張 雁，緱鵬超，韓應(yīng)輝，閆曉紅

（1.國(guó)網(wǎng)陜西省電力公司信息通信公司，西安710048；2.西安郵電大學(xué) 電子工程學(xué)院，西安710199）

電場(chǎng)輸電系統(tǒng)往往采用直流發(fā)電，而其順利運(yùn)行的基礎(chǔ)依賴于蓄電池組的供電功能，但對(duì)于蓄電池組的診斷維護(hù)效率較低，由于輸電系統(tǒng)中電池量較大，各自狀態(tài)不同，診斷較為困難，因此人工診斷方式遠(yuǎn)遠(yuǎn)無法滿足需求。為提高蓄電池組診斷效率，及時(shí)維護(hù)蓄電池工作狀態(tài)，提出本課題的研究。

國(guó)外相關(guān)部門通過分析蓄電池組運(yùn)行狀態(tài)，對(duì)其診斷結(jié)構(gòu)進(jìn)行研究，文獻(xiàn)[1]設(shè)計(jì)出互測(cè)PMC 診斷系統(tǒng)，利用自組織徑向基算法研究電池參數(shù)運(yùn)算規(guī)律，建立粗糙集分類器將不同功能的電池進(jìn)行分離，實(shí)現(xiàn)電池組的逐一診斷，但這種方法診斷精度偏差較大，容易發(fā)生誤診斷導(dǎo)致電池報(bào)廢。國(guó)內(nèi)電力研究所根據(jù)電池不同型號(hào)設(shè)計(jì)診斷系統(tǒng)，文獻(xiàn)[2]采用ACNN 故障診斷法實(shí)現(xiàn)電池組的全面檢測(cè)，通過微弱振動(dòng)信號(hào)特征提取方法采集電池組運(yùn)行不同特征，根據(jù)檢測(cè)的特征量利用Adam 優(yōu)化器對(duì)電池組進(jìn)行全面審核，并對(duì)存在差異的電池進(jìn)行排異，但這種方式對(duì)診斷數(shù)據(jù)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(tǒng)

本文根據(jù)蓄電池組實(shí)際運(yùn)行狀態(tài)進(jìn)行分析，將蓄電池輸出電能與診斷系統(tǒng)相結(jié)合，利用模型化技術(shù)和算法推算功能實(shí)現(xiàn)電力電池組工作。蓄電池組在線診斷系統(tǒng)如圖1所示。

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

蓄電池組在線診斷系統(tǒng)通過分析內(nèi)在裝置結(jié)構(gòu)變化，建立主控制單元，由主控單元對(duì)蓄電池組各邊緣設(shè)備進(jìn)行數(shù)據(jù)采集。邊緣設(shè)備主要包括監(jiān)測(cè)數(shù)據(jù)顯示與報(bào)警、鍵盤處理和數(shù)據(jù)上傳網(wǎng)絡(luò)，數(shù)據(jù)部分包括電池狀況排序與診斷、剩余電量估計(jì)和VMD 算法數(shù)據(jù)庫(kù)[3]。系統(tǒng)核心技術(shù)為核容模型的建立和運(yùn)行工況診斷結(jié)構(gòu)，兩者相互依托，共同完成蓄電池組的在線診斷，運(yùn)行工況診斷數(shù)據(jù)來源于各類互感器，通過采集充電機(jī)負(fù)載和蓄電池組的電流、電壓、穩(wěn)定和單耦合數(shù)據(jù)完成工況診斷數(shù)據(jù)輸入，然后將工況數(shù)據(jù)與核容模型交互，形成較為完備的診斷體系[4]。

