專利名稱：一種蓄電池充電機性能在線檢測方法
技術領域：
本發明涉及蓄電池充電機的在線檢測和評價領域，具體是提供一種蓄電池充電機 性能在線檢測方法。
背景技術：
充電機是生產和維護蓄電池的重要設備，主要用于蓄電池的充電。蓄電池的質量、 性能、使用壽命，與充電機質量、性能關系非常重要。電力系統中存在大量的充電機設備，一 直以來，充電機的維護都是在出現故障后才進行，缺乏一種在線的評估方法，基于充電機的 運行工作狀態預估充電機的性能，做到狀態檢修。
發明內容
本發明就是針對以上問題，提供一種蓄電池充電機性能在線檢測方法，其克服了 電力系統充電機不能實現在線性能評估，不能對性能低下或者存在隱患的充電機設備進行 實時告警，不能對充電機實現狀態檢修提供有效的決策數據等問題。本發明所采用的技術方案如下一種蓄電池充電機性能在線檢測方法，包括以下步驟A、采集充電機的實時運行數據；B、根據采集的實時運行數據計算出充電機的穩壓精度、穩流精度和均流系數；C、將計算出的充電機的穩壓精度、穩流精度和均流系數輸入人工神經網絡儲存為 充電機運行參數表，并與已形成的充電機運行參數表中的數據作出對比，得出充電機性能 評價結果。步驟A中采集實時運行數據的累積時間超過半小時。實時運行數據包括充電機的電壓、電流或環境溫度。步驟A還包括對采集的實時運行數據設置告警限制的步驟，從而實時判斷當前運 行是否達到告警邊界，并給出告警信號。步驟B具體包括Bi、根據采集到的充電機的實時運行數據判斷充電機的運行狀態；B2、根據充電機的運行狀態分別計算，如果充電機的運行狀態為均充狀態，則計算 穩壓精度、穩流精度及均流系數；如果充電機的運行狀態為浮充狀態，則計算穩壓精度。本發明的一種蓄電池充電機性能在線檢測方法，其將多個反映充電機性能的參數 作為人工神經網絡的輸入，經過已學習生成的專家庫的綜合評判，輸出充電機的性能值等， 并以此給出對充電機的狀態檢修的重要依據。本發明的另一特點是對上述人工神經網絡設計了自適應學習的功能，當充電機在 不同的充電模式下，網絡將自動更換學習樣本，重新學習訓練，形成一種新的評判體系。這 種動態修正專家庫的功能，使系統得出更加準確的充電機性能分析結果。
圖1為本發明的一種蓄電池充電機性能在線檢測方法的方法流程圖；圖2為本發明的一種蓄電池充電機性能在線檢測方法所用多層前饋網絡的具體 拓撲結構圖；圖3為本發明的一種蓄電池充電機性能在線檢測方法的充電機工作狀態判別流 程圖。
具體實施例方式下面結合附圖和具體實施例對本發明的一種蓄電池充電機性能在線檢測方法作 進一步的描述。如附圖1所示，本發明的一種蓄電池充電機性能在線檢測方法，其通過充電機性 能分析系統采集充電機的實時運行數據，如電壓、電流、溫度等參數，并同時上傳給后臺計 算機，通過應用輸入接口進入軟件系統處理流程。通過充電機性能分析系統采集充電機實時運行數據，如充電機電壓、電流參數。當 上傳的數據幀數達到要求時(有2幀數據積累)，進入充電機運行狀態判別模型，圖2即是 充電機運行狀態判別流程，其中Z1 均充狀態；Z2 浮充狀態；Z3 其他狀態。具體說明如下電流采集誤差單位A，ClO為蓄電池10小時放電容量(單位為Ah)。1)、均充狀態Z1:電流> (0.01 ClO+電流采集誤差)；2)、浮充狀態&:-(電流采集誤差)<電流< (0. 01 ClO+電流采集誤差)；3)、其他狀態&:去除以上狀態后剩下的。當上傳的數據達到要求時(有半個小時的數據積累)，進入充電機性能分析模型。當蓄電池狀態處于&時，且滿足有半小時數據積累時，系統用以下(1)式計算穩 流精度…=^fiX100%
“ (1)系統后臺設置穩流精度報警定值，每次計算后判斷是否超出報警定值，如果超出， 立即給出報警信息。穩流精度數據通過IEC61850標準的SMV服務報文傳輸。當在計算穩流精度的時候，同時記錄各模塊的電流值，系統用以下( 式計算均 流系數。
4
