一種基于大數(shù)據(jù)分析的蓄電池智能管理系統(tǒng)

羅智燃，李永忠，喻光林

(1.貴州電網(wǎng)有限責任公司遵義供電局，貴州 遵義 563000；2.貴州創(chuàng)星電力科學研究院有限責任公司，貴州 貴陽 550002)

在變電站直流電源系統(tǒng)中，蓄電池為其關鍵性的構成之一，配置該部件的核心目的就是在交流電脫線后，蓄電池可以用作備用電為設備提供電源支持。這就要求蓄電池始終保持較優(yōu)的健康狀態(tài)，在需要蓄電池供電時，蓄電池可用且夠用。

在蓄電池使用環(huán)節(jié)，往往會因為其故障，最終使得電力安全事故時常出現(xiàn)。由于蓄電池在直流電源系統(tǒng)中有著重要作用，為此，對其進行管理，應立足于以下兩點：第一，對蓄電池故障及時發(fā)現(xiàn)及預判；第二，對蓄電池故障所帶來的不利影響需要進行快速應對。本文結合蓄電池故障現(xiàn)象及失效原因分析[1-4]，提出一種基于大數(shù)據(jù)分析的蓄電池智能管理技術。該技術集“監(jiān)測、判斷、預防、保護”于一體，充分運用大數(shù)據(jù)分析[5]、人工智能、數(shù)字通訊等技術，多維度地判斷蓄電池狀態(tài)，分析蓄電池故障原因并做出瞬時響應并進行保護，杜絕因蓄電池故障導致的電力安全事故，有效提升蓄電池管理水平，使得該直流電源系統(tǒng)有著更高的安全級別。

1 基于大數(shù)據(jù)分析的蓄電池狀態(tài)判斷

目前，很多變電站蓄電池已安裝有在線監(jiān)測裝置[6-10]，這些裝置主要利用蓄電池內(nèi)阻、溫度、電壓數(shù)據(jù)，按照人為設定的閾值來對蓄電池狀態(tài)進行動態(tài)判斷，其中涉及欠壓、過壓及內(nèi)阻高等，只能在蓄電池故障發(fā)生以后“告警”，而不能實現(xiàn)主動發(fā)現(xiàn)、及早預警，在實際運行中并不能對蓄電池故障起到預防作用，更不具有對運維工作的指導性。變電站蓄電池在長期的運行過程中，產(chǎn)生了大量數(shù)據(jù)。如何利用好這些龐大數(shù)據(jù)，同時結合電化學技術，更準確地分析、判斷蓄電池狀態(tài)，識別出性能落后的單體電池以及可能引發(fā)蓄電池使用安全的因素，指導蓄電池的運維工作，是現(xiàn)在需要解決的問題。

1.1 基于大數(shù)據(jù)分析的告警策略

傳統(tǒng)的蓄電池管理系統(tǒng)對告警的判斷依賴于單個或多個閾值，準確性不高。本文通過對大數(shù)據(jù)分析，對于復雜或準確性要求高的告警，建立了數(shù)學模型。通過建模、濾波、訓練、自學習等技術手段，實現(xiàn)一系列重要告警，如電池的健康狀態(tài)(state of health，SOH)低、落后單體、充電故障、連接條松動等。

例如落后電池告警，通過分析電池的充電情況、放電情況、溫度、內(nèi)阻、歷史數(shù)據(jù)等，提取了近20個特征，進行多種數(shù)學模型建模，最終輸出準確度很高的判定結果。

基于電化學和大數(shù)據(jù)分析，對產(chǎn)生的告警做進一步分析，利用告警相關聯(lián)設備的歷史數(shù)據(jù)、關聯(lián)數(shù)據(jù)，根據(jù)一定的算法，得到告警的原因、影響，以及解決建議，極大地提升了維護人員對告警產(chǎn)生后的可操作性、可維護性。

1.2 基于深度學習的蓄電池容量估算

電池在使用過程中容易出現(xiàn)劣化與老化現(xiàn)象，為此，要對電池健康態(tài)進行深入了解，包括SOH，它又可以稱作劣化水平、壽命狀態(tài)等。