本系統(tǒng)運(yùn)行過程主要通過計(jì)算蓄電池在運(yùn)行過程中的各類參數(shù)特性完成診斷，將蓄電池使用過程采集的參數(shù)特性與標(biāo)準(zhǔn)電池形成對(duì)比結(jié)構(gòu)，對(duì)其差異性進(jìn)行分析[5]，根據(jù)分析結(jié)果對(duì)電池初始電荷量進(jìn)行修正。將上述比對(duì)結(jié)果和修正數(shù)據(jù)通過模型的方式進(jìn)行拓?fù)洌礊楹巳菅b置拓?fù)淠Ｐ?，在后續(xù)的蓄電池診斷可以在該模型結(jié)構(gòu)中實(shí)現(xiàn)自動(dòng)比對(duì)，增加準(zhǔn)確性的同時(shí)提高診斷系統(tǒng)的運(yùn)行效率[6]。而蓄電池的充放電過程通過消耗的電荷量進(jìn)行統(tǒng)計(jì)，由工況診斷結(jié)構(gòu)完成電荷量的估計(jì)。通過兩種技術(shù)的功能配合完成蓄電池組的在線診斷，解決傳統(tǒng)人工診斷技術(shù)存在的不足[7]。

2 核容裝置拓?fù)淠Ｐ?/h2>

根據(jù)現(xiàn)階段蓄電池組的診斷過程進(jìn)行分析，通過了解電池組運(yùn)行流程進(jìn)行控制，將其運(yùn)行狀態(tài)通過核容拓?fù)淠Ｐ徒Y(jié)構(gòu)完成裝置的改進(jìn)，設(shè)計(jì)原則遵循電能傳輸原理[8]，核容裝置拓?fù)淠Ｐ腿鐖D2所示。

圖2 核容裝置拓?fù)淠Ｐ虵ig.2 Topology model of core-capacity device

根據(jù)蓄電池組運(yùn)行原則分析，核容裝置拓?fù)淠Ｐ屯ㄟ^檢測(cè)單元和直流屏對(duì)主控制器進(jìn)行采集電流和電壓信號(hào)，從而實(shí)現(xiàn)核容裝置拓?fù)淠Ｐ偷慕ⅲ饕\(yùn)行結(jié)構(gòu)為電機(jī)動(dòng)力、繼電控制、信號(hào)檢測(cè)和輸出直流屏[9]。其中電機(jī)動(dòng)力通過可變電阻與電池控制信號(hào)隔開，保證電池能夠持續(xù)為電機(jī)供能，完成主控制器和直流屏的順利運(yùn)行；繼電控制主要由多個(gè)繼電器配合完成，通過對(duì)電池充放電參數(shù)的控制完成數(shù)據(jù)診斷；信號(hào)檢測(cè)通過嵌入式技術(shù)將檢測(cè)芯片安裝在電池輸出部位，實(shí)現(xiàn)電池放電量的實(shí)時(shí)播報(bào)，作為算法分析的數(shù)據(jù)支撐；輸出直流屏作為電池組數(shù)據(jù)與控制器的中轉(zhuǎn)，能夠?yàn)橹骺刂破魈峁┬铍姵亟M各項(xiàng)變量參數(shù)，形成可視化信號(hào)傳輸過程[10]。

3 運(yùn)行工況診斷結(jié)構(gòu)

對(duì)蓄電池組運(yùn)行工況設(shè)計(jì)原理為診斷網(wǎng)絡(luò)，通過分析電池工況的功能系統(tǒng)完成數(shù)據(jù)診斷，將其結(jié)構(gòu)進(jìn)行完成映射從而組成可視化網(wǎng)絡(luò)結(jié)構(gòu)，運(yùn)行工況診斷結(jié)構(gòu)如圖3所示。

圖3 運(yùn)行工況診斷結(jié)構(gòu)Fig.3 Diagnosis structure of operating conditions

對(duì)于蓄電池組工況診斷過程中，收錄的各項(xiàng)參數(shù)都是相對(duì)比例值，需要對(duì)不同比例的參數(shù)進(jìn)行標(biāo)定值換算。實(shí)際運(yùn)行中，供能蓄電池流通電流存在隨機(jī)性，為精準(zhǔn)診斷電池工況，對(duì)其容量變化進(jìn)行等效變換，形成數(shù)據(jù)似然估計(jì)方法。算法數(shù)據(jù)來源于拓?fù)淠Ｐ筒杉瘏?shù)，原理遵循輸出電流等效變換公式，主要過程為平均放電強(qiáng)度的計(jì)算和電池容量的修正。對(duì)于電池工況診斷過程中產(chǎn)生的波動(dòng)電路，采用模糊控制PID 方式完成擾動(dòng)計(jì)算。

