蓄電池組運行狀態在線診斷技術研究

張 雁，緱鵬超，韓應輝，閆曉紅

（1.國網陜西省電力公司信息通信公司，西安710048；2.西安郵電大學 電子工程學院，西安710199）

電場輸電系統往往采用直流發電，而其順利運行的基礎依賴于蓄電池組的供電功能，但對于蓄電池組的診斷維護效率較低，由于輸電系統中電池量較大，各自狀態不同，診斷較為困難，因此人工診斷方式遠遠無法滿足需求。為提高蓄電池組診斷效率，及時維護蓄電池工作狀態，提出本課題的研究。

國外相關部門通過分析蓄電池組運行狀態，對其診斷結構進行研究，文獻[1]設計出互測PMC 診斷系統，利用自組織徑向基算法研究電池參數運算規律，建立粗糙集分類器將不同功能的電池進行分離，實現電池組的逐一診斷，但這種方法診斷精度偏差較大，容易發生誤診斷導致電池報廢。國內電力研究所根據電池不同型號設計診斷系統，文獻[2]采用ACNN 故障診斷法實現電池組的全面檢測，通過微弱振動信號特征提取方法采集電池組運行不同特征，根據檢測的特征量利用Adam 優化器對電池組進行全面審核，并對存在差異的電池進行排異，但這種方式對診斷數據管理較為松散，影響后期檢索效率。

1 蓄電池組在線診斷系統

本文根據蓄電池組實際運行狀態進行分析，將蓄電池輸出電能與診斷系統相結合，利用模型化技術和算法推算功能實現電力電池組工作。蓄電池組在線診斷系統如圖1所示。

圖1 蓄電池組在線診斷系統Fig.1 On-line diagnosis system of battery pack

蓄電池組在線診斷系統通過分析內在裝置結構變化，建立主控制單元，由主控單元對蓄電池組各邊緣設備進行數據采集。邊緣設備主要包括監測數據顯示與報警、鍵盤處理和數據上傳網絡，數據部分包括電池狀況排序與診斷、剩余電量估計和VMD 算法數據庫[3]。系統核心技術為核容模型的建立和運行工況診斷結構，兩者相互依托，共同完成蓄電池組的在線診斷，運行工況診斷數據來源于各類互感器，通過采集充電機負載和蓄電池組的電流、電壓、穩定和單耦合數據完成工況診斷數據輸入，然后將工況數據與核容模型交互，形成較為完備的診斷體系[4]。

本系統運行過程主要通過計算蓄電池在運行過程中的各類參數特性完成診斷，將蓄電池使用過程采集的參數特性與標準電池形成對比結構，對其差異性進行分析[5]，根據分析結果對電池初始電荷量進行修正。將上述比對結果和修正數據通過模型的方式進行拓撲，即為核容裝置拓撲模型，在后續的蓄電池診斷可以在該模型結構中實現自動比對，增加準確性的同時提高診斷系統的運行效率[6]。而蓄電池的充放電過程通過消耗的電荷量進行統計，由工況診斷結構完成電荷量的估計。通過兩種技術的功能配合完成蓄電池組的在線診斷，解決傳統人工診斷技術存在的不足[7]。

2 核容裝置拓撲模型

根據現階段蓄電池組的診斷過程進行分析，通過了解電池組運行流程進行控制，將其運行狀態通過核容拓撲模型結構完成裝置的改進，設計原則遵循電能傳輸原理[8]，核容裝置拓撲模型如圖2所示。

圖2 核容裝置拓撲模型Fig.2 Topology model of core-capacity device

根據蓄電池組運行原則分析，核容裝置拓撲模型通過檢測單元和直流屏對主控制器進行采集電流和電壓信號，從而實現核容裝置拓撲模型的建立，主要運行結構為電機動力、繼電控制、信號檢測和輸出直流屏[9]。其中電機動力通過可變電阻與電池控制信號隔開，保證電池能夠持續為電機供能，完成主控制器和直流屏的順利運行；繼電控制主要由多個繼電器配合完成，通過對電池充放電參數的控制完成數據診斷；信號檢測通過嵌入式技術將檢測芯片安裝在電池輸出部位，實現電池放電量的實時播報，作為算法分析的數據支撐；輸出直流屏作為電池組數據與控制器的中轉，能夠為主控制器提供蓄電池組各項變量參數，形成可視化信號傳輸過程[10]。

3 運行工況診斷結構

對蓄電池組運行工況設計原理為診斷網絡，通過分析電池工況的功能系統完成數據診斷，將其結構進行完成映射從而組成可視化網絡結構，運行工況診斷結構如圖3所示。

圖3 運行工況診斷結構Fig.3 Diagnosis structure of operating conditions

對于蓄電池組工況診斷過程中，收錄的各項參數都是相對比例值，需要對不同比例的參數進行標定值換算。實際運行中，供能蓄電池流通電流存在隨機性，為精準診斷電池工況，對其容量變化進行等效變換，形成數據似然估計方法。算法數據來源于拓撲模型采集參數，原理遵循輸出電流等效變換公式，主要過程為平均放電強度的計算和電池容量的修正。對于電池工況診斷過程中產生的波動電路，采用模糊控制PID 方式完成擾動計算。

根據圖3 蓄電池組診斷控制過程，將電池容量看作工況容量，利用積分控制方式描述其波形變化，計算周期內工況電流，利用積分方程推算結果。

式中：Qd，Qc表示診斷工況電池容量；Id，Ic表示積分等效電流；σd，σc表示診斷周期內電流波動；Td，Tc表示蓄電池組診斷周期；i表示工況診斷用電池放電量。根據蓄電池組特性分析結果進行工況修正，其修正函數為

