一种阀控式铅酸蓄电池性能分析方法

摘要

本发明公开了一种阀控式铅酸蓄电池性能分析方法，是从一个全新的角度利用蓄电池浮充电压的离散度来判定蓄电池性能的方法，并且是在线实时的检测，而且应用了多种手段来达到测试VRLA电池的性能。该方法根据蓄电池浮充电压的离散性与蓄电池性能之间的关联性，通过蓄电池浮充电压的离散度的计算方法，以及使之与蓄电池性能关联的计算方法，得到蓄电池性能的结果。其工作量小，操作简单，在线式测试时对系统不具有危险。同时也不会影响VRLA电池有限的循环寿命。

权利要求

1.一种阀控式铅酸蓄电池性能分析方法，其特征在于连续采集阀控式铅酸蓄电池的浮充电压变量，进行聚类以及加权分析，得出结果集，其中包括：步骤一、表征单节电池相对自身浮充电压的变量，步骤二、表征单节电池相对整组电池浮充电压的变量，步骤三、表征单节电池相对自身浮充电压的离散度变量，步骤四、表征单节电池相对整组电池浮充电压的离散度变量；在得到以上的数据后，对每一个步骤产生的结果进行聚类以及加权分析，把相似的电压变量或者离散度变量分成几类，然后通过加权计算分别对这几类乘以一个与每一类相对应的权值，再对结果相加得出每一个步骤的隶属度，最后对隶属度进行从大到小的排序，隶属度值大的相对应的蓄电池性能在本组蓄电池组中相对较差，隶属度值小的相对应的蓄电池性能在本组蓄电池组中相对较好。

2.如权利要求1所述的阀控式铅酸蓄电池性能的分析方法，其特征在于所述单节电池的相对自身的浮充电压的变量通过以下步骤得到：存储某段时间各节电池的浮充电压；计算各节电池浮充电压在这段时间内相对自身的变化。

3.如权利要求2所述的阀控式铝酸蓄电池性能的分析方法，其特征在于所述单节电池的相对自身的浮充电压的变量由公式(1)得到：${\mu }_i=\frac{1}{n}\underset{j=0}{\overset{n}{\Sigma }}{U}_{\mathrm{ij}},\Delta U_{\mathrm{ij}}=|U_{\mathrm{ij}}-{\mu }_i|---\left(1\right)$式中：

Uij：第i节电池在第j个时刻的电压；

μi：时间n内的第i节电池浮充电压平均值；

n：采集的时间长度。

4.如权利要求1所述的阀控式铅酸蓄电池性能的分析方法，其特征在于所述单节电池相对整组电池浮充电压的变量通过以下步骤得到：存储某个时间点各节电池的浮充电压；计算各节电池浮充电压在这一时刻相对整组的变化。

5.如权利要求4所述的阀控式铅酸蓄电池性能的分析方法，其特征在于所述单节电池相对整组电池浮充电压的变量由公式(2)得到：${\mu }_j=\frac{1}{\mathrm{num}}\underset{i=1}{\overset{\mathrm{num}}{\Sigma }}{U}_{\mathrm{ij}},\Delta U_{\mathrm{ij}}=|U_{\mathrm{ij}}-{\mu }_j|---\left(2\right)$式中：

Uij：第i节电池在第j个时刻的电压；

μj：第j个时刻的蓄电池组浮充电压平均值；

num：蓄电池组的总节数。

6.如权利要求1所述的阀控式铅酸蓄电池性能的分析方法，其特征在于所述单节电池相对自身浮充电压的离散度变量通过以下步骤得到：存储某段时间各节电池的浮充电压；应用概率统计知识计算单节电池相对自身浮充电压的离散度变量。

7.如权利要求6所述的阀控式铅酸蓄电池性能的分析方法，其特征在于所述单节电池相对自身浮充电压的离散度变量由公式(3)得到：${\mu }_{\mathrm{ik}}=\frac{1}{M}\underset{j=(k-1)*M+1}{\overset{k*M}{\Sigma }}{U}_{\mathrm{ij}},{\sigma }_{\mathrm{ik}}=\sqrt{\frac{\underset{m=1}{\overset{M}{\Sigma }}{(U_{\mathrm{im}}-{\mu }_{\mathrm{ik}})}^2}{M}}---\left(3\right)$式中：

