智慧云蓄电池管理系统在变电站中的应用

黄世回, 杨忠亮, 王汝钢

（1. 深圳市普禄科智能检测设备有限公司，广东 深圳 518068；2. 深圳供电局有限公司，广东 深圳 518000）

0 引言

在变电站交直流一体化电源系统中，蓄电池作为后备电源提供市电停电故障后的电力支持，以及作为电站直流设备供电电源，是保证供电安全不可或缺的部分。随着使用时间的推移，蓄电池老化失容、失水、盐化、不均衡、热失衡等问题成为直流系统的重大安全隐患。如果不能及时预测到这些问题，一旦市电停电，由于电池组的短板效应，直流系统供电时间将达不到规定时间要求，特别是个别内部严重腐蚀的蓄电池，在大电流冲击下，出现内部熔断，导致电池组出现开路现象，直接威胁到供电安全。

为了加强变电站蓄电池的运行安全性，对电池的维护管理是必不可少的。早在“十二五”期间，按照国家电网“三集五大”的方针，就在变电站交直流一体化电源系统中实行了统一监控平台，传统电池管理监控平台也被统一纳入其中。这不但方便操作，而且极大地节约了人工成本[1]，也是变电站自动化系统发展的要求[2]。但是，随着电池应用领域的不断更新和发展，传统电池监测系统的采集、数据存储等功能在技术上存在诸多不足甚至缺陷，没能真正实现蓄电池状态分析、内阻分析、故障诊断，因此电池使用寿命得不到有效的保障。本文中所述智慧电池，以及基于云台的电池管理系统在变电站中的应用，是一种新的解决变电站电池监测与管理、维护的技术。

1 变电站用蓄电池及其管理维护

1.1 传统电池与监测系统

目前，变电站中所用电池以阀控式蓄电池为主。如图 1 所示，蓄电池以及管理系统在交直流一体化电源系统中应用[1]。对于变电站维护人员来说，定期人工维护只能通过手持或者传统在线监测设备检测电压值、电流值、温度值等进行参考判断，不能有效解决运行风险。在很多变电站，特别是地理位置相对偏僻的站点，使用的是以电压监测功能为主的较为简单的电池监测系统，通过下载本地存储数据，从电压异常或者温度异常来做简单判断，并未分析异常的本质。没有有效的运维管理，使得电池使用寿命大打折扣。长期维护实践表明，有些电池是可以通过维护修复来继续使用的，而不是粗暴的整组更换了之，造成不必要的浪费。蓄电池过早老化报废，给环保带来一定压力，不符合文献 [3] 所提到的广东“十三五”电源规划提倡的节约环保指导方针。

图1 蓄电池在交直流一体化电源应用示意图

1.2 电池管理系统简介

随着电子技术与信息技术的不断发展，电池管理系统（BMS）是在电池监测系统基础上的功能拓展，除了具备监测功能外，还具有维护管理功能，比如活化、均衡功能，来延长电池使用寿命。通常所说的剩余容量、荷电状态（SOC）、健康状态（SOH），是通过对蓄电池进行物理和数学建模，进行参数辨识，使用高级算法进行估算得到的，这里不做赘述。目前，通过更多的指标参数数据，分析电池失效模式，进一步为运维人员提供管理维护策略，是蓄电池管理系统（BMS）的重要发展趋势。

目前，若按照采集方式，市面上蓄电池在线管理系统的结构布局可分为传统的集中式和分布式2 种。集中式结构布局是指，采集、控制、通讯接口、显示等模块电路高度集中在一个机壳中，大量测试线与通信线引出，接在每只电池的正负极上。分布式结构布局是指，将采集单元独立出去，直接安置在被测电池旁边，节省大量的测试线，使分布式监控采集单元通过通讯线与主控设备相连。

传统的变电站用 BMS 在功能上具有以下特点：① 常规实时数据检测，包括电压、电流、温度、荷电量等；② 电压异常告警；③ 局域有线通信，本地查询、查看电池基本信息；④ 嵌入式单机系统。

1.3 现有蓄电池管理系统存在的不足

随着电力系统一体化电源整体技术的提升，目前的变电站电池管理系统有以下不足：

（1）从功能性方面，没注重电池内阻测试、故障诊断和使用效益评估，对电池均衡，以及延长使用寿命、梯次利用没有相应策略；

（2）从工程安全角度，由于现场测试线、通讯线接线繁冗，安装耗时长，因此一方面测试线容易受现场噪声影响，干扰仪器准确性，另一方面，意外接线失误，时间久了线路老化问题、接地问题，可能造成直流系统突发事故，存在严重的安全隐患；