長期以來，人們希望通過蓄電池的內(nèi)阻值來判定蓄電池的 SOH，并在內(nèi)阻的測量技術方面進行了大量的研究[11-15]。蓄電池的內(nèi)阻在一定程度上可以表征蓄電池的SOH。但鉛酸電池的內(nèi)阻非常復雜且時刻都在變化，它包括歐姆內(nèi)阻、電化學極化內(nèi)阻及濃差極化內(nèi)阻，同時不同的內(nèi)阻測量方法所測量出來的值也是不一樣的。從蓄電池行業(yè)的一些權威機構的測試數(shù)據(jù)來看，如圖1所示，我們可以看出電導值與電池容量的關聯(lián)并不大。比如電導百分比為80%左右時，電池的容量卻在60%～100%之間分布。因此，用內(nèi)阻值來評價電池的健康狀態(tài)誤差較大，操作指導性不強。

圖1 內(nèi)阻與容量分布圖Fig.1 Distribution diagram of internal resistance and capacity

目前業(yè)內(nèi)對于電池的SOH判斷[16-23]還主要依賴于定期的人工核容。本文提出的蓄電池智能管理系統(tǒng)通過對海量的蓄電池運行數(shù)據(jù)進行分析，研究出各種和容量相關的特征，進行深度學習的數(shù)學建模，形成了適用于各種應用場景的蓄電池容量估算算法與模型。

(1)大數(shù)據(jù)分析

收集大量的蓄電池在不同狀態(tài)下的運行數(shù)據(jù)(特別是通過智能充電技術所采集到的電池開路電壓)，借助于大數(shù)據(jù)技術來對這些海量信息進行動態(tài)分析，為算法提供重要支持。

(2)數(shù)學建模

本算法模型是基于不同類型電池、不同放電倍率、不同SOH的電池放電數(shù)據(jù)，在進行電壓歸一和時間歸一后曲線基本一致的原理下，對荷電率(state of charge，SOC)進行神經(jīng)網(wǎng)絡的回歸預測。

圖2 SOH預測模型Fig.2 SOH prediction model

通過該算法模型，尋找到放電過程中SOC與SOH的關系，可得到以下公式：

(1)

(2)

其中：Cr=當前放電條件下的保有容量

Cv=當電壓等于v時已放出的容量值

Vs=起始電壓

Ve=終止電壓

v=當前電壓值

f(v)=神經(jīng)網(wǎng)絡權值函數(shù)

求得Cr后，根據(jù)該型號電池的恒電流放電特性表，轉(zhuǎn)換為標準放電條件下的保有容量：

(3)

圖3 放電倍率與容量關系Fig.3 Relationship between discharge rate and capacity of battery

如無該型號電池的恒電流放電特性表，可使用以下公式：

(4)

然后：

(5)

其中：C0.1C=標準放電條件下的保有容量

Crated=額定容量

k=不同放電率下的容量比例

Vs,0.1C=0.1C下的穩(wěn)定的起始電壓，如無該數(shù)據(jù)，可用2.135(單格)

Ve=終止電壓

Vr=額定電壓

(3)模型校正

基于神經(jīng)網(wǎng)絡的計算模式，存在因為樣本不足，或特征值不合理等各種因素影響，可能會產(chǎn)生較為嚴重的錯誤結果，因此需要結合以下簡易模型，來對結果進行檢驗和糾正。

觀察下圖4。假設曲線A是樣本庫中平緩最長陡降最短的曲線，C是樣本庫中平緩最短陡降最長的曲線，那么需要預測的曲線C，它的預測值，必然在同等電壓比時，介于A的實際值和B的實際值之間。

圖4 SOH校正模型Fig.4 SOH Correction model

因此可以建立一個簡易模型，將樣本庫中所有曲線，在電壓比區(qū)間[100%,0%]，每隔1%，記下所有曲線在該電壓比下的SOC最大最小值，形成一個矩陣：

設某放電曲線，最后的電壓比為52%，則SOC的可能區(qū)間為：

[MIN52, MAX52]

另外，放出的容量作為最低條件不能忽略。設C為放電結束前放出的容量值，經(jīng)過標準放電條件轉(zhuǎn)換后為C0.1C，Crated為額定容量，則：

(6)

所以：

MIN=max(MINC, MIN52)

最后得出SOC的區(qū)間為：

[MIN, MAX52]

(4)模型訓練流程

如圖5所示。

圖5 模型訓練流程圖Fig.5 Model training flow chart

(5)SOH計算流程

如圖6所示。

圖6 SOH計算流程圖Fig.6 SOH calculation flow chart

2 蓄電池智能充電管理

從表1可以看出，蓄電池無論是在充電、放電及靜置狀態(tài)下，都存在著不同程度的副反應，特別是在浮充電階段，正極腐蝕及氧復合反應等高于蓄電池充電、放電、開路狀態(tài)，并且會隨著充電電壓和溫度的升高而加速，這些副反應是導致蓄電池老化/劣化的根本原因。長期的研究和測試發(fā)現(xiàn)浮充型蓄電池累計過充電電量大約10C左右，電池壽命即告終止。