Uij：第i节电池在第j个时刻的电压；

n：采集的时间长度，并将时间n按每M个时间点分K段，k∈[1，K]；

Uim：第i节电池在第k时间段上第m时刻的浮充电压值，m∈[1，M]；

μik：第i节电池在第k时间段上的浮充电压平均值；

σik：在第k时间段上浮充电压的标准差。

8.如权利要求1所述的阀控式铅酸蓄电池性能的分析方法，其特征在于所述单节电池相对整组电池浮充电压的离散度变量通过以下步骤得到：存储某个时间点各节电池的浮充电压；应用概率统计知识计算单节电池相对整组浮充电压的离散度变量。

9.如权利要求8所述的阀控式铅酸蓄电池性能的分析方法，其特征在于所述单节电池相对整组电池浮充电压的离散度变量由公式(4)得到：${\mu }_k=\frac{1}{\mathrm{num}}\underset{i=1}{\overset{\mathrm{num}}{\Sigma }}M{\mu }_{\mathrm{ik}},{\sigma }_k=\sqrt{\frac{\underset{i=1}{\overset{\mathrm{num}}{\Sigma }}{(M{\mu }_{\mathrm{ik}}-{\mu }_k)}^2}{\mathrm{num}}}---\left(4\right)$式中：

n：采集的时间长度，并将时间n按每M个时间点分K段，k∈[1，K]；

μik：第i节电池在第k时间段上的浮充电压平均值；

μk：蓄电池组在第k时间段上的浮充电压平均值；

σk：蓄电池组在第k时间段上浮充电压的标准差；

num：蓄电池组的总节数。

说明书

技术领域

本发明涉及在阀控式铅酸蓄电池(VRLA电池)使用过程中的一种电池性能分析方法。

技术背景

阀控式铅酸蓄电池已被广泛地应用于电力、通信、交通、金融、部队等行业的电源系统中，无论是在变电站、机房、移动基站、UPS等的后备电池，还是在发电机组启动电池等，其作用是当市电失电或整流器发生故障时，向用电负荷提供不间断的电力供应。所以在电源系统中，电池扮演了非常重要的角色。

VRLA是一个复杂的电化学体系，它的寿命和性能与电极材料、工艺、活性物质的变化、运行状态等诸多因素相关，也是设备中容易损坏的部件之一。一般引起VRLA性能下降的原因大致可分为以下几类：失水、硫酸盐化、板栅的腐蚀和变形、活性物质软化、晶枝短路等等。

目前实际在使用的电池测试方法主要有以下几种：核对性放电测试，电池电压巡检，电池内阻(电导)测试，放电容量估算。

1.核对性放电测试

作为电池容量的标准，核对性容量放电测试是最为标准的、有效的电池性能测试方法，它能真实反映电池所具有的放电能力，也是目前被大家所能接受的、唯一的检验电池好坏的手段。一般有离线式测试和在线式测试二种方法。

遗憾的是，核对性容量放电测试工作量非常大，操作麻烦，在在线式测试时对系统具有潜在的危险。而且由于电池具有有限的循环寿命，该方法也不宜经常使用，因而不具有对电池运行性能的实时监测能力。

2.电池电压巡检

目前在电池测试设备中，在线监测的常用仪器就是电池组巡检仪，一般在线监测单体电池的电压、电流、温度，通过判断电池电压是否超限作为判断电池好坏的依据。

大量的实际经验表明，在运行中的电池电压(浮充或均充)和电池容量几乎没有相关性，电池电压只有对电池容量严重衰竭，或开路、短路的电池才有测量意义，对正常电池或轻微衰减的电池没有意义。如果要以电压巡检数据为依据，只会带来误导。实际使用中，我们一般只作为电池充电曲线或电池浮充数据的观察和记录。

3.电池内阻(电导)测试

1992年的国际电信年会(INTELE)上，Dr.David Feder发表了关于电导和电池容量相关性的论文，提出了电导测量对电池测试的意义。电导测试由于其测试的方便快捷，并可用于发现失效电池，尤其对电池失水导致的内阻增加非常敏感，所以使用内阻或电导测试方法对及时发现失效电池，了解电池性能变化具有重要的参考意义。

随着电池的失水、负极的硫酸盐化，板栅腐蚀加速等，将导致电池性能的劣化，即容量下降，也必将导致电池内阻增加。但同样遗憾的是，电池容量和电池电导并没有很好的相关性。当电池容量在80％以上时，容量与电导之间几乎没有相关性，具有这种线性相关关系的电池绝大部分都是放电容量低于80％以下的失效电池。因而失去了实际测量的意义。