（3）从使用地点范围角度，传统电池检测多为本地型、局域型的，因此无法随时随地掌握电池监测数据；

（4）从技术层次方面，传统数据采集、存储、信号处理等遇到瓶颈，不适应海量数据挖掘分析的要求；

（5）从设备维护方面，在对设备进行维护时需要电池组断电后安装，存在一定停电应急风险，而且一旦集成式的硬件有元器件损坏，整个设备就不能使用。

（6）从设备体积来说，对于采用集成式硬件，需要单独配置机柜来放置主设备，占用了一定的空间。

2 智慧蓄电池的应用

2.1 智慧蓄电池简介

传统蓄电池纯粹是电化学能量转换装置，不带任何电子模快。但是，诸如锂电池，封装有相应的电源芯片，起到保护作用。由这一点出发，如果植入一块智慧采集模快，能进行电池模型的辨识、状态的预估等，那么传统蓄电池就具有功能性的“大脑”，将变得“智慧”起来[5]。 图 2 所示为智慧电池示意图。

“智慧”电池理念是把传统蓄电池管理系统的采集功能分离出去，将单独的智能模块，嵌入到电池的整体结构中，以低功耗模式自取电。每个智能模块可以写入、存储对应蓄电池的 ID 信息，包括序列号、生产日期、额定参数等，方便电池全寿命周期的物资管理。用基于多频点的蓄电池检测技术实现每只电池的参数辨识，欧姆电阻、极化电阻、极化电容，以及估算出的 SOH、SOC 的性能参数，都由智慧模块处理完成。温度传感器直接被安装在蓄电池结构内部，可准确获得电池内部的温度参数，及时防止热失控。

图2 智慧电池示意图

2.2 PLC 技术的应用

PLC 即电力线载波通信，是利用电力线路为载波信号的传输媒介，是不需要重新架设通讯缆线网络进行数据传递的一种特殊通信方式[4-5]。在后备电源系统（UPS）或者储能电站，蓄电池组是一个完整的直流环路系统。直流线路中不存在变压器隔离，以及如电网交流线路存在大的固定干扰。在这种传输线路范围有限的应用环境下，采用 PLC 通信代替以往的单独通信线路，实现智慧电池与电池监测控制模快相互通信。智慧采集模快和控制器采用支持 BPSK、FSK、OFDM-PRIME、OFDM-G3电力载波通信标准的 F28PLC83PNT、AFE 031 电力载波芯片，而且用户亦可以自定义设置 PLC 的通信协议[5]。

如图 3 所示，由连接条串联的智慧电池组、正负直流母线、控制器或数据接收设备构成了一个环路。智慧电池内的智能模块、控制器或数据接收设备，都设有唯一的地址，而且发送的数据包含有目标地址和源地址，因此只有与目标地址符合的设备才返回同样含有目标地址和源地址的应答信号。控制器与智慧电池之间是主从模式，即控制器为主设备，智慧电池为从设备。由于每只智慧电池都具有独立的采集功能，因此通过控制器就可以实现整组电池的同步检测，保证一次上传的整组数据同步性，有利于整组电池均衡性的比较，对传统顺次巡检前后电池状态在时间上产生的累积误差具有彻底的改善。

图3 电力线载波信号在电池组回路通信示意图

3 基于物联网和云平台的蓄电池管理系统

3.1 云平台管理系统架构

按图 4 所示的基于智慧电池云平台全寿命管理系统拓扑图，整个构架分为如下层次结构：

采集设备层——智慧电池（智能采集模快，包含温度传感器）、电流传感器等；

本地通信层——PLC 通信、485/232 通信、WIFI 通信等；

本地控制层——数据集中器、控制器、企业服务器、现场显示器（人机界面）等；

远程通信层——采用 GPRS、LAN、3G、4G通信；

云端主站层——云端服务器（数据服务器、应用程序服务器、管理服务器、WEB、 接口服务器、防火墙）；

用户应用层——PC 客户端、手持式移动客户服务端。

图4 基于智慧电池的云平台全寿命管理系统拓扑图

其中，数据集中器与现场显示器主要是为本地数据显示做中转服务，同时也可以与云端通信。智能控制器负责电池检测策略的命令控制和数据接口控制：对下，通过 PLC 电力线载波方式通信，对各采集终端或者“智慧电池”进行检测任务控制，以及读取检测信息，如电压、温度、SOC、SOH；对上，与云端服务器通过 LAN、WIFI、GPRS、RS 485 等方式进行通信，上传数据。

