蓄電池監測裝置的研究

　　一、基于數字濾波器的內阻測量技術(shù)

　　在線(xiàn)測量每個(gè)單電池的內阻是檢測裝置的難題之一，測量準確度直接關(guān)系到分析的準確度。在線(xiàn)測量需要解決充電機和用電負載干擾的問(wèn)題。對于大容量電池，電池內阻是微歐級小信號，本文中采用了數字濾波技術(shù)提高測量準確度。

　　在線(xiàn)測量主要存在以下因素影響測量：

　　1) 測量線(xiàn)耦合的高頻干擾信號;

　　2) 50Hz工頻干擾;

　　3) 充電機低頻紋波;

　　4) 充電或放電的電壓緩變;

　　5) 負載的不規則變動(dòng)。

　　對于高頻干擾，一方面通過(guò)硬件低通濾波削減，另一方面，在有效的A/D采樣頻率下進(jìn)行平滑濾波處理。有效信號組成如圖1-1所示。

　　本文的研究中設計了專(zhuān)用的激勵裝置，向電池組饋入受控交流信號，測量電路采集被測電池的交流電壓信號。為消除上述影響因素，采用了IIR數字濾波技術(shù)。

　　采用直接方式即可實(shí)現差分方程運算。圖1-2是采用橢圓濾波器設計的帶通濾波器，M=N=11，具有良好的下降斜率，在通帶和阻帶內均為等紋波。

　　圖1-1

　　表1是量程為50mΩ的實(shí)測數據，表明該方法具有良好的線(xiàn)性和重復性。

　　表1 采用IIR濾波器的實(shí)測數據(mΩ)

　　二、監測裝置與充電機互動(dòng)設計方案

　　監測裝置與充電機互動(dòng)方案是提高劣化程度預測準確性的創(chuàng )造性工作模式，其基本結構如圖2-1所示。

　　互動(dòng)方案的監測系統結構

　　浮充狀態(tài)下的測量理論和方法有其固有的局限性，放電測試能得到更為可靠的數據，但目前的放電測試或者需要人工干預，或者在不確定的停電發(fā)生后被動(dòng)進(jìn)行，前者難于經(jīng)常性的進(jìn)行，而且風(fēng)險較大，后者的不確定性也帶來(lái)隱患。本文的互動(dòng)方案是針對先進(jìn)電源裝置的系統化設計方案，能有效解決前述的多方面問(wèn)題。

　　互動(dòng)方案的主要原理是：電池監測(Battery Monitoring Unit--BMU)進(jìn)行日常的巡檢，并且分析采集的數據及變化趨勢，在一定條件下請求充電機(Rectifier Unit--RU)配合進(jìn)行部分放電測試。由于RU在部分放電時(shí)設置為一個(gè)比蓄電池放電下限電壓低的某一整流輸出值，既能使電池提供用電設備的負荷功率，又避免了放電過(guò)程中由于電池問(wèn)題帶來(lái)的停機風(fēng)險。

　　在正常浮充狀態(tài)下，BMU連續檢測電池組的電壓和內阻，若發(fā)現電壓或內阻異常，則啟動(dòng)部分放電測試過(guò)程，進(jìn)行更深一層次的測試。該測試過(guò)程也被設置為按一定周期啟動(dòng)，如一個(gè)月。

　　在放電測試期間，將劣化程度預測模型所需的放電數據，采集包括浮充電壓、初始跌落、正常放電電壓等數據，通過(guò)電池的劣化程度(SOH)預測模型運算，準確得知SOH。

　　此外，互動(dòng)方案并不排斥停電后的被動(dòng)測試，被動(dòng)放電也可以觸發(fā)進(jìn)行預測計算，出現放電即觸發(fā)數據采集，在放電深度達到某個(gè)設定值時(shí)啟動(dòng)一次預測運算。

　　這樣，在內阻監測的基礎上，監測系統通過(guò)采用三類(lèi)不同深度的放電測試達到長(cháng)期連續準確檢測SOH的目的：

　　1) 完全放電 電池在投運之前應進(jìn)行一次100%深度的放電，以確認該電池組能滿(mǎn)足設計要求。否則，若存在產(chǎn)品本身的質(zhì)量問(wèn)題，會(huì )影響到后續監測數據處理的準確性，放電前應該充滿(mǎn)并在浮充狀態(tài)保持一定的時(shí)間。

　　2) 中等深度的放電 中等深度指30―50%深度的放電。檢測裝置的數據處理方法根據此深度的放電數據可以相當準確地計算各電池的SOH，同時(shí)亦避免了更加深度放電過(guò)程的突然停電，使設備承受斷電的危險，一般的電池配置往往考慮了電池容量的裕量，比如一倍。因此中等深度的放電在一般情況下，包括一般性的停電故障發(fā)生情況下是安全的 。

　　3) 周期性的短時(shí)放電 根據蓄電池應用場(chǎng)合選取適合的周期，例如3個(gè)月。一般短時(shí)放電的深度為5%左右，檢測裝置啟動(dòng)FNN運算，預測電池的SOH。因為是預測，其可靠程度在目前仍處在研究中。這也包括FNN算法中所使用的輸入數據是否對所有 的電池失效情況均敏感。在FNN運算中，還存在算法的“保守性”一面，即寧可低估SOH，也放棄高估SOH所帶來(lái)的風(fēng)險。

　　因此，互動(dòng)方案在長(cháng)期運行方式如圖2-2所示，一般為多次短時(shí)放電測試后加入一次中等深度放電，或者在短時(shí)放電測試結果發(fā)現電池可能?chē)乐亓踊瘯r(shí)進(jìn)行一次中等放電予以確認。如果被確認預測結果正確，則通知控制中心;若證明預測有誤，則對預測模型作自適應調整。在最后一次中等深度放電確定電池劣化嚴重后，采取更換措施，更換之前進(jìn)行一次完全放電，本組數據對于SOH模型的完善有重要意義。

　　圖2-2 互動(dòng)方案的監測過(guò)程