4.放电容量估算

通过5-15分钟的负载放电，估算电池的剩余容量。该测试方法的理论依据是放电曲线族的比对推算。

但当电池性能劣化严重时，放电曲线将发生很大变易，导致估算值严重差异。同样由于电池厂家不同，电池本身的非一致性，也会导致估算的误差，所以该方法现在已很少使用。

发明内容

为了解决上述问题，本发明的目的是从一个全新的角度利用蓄电池浮充电压的离散度来判定蓄电池性能的方法，并且是在线实时的检测，而且应用了多种手段来达到测试VRLA电池的性能。
图1中是某厂家电池组投运半年内的电池浮充电压的变化情况，从中可以看到，电池的浮充电压趋于一致，离散性变小了。这是因为电池生产完成时，电解液的吸收和极板化成并不充分，在使用的初期过程中性能趋于一致。而相反的是，在电池性能劣化时，电池的浮充电压趋于离散。
从图2中我们能够明显地看到，性能好的电池在运行过程中电压波动很小，而性能差的电池在运行过程中电压的变化相对而言非常大。电池组是串联工作的，在相同的电流变化情况下，各个不同单体电池的电压变化情况是不同的，它反映了该电池的运行状况，也反映出该电池的健康状态。
随着蓄电池使用时间的增加，蓄电池性能不断劣化，蓄电池容量不断下降，蓄电池浮充电压的离散性也会变得愈来愈大，其浮充电压的离散性就可以与蓄电池容量有了相关联系。
解决上述问题采用的技术方案是：一种阀控式铅酸蓄电池性能的分析方法，其特征在于连续采集阀控式铅酸蓄电池的浮充电压变量，进行聚类以及加权分析，得出结果集，其中包括：步骤一、表征单节电池相对自身浮充电压的变量，步骤二、表征单节电池相对整组电池浮充电压的变量，步骤三、表征单节电池相对自身浮充电压的离散度变量，步骤四、表征单节电池相对整组电池浮充电压的离散度变量；在得到以上的数据后，对每一个步骤产生的结果进行聚类以及加权分析，把相似的电压变量或者离散度变量分成几类，然后通过加权计算分别对这几类乘以一个与每一类相对应的权值，再对结果相加得出每一个步骤的隶属度，最后对隶属度进行从大到小的排序，隶属度值大的相对应的蓄电池性能在本组蓄电池组中相对较差，隶属度值小的相对应的蓄电池性能在本组蓄电池组中相对较好。
所述单节电池的相对自身的浮充电压的变量通过以下步骤得到：存储某段时间各节电池的浮充电压；计算各节电池浮充电压在这段时间内相对自身的变化。
所述单节电池的相对自身的浮充电压的变量由公式(1)得到：
${\mu }_i=\frac{1}{n}\underset{j=0}{\overset{n}{\Sigma }}{U}_{\mathrm{ij}},\Delta U_{\mathrm{ij}}=|U_{\mathrm{ij}}-{\mu }_i|---\left(1\right)$
式中：
Uij：第i节电池在第j个时刻的电压；
μi：时间n内的第i节电池浮充电压平均值；
n：采集的时间长度。
所述单节电池相对整组电池浮充电压的变量通过以下步骤得到：存储某个时间点各节电池的浮充电压；计算各节电池浮充电压在这一时刻相对整组的变化。
所述单节电池相对整组电池浮充电压的变量由公式(2)得到：
${\mu }_j=\frac{1}{\mathrm{num}}\underset{i=1}{\overset{\mathrm{num}}{\Sigma }}{U}_{\mathrm{ij}},\Delta U_{\mathrm{ij}}=|U_{\mathrm{ij}}-{\mu }_j|---\left(2\right)$
式中：
Uij：第i节电池在第j个时刻的电压；
μi：第j个时刻的蓄电池组浮充电压平均值；
num：蓄电池组的总节数。
所述单节电池相对自身浮充电压的离散度变量通过以下步骤得到：存储某段时间各节电池的浮充电压；应用概率统计知识计算单节电池相对自身浮充电压的离散度变量。
所述单节电池相对自身浮充电压的离散度变量由公式(3)得到：
${\mu }_{\mathrm{ik}}=\frac{1}{M}\underset{j=(k-1)*M+1}{\overset{k*M}{\Sigma }}{U}_{\mathrm{ij}},{\sigma }_{\mathrm{ik}}=\sqrt{\frac{\underset{m=1}{\overset{M}{\Sigma }}{(U_{\mathrm{im}}-{\mu }_{\mathrm{ik}})}^2}{M}}---\left(3\right)$
式中：
Uij：第i节电池在第j个时刻的电压；
n：采集的时间长度，并将时间n按每M个时间点分K段，k∈[1，K]；
Uim：第i节电池在第k时间段上第m时刻的浮充电压值，m∈[1，M]；
μik：第i节电池在第k时间段上的浮充电压平均值；
σik：在第k时间段上浮充电压的标准差。
所述单节电池相对整组电池浮充电压的离散度变量通过以下步骤得到：存储某个时间点各节电池的浮充电压；应用概率统计知识计算单节电池相对整组浮充电压的离散度变量。
所述单节电池相对整组电池浮充电压的离散度变量由公式(4)得到：
${\mu }_k=\frac{1}{\mathrm{num}}\underset{i=1}{\overset{\mathrm{num}}{\Sigma }}M{\mu }_{\mathrm{ik}},{\sigma }_k=\sqrt{\frac{\underset{i=1}{\overset{\mathrm{num}}{\Sigma }}{(M{\mu }_{\mathrm{ik}}-{\mu }_k)}^2}{\mathrm{num}}}---\left(4\right)$
式中：
n：采集的时间长度，并将时间n按每M个时间点分K段，k∈[1，K]；
μik：第i节电池在第k时间段上的浮充电压平均值；
μk：蓄电池组在第k时间段上的浮充电压平均值；
σk：蓄电池组在第k时间段上浮充电压的标准差；
num：蓄电池组的总节数。
本发明中发现了关于蓄电池浮充电压的离散性与蓄电池性能之间的关联性，发明了蓄电池浮充电压的离散度的计算方法，以及使之与蓄电池性能关联的计算方法，从而得到蓄电池性能的结果。采用本发明的蓄电池性能的分析方法，工作量小，操作简单，在线式测试时对系统不具有危险。该方法也不会影响VRLA电池有限的循环寿命。

