變電站直流系統并聯蓄電池組核容技術研究

金爛聚，賈 平，周鴻喜，賀 琛，何勁池，鄭 益

（1.國網浙江省電力有限公司 信息通信分公司，浙江 杭州 310007；2.國家電網有限公司 信息通信分公司，北京 100761；3.杭州高特電子設備股份有限公司，浙江 杭州 310030）

0 引 言

直流系統作為變電站重要組成部分，在供電系統中發揮著不可替代的作用[1]。目前，大部分變電站采用免維護的閥控式鉛酸蓄電池，其日常維護工作量較大[2]。隨著電力技術的快速發展，原有的變電站直流系統已經不能滿足當前需求，需要不斷探索應用新產品、新材料以及新技術，也急需采取更加經濟科學的策略對其進行改造。

直流系統電源為變電站的核心路由器和交換機等設備提供直流工作電源，它的正常與否直接關系到電力系統通信是否安全可靠。直流系統電源中又以蓄電池組尤為重要，在交流系統因故障停電時，蓄電池組的正常運行是通信系統繼續運行的保障[3-5]。

受相關技術的局限，傳統的電力運行管控手段不夠完善，智能監控系統還沒有實現全覆蓋，系統維護主要依靠人工定期巡視檢查各站點直流系統后備蓄電池運行狀態，重點是核對蓄電池容量。蓄電池容量核對一般耗時較長，這就造成大量人力浪費。同時，在變電站數量和蓄電池數量不斷增加的情況下，運維人員并未對應增加，很難對每一組蓄電池做到最佳維護。一旦出現交流系統失電等故障，設備將面臨停運的風險[3-5]。

1 變電站直流系統組成

變電站直流系統的工作電壓通常為220 V、110 V或48 V，除交流配電外一般由蓄電池、電池管理系統（Battery Management System，BMS）、直流充電模塊、直流回路以及直流負載等組成，如圖1所示[6-8]。常見的蓄電池有防酸式蓄電池、閥控密封鉛酸蓄電池以及鎘鎳蓄電池3種，目前大量使用的是閥控密封鉛酸蓄電池。充電模塊一般有兩種，即工頻交流整流器和微機模塊化充電機。直流回路由直流母線供給各直流負荷的中間環節，根據負荷類型和供電路徑又可分為若干獨立分支，例如斷路器合閘供電分支和事故照明供電分支等。直流負載按功能可分為控制負荷和動力負荷兩大類，按性質可分為經常性負荷、事故負荷以及沖擊負荷。

圖1 直流系統組成

2 遠程核容設計

2.1 遠程核容系統設計

本文研究了一種遠程核容系統，不僅適用于單組蓄電池，還適用于多個蓄電池組并聯的系統，使蓄電池組脫離直流母線遠程核容時不會因交流失電而出現斷電風險[9-11]。該系統主要包括核容管理平臺、電池管理模塊、核容模塊以及遠程放電控制盒等，如圖2所示。

圖2 遠程核容系統主要組成結構

遠程放電控制盒組成結構如圖3所示，主要包括二極管、開關、故障診斷模塊以及電流輸入輸出等，可根據電池組的容量和電壓等級選用不同型號的電力二極管和直流接觸器。

圖3 遠程放電控制盒組成結構

引入遠程放電控制盒故障診斷機制，正常情況下選用電力二極管的導通壓降在0.5 V，額定電流情況下壓降是1.6 V，選用的直流接觸器的閉合的接觸電阻一般在1 mΩ左右。根據該診斷機制可以形成二極管與接觸器（即開關K）是否存在故障的判斷，如表1所示。

表1 遠程放電控制盒故障診斷表

當0.2 V＜Ud＜1.6 V時，控制開關K閉合：若Ud≤0.2V，可判斷開關K正常，二極管正常；若0.2 V＜Ud＜1.6 V，可判斷開關K異常，二極管正常。

當Ud≥1.6 V時，控制開關K閉合：若Ud≤0.2 V，可判斷開關K正常，二極管異常；若Ud≥1.6 V，可判斷開關K異常，二極管異常。

當Ud≤0.2 V時，此時控制開關K斷開：若Ud≤0.2 V，可判斷開關K異常；若0.2 V＜Ud＜1.6 V，可判斷開關K正常，二極管正常；若Ud≥1.6 V，可判斷開關K正常，二極管異常。