目前的蓄電池充電管理主要依賴于充電機，如三階段充電，還有就是部分蓄電池在線監(jiān)測裝置具備電池均衡[24]功能，從研究降低蓄電池在浮充電過程中的副反應出發(fā)，采用智能充電機制[25-27]，以減少蓄電池的過充電量。在蓄電池組充滿電的情況下，隔斷蓄電池組的充電回路，并智能設定蓄電池的補充電時間及時長，從而使蓄電池既不過充電又不欠充電，解決長期浮充電條件下電池板柵腐蝕和失水等副反應問題，延緩電池老化，使得電池能夠處于最佳健康態(tài)。

表1 蓄電池充放電原理Tab.1 Battery charging and discharging principle

具體實現(xiàn)方式是：在直流系統(tǒng)充電屏與蓄電池組之間串聯(lián)一個智能充電管理模塊(如圖7所示)，對電池充電回路進行控制。通過持續(xù)監(jiān)測蓄電池的SOC變化[28-30]，判定電池已經(jīng)完全充滿電的情況下自動斷開智能充電管理模塊中的充電接觸器K1，使蓄電池進入休眠狀態(tài)(既不充電也不放電)，避免持續(xù)的充電電流對電池的過充電，以減少蓄電池板柵腐蝕、失水以及發(fā)熱等副反應，延緩蓄電池自身的老化和衰減；定期自動閉合充電接觸器K1，補充蓄電池在休眠期間的自放電。由于不同品牌、型號、不同使用年限的電池的自放電率及充電效率都不盡相同，系統(tǒng)可自適應且動態(tài)調(diào)整補充電的時長，讓蓄電池能夠更好地處于滿電態(tài)，使之具有更高的安全屬性。

同時在蓄電池智能充電模塊內(nèi)并聯(lián)大功率放電二極管D1，使蓄電池組的放電回路保持實時在線，當交流失電后，蓄電池組能夠?qū)崿F(xiàn)無縫切換。放電二極管采用2路冗余設計，確保放電過程的安全性。

蓄電池在過充電時會通過安全閥排出氫氣，智能充電管理在減少電池內(nèi)部副反應的同時，減少了氫氣的析出，大幅降低因蓄電池排氫引發(fā)爆炸[31]的幾率。

圖7 蓄電池智能充電管理模塊原理圖Fig.7 Schematic diagram of intelligent charging management module

3 蓄電池開路電壓測量

變電站蓄電池主要運行在長期浮充電模式下，而傳統(tǒng)的電池巡檢儀試圖通過采集浮充電狀態(tài)下的蓄電池的電壓、電流、溫度及內(nèi)阻參數(shù)來了解蓄電池的狀態(tài)，這種監(jiān)測思路本身就有很大的問題。

管理蓄電池的本質(zhì)，需要建立在反應機制、電化學原理基礎之上，外部監(jiān)測到的數(shù)據(jù)只是表象。浮充電狀態(tài)下的蓄電池的電壓實際上是充電機所提供的充電電壓，相比較而言，蓄電池開路電壓才能更加準確地展現(xiàn)出蓄電池狀態(tài)。如圖8所示，在浮充階段，某只蓄電池的電壓是高于其他電池的，但電池進入休眠階段后，其開路電壓則明顯低于其他電池。這意味著，浮充電下的數(shù)據(jù)，不能很準確地體現(xiàn)蓄電池實際狀態(tài)，存在著相應欺騙性與不確定性。

圖8 蓄電池在浮充及休眠時的電壓差異Fig.8 Voltage difference of storage battery during floating charge and dormancy

借助于系統(tǒng)的智能充電管理功能，在其休眠環(huán)節(jié)，相應電池單體所配置的采集模塊，會對其開路電壓進行采集，由此為大數(shù)據(jù)分析提供相應數(shù)據(jù)支持，可以更準確地識別出性能落后的單體電池。在蓄電池休眠時，測量蓄電池的內(nèi)阻值可有效避免充電紋波干擾。由于沒有電流流過，蓄電池的極化內(nèi)阻將降至最低，此時測量得到的內(nèi)阻值更接近蓄電池的歐姆內(nèi)阻，這要比浮充電情形下的內(nèi)阻值更具有參考性。

