鋰電池健康狀態評估在變電站直流系統應用研究

楊 銘 聞 鋮 嚴玲玲 牟京亞 孫金莉 由 勇

（1、國網湖北省電力有限公司，湖北 武漢430077 2、國網湖北省電力有限公司檢修公司，湖北 武漢430050 3、北京匠芯電池科技有限公司，北京102606)

1 概述

蓄電池電源柜是開關站、變電所、配電室等機構用于掉電后恢復供電的重要備份電能存儲設備，其工作特點在于平時要保證充滿電、無故障，供電異常時要保證能供電、電量足，具有“養兵千日，用兵一時”的特點。由于傳統鉛酸蓄電池的電化學原理，決定了雖然具有單體成本比較低的優勢，但是也有自放電率高、能量密度低、運行維護工作復雜的劣勢。國家電力行業標準DL/T-459-200 和DL/T724-2000 中明確規定鉛酸電池電源柜必須在一定時間內對蓄電池組進行核對性放電，該項工作不但損耗電能，更重要的是在放電過程中蓄電池電源柜的儲能下降為原來的1/n，極端情況下降到1/2；放電次數多，每四年或每年進行；嚴重損耗鉛酸電池壽命。備用電池維護要求高，每隔幾個月就要對備用電池進行充電；在線電池由于自放電率高需要一直進行浮充充電供電，能量浪費大，電池沒有管理控制系統，內阻等監控參數需要人工測量，維護自動化程度低，成本高。新型鋰離子電池具有能量密度大，自放電率低，循環壽命長，在線監控方便等優點在工業和民用領域應用廣泛，技術成熟。但是，如果不對替換鋰電池進行實時性能能監控，則鋰電池在安全方面的缺點難以避免。實時估計鋰電池當前健康狀態（Start of Health,SOH）成為鋰電池替換變電站直流系統鉛酸電池成功的關鍵。

2 循環神經網絡狀態評估方法

循環神經網絡（RNN）研究始于20 世紀80-90 年代。循環網絡分為：輸入層，隱層，承接層和輸出層等四層。其狀態結構如圖1 所示。輸入層、隱層、輸出層采用順序結構，具備前饋神經網路的有點。在隱層和輸入層之間具有一個承接層，承接層通常又稱為狀態層，它能夠記憶隱藏層單元在前一時刻的輸出值，記憶的輸出值按照一定的規則反饋給輸入層[3]。

圖1 RNN 狀態結構圖

RNN 的狀態方程如公式（1）所示：

其中，t 表示時間，X,O 表示輸入和輸出，U,W,V 分別表示此刻時間、輸入、輸出的權重。St 表示t 時刻的記憶。g(·)為輸出層的傳遞函數，可以看作中間層在輸出過程的一種組合。f(·)為中間層神經元的傳遞函數，可以使用符號函數作為一種傳遞函數。

由于RNN 具備在有限的時間內通過數值計算逼近函數的功能，可以將RNN 的記憶性能用來反映電池安時積分與電壓差分之間的特征關系，因此采用RNN 做電池健康度研究具有較好的適應性。

3 模型建立與分析

3.1 樣本選取

根據變電站替換用鋰電池特點，電池組樣本選取國內某大型電池企業的三元電池組。電池組數據采用監控器上傳數據作為訓練數據，通過數據進行清洗整理，數據融合方式獲取原始數據。對相關數據進行電化學參量計算，得到該型電池包的容量增量曲線（Incremental Capacity Analysis, ICA）。ICA 曲線面積可以表示為當前狀態下的SOH 計算量。再通過折算公式將不同溫度倍率數據折算為標準25 攝氏度，1C 倍率的折算數據，再通過容量增量的計算，得到ICA 曲線。通過最后一次數據后的國標條件完整充電過程計算實際容量。

歸一化方法是為了保證樣本數在相同評價尺度上進行比較。歸一化一本原理是對原始數據進行線性變換，使結果映射到指定區間范圍內。其中零值歸一化方法是將原始數據的均值和標準差進行相應的歸一化。針對實驗數據特點在計算ICA 曲線前我們采用了均值歸一化方法。其公式為：

式中，kn為歸一數據，K 為原始數據，kmax為樣本最大值，kmin為樣本最小值。反歸一方法采用postmnmx 方法，其計算公式為：

式中，y 為原始數據，yn為歸一數據，ymax為樣本最大值，ymin為樣本最小值。

3.2 構建模型

通過RNN 網絡模型，第一步確定學習函數為ICA 下降權值，設定閾值學習函數0.05 的學習率，設定梯度下降函數為輸入層、承接層和輸出層函數，設定為符號函數為隱層函數[4]，設定學習迭代次數最大為8000 次。計算流程如下圖所示：

圖2 RNN 學習流程圖

3.3 結果分析

圖3 測試鋰電池預測ICA 曲線與原曲線對比

表1 測試鋰電池預測曲線面積誤差分析表

通過比較經RNN 網絡經學習后，能夠較好的計算出ICA 預測曲線，預測曲線與實際容量計算值之間誤差值在可以接受范圍之內。該方法適合實時估計鋰電池當前健康狀態評估。

4 結論

采用鋰電池替換變電站直流電源中的鉛酸電池改進傳統的電池接線和管理方式，改變變電站直流電源運行維護制度，使得鋰電池的技術優勢得到更好的發揮，具有較高的經濟、技術優勢。通過RNN 網絡能夠實現實時估計鋰電池當前健康狀態評估，提高鋰電池運行監控技術。