型所需的放电数据，采集包括浮充电压、初始跌落、正常放电电压等数据，通过SOH预测模型运算，准确得知SOH。
　　这样，在内阻监测的基础上，监测系统通过采用三类不同深度的放电测试达到长期连续准确检测SOH的目的：
　　1） 完全放电 电池在投运之前应进行一次100%深度的放电，以确认该电池组能满足设计要求。否则，若存在产品本身的质量问题，会影响到后续监测数据处理的准确性，放电前应该充满并在浮充状态保持一定的时间。
　　2） 中等深度的放电 中等深度指30—50%深度的放电。检测装置的数据处理方法根据此深度的放电数据可以相当准确地计算各电池的SOH，同时亦避免了更加深度放电过程的突然停电，使设备承受断电的危险。
　　3） 周期性的短时放电 根据蓄电池应用场合选取适合的周期，例如3个月。一般短时放电的深度为5%左右。
　　互动方案的长期运行方式如图2所示，一般为多次短时放电测试后加入一次中等深度放电，或者在短时放电测试结果发现电池可能严重劣化时进行一次中等放电予以确认。如果被确认预测结果正确，则通知控制中心；若证明预测有误，则对预测模型作自适应调整。在最后一次中等深度放电确定电池劣化严重后，采取更换措施，更换之前进行一次完全放电。

图2 互动方案的监测过程
Fig.2 Interplay monitoring proceeding

3 监测装置的模块化设计

3.1监测装置设计要求

　　根据阀控铅酸电池的一般使用情况和监测管理的目的，监测装置的设计主要考虑以下几个方面：
　　1） 浮充电压测量 电池浮充电压的相对差异很小，要求测量电路具有高准确度，电池组串联后的高电压要求电路具有抗高共模性能。
　　2） 电流监测　检测电池充电、放电电流值。
　　3） 环境温度（或标样电池温度）监测。
　　4） 内阻测量　在线测量每个单电池的内阻值。
　　5） 模块结构 系统要满足大部分应用场合，便于现场安装与维护。
　　6） 网络化设计 网络化和信息化是电子设备的发展趋势，系统设计要有通讯接口和多种网络方案。要适于远程管理和集中监控。
　　7） 可靠性 要求装置长期稳定工作。
　　8） 电磁兼容 检测装置应对用户设备不能产生任何附加干扰，保证用户设备同监测系统共同长期稳定工作。同时还要求装置具有较强的抗干扰能力，在大功率电源装置投切时保持稳定。
　　如图3所示，为监测装置的硬件组成。

图3 监测装置硬件结构
Fig.3 Hardware structure of monitorin

3.2检测模块设计

　　检测模块主要包括5个部分：
　　1） 电压、电流、温度的测量电路；
　　2） 通道切换；
　　3） A/D转换电路；
　　4） 微处理器单元；
　　5） 通讯接口。
　　检测模块完成数据采集，并将数据传给控制模块。高精度、高时效的数据采集模块采用模块化设计方案，兼顾了专用化与通用化原则，配置灵活，根据采样点种类及规模的需求，各个模块可单独使用，亦可自由组合，能适应不同的监测场合。
　　电池的串联给采样电路的设计带来困难，本方案中使用耐高压电子开关解决巡检的困难。PhotoMOS是一种新型光耦合的耐高压电子开关，它与普通的光耦相似，但输出端为场效应管，克服了晶体管的管压降问题，适合本方案所要求的高耐压、高精度、高速的要求。
　　高共模采样电路原理如图4所示，在A/D和CPU之间采用光耦合方式进行电气隔离。

图4 高共模采样电路
Figure 4 Data acquisition circuit for high common voltage

3.3 内阻模块设计

　　内阻模块与系统的分布式结构相适应，接受检测模块的调度。用于向电池组注入内阻测量的激励信号。
　　内阻模块的设计主要研究解决以下4方面问题：
　　1） 受控 波形和频率受采样模块CPU控制，可以工作在设计范围内的任意频率点和不同波形。
　　2） 稳定性和准确性　要保持长期工作的时间稳定性和温度稳定性，模块之间可以互换。
　　3） 独立性 激励信号不受电池充放电回路的影响。
　　4） 工作范围宽 能够在电池组的最低放电下限和最高充电上限范围内正常工作。
　　以上要求主要体现在硬件电路设计中。

