论文部分内容阅读
在电信网络和计算机网络高速发达的社会,为提高供电系统的可靠性越来越多的场合使用阀控铅酸蓄电池(Valve Regulated Lead Acid Battery,VRLAB)来提供不间断的电源供应。特别是有些重要设备,如通信系统、电力控制系统、计费系统等不允许中途突然断电,因此蓄电池工作状态的好坏,对于设备的安全可靠运行至关重要。在很多场合VRLA蓄电池实际上处于一种长期完全不维护的状态,蓄电池组在运行中会因个别蓄电池干涸发热、漏液、欠充、过放、内阻增大等原因而迅速失效,造成系统或供电设备不能正常运行或重大事故。因此对蓄电池做定期检测和在线监测是非常必要和必需的,是不能忽视的重要环节。论文首先分析了蓄电池在线监测的必要性和重要性,然后介绍了国内外蓄电池检测的现状,对当前国内外蓄电池在线监测产品的特性、功能进行了分析。论文以蓄电池在线监测系统的设计及电池组容量预测为研究的重点,提出了一种基于EP9315处理器和嵌入式Linux操作系统的解决方案,同时介绍了系统硬件结构和系统软件结构的设计。系统能在线监测单体电池的内阻、电压、充放电电流、温度等参数,并对蓄电池组容量进行预测。系统采用各自独立的数据采集模块对每块单体蓄电池进行就地监测,各模块与主控模块采用基于CC1100的短距离无线通讯技术传输数据,现场不需要繁杂的布线。主控模块通过GPRS网络与远程机算计通讯,能快速的打包上传电池组运行数据。蓄电池内部阻抗与蓄电池的容量及完好性有着密切的关系。为了实现对蓄电池内阻的准确测量,系统采用交流方波信号对每个单体电池放电来测量其内部阻抗,并对测试电流进行了详细地分析,同时结合软件滤波算法准确的计算出了单体电池的交流阻抗。蓄电池组的荷电状态是蓄电池最重要的性能之一。由于VRLA蓄电池是一个复杂的非线性系统,在充放电过程中蓄电池内部存在着极为复杂的物理和化学变化,蓄电池组剩余容量很难在线测量。本文探讨了遗传算法优化的模糊神经网络技术在蓄电池组容量预测中的应用,具有广阔前景。