张 雁，缑鹏超，韩应辉，闫晓红

（1.国网陕西省电力公司信息通信公司，西安710048；2.西安邮电大学 电子工程学院，西安710199）

电场输电系统往往采用直流发电，而其顺利运行的基础依赖于蓄电池组的供电功能，但对于蓄电池组的诊断维护效率较低，由于输电系统中电池量较大，各自状态不同，诊断较为困难，因此人工诊断方式远远无法满足需求。为提高蓄电池组诊断效率，及时维护蓄电池工作状态，提出本课题的研究。

国外相关部门通过分析蓄电池组运行状态，对其诊断结构进行研究，文献[1]设计出互测PMC 诊断系统，利用自组织径向基算法研究电池参数运算规律，建立粗糙集分类器将不同功能的电池进行分离，实现电池组的逐一诊断，但这种方法诊断精度偏差较大，容易发生误诊断导致电池报废。国内电力研究所根据电池不同型号设计诊断系统，文献[2]采用ACNN 故障诊断法实现电池组的全面检测，通过微弱振动信号特征提取方法采集电池组运行不同特征，根据检测的特征量利用Adam 优化器对电池组进行全面审核，并对存在差异的电池进行排异，但这种方式对诊断数据管理较为松散，影响后期检索效率。

1 蓄电池组在线诊断系统

本文根据蓄电池组实际运行状态进行分析，将蓄电池输出电能与诊断系统相结合，利用模型化技术和算法推算功能实现电力电池组工作。蓄电池组在线诊断系统如图1所示。

图1 蓄电池组在线诊断系统Fig.1 On-line diagnosis system of battery pack

蓄电池组在线诊断系统通过分析内在装置结构变化，建立主控制单元，由主控单元对蓄电池组各边缘设备进行数据采集。边缘设备主要包括监测数据显示与报警、键盘处理和数据上传网络，数据部分包括电池状况排序与诊断、剩余电量估计和VMD 算法数据库[3]。系统核心技术为核容模型的建立和运行工况诊断结构，两者相互依托，共同完成蓄电池组的在线诊断，运行工况诊断数据来源于各类互感器，通过采集充电机负载和蓄电池组的电流、电压、稳定和单耦合数据完成工况诊断数据输入，然后将工况数据与核容模型交互，形成较为完备的诊断体系[4]。

本系统运行过程主要通过计算蓄电池在运行过程中的各类参数特性完成诊断，将蓄电池使用过程采集的参数特性与标准电池形成对比结构，对其差异性进行分析[5]，根据分析结果对电池初始电荷量进行修正。将上述比对结果和修正数据通过模型的方式进行拓扑，即为核容装置拓扑模型，在后续的蓄电池诊断可以在该模型结构中实现自动比对，增加准确性的同时提高诊断系统的运行效率[6]。而蓄电池的充放电过程通过消耗的电荷量进行统计，由工况诊断结构完成电荷量的估计。通过两种技术的功能配合完成蓄电池组的在线诊断，解决传统人工诊断技术存在的不足[7]。

2 核容装置拓扑模型

根据现阶段蓄电池组的诊断过程进行分析，通过了解电池组运行流程进行控制，将其运行状态通过核容拓扑模型结构完成装置的改进，设计原则遵循电能传输原理[8]，核容装置拓扑模型如图2所示。

图2 核容装置拓扑模型Fig.2 Topology model of core-capacity device

根据蓄电池组运行原则分析，核容装置拓扑模型通过检测单元和直流屏对主控制器进行采集电流和电压信号，从而实现核容装置拓扑模型的建立，主要运行结构为电机动力、继电控制、信号检测和输出直流屏[9]。其中电机动力通过可变电阻与电池控制信号隔开，保证电池能够持续为电机供能，完成主控制器和直流屏的顺利运行；继电控制主要由多个继电器配合完成，通过对电池充放电参数的控制完成数据诊断；信号检测通过嵌入式技术将检测芯片安装在电池输出部位，实现电池放电量的实时播报，作为算法分析的数据支撑；输出直流屏作为电池组数据与控制器的中转，能够为主控制器提供蓄电池组各项变量参数，形成可视化信号传输过程[10]。

3 运行工况诊断结构

对蓄电池组运行工况设计原理为诊断网络，通过分析电池工况的功能系统完成数据诊断，将其结构进行完成映射从而组成可视化网络结构，运行工况诊断结构如图3所示。

图3 运行工况诊断结构Fig.3 Diagnosis structure of operating conditions

对于蓄电池组工况诊断过程中，收录的各项参数都是相对比例值，需要对不同比例的参数进行标定值换算。实际运行中，供能蓄电池流通电流存在随机性，为精准诊断电池工况，对其容量变化进行等效变换，形成数据似然估计方法。算法数据来源于拓扑模型采集参数，原理遵循输出电流等效变换公式，主要过程为平均放电强度的计算和电池容量的修正。对于电池工况诊断过程中产生的波动电路，采用模糊控制PID 方式完成扰动计算。

根据图3 蓄电池组诊断控制过程，将电池容量看作工况容量，利用积分控制方式描述其波形变化，计算周期内工况电流，利用积分方程推算结果。

式中：Qd，Qc表示诊断工况电池容量；Id，Ic表示积分等效电流；σd，σc表示诊断周期内电流波动；Td，Tc表示蓄电池组诊断周期；i表示工况诊断用电池放电量。根据蓄电池组特性分析结果进行工况修正，其修正函数为