3.4控制模块设计

　　控制模块用于数据传输、处理和人机界面操作，实时显示、智能分析电池数据，对异常的电池运行情况进行及时报警。

3.5监测装置应用

　　在本方案的研究过程中，监测装置在电信48V直流系统、电力220V直流系统和石油化工400V不间断电源系统3种典型的阀控铅酸蓄电池应用场合得到实际应用，验证了技术方案的合理性。
　　图5 所示为系统工作流程。

图5 蓄电池监测装置工作流程图
Fig.5Battery monitoring system working schedule

4 网络环境下的蓄电池监测技术研究

　　网络基础的发展为蓄电池的智能监测和管理提供了新的解决方案。随着网络设施的普及，使用网络来管理蓄电池是可行的，因此，蓄电池监测系统的网络化是必然的发展方向。为此我们在系统中增加了以下功能：
　　（1） 内阻数据，系统采集与传送每个电池的内阻，此数值每天更新一次；
　　（2） 上传数据增加了SOC和SOH数值；
　　（3） 增加了报警项目；
　　(4) 增加了控制命令，可启动快速容量测试和中等深度的容量测试。（为安全起见，完全放电测试需要维护人员到现场操作。）；
　　(5) 增加了放电数据包的获取功能；
　　(6) 设计了软计算模型下传功能，能够将SOH模型的配置参数下传至电池监测装置。

5 蓄电池软计算模型的进化

5.1 软计算模型的缺陷分析

　　监测装置与蓄电池一同安装在工作现场，在线监测蓄电池的工作条件，通过与充电机互动测试，采用软计算技术实现SOH和SOC的在线动态估计。软计算方法可以任意逼近动态非线性函数，但是，软计算模型的学习却是一个在现实中很困难的问题。这是因为：
　　(1) 电池的劣化是非常复杂的化学、物理过程，失效的情形千差万别，目前还需要进一步研究。
　　(2) 不同劣化程度的电池非常难于获得。在近几年对几十组电池的测试后发现，现场的电池或者劣化程度不够严重，或者已经完全失效，处于中间状态的电池非常少。即学习样本难于获取。
　　对于蓄电池监测，我们试图建立比较准确的监控模型，但由于训练样本的限制，模型与实际对象存在差异，随着样本的增加，模型接近对象的程度也将提高。基于网络技术，一方面可以广泛获得有效的实际放电数据，将典型数据加工为有效学习样本，使模型得到更进一步的训练；另一方面，通过网络将升级后的模型下载到监测装置，提高监测装置的软计算性能。

5.2计算模型的进化

　　蓄电池的使用寿命由设计、制造和使用的多因素影响，对于SOH软计算模型，如何进行有效训练，使模型能够反映蓄电池劣化的复杂非线性是至关重要的，在获得更多的有效训练数据后，软计算模型得以完善和验证，其全局准确度将不断提高，借助于网络环境，可以将升级后的软计算模型动态更新，使监测装置具有更好的性能。
　　为达到计算模型动态升级的目的，监测装置的软计算模型以函数形式存储在Flash电写可擦除存储器中，通讯程序接受网络传送来的软计算模型数据，监测装置识别该数据包的特征，如果与所监测的电池类型相符，则更新模型。

6 结语

　　本文对后备方式蓄电池浮充状态下测量的局限性，研究了以测量装置与智能充电机互动为主要特点的系统设计方案，并设计了测量分析装置，达到连续有效地监测电池状态，取得了较好的现场使用效果。
　　本文研究了利用网络对蓄电池进行远程和集中监控的方案。并针对软计算技术的薄弱环节——训练样本不足的问题，提出了网络环境下的监测模型进化的思想，随着网络技术的不断发展，我们相信基于网络环境下的蓄电池智能监测系统必将得到广泛应用。

没有相关文章