根據(jù)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(jì)算周期內(nèi)工況電流，利用積分方程推算結(jié)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(nèi)電流波動(dòng)；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(jù)蓄電池組特性分析結(jié)果進(jìn)行工況修正，其修正函數(shù)為

4 VMD 算法

變分模態(tài)分解（VMD）算法是融合多項(xiàng)技術(shù)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(shù)據(jù)整理功能。

對(duì)蓄電池組的模態(tài)數(shù)據(jù)利用VMD 算法中的變換原理進(jìn)行解析，完成原始數(shù)據(jù)與模態(tài)數(shù)據(jù)的融合，其解析函數(shù)表示為

式中：F表示蓄電池組模態(tài)數(shù)據(jù)解析函數(shù)；δ（t）表示融合過程中產(chǎn)生的沖擊變量；j表示解析誤差率；t表示解析融合時(shí)間；uk（t）表示電池組電壓參數(shù)；ωk表示不同電池的解析頻率。

電池組模態(tài)數(shù)據(jù)的解析過程存在一定的變化區(qū)間，因此需要對(duì)其解析過程進(jìn)行約束，約束條件表示為

式中：?t表示模態(tài)解析過程的系統(tǒng)約束因子。

由于需要對(duì)解析后的電池組數(shù)據(jù)進(jìn)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(zhuǎn)換為非約束問題，即：

式中：L表示非約束解析函數(shù)；λ 表示條件轉(zhuǎn)換準(zhǔn)則；α 表示二次轉(zhuǎn)換因子；f（t）表示原始數(shù)據(jù)函數(shù)。

將轉(zhuǎn)換之后的未約束模態(tài)數(shù)據(jù)進(jìn)行整理，根據(jù)Hilbert 專項(xiàng)參數(shù)轉(zhuǎn)換理論實(shí)現(xiàn)蓄電池組的數(shù)據(jù)整理，統(tǒng)計(jì)函數(shù)表示為

對(duì)于存在擾動(dòng)的蓄電池組波形，通過維納濾波的擾動(dòng)平復(fù)原則進(jìn)行平復(fù)，其擾動(dòng)頻率變化函數(shù)表示為

經(jīng)過VMD 算法的整理和波形平復(fù)，蓄電池組數(shù)據(jù)得到較為完成的保存，為系統(tǒng)診斷提供便利，同時(shí)建立的模態(tài)數(shù)據(jù)為待運(yùn)行的蓄電池組提供數(shù)據(jù)參考方案，保證其輸出功率的有效性。

5 試驗(yàn)結(jié)果與分析

實(shí)驗(yàn)在Intel i9 9600KF，4.0 GHz CPU 和64+128 GB 內(nèi)存雙核PC 機(jī)運(yùn)行?，F(xiàn)場(chǎng)實(shí)驗(yàn)環(huán)境設(shè)置：實(shí)驗(yàn)采集信號(hào)為傳感器結(jié)構(gòu)，診斷模型采用核容裝置模型，傳輸方式WLAN 5G 信號(hào)傳輸，信號(hào)傳輸速率大于4.5 MB/s，算法程序運(yùn)算誤差小于1.5%。在此環(huán)境下進(jìn)行實(shí)驗(yàn)，參數(shù)配置如表1所示。

表1 環(huán)境參數(shù)與配置軟件Tab.1 Environmental parameters and configuration software

本設(shè)計(jì)試驗(yàn)根據(jù)Proteus 仿真軟件對(duì)實(shí)際工作過程進(jìn)行仿真演示，蓄電池診斷系統(tǒng)仿真圖如圖4所示。

根據(jù)圖4 仿真結(jié)果對(duì)比各設(shè)計(jì)方案具體效果，根據(jù)電池放電量計(jì)算公式統(tǒng)計(jì)數(shù)據(jù)。

