风光互补系统中蓄电池智能控制装置制造方法及图纸

风光互补系统中蓄电池智能控制装置，涉及电子技术。本实用新型专利技术包括下述部分：前级检测电路，连接太阳能发电部分的输出端和风能发电部分的输出端；后级检测电路，带有蓄电池检测接口；PWM输出电路，与前级检测电路、后级检测电路和核心控制模块连接；核心控制模块，与前级检测电路、后级检测电路和PWM输出电路连接。本实用新型专利技术的有益效果是，能够依据风能和太阳能发电部分的状况准确控制蓄电池充电过程，提高发电效率和对电池的高效管理和保护。可以对风光互补系统的重要储能元件—电池进行最优的保护以及对能源的最大化的利用。（*该技术在2022年保护过期，可自由使用*）

【技术实现步骤摘要】

本技术涉及电子技术。
技术介绍
铅酸蓄电池主要由正极板、负极板、硫酸、隔板、槽、盖组成，在小型风光互补控制系统中采用的蓄电池属于免维护的蓄电池。蓄电池的充、放电过程就是电能和化学能之间相互转换的过程，但在实际情况下，这种能量转化的效率并未达到100%，主要是因为蓄电池的极板在此期间出现了极化现象，消耗了一部分能量。因此研究蓄电池的充、放电过程对于准确了解和把握电池容量对风光控制系统来讲非常重要。通常铅酸蓄电池在一定电流和温度下进行充电和放电时，都是用曲线来表示电池的端电压，以及电解液的浓度和温度随时间的变化。这些曲线称为电池的特性曲线。特性曲线因电池极板种类不同而有差异，在电池的出厂说明书中，厂家均会给出产品的充、放电特性曲线。根据这些曲线，用户可以有效地了解电池的运行机理，并基于此通过电池的一些特征量估测其电容量。特别是蓄电池的开路电压在一定程度上反映了电池的剩余容量。铅酸蓄电池在充、放电过程中，端电压的变化情况可以表示成:充电:U=E+η.++ η _+IR放电:U=E-η+-η_-1R式中，U为充、放电过程中电池的端电压，I为充、放电电流，R为电池内阻，Π+为正极板超电势，η—为负极板超电势，上述端电压方程式中的n+，n-包含着电化学极化和浓度差极化因素。而影响蓄电池容量的因素很多诸如:蓄电池内阻的动态变化，电解液密度变化，电池工作环境温度等等，对电池容量的准确判断对整个设备的效率影响很大。
技术实现思路
本技术所要解决的技术问题是，提供一种风光互补系统中蓄电池智能控制装置，能够依据风能、太阳能发电部分的情况实时准确控制对蓄电池的充电。本专利技术解决所述技术问题采用的技术方案是，风光互补系统中蓄电池智能控制装置，其特征在于，包括下述部分:前级检测电路，连接太阳能发电部分的输出端和风能发电部分的输出端；后级检测电路，带有蓄电池检测接口 ；PWM输出电路，与前级检测电路、后级检测电路和核心控制模块连接；核心控制模块，与前级检测电路、后级检测电路和PWM输出电路连接。本技术的有益效果是，能够依据风能和太阳能发电部分的状况准确控制蓄电池充电过程，提高发电效率和对电池的高效管理和保护。可以对风光互补系统的重要储能元件一电池进行最优的保护以及对能源的最大化的利用。附图说明图1是本技术的结构示意图。图2是人工神经网络的基本模型图。图3是带了阈值的神经元结构图。具体实施方式参见图1，本技术由四个功能模块组成:包含控制器CPU的核心控制电路、前级检测电路、后级检测电路和PWM输出电路构成。前级检测电路用于检测风能发电部分和太阳能发电部分的工作状态；后级检测电路用于检测蓄电池的状态；PWM输出电路用于控制充电电压和电流；每个模块实现不同的功能，通过控制CPU对系统进行协调工作:当风机和太阳能电池板正常工作输出时，由硬件电路对其输出进行隔离而互不影响，其后续工作过程为:首先检测该电压能否达到电池的充电要求，在满足基本充电要求的情况下通过控制器对电池两端的电压进行实时监控，在得到蓄电池准确容量的条件下，通过PWM输出电路控制充电电压和电流，对电池进行充电，同时控制CPU实时监测负载的工作电流和当前蓄电池的容量来对整个风光发电控制系统进行动态调整，实现智能充放电控制。因此本技术提出了一种基于人工神经网络及特定电池在不同状态所处的不同的实验数据进行综合分析的方法对电池容量实现准确的判断，进而提高发电效率和对电池的高效管理和保护。本技术的核心控制电路采取人工神经网络技术进行计算和控制。人工神经网络是由神经元按照一定的拓扑结构相连构成，人工神经网络的基本模型如图2所示。在图2中，输入经过神经元之间的连接值和传递函数得到输出，再与目标值比较，根据其差值信息，反馈回来根据一定的算法来进行神经元之间连接值的调整。这也构成了神经网络的作用机理。而人工神经元是专家根据生物神经元的特点在工程上的应用研究发展起来的，是神经网络的基本处理单元，大量简单的神经元互相连结就构成了神经网络。神经元的特性在某种程度上决定了神经网络的总体特性。图3就是带了阈值的神经元结构图。在本控制系统中输入参数包括ATmegal6微处理器能米集到的风机发出的电能参数、光电池发出的电能参数和直流负载放电和交流逆变放电的电参数以及对特定电池厂家所提供的电池充放电参数。在选择训练神经网络来实现电池容量的检测采用的是经典的NARMAX模型，其数学表达式为:y (t+1) = f (y(t),..., y (t-n+1) ; u (t)，...，u (t-m+1))利用静态神经网络学习该模型的输入输出非线性函数f(i)，并将系统的输入输出延时量y(t),...，y (t-n+1), u (t),..., u (t-m+1)作为网络的增广输入。通过这种处理方式再在软件设计中综合考虑多种参数的变化和特定电池的特点来实现精确的电池容量的判断，从而使整个风光控制系统合理、高效的运行，准确工作于三种状态从而达到提升发电效率和对电池的保护。说明书已经充分说明本专利技术的原理和必要
技术实现思路
，普通技术人员能够依据说明书实施本专利技术，故不再赘述更加具体的技术细节。本文档来自技高网...

【技术保护点】
风光互补系统中蓄电池智能控制装置，其特征在于，包括下述部分：前级检测电路，连接太阳能发电部分的输出端和风能发电部分的输出端；后级检测电路，带有蓄电池检测接口；PWM输出电路，与前级检测电路、后级检测电路和核心控制模块连接；核心控制模块，与前级检测电路、后级检测电路和PWM输出电路连接。

【技术特征摘要】
1.风光互补系统中蓄电池智能控制装置，其特征在于，包括下述部分:前级检测电路，连接太阳能发电部分的输出端和风能发电部分的输出端；后级检测电路，带有...

【专利技术属性】
技术研发人员：王超，李刚俊，邱士安，
申请(专利权)人：成都工业学院，
类型：实用新型
国别省市：