系統后臺設置均流系數報警定值，每次計算后判斷是否超出報警定值，如果超出， 立即給出報警信息。均流系數數據通過IEC61850標準的SMV服務報文傳輸。用最新得到的穩流精度、均流系數以及當前溫度替換其原始初始值，代入網絡運 算，得到充電機的性能值y。初步按照人工神經網絡給出的公式輸入net = δ χ ω j+ δ ω2+ 0ω3輸出少=f{net)^-^rXlOO0Zo
1 + e其中y表示充電機性能值，δ χ表示穩流精度，δ i表示均流系數，t0表示當前溫 度值，Qi表示網絡權重值。當蓄電池狀態處于\時，且滿足有半小時數據積累后，系統用以下(3)式計算穩 壓精度。
U -TJ^= MTT zX 100%
uZ(3)系統后臺設置穩壓精度報警定值，每次計算后判斷是否超出報警定值，如果超出， 立即給出報警信息。穩壓精度數據、報警信息通過IEC61850標準的SMV服務報文傳輸。用最新得到的穩壓精度及當前溫度替換其原始初始值，代入網絡運算，得出充電 機運行性能值。初步按照人工神經網絡給出的公式輸入net = SuCo^t0Co2輸出產/O")=l_mt XlQO0Zo
1 + e其中y表示充電機性能值，δ 表示穩壓精度，、表示當前溫度值，Oi表示網絡 權重值。綜上所述，本發明的一種蓄電池充電機性能在線檢測方法，其應用人工智能的知 識來綜合評判充電機性能，通過實時采集充電機的電流、電壓和環境溫度數據，實時計算充 電機的穩壓精度、穩流精度和均流系數，并能對超過定值的計算信息進行實時告警，通過以 上數據輸入人工神經網絡，經過已學習生成綜合評判值，并給出充電機性能評價結果，為充 電機的狀態檢修提供關鍵參考數據。以上所述的實施例，只是本發明較優選的具體實施方式
的一種，本領域的技術人 員在本發明技術方案范圍內進行的通常變化和替換都應包含在本發明的保護范圍內。
權利要求
1.一種蓄電池充電機性能在線檢測方法，包括以下步驟A、采集充電機的實時運行數據；B、根據采集的實時運行數據計算出充電機的穩壓精度、穩流精度和均流系數；C、將計算出的充電機的穩壓精度、穩流精度和均流系數輸入人工神經網絡儲存為充電 機運行參數表，并與已形成的充電機運行參數表中的數據作出對比，得出充電機性能評價結果。
2.根據權利要求1所述的一種蓄電池充電機性能在線檢測方法，其特征在于，所述步 驟A中采集實時運行數據的累積時間超過半小時。
3.根據權利要求1或2所述的一種蓄電池充電機性能在線檢測方法，其特征在于，所述 實時運行數據包括充電機的電壓、電流或環境溫度。
4.根據權利要求1-2中任意一條所述的一種蓄電池充電機性能在線檢測方法，其特征 在于，其中步驟A還包括對采集的實時運行數據設置告警限制的步驟，從而實時判斷當前 運行是否達到告警邊界，并給出告警信號。
5.根據權利要求1-2中任意一條所述的一種蓄電池充電機性能在線檢測方法，其特征 在于，其中步驟B具體包括Bi、根據采集到的充電機的實時運行數據判斷充電機的運行狀態； B2、根據充電機的運行狀態分別計算，如果充電機的運行狀態為均充狀態，則計算穩壓 精度、穩流精度及均流系數；如果充電機的運行狀態為浮充狀態，則計算穩壓精度。
全文摘要
本發明涉及蓄電池充電機的在線檢測和評價領域，具體是提供一種蓄電池充電機性能在線檢測方法。其應用人工智能的知識來綜合評判充電機性能，通過實時采集充電機的電流、電壓和環境溫度數據，實時計算充電機的穩壓精度、穩流精度和均流系數，并能對超過定值的計算信息進行實時告警，通過以上數據輸入人工神經網絡，經過已學習生成綜合評判值，并給出充電機性能評價結果，為充電機的狀態檢修提供關鍵參考數據。本發明的一種蓄電池充電機性能在線檢測方法克服了電力系統充電機不能實現在線性能評估，不能對性能低下或者存在隱患的充電機設備進行實時告警，不能對充電機實現狀態檢修提供有效的決策數據等問題。
文檔編號G01R31/00GK102095953SQ20101056857
公開日2011年6月15日 申請日期2010年11月26日 優先權日2010年11月26日
發明者梁國堅, 王林青, 蔡永智, 陳斌 申請人:廣東電網公司中山供電局, 杭州高特電子設備有限公司