一种基于组端收敛方法的蓄电池健康预测方法及系统技术方案

本发明专利技术公开了一种基于组端收敛方法的蓄电池健康预测方法及系统，涉及电池健康预测技术领域，包括采用蓄电池运行状态多维多态实时在线监测技术，对蓄电池组热失控状态

【技术实现步骤摘要】
一种基于组端收敛方法的蓄电池健康预测方法及系统


[0001]本专利技术涉及电池健康预测
，特别是一种基于组端收敛方法的蓄电池健康预测方法及系统
。

技术介绍

[0002]阀控式密封铅酸蓄电池
(
以下简称阀控蓄电池
)
由于特殊的阀控式密封结构，使得我们无法准确掌握蓄电池的健康状况，其根本原因是在日常的浮充电过程中无法实时监测电池的容量值，并及时发现性能落后的电池进行预警，提醒工作人员及时更换性能变坏的蓄电池，使蓄电池系统一直处于良好的状态
。
在交流电失电或其它事故状态下，蓄电池组一旦出现问题，供电系统的备用电源将面临瘫痪，造成设备停运及其它重大运行事故
。
[0003]近年随着阀控蓄电池在电力系统的广泛使用，由蓄电池故障而引发的事故时有发生，甚至造成着火
、
全站停电
。
阀控蓄电池由于特殊的阀控式密封结构，其“免维护”的这一优点，已经成为电池运行管理中的缺点和难点
。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例
。
在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分
、
说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围
。
[0005]鉴于在日常的浮充电过程中无法实时监测电池的容量值，并及时发现性能落后的电池进行预警中存在的问题，提出了本专利技术
。
[0006]因此，本专利技术所要解决的问题在于如何提供一种可以实现蓄电池运行状态实时多维多态在线监测，提高设备运行的可靠性，通过多维多态故障分析提前发现落后电池，对失效或故障提前预警的方法及系统
。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：
[0008]第一方面，本专利技术实施例提供了一种基于组端收敛方法的蓄电池健康预测方法，其包括，采用蓄电池运行状态多维多态实时在线监测技术，对蓄电池组热失控状态
、
蓄电池单体健康程度和蓄电池组端电压进行实时监测，并对容量进行智能分析；根据蓄电池多维多态和后续走向趋势进行预测分析，并进行故障诊断；采用蓄电池多维多态进行故障预警，并自动阻断失效或故障的蓄电池；对在多维多态或多元综合叠加下的蓄电池进行综合管理系统硬件装置
。
[0009]第二方面，本专利技术实施例提供了一种基于组端收敛方法的蓄电池健康预测系统，其包括，智慧显示模块，用于接收
、
汇集数据并显示，在线监测蓄电池单体内阻，按设定周期自动进行内阻测试；智能分析蓄电池放电数据，记录过程数据，并对容量进行智能分析；组端汇集模块，用于由多节单体检测模块组成，并汇集各单体检测模块数据；所述单体检测模块包括供电单元
、
传感检测单元
、
控制逻辑单元和通讯收发单元；所述传感检测单元包括端电压传感检测单元
、
内阻传感检测单元和温度传感检测单元；组端收敛模块，用于采集并计
算组端电压和组端电流，并集中采集单体监测模块采集的本体参数，集中打包处理后，上传在线监测主机；包括供电单元
、
检测单元
、
环境温湿度传感检测监测单元
、
控制逻辑单元和通讯收发单元；所述检测单元包括组电压检测单元和组电流监测单元；所述通讯收发单元包括1号通讯收发单元和2号通讯收发单元；开路监测模块，用于实时采集监测
、