4 VMD 算法

变分模态分解（VMD）算法是融合多项技术理论形成的一种求解算法，本研究主要利用其分解原理和数据整理功能。

对蓄电池组的模态数据利用VMD 算法中的变换原理进行解析，完成原始数据与模态数据的融合，其解析函数表示为

式中：F表示蓄电池组模态数据解析函数；δ（t）表示融合过程中产生的冲击变量；j表示解析误差率；t表示解析融合时间；uk（t）表示电池组电压参数；ωk表示不同电池的解析频率。

电池组模态数据的解析过程存在一定的变化区间，因此需要对其解析过程进行约束，约束条件表示为

式中：∂t表示模态解析过程的系统约束因子。

由于需要对解析后的电池组数据进行整理编辑，其解析约束条件存在一定的限制，因此将约束解析过程转换为非约束问题，即：

式中：L表示非约束解析函数；λ 表示条件转换准则；α 表示二次转换因子；f（t）表示原始数据函数。

将转换之后的未约束模态数据进行整理，根据Hilbert 专项参数转换理论实现蓄电池组的数据整理，统计函数表示为

对于存在扰动的蓄电池组波形，通过维纳滤波的扰动平复原则进行平复，其扰动频率变化函数表示为

经过VMD 算法的整理和波形平复，蓄电池组数据得到较为完成的保存，为系统诊断提供便利，同时建立的模态数据为待运行的蓄电池组提供数据参考方案，保证其输出功率的有效性。

5 试验结果与分析

实验在Intel i9 9600KF，4.0 GHz CPU 和64+128 GB 内存双核PC 机运行。现场实验环境设置：实验采集信号为传感器结构，诊断模型采用核容装置模型，传输方式WLAN 5G 信号传输，信号传输速率大于4.5 MB/s，算法程序运算误差小于1.5%。在此环境下进行实验，参数配置如表1所示。

表1 环境参数与配置软件Tab.1 Environmental parameters and configuration software

本设计试验根据Proteus 仿真软件对实际工作过程进行仿真演示，蓄电池诊断系统仿真图如图4所示。

根据图4 仿真结果对比各设计方案具体效果，根据电池放电量计算公式统计数据。

图4 蓄电池诊断系统仿真图Fig.4 Simulation diagram of battery diagnosis system

进而验证本研究的有效性，将实验结果汇总数据表，最终显示蓄电池组诊断系统实验数据如表2所示。

表2 蓄电池组诊断系统实验数据表Tab.2 Experimental data sheet of the battery pack diagnosis system

通过表2 数据分析，本设计采用的GM-100 铅酸电池组的额定容量最大为120.0 Ah，最大放电量达到108.3 Ah，诊断数据平均精度为98.6%；文献[1]方法采用的PMC 诊断系统额定容量最大为112.6 Ah，最大放电量达到97.6 Ah，诊断数据平均精度为96.2%；文献[2]方法设计的ACNN 故障诊断法额定容量最大为108.4 Ah，最大放电量达到96.4 Ah，诊断数据平均精度为93.1%。由此看出本研究对蓄电池组的诊断过程具有较高可行性。

根据实验结果显示3 种不同方案的放电量变化规律，通过对比方式分析各系统性能，蓄电池放电量曲线如图5所示。

图5 蓄电池放电量曲线Fig.5 Battery discharge curve

图5 为3 种不同方案在电池额定容量影响下的放电量变化曲线，其中本设计同比状态下放电量增加最快，总放电量最大，电池额定容量为120 Ah 时，电池放电量最大为108.3 Ah，放电量增加速度为0.81 Ah；文献[1]方法采用的PMC 诊断系统电池额定容量为112.6 Ah 时，电池放电量最大为97.6 Ah，放电量增加速度为0.71 Ah；文献[2]方法设计的ACNN 故障诊断法电池额定容量为108.4 Ah时，电池放电量最大为96.4 Ah，放电量增加速度为0.75 Ah。

通过对比各设计方案的系统诊断精度，进一步完成对比实验，根据Proteus 软件实现诊断系统的仿真，得到系统诊断精度曲线对比如图6所示。

图6 系统诊断精度曲线Fig.6 System diagnostic accuracy curve

通过对比发现3 种系统诊断精度受到蓄电池额定容量的影响，本研究系统平均诊断精度为98.6%，上下波动幅度为0.3%，较为稳定；文献[1]方法采用的PMC 诊断系统平均诊断精度为96.2%，波动幅度为3%；文献[2]方法设计的ACNN 故障诊断法平均诊断精度为93.1%，波动幅度为2.3%。综上所述，本设计方案对蓄电池运行状态的诊断设计具有明显效果。

6 结语

本文对蓄电池运行状态诊断方法进行研究，通过分析蓄电池额定容量和在线诊断精度完成方案设计，建立了核容装置拓扑模型实现蓄电池的模式化运行，完成蓄电池使用过程中各项参数的整定。对蓄电池运行工况进行结构化改进，对其运行特性进行分析，同时通过积分控制的方式实现蓄电池参数的修正。运用VMD 算法对蓄电池模态数据进行解析，利用Hilbert 方程和滤波控制方式完成数据的统计和管理。但是本研究在实验过程中仍存在问题，电池寿命问题影响放电量，电池型号繁多导致诊断精度存在偏差等问题仍待解决。