通過以上工作原理，可以實現遠程放電控制盒KD狀態檢測。

2.2 遠程核容模塊設計

如圖4所示，采用純消耗型負載核容模塊的設計中，負載可根據設備型號要求由多條電阻條并聯形成。電阻條采用鎳鉻扁絲（Cr20Ni80）制成，可承受約10 A的電流。若設備最終要求可承受50 A電流時，可由5個電阻條并聯形成。消耗型負載核容模塊設計原理如圖4所示。

圖4 消耗型負載核容模塊設計原理

在實際使用時，可通過增加MOS管的方式降低單管功耗，即采用增加MOS管的數量來增加散熱面積，分別獨立由一個恒流電路驅動。本設計中，采用了6個相同的單管恒流單元，節點P+并接、節點A并接可調恒流支路負反饋等電路，節點B接地并連接電流采樣電阻，如圖5所示。當有電流通過時，電流采樣電阻上會產生電壓信號，該信號通過放大后，與電流基準電壓進行誤差比較放大后輸出到A點，作為控制MOS管的開通電壓，繼而控制相應的導通電阻，最終控制支路電流。

圖5 恒流控制部分MOS管組合Q中單管恒流單元

此外，本文也研究設計了新型饋電式放電模塊，主要由純阻性假負載PTC和電源模塊DC/DC等組成，如圖6所示，該DC/DC采用恒流模式的BOOST拓撲，可將核容過程中不斷下降的電壓升高到略大于充電機輸出電壓，保證直流端負載的供電電壓穩定。在核容過程中，先使用實際負載進行核容，假負載PTC處于斷開狀態，電流經過DC/DC升壓后供給，當實際負載無法滿足放電電流大小要求時根據所缺電流啟動假負載。

圖6 新型饋電式放電模塊的內部原理圖

在核容過程不調整充電機輸出電壓的情況下，可以使被測蓄電池組對實際負荷進行恒流供電而達到在線恒流放電目的，而且在此過程中另一組蓄電池組還始終保持滿浮充備份狀態，最大限度地避免放電過程中系統癱瘓的風險。

2.3 遠程核容系統運行流程

在蓄電池組浮充運行下，核容模塊內蓄電池組放電開關（K1、K2）和母聯開關K3應處于斷開狀態，遠程放電控制盒內蓄電池組輸出開關（J1、J2）處于閉合狀態。

核容管理平臺具備遙測、遙信、遙控以及遙調等基本功能，如核容蓄電池組選擇，核容放電電流、放電容量以及放電時間等參數的設置，溫度、電流以及電壓等報警閾值的設置。首先通過核容管理平臺選擇需遠程核容的蓄電池組，確認沒有異常報警后根據計劃選擇全容量或設定容量（或時長）設置核容參數；其次電池管理模塊根據指令控制遠程放電控制盒內的蓄電池組輸出開關斷開，使得蓄電池組停止充電，同時停止對直流系統輸出供電，閉合蓄電池組放電開關，啟動負載模塊進行放電。通過蓄電池遠程核容平臺下發指令啟動放電模塊對蓄電池組進行放電，整個過程的基本流程如圖7所示。

圖7 遠程核容系統運行總體流程

模式一：正常核容過程，若未出現交流失電的情況下，結束后輸出核容分析結果，之后進入蓄電池電路恢復的過程（即進行充電過程），控制負載模塊退出后，使蓄電池組充電的同時對直流系統輸出供電，如圖8所示。

圖8 遠程核容系統運行模式一流程

模式二：若核容過程中出現交流失電，則立刻停止核容，進入保障系統安全運行階段。當交流恢復且進入蓄電池電量恢復的過程時再根據計劃進行核容。其中，當滿足多組輸出判斷的啟動條件時，如通過已放出容量結合單體電壓及其分布情況判斷出單組可能無法繼續較長時間支撐，閉合母聯開關，且遠程放電控制盒內蓄電池組輸出開關要處于斷開狀態，蓄電池組通過二極管給直流系統供電；并實時檢測交流是否恢復，若恢復則斷開母聯開關，控制蓄電池組充電的同時對直流系統輸出供電，如圖9所示。