4 蓄電池組開路保護

4.1 蓄電池組開路產(chǎn)生的原因

由于制造過程工藝水平參差不齊，電池本身自劣化水平不同，以及使用過程中出現(xiàn)的一些不當操作等原因，導致蓄電池常常會出現(xiàn)非正常失效的問題。這個問題如不能及早發(fā)現(xiàn)、及時處理，會嚴重影響到整組蓄電池的安全運行，對直流電源系統(tǒng)安全、穩(wěn)定屬性帶來極大影響。

蓄電池組開路大致分為兩類，第一類是因為外力破壞或內(nèi)力作用導致的突發(fā)性開路，如電池連線松脫、螺桿斷裂和電池炸裂等；第二類是由于蓄電池工藝、質(zhì)量不達標、老化和不正確維護等情況導致的內(nèi)阻增大，引起板柵與匯流排連接處發(fā)熱、老化和落焊等情形，使蓄電池內(nèi)部產(chǎn)生很大的開路風險，在大電流沖擊下，會產(chǎn)生相應的開路。第二類蓄電池開路最為隱蔽，危害極大，其內(nèi)部開路不是提前發(fā)生的，而是在站用交流失去時，蓄電池組需要放電給負載進行供電，有開路隱患的蓄電池內(nèi)部板柵和匯流排的焊接點可能會脫開，使蓄電池內(nèi)部突然開路。

4.2 防開路功能將蓄電池故障對整個系統(tǒng)的影響降到最小

變電站蓄電池組主要采用的是多只電池串聯(lián)的模式，且采用2V*104只(或108只)蓄電池居多，電池數(shù)量多，任何一個蓄電池出現(xiàn)開路故障都將影響整個直流系統(tǒng)。如何確保在蓄電池開路時母線不失壓，目前的研究主要有以下兩個方向：一是對于雙重化配置的變電站，兩組蓄電池通過柔性母聯(lián)[32-33]裝置互為備份；二是并聯(lián)電源技術[34-35]，將傳統(tǒng)的串聯(lián)蓄電池改變?yōu)槎嘟M12V電池并聯(lián)的方式，每小組均獨立充電并升壓向負載供電。

本系統(tǒng)是在不改變蓄電池組原有串聯(lián)方式的前提下，將蓄電池組分為若干的蓄電池串，每串蓄電池并聯(lián)一個DC/DC隔離升壓模塊，所有的DC/DC隔離升壓模塊的輸出端均并聯(lián)至直流母線，每個DC/DC隔離升壓模塊均可獨立輸出滿足負載所需電壓，在電池組沒有故障的情況下，DC/DC隔離升壓模塊不介入工作，不改變電池組傳統(tǒng)的充放電工作模式，只有當電池組出現(xiàn)開路等故障，且交流失電時，通過DC/DC隔離升壓模塊以隔離升壓的方式使每個蓄電池串都可以獨立輸出滿足負載所需電壓。具體工作原理如圖9所示。該系統(tǒng)杜絕了因單體電池開路而導致整組蓄電池失去應急備用供電能力的問題，大大提升變電站直流電源系統(tǒng)的安全等級。

圖9 防開路工作原理圖Fig.9 Schematic diagram of anti open circuit

5 火災預防

通過建立火災防控模型，對蓄電池火災隱患(熱失控、連接松動、漏液)進行全面監(jiān)控，避免火災事故的發(fā)生。

5.1 熱失控預防

電池在使用過程中，由于環(huán)境溫度過高、充電電壓過高、電池安裝間距不足導致的散熱不良等因素會加速電池內(nèi)部副反應速度。譬如正極板的腐蝕，失水導致的發(fā)熱加速，就是因為電池溫度上升，進而讓電池內(nèi)阻顯著減小，而后者的下降，會進一步增加充電電流，于是溫度就會上升。當超過120攝氏度時，ABS外殼就會軟化(該材質(zhì)的軟化點僅為90攝氏度左右)，從而引發(fā)電池的熱失控。熱失控的后果就是電池容量下降、漏氣等，嚴重時還會誘發(fā)電池燃燒、爆炸等。

蓄電池在老化到一定程度時，正常浮充也可能產(chǎn)生熱失控。原因是：蓄電池在充電末期會產(chǎn)生電解水反應，由于氧復合效率的下降會導致電解液的損耗及電解液密度升高，使得氧復合電流增大，浮充電流不斷升高又會加速電解液損耗及發(fā)熱，最終引發(fā)電池熱失控。