4 VMD 算法

變分模態分解（VMD）算法是融合多項技術理論形成的一種求解算法，本研究主要利用其分解原理和數據整理功能。

對蓄電池組的模態數據利用VMD 算法中的變換原理進行解析，完成原始數據與模態數據的融合，其解析函數表示為

式中：F表示蓄電池組模態數據解析函數；δ（t）表示融合過程中產生的沖擊變量；j表示解析誤差率；t表示解析融合時間；uk（t）表示電池組電壓參數；ωk表示不同電池的解析頻率。

電池組模態數據的解析過程存在一定的變化區間，因此需要對其解析過程進行約束，約束條件表示為

式中：?t表示模態解析過程的系統約束因子。

由于需要對解析后的電池組數據進行整理編輯，其解析約束條件存在一定的限制，因此將約束解析過程轉換為非約束問題，即：

式中：L表示非約束解析函數；λ 表示條件轉換準則；α 表示二次轉換因子；f（t）表示原始數據函數。

將轉換之后的未約束模態數據進行整理，根據Hilbert 專項參數轉換理論實現蓄電池組的數據整理，統計函數表示為

對于存在擾動的蓄電池組波形，通過維納濾波的擾動平復原則進行平復，其擾動頻率變化函數表示為

經過VMD 算法的整理和波形平復，蓄電池組數據得到較為完成的保存，為系統診斷提供便利，同時建立的模態數據為待運行的蓄電池組提供數據參考方案，保證其輸出功率的有效性。

5 試驗結果與分析

實驗在Intel i9 9600KF，4.0 GHz CPU 和64+128 GB 內存雙核PC 機運行。現場實驗環境設置：實驗采集信號為傳感器結構，診斷模型采用核容裝置模型，傳輸方式WLAN 5G 信號傳輸，信號傳輸速率大于4.5 MB/s，算法程序運算誤差小于1.5%。在此環境下進行實驗，參數配置如表1所示。

表1 環境參數與配置軟件Tab.1 Environmental parameters and configuration software

本設計試驗根據Proteus 仿真軟件對實際工作過程進行仿真演示，蓄電池診斷系統仿真圖如圖4所示。

根據圖4 仿真結果對比各設計方案具體效果，根據電池放電量計算公式統計數據。

圖4 蓄電池診斷系統仿真圖Fig.4 Simulation diagram of battery diagnosis system

進而驗證本研究的有效性，將實驗結果匯總數據表，最終顯示蓄電池組診斷系統實驗數據如表2所示。

表2 蓄電池組診斷系統實驗數據表Tab.2 Experimental data sheet of the battery pack diagnosis system

通過表2 數據分析，本設計采用的GM-100 鉛酸電池組的額定容量最大為120.0 Ah，最大放電量達到108.3 Ah，診斷數據平均精度為98.6%；文獻[1]方法采用的PMC 診斷系統額定容量最大為112.6 Ah，最大放電量達到97.6 Ah，診斷數據平均精度為96.2%；文獻[2]方法設計的ACNN 故障診斷法額定容量最大為108.4 Ah，最大放電量達到96.4 Ah，診斷數據平均精度為93.1%。由此看出本研究對蓄電池組的診斷過程具有較高可行性。

根據實驗結果顯示3 種不同方案的放電量變化規律，通過對比方式分析各系統性能，蓄電池放電量曲線如圖5所示。

圖5 蓄電池放電量曲線Fig.5 Battery discharge curve

圖5 為3 種不同方案在電池額定容量影響下的放電量變化曲線，其中本設計同比狀態下放電量增加最快，總放電量最大，電池額定容量為120 Ah 時，電池放電量最大為108.3 Ah，放電量增加速度為0.81 Ah；文獻[1]方法采用的PMC 診斷系統電池額定容量為112.6 Ah 時，電池放電量最大為97.6 Ah，放電量增加速度為0.71 Ah；文獻[2]方法設計的ACNN 故障診斷法電池額定容量為108.4 Ah時，電池放電量最大為96.4 Ah，放電量增加速度為0.75 Ah。

通過對比各設計方案的系統診斷精度，進一步完成對比實驗，根據Proteus 軟件實現診斷系統的仿真，得到系統診斷精度曲線對比如圖6所示。

圖6 系統診斷精度曲線Fig.6 System diagnostic accuracy curve

通過對比發現3 種系統診斷精度受到蓄電池額定容量的影響，本研究系統平均診斷精度為98.6%，上下波動幅度為0.3%，較為穩定；文獻[1]方法采用的PMC 診斷系統平均診斷精度為96.2%，波動幅度為3%；文獻[2]方法設計的ACNN 故障診斷法平均診斷精度為93.1%，波動幅度為2.3%。綜上所述，本設計方案對蓄電池運行狀態的診斷設計具有明顯效果。

6 結語

本文對蓄電池運行狀態診斷方法進行研究，通過分析蓄電池額定容量和在線診斷精度完成方案設計，建立了核容裝置拓撲模型實現蓄電池的模式化運行，完成蓄電池使用過程中各項參數的整定。對蓄電池運行工況進行結構化改進，對其運行特性進行分析，同時通過積分控制的方式實現蓄電池參數的修正。運用VMD 算法對蓄電池模態數據進行解析，利用Hilbert 方程和濾波控制方式完成數據的統計和管理。但是本研究在實驗過程中仍存在問題，電池壽命問題影響放電量，電池型號繁多導致診斷精度存在偏差等問題仍待解決。