圖9 遠程核容系統運行模式二流程

模式三：若正常核容過程后充電過程中出現交流失電，則立刻進入保障系統安全運行的階段，當交流恢復后重新進入蓄電池充電過程，充滿后可再根據計劃進行核容，如圖10所示。

處于核容結束后的充電過程出現交流失電，當滿足多組輸出判斷的啟動條件時，其與模式二判斷方式類似，基于充電曲線判斷單組是否無法繼續較長時間支撐。滿足啟動條件時，控制進行多組同時輸出，并實時檢測交流是否恢復。

2.4 核容評價

現有站點蓄電池核容過程中可能存在交流失電的情況，很多情況下無法進行百分百深度的核容。即使進行了完全放電，但由于鉛酸蓄電池的特性，還是存在大部分蓄電池由于未到截止電壓而無法準確得知其性能的情況，圖11和圖12為某變電站全容量0.1 C放電結束時刻每節蓄電池的電壓分布，可能存在較多電池聚集，也可能存在個別電池較差的情況，這就需要采用一定的技術手段進行數據分析來獲得各個蓄電池的性能數據。本文采用神經網絡模型對此進行分析。

圖11 某變電站a放電結束時刻電壓分布

圖12 某變電站b放電結束時刻電壓分布

神經網絡由大量的簡單處理單元組成，是一種復雜的網絡系統。神經網絡模型可描述非線性、多數據并行的問題，具有高容錯與可訓練學習等優點，被廣泛應用于各種領域，如信號處理、模式識別、自動控制、輔助決策以及人工智能等。蓄電池核容評價可以認為是模式識別的一種，即針對放電曲線分布和走向情況識別較為合適的性能數據。BP神經網絡主要步驟如下：

（1）選擇合適的輸入樣本A和輸出樣本C，并進行歸一化處理。初始化網絡連接的權值：輸入與隱層的權值YWxy、隱層與輸出的權值SWyz，隱層觸發閾值θy、輸出觸發閾值ηz，均為[-1，1]區間內的隨機數。

（2）隱層By==f(∑YWxy·Ax-θy)，輸出層Cz=f(∑SWyz·By-ηz)。

（3）若誤差大于設定的預期誤差，則對權值和閾值進行修正，修正公式為：

式中，Sez、Yey為輸出層、隱層的校正誤差；α、β為學習系數。

使用MATLAB構建一個簡單的一輸入一輸出網絡結構，采用newff函數創建該BP神經網絡，如圖13所示。第一層二神經元，傳遞函數tansig。第二層一神經元，傳遞函數purelin。訓練函數traingdx，設置合適迭代次數，其他參數默認。

圖13 newff兩層神經網絡

在訓練該網絡時，采用多輸入學習樣本與單輸出教師樣本的網絡結構，如圖14所示。其中輸出樣本為蓄電池性能數據，即當前容量與標稱容量的百分比值，不允許超過100%。

圖14 N輸入M輸出兩層神經網絡

輸入樣本為不同蓄電池性能的放電數據，數據長度可為21、20、19、...。在大量蓄電池放電的基礎上，將不同蓄電池性能所對應的放電曲線數組作為訓練集。當某一次核容放電結束時，例如放出容量在50%時，應選擇每5%即長度11的樣本集進行訓練。當放出容量在80%時，應選擇每5%即長度17的樣本集進行訓練。

由于輸出樣本已經處于0～100%之間，無需進一步做歸一化處理，因此針對輸入部分放電電壓數據的歸一化處理為：

式中，vmin為放電截止電壓，以2 V鉛酸蓄電池為例即為1.80 V；vmax為完全充滿后起始電壓，以2V鉛酸蓄電池為例，該數值為均充結束或浮充時轉為放電的起始電壓，一般設置為2.15 V，且當f(v)≥1時記為1。

從上述原理來看，此方法無法預測放電過程中電壓突然變化的情況，應再探索研究更多輸入進行補充，如電池內阻和長期浮充特征等。

3 結 論

目前變電站直流系統的蓄電池組大部分情況下還是采用現場人工核容的方式，每年需要投入大量的人力物力來檢查蓄電池組狀態是否健康。本文研究了具備防護能力的遠程核容技術，其在脫離直流母線遠程核容時不會因交流失電而出現斷電，可通過遠程控制較早的知道遠程控制盒本身是否存在異常。同時通過算法研究對核容過程中的數據進行分析，基本可獲得蓄電池組各個電池的性能情況，具有較好的應用效果。