通過監(jiān)測蓄電池組浮充末期的充電電流、溫度及單體電壓等數(shù)據(jù)的變化趨勢，結合蓄電池組SOC，利用大數(shù)據(jù)分析技術綜合判斷電池組是否存在熱失控風險。若系統(tǒng)算法判斷存在熱失控風險時，則推送告警并自動斷開智能充電管理模塊的充電接觸器K1(如圖6所示)，對蓄電池充電回路進行隔斷。這樣就能從源頭上對該電池的熱失控進行杜絕，規(guī)避火災出現(xiàn)。

5.2 電池連接條松動監(jiān)測

根據(jù)能量計算公式：

Q=I2RT

(7)

其中，T和Q分別為時間與能量，R與I則依次為表面電阻與電流。

電阻與電流越高，形成的熱量就會顯著越高。蓄電池在長期的充放電過程，熱脹冷縮，將有可能會導致連接條的松動，使得連接條與電池端子的接觸電阻升高，并且會隨著時間的推移而加大，當溫度上升到一定程度時，于是就容易導致電池端子發(fā)熱，使得外殼材料被軟化，進而起火冒煙。

通過監(jiān)測單體電池在各階段充放電過程中的溫度及內(nèi)阻變化趨勢，以及單體電池與整組蓄電池進行數(shù)據(jù)橫向比較，通過大數(shù)據(jù)及人工智能技術綜合分析電池是否存在連接條松動隱患，在存在連接條松動隱患時推送告警。

5.3 電池組漏液風險監(jiān)測

電池在使用過程中，極柱密封老化失效，外殼粘接老化失效會引發(fā)爬酸和漏液；同時安裝運輸時操作不當同樣會造成電池外殼隱形破壞而未被發(fā)現(xiàn)，隨著運行時間的增加，最終引發(fā)漏液現(xiàn)象。

在蓄電池組的正負母線上安裝一個漏電流傳感器采集蓄電池組正負母線的漏電流。系統(tǒng)核心算法根據(jù)采集到的漏電流值，再結合相關聯(lián)的參數(shù)綜合判斷電池組是否存在漏液風險，當存在漏液引發(fā)火災風險時推送告警，避免持續(xù)漏液引發(fā)的火災事故。

6 應用效益分析

研制的兩套蓄電池智能管理系統(tǒng)設備已安裝應用于某220kV變電站的兩組蓄電池上，運行狀況良好，極大地提高了蓄電池的智能化管理水平，取得了預期的效果。

6.1 實現(xiàn)蓄電池的可視化管理

系統(tǒng)應用后，實現(xiàn)了蓄電池全面的可視化管理(如圖10所示)，可實時呈現(xiàn)蓄電池組的剩余備電時間、SOC、SOH、電壓、電流，單體電池的電壓、溫度、內(nèi)阻數(shù)據(jù)以及環(huán)境溫度。對于存在異?；螂[患的電池，在推送告警的同時，會根據(jù)該告警的影響程度在柱狀圖上標識相應的警示色，如紅色、橙色，以提醒運維人員關注并及時處理。

圖10 蓄電池監(jiān)控界面Fig.10 Battery monitoring interface

系統(tǒng)可查看蓄電池的充放電曲線，對于落后電池一目了然。如圖11所示，在定期核容放電測試過程中，放電約3小時后，有4只電池的電壓明顯跌落。

圖11 蓄電池充放電曲線圖Fig.11 Charging and discharging curve of battery

6.2 蓄電池安全管理

本系統(tǒng)全面的蓄電池安全管理策略，杜絕了蓄電池開路、蓄電池組漏液、連接條松動、熱失控等缺陷導致的安全事故。

6.3 降低蓄電池的報廢率

本系統(tǒng)可精準識別落后單體，指導運維人員對落后的單體電池進行替換，大大降低蓄電池的報廢率。

6.4 提升運維效率

本系統(tǒng)實現(xiàn)了蓄電池故障的原因分析及維護建議，并預留遠程核容接口，大幅提升了蓄電池的運維效率。

7 結束語

本文所介紹的蓄電池智能管理技術，是基于多年實踐所得的測量數(shù)據(jù)，利用大數(shù)據(jù)分析技術經(jīng)過多維度的分析運算之后，綜合分析判斷電池的真實狀態(tài)，實時發(fā)出整改信息，可以預防火災等安全事故的發(fā)生，并且可以在出現(xiàn)電池開路等故障時進行保護，確保直流系統(tǒng)母線不失壓，有效降低了由于蓄電池故障問題引起的損失，同時還利用智能充電管理技術(電池休眠技術)減少蓄電池使用過程中的副反應，可大大提升蓄電池的安全性和可用性。