附图说明

图1是某厂家电池组投运半年内的电池浮充电压的变化情况。
图2是某厂家两系列电池浮充电压的变化情况。
图3是本发明的系统应用图。
图4是本发明的具体步骤流程图。
图5是本发明的处理某电池组1的数据曲线图。
图6是本发明的处理某电池组2的数据曲线图。

具体实施方式

本实施例的基于浮充电压离散度的蓄电池性能分析方法及其结构。本发明的主要工作方式如下：由蓄电池组监测装置发出命令，采集装置采集蓄电池的浮充电压值。数据输入到封装了本发明计算方法的计算机软件中进行计算，分析蓄电池性能。
关于蓄电池性能分析方法的软件系统应用图可见图3，其中的模型分析软件包就是指本方法。基于浮充电压离散度的蓄电池性能分析方法的具体步骤流程图可见图4，从图中可以看出是在四个步骤基础上，对浮充电压监测数据进行处理和分析。然后对四个步骤进行聚类以及加权分析后综合四种步骤的输出进行判定，最终产生结果集。
基于这一处理分析的结果，不是一个电池容量描述的绝对值，它只是在当前蓄电池组中的性能相对排名。
四种步骤的数学表达方式举例如下(还可以用其他的计算方法计算关于浮充电压的变化以及离散度)：
例：以下进行了某蓄电池组的性能分析。
步骤一、表征了单节电池相对自身浮充电压的变量。
${\mu }_i=\frac{1}{n}\underset{j=0}{\overset{n}{\Sigma }}{U}_{\mathrm{ij}},\Delta U_{\mathrm{ij}}=|U_{\mathrm{ij}}-{\mu }_i|---\left(1\right)$
式中：
Uij：第i节电池在第j个时刻的电压；
μi：时间n内的第i节电池浮充电压平均值；
n：采集的时间长度。
步骤二、表征了单节电池相对整组电池浮充电压的变量。
${\mu }_j=\frac{1}{\mathrm{num}}\underset{i=1}{\overset{\mathrm{num}}{\Sigma }}{U}_{\mathrm{ij}},\Delta U_{\mathrm{ij}}=|U_{\mathrm{ij}}-{\mu }_j|---\left(2\right)$
式中：
Uij：第i节电池在第j个时刻的电压；
μj：第j个时刻的蓄电池组浮充电压平均值；
num：蓄电池组的总节数。
步骤三、表征了单节电池相对自身浮充电压的离散度变量。
${\mu }_{\mathrm{ik}}=\frac{1}{M}\underset{j=(k-1)*M+1}{\overset{k*M}{\Sigma }}{U}_{\mathrm{ij}},{\sigma }_{\mathrm{ik}}=\sqrt{\frac{\underset{m=1}{\overset{M}{\Sigma }}{(U_{\mathrm{im}}-{\mu }_{\mathrm{ik}})}^2}{M}}---\left(3\right)$
式中：
Uij：第i节电池在第j个时刻的电压；
n：采集的时间长度，并将时间n按每M个时间点分K段，k∈[1，K]；
Uim：第i节电池在第k时间段上第m时刻的浮充电压值，m∈[1，M]；
μik：第i节电池在第k时间段上的浮充电压平均值；
σik：在第k时间段上浮充电压的标准差。
步骤四、表征了单节电池相对整组电池浮充电压的离散度变量。