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

進(jìn)而驗(yàn)證本研究的有效性，將實(shí)驗(yàn)結(jié)果匯總數(shù)據(jù)表，最終顯示蓄電池組診斷系統(tǒng)實(shí)驗(yàn)數(shù)據(jù)如表2所示。

表2 蓄電池組診斷系統(tǒng)實(shí)驗(yàn)數(shù)據(jù)表Tab.2 Experimental data sheet of the battery pack diagnosis system

通過表2 數(shù)據(jù)分析，本設(shè)計(jì)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(dá)到108.3 Ah，診斷數(shù)據(jù)平均精度為98.6%；文獻(xiàn)[1]方法采用的PMC 診斷系統(tǒng)額定容量最大為112.6 Ah，最大放電量達(dá)到97.6 Ah，診斷數(shù)據(jù)平均精度為96.2%；文獻(xiàn)[2]方法設(shè)計(jì)的ACNN 故障診斷法額定容量最大為108.4 Ah，最大放電量達(dá)到96.4 Ah，診斷數(shù)據(jù)平均精度為93.1%。由此看出本研究對(duì)蓄電池組的診斷過程具有較高可行性。

根據(jù)實(shí)驗(yàn)結(jié)果顯示3 種不同方案的放電量變化規(guī)律，通過對(duì)比方式分析各系統(tǒng)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(shè)計(jì)同比狀態(tài)下放電量增加最快，總放電量最大，電池額定容量為120 Ah 時(shí)，電池放電量最大為108.3 Ah，放電量增加速度為0.81 Ah；文獻(xiàn)[1]方法采用的PMC 診斷系統(tǒng)電池額定容量為112.6 Ah 時(shí)，電池放電量最大為97.6 Ah，放電量增加速度為0.71 Ah；文獻(xiàn)[2]方法設(shè)計(jì)的ACNN 故障診斷法電池額定容量為108.4 Ah時(shí)，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(duì)比各設(shè)計(jì)方案的系統(tǒng)診斷精度，進(jìn)一步完成對(duì)比實(shí)驗(yàn)，根據(jù)Proteus 軟件實(shí)現(xiàn)診斷系統(tǒng)的仿真，得到系統(tǒng)診斷精度曲線對(duì)比如圖6所示。

圖6 系統(tǒng)診斷精度曲線Fig.6 System diagnostic accuracy curve

通過對(duì)比發(fā)現(xiàn)3 種系統(tǒng)診斷精度受到蓄電池額定容量的影響，本研究系統(tǒng)平均診斷精度為98.6%，上下波動(dòng)幅度為0.3%，較為穩(wěn)定；文獻(xiàn)[1]方法采用的PMC 診斷系統(tǒng)平均診斷精度為96.2%，波動(dòng)幅度為3%；文獻(xiàn)[2]方法設(shè)計(jì)的ACNN 故障診斷法平均診斷精度為93.1%，波動(dòng)幅度為2.3%。綜上所述，本設(shè)計(jì)方案對(duì)蓄電池運(yùn)行狀態(tài)的診斷設(shè)計(jì)具有明顯效果。

6 結(jié)語(yǔ)

本文對(duì)蓄電池運(yùn)行狀態(tài)診斷方法進(jìn)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(shè)計(jì)，建立了核容裝置拓?fù)淠Ｐ蛯?shí)現(xiàn)蓄電池的模式化運(yùn)行，完成蓄電池使用過程中各項(xiàng)參數(shù)的整定。對(duì)蓄電池運(yùn)行工況進(jìn)行結(jié)構(gòu)化改進(jìn)，對(duì)其運(yùn)行特性進(jìn)行分析，同時(shí)通過積分控制的方式實(shí)現(xiàn)蓄電池參數(shù)的修正。運(yùn)用VMD 算法對(duì)蓄電池模態(tài)數(shù)據(jù)進(jìn)行解析，利用Hilbert 方程和濾波控制方式完成數(shù)據(jù)的統(tǒng)計(jì)和管理。但是本研究在實(shí)驗(yàn)過程中仍存在問題，電池壽命問題影響放電量，電池型號(hào)繁多導(dǎo)致診斷精度存在偏差等問題仍待解決。