开路判断网络和告警；失压补偿模块，用于采用横纵双向对比参数方法判断参数的异常情况，得出直流电源系统健康状态数据；单体电池采集模块，用于测量蓄电池运行状态，测量单体电池电压
、
极柱温度
、
内阻
、
连接条电阻和电压均衡，采用自动编号模式；传感器单元，包括电流传感器，用于配套汇集模块使用，完成电流检测；浮充电流传感器，用于配套协转模块使用，完成浮充电流检测
。
[0010]作为本专利技术所述基于组端收敛方法的蓄电池健康预测系统的一种优选方案，其中：所述失压补偿模块的具体步骤如下：实时采集直流电源系统的多变量参数；定期记录和保存直流电源系统的历史数据；根据历史数据进行动态横纵双向对比参数方法进行分析，即将不同时间窗口的数据进行对比，观察参数的变化趋势，进行参数间的关联性分析和异常检测；进行故障变化特征研究并进行健康状态数据判断
。
[0011]作为本专利技术所述基于组端收敛方法的蓄电池健康预测系统的一种优选方案，其中：所述根据历史数据进行动态横纵双向对比参数方法进行分析包括：将历史数据以周期
T
划分为不同的时间窗口；在每个时间窗口内，对参数进行特征提取，找出参数之间的相互作用关系；将直流电源系统根据浮充
、
均充和放电状态进行分类；将参数间的统计特性两两进行横向对比，计算两参数平均值之差的绝对值，若大于预设阈值，则记录该时间窗口下数据组合；将同一参数在不同窗口间的统计特性进行纵向对比，判断是否有明显的改变，当出现异常跳变
、
趋势变化或频率偏移的异常时，对此刻的数据进行记录；将数据的相应类别及时间窗口内的参数进行对比和分析，具体包括：根据浮充
、
均充和放电状态下的最近一次出现异常数据调整后的历史正常数据分别与异常跳变
、
趋势变化和频率偏移异常数据的差值的平均值作为以上3种异常的阈值；输入不同类别的数据与历史正常数据的平均值进行对比，得出对比值
y
，将差值
y
与相应的阈值进行对比，若对比值
y<
相应的阈值，则判定为正常数据；若对比值
y≥
相应的阈值，则判定为异常数据；当输入的数据在当前周期被判断为异常数据时，记录该数据的位置；在下一周期，再次检查该数据位置的数据；若数据仍然被判断为异常数据，则触发告警机制，对该数据位置进行告警处理；利用时间序列分析，提取并建立异常情况下的特征模式
。
[0012]作为本专利技术所述基于组端收敛方法的蓄电池健康预测系统的一种优选方案，其中：所述进行故障变化特征研究包括将实时运行数据输入到训练好的故障诊断模型中输出故障诊断结果，利用配准算法将所述故障诊断结果和数据库中故障信息进行匹配，得到故障类型；所述配准算法的计算包括，
[0013][0014]其中，
N
c
表示匹配点对的数目，表示原始样本中的原始匹配点像素坐标，表示匹配点坐标经过透视变换后的坐标值；所述进行健康状态数据判断包括根据
得到的故障类型，查询该故障的特征变化，并采集该故障的特征在最近
24
小时内的数据；依次对得到的数据进行曲线拟合，分别计算特征下降的一阶导数，判断变化趋势；将变化曲线与典型的故障模式进行对比，判断实时数据变化是否得到的故障类型的特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于组端收敛方法的蓄电池健康预测方法，其特征在于：包括：采用蓄电池运行状态多维多态实时在线监测技术，对蓄电池组热失控状态
、
蓄电池单体健康程度和蓄电池组端电压进行实时监测，并对容量进行智能分析；根据蓄电池多维多态和后续走向趋势进行预测分析，并进行故障诊断；采用蓄电池多维多态进行故障预警，并自动阻断失效或故障的蓄电池；对在多维多态或多元综合叠加下的蓄电池进行综合管理系统硬件装置
。2.
