阀控铅酸蓄电池组在线状态检测及故障预报算法研究

摘要

电力/通信系统中的直流电源设备主要选用阀控铅酸(VRLA)蓄电池。由于这种蓄电池又被称为“免维护”蓄电池，这就给操作人员一种误解，认为该种蓄电池不需要维护，使得在很多场合VRLA蓄电池实际上处于一种长期完全不维护的状态。实际上蓄电池作为一种电化学产品，对使用环境和运行工况都有比较严格的要求，因此，如何监测VRLA蓄电池的运行状态，对其建立起一套有效的维护管理方法，具有重要的现实意义。 本文在深入分析VRLA蓄电池工作原理及使用性能的基础上，提出了一种新型的完全在线的蓄电池内阻的检测方法，并在山东星锐电力科技有限公司生产的BMMS220-18A蓄电池组在线状态检测装置中获得了实际应用。该方法针对现有的两种内阻检测方法——直流放电法和交流注入法中存在的缺陷，将被测单体蓄电池分别对两组负载进行放电，通过对两次的放电电流、电压进行计算得到蓄电池的内阻值。实践证明，该方法克服了整组蓄电池在线放电存在的安全隐患，减小了放电功率，降低了设备制造成本，使故障的定位更加精确。 VRLA蓄电池是一个复杂的非线性系统，在充放电过程中，蓄电池内部存在着极为复杂的物理和化学变化，为了实现对蓄电池内阻变化趋势的预测，本文分别采用了灰色系统、神经网络和模糊控制三种方法对VRLA蓄电池内阻进行建模，并对结果进行了横向比较。仿真结果表明采用动态新息GM(1，1)模型预测的精度高，能够准确的判断出故障点；采用RBF神经网络预测精度高，但是需要大量的样本进行学习，实现较为困难；模糊控制的方法虽然结果存在静差，但当离线的模糊控制表建立以后，程序运行速度很快，可以满足实时在线的要求。 在实现对VRLA蓄电池内阻预测的基础上，本文还结合VRLA蓄电池的其他参考因素(电压、电流、温度)的影响，对VRLA蓄电池荷电状态(SDC)进行预测。仿真结果表明采用RBF神经网络方法需要同传统的蓄电池容量监测方法结合使用，先用传统方法判断出各时刻的蓄电池荷电状态，再通过神经网络进行预测，这种方法工作量大，实现较为困难，目前仅停留在理论阶段；而采用模糊控制的方法程序实现容易，运行速度快，但精度还需要进一步的提高。由此可见，本文已经基本实现了对蓄电池运行状态的离线分析，通过对VRLA蓄电池内阻和荷电状态的预测，可以准确的找到VRLA蓄电池容量失效的时刻，实现对蓄电池运行状态的监测和故障预报。但是若要满足实时在线的监测和预报，还需要继续检测蓄电池的各项参数，改进理论模型，进一步提高预测精度，并完善该算法在嵌入式系统中的实现。

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权的声明

第1章绪论

1.1直流电源设备简介

1.2铅酸蓄电池的发展现状与分类选型

1.2.1铅酸蓄电池技术的发展现状

1.2.2 VRLA蓄电池的分类选型

1.3VRLA蓄电池的监测现状

1.4本课题的意义

1.5本文所做的主要工作及内容

第2章VRLA蓄电池技术及容量监测方法

2.1 VRLA蓄电池的工作原理

2.1.1铅酸蓄电池的工作原理

2.1.2 VRLA蓄电池的工作原理

2.2 VRLA蓄电池的技术指标

2.3 VRLA蓄电池的使用性能

2.3.1 VRLA蓄电池的充电特性

2.3.2 VRLA蓄电池的放电特性

2.4传统的蓄电池容量监测方法

2.4.1放电实验法

2.4.2安时法

2.4.3开路电压法

2.4.4密度法

2.4.5负载电压法

2.4.6内阻法

2.5本章小结

第3章新型蓄电池内阻检测方法及实现

3.1完全在线的蓄电池内阻检测方法

3.2新型蓄电池内阻检测方法的硬件实现

3.2.1硬件系统的主要功能

3.2.2微机主控板的基本结构

3.3本章小结

第4章理论方法分析

4.1灰色系统

4.1.1灰色系统的概念与基本原理

4.1.2 GM(1，1)模型的建模方法

4.1.3动态新息GM(1，1)模型的建模方法

4.1.4仿真结果

4.1.5小结

4.2人工神经网络

4.2.1人工神经网络概述

4.2.2径向基函数神经网络的理论基础

4.2.3用RBF神经网络预测VRLA蓄电池内阻值

4.2.4用RBF神经网络预测VRLA蓄电池荷电状态

4.3模糊控制理论

4.3.1模糊控制理论概述

4.3.2模糊控制系统的基本原理

4.3.3用模糊控制预测VRLA蓄电池内阻值

4.3.4用模糊控制预测VRLA蓄电池荷电状态

4.4本章小结

第5章结论及展望

参考文献

致谢

攻读硕士学位期间发表的论文