${\mu }_k=\frac{1}{\mathrm{num}}\underset{i=1}{\overset{\mathrm{num}}{\Sigma }}M{\mu }_{\mathrm{ik}},{\sigma }_k=\sqrt{\frac{\underset{i=1}{\overset{\mathrm{num}}{\Sigma }}{(M{\mu }_{\mathrm{ik}}-{\mu }_k)}^2}{\mathrm{num}}}---\left(4\right)$
式中：
n：采集的时间长度，并将时间n按每M个时间点分K段，k∈[1，K]；
μik：第i节电池在第k时间段上的浮充电压平均值；
μk：蓄电池组在第k时间段上的浮充电压平均值；
σk：蓄电池组在第k时间段上浮充电压的标准差；
num：蓄电池组的总节数。
在得到以上的数据后，对每一个步骤产生的结果进行聚类以及加权分析。大致步骤如下：聚类分析可以把相似的电压变量或者离散度变量分成几类，然后通过加权计算分别对这几类乘以一个与每一类相对应的权值，再对结果相加得出每一个步骤的隶属度，最后对隶属度进行从大到小的排序。隶属度值大的相对应的蓄电池性能在本组蓄电池组中相对较差，隶属度值小的相对应的蓄电池性能在本组蓄电池组中相对较好。
每一个步骤都可以作为蓄电池性能的分析比较，但是各个不同步骤相组合进行最终的性能分析，可以得到更加准确的结果。通过比较各个步骤中挑出过的性能较差的蓄电池序号，找出各个步骤中被挑出的相同的蓄电池序号，就可以认为这些蓄电池相对于同组的其它蓄电池的性能要差。
当然也可以把四个步骤的结果一起进行聚类以及加权分析，并计算隶属度，隶属度值大的相对应的蓄电池性能在本组蓄电池组中相对较差，隶属度值小的相对应的蓄电池性能在本组蓄电池组中相对较好。
基于该种方法的依据假设，我们对大量的电池组运行状况进行了长时间的跟踪监测，获得了大量的数据，并将这些数据输入计算机按照该种方法进行验证。
以某蓄电池组1的数据为例，从数据库中对电池监测数据去除均充及放电数据后，输入软件中运算结果得出：
与核对性放电的结果相比较，倒数前十节电池被挑出9节，倒数前二十节电池被挑出13节，随着时间的推移，该方法的准确度将会有进一步的提高。
以下是某蓄电池组1中选出的81号电池，用四种步骤计算后的数据曲线图可见图5。
图5中的步骤一、二显示图片，其中横轴是时间轴，纵轴是聚类分析前计算的函数值。若图中函数值有大的跳变，说明浮充电压变化迅速，反映了电池内阻对外部扰动的响应大幅变化，则聚类分析后排序较前，易被挑出。
图5中的步骤三、四显示图片，其中横轴是时间轴，纵轴是聚类分析前计算的离散度。可以清楚地看出，该节电池浮充电压的离散度随着时间的推移由小变大。由此可以推知，该节电池的性能已开始下降。
在对某蓄电池组2的数据处理过程中，得到的结果如下：
在输出结果中与核对性放电的数据吻合较多，而对2004年8月份的数据几乎没有吻合的现象。查询曲线图可知：
以某蓄电池组2中的21号电池为例，经过步骤一、二处理后的数据曲线图可见图6。
由上面数据曲线图得到的信息是：在一段长时间的数据中断后，数据有大的跳变，根据上述时间推测，该电池组2在2004年8月份有电池更换的迹象。后经确认，得知该电池组2因台风原因，在推测的时间中对整组电池进行了更换。
综上所述，本发明所介绍的基于浮充电压离散度的蓄电池性能分析方法从一个全新的角度发现了浮充电压数据中所隐藏的大量有用的电池状态信息，并通过对二组电池组数据的分析验证，证明本方法可以作为预测电池性能的一种方法，并具有一定的实际意义。并且该种方法工作量小，操作简单，在线式测试时对系统不具有危险。该方法也不会影响VRLA电池有限的循环寿命。
应该理解到的是：上述实施例只是对本发明的说明，而不是对本发明的限制，任何不超出本发明实质精神范围内的发明创造，均落入本发明的保护范围之内。