一种基于组端收敛方法的蓄电池健康预测系统，基于权利要求1所述的一种基于组端收敛方法的蓄电池健康预测方法，其特征在于：包括：智慧显示模块，用于接收
、
汇集数据并显示，在线监测蓄电池单体内阻，按设定周期自动进行内阻测试；智能分析蓄电池放电数据，记录过程数据，并对容量进行智能分析；组端汇集模块，用于由多节单体检测模块组成，并汇集各单体检测模块数据；所述单体检测模块包括供电单元
、
传感检测单元
、
控制逻辑单元和通讯收发单元；所述传感检测单元包括端电压传感检测单元
、
内阻传感检测单元和温度传感检测单元；组端收敛模块，用于采集并计算组端电压和组端电流，并集中采集单体监测模块采集的本体参数，集中打包处理后，上传在线监测主机；包括供电单元
、
检测单元
、
环境温湿度传感检测监测单元
、
控制逻辑单元和通讯收发单元；所述检测单元包括组电压检测单元和组电流监测单元；所述通讯收发单元包括1号通讯收发单元和2号通讯收发单元；开路监测模块，用于实时采集监测
、
开路判断网络和告警；失压补偿模块，用于采用横纵双向对比参数方法判断参数的异常情况，得出直流电源系统健康状态数据；单体电池采集模块，用于测量蓄电池运行状态，测量单体电池电压
、
极柱温度
、
内阻
、
连接条电阻和电压均衡，采用自动编号模式；传感器单元，包括电流传感器，用于配套汇集模块使用，完成电流检测；浮充电流传感器，用于配套协转模块使用，完成浮充电流检测
。3.
如权利要求2所述的基于组端收敛方法的蓄电池健康预测系统，其特征在于：所述失压补偿模块的具体步骤如下：实时采集直流电源系统的多变量参数；定期记录和保存直流电源系统的历史数据；根据历史数据进行动态横纵双向对比参数方法进行分析，即将不同时间窗口的数据进行对比，观察参数的变化趋势，进行参数间的关联性分析和异常检测；进行故障变化特征研究并进行健康状态数据判断
。4.
如权利要求3所述的基于组端收敛方法的蓄电池健康预测系统，其特征在于：所述根据历史数据进行动态横纵双向对比参数方法进行分析包括：将历史数据以周期
T
划分为不同的时间窗口；在每个时间窗口内，对参数进行特征提取，找出参数之间的相互作用关系；将直流电源系统根据浮充
、
均充和放电状态进行分类；将参数间的统计特性两两进行横向对比，计算两参数平均值之差的绝对值，若大于预设阈值，则记录该时间窗口下数据组合；将同一参数在不同窗口间的统计特性进行纵向对比，判断是否有明显的改变，当出现
异常跳变
、
趋势变化或频率偏移的异常时，对此刻的数据进行记录；将数据的相应类别及时间窗口内的参数进行对比和分析，具体包括：根据浮充
、
均充和放电状态下的最近一次出现异常数据调整后的历史正常数据分别与异常跳变
、
趋势变化和频率偏移异常数据的差值的平均值作为3种异常的阈值；输入不同类别的数据与历史正常数据的平均值进行对比，得出对比值
y
，将差值
y
与相应的阈值进行对比，若对比值
y<
相应的阈值，则判定为正常数据；若对比值
y≥
相应的阈值，则判定为异常数据；当输入的数据在当前周期被判断为异常数据时，记录该数据的位置；在下一周期，再次检查该数据位置的数据；若数据仍然被判断为异常数据，则触发告警机制，对该数据位置进行告警处理；利用时间序列分析，提取并建立异常情况下的特征模式
。5.
...

【专利技术属性】
技术研发人员：王磊，黄力，夏添，张礼波，宁楠，付同福，田雨，陈刚，晏丽丽，郝丽萍，张广梅，邹瑞睿，黄伟，杨敏雪，张建行，何进锋，黄照厅，张雪清，朱皓，陈相吉，朱平，喻绍鸿，胡元赢，赵庆营，王涛，牟楠，杨凯利，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：