3.2 系统的物联网特征

物物相连的互联网简称物联网，用于实现物与物、物与人、所有的物品与网络的连接，方便识别、管理和控制[6-7]。根据应用领域、范围不同，物联网的架构在形式上具有多样性，而且其复杂度也有所不同。图 4 所示系统拓扑图，从结构上俨然是一个典型的 3 层结构模式的物联网架构[8]，即：

感控层——包括智慧电池（智能感知，辨识蓄电池状态参数）、控制器、电流传感器、温度传感器等；

网络层——PLC、GPRS、以太网（LAN）、3G/4G 通信、232/485 通信等；

应用层——云服务器、本地服务器、客户移动终端 APP、PC 监控管理等。

3.3 云平台技术应用

云平台具有资源共享与整合的功能，能够协同各设备的工作，提供强大存储功能，其中云服务器是重要部分[9]。云服务器为宏观称呼，按照功能具体可分为数据服务器、应用程序服务器、管理服务器、WEB、接口服务器、防火墙等。用户在提交云主机租用申请后可实时开通云服务器，立即获得服务，且无需支付押金。云服务器的租金低于购买或租用传统物理服务器的费用，大大节约了成本。

云服务器的应用集中解决了大量蓄电池监测数据的存储问题，并且形成了蓄电池监测管理的大数据[10-12]。但是，传统 BMS 不具备对大数据处理的能力。云计算技术的应用可以解决蓄电池大数据的挖掘、分析等难题[13-15]，实现纵、横向数据分析。在横向上，云计算可以对比同组各只电池的均衡性；在纵向上，云计算可以通过对历史数据的挖掘，分析单体电池参数的变化趋势，分析其全寿命周期内的失效模式。有了强大的数据分析平台的支持，就可以有效地做出相应的电池诊断维护策略，包括电池开路预测、失容、失水、盐化等预测，均衡策略，梯次利用策略等。

云平台应用保障了智慧电池全寿命周期管理、从智慧电池初始安装使用到报废回收整个生命周期精细化监测管理，以及维护策略，最大程度延长了电池的使用寿命，提高了使用效率，对蓄电池用户来说，节约成本，实现节能环保，具有极大的社会经济效益。只需提供用户名跟密码，用户就可以在PC 机终端应用软件（见图 5），查看电池监测、分析信息，下载电池诊断报告，以及处理结论。另一方面，通过移动网接入，在移动手持设备下载电池管理系统 APP 应用（见图 6），实现了随时随地查看电池监测信息的功能。

图5 智慧电池云平台系统 PC 软件

图6 智慧电池云平台系统移动 APP 软件

4 智慧电池以及云 BMS 在变电站运行实验

2017 年 7 月开始，2 V 300 Ah 智慧电池和云BMS 投入实验和运行阶段。以 54 只为一组，组成2 组智慧电池测试系统，如图 7、图 8 所示。从图中可以看出，电池现场安装十分精简整洁，电池极柱螺栓上没有传统的大量测试线与通信线，杜绝了由外加测试线引起的接地故障隐患。在长达 3 个多月的实验运行阶段，进行了智慧电池的核容、诊断等工作。

图7 实验室智慧电池在线运行现场

图8 变电站智慧电池组在线运行现场

在以 0.1C电流核容时放电机的设置：总终止电压 99 V，单体电压 1.8 V，时长 10 h。实际上，以 30 A 放电 10 h 截止，放出 300 Ah 容量，智慧电池组总电压 100.1 V，单体电压均值 1.87 V，最低单体电压 1.85 V，均高于放电机设置的限值，电池容量大于标称值 300 Ah（见图 9）。

图9 智慧电池 10 小时率核容放电曲线

图10 为电池组满充状态下 SOC 为 100 % 时一次诊断的欧姆内阻 R1 分布图，图 11 为 10 小时率核容后，SOC 为 0 时，一次诊断的欧姆内阻 R1 分布图。从图 10 和图 11 对比可见，电池组在满充电状态下，整组电池的欧姆内阻均值为 0.309 mΩ，最大值为 0.340 mΩ，最小值为 0.280 mΩ，电池组的整体欧姆内阻较为均衡。0.1C电流 10 小时率放电核容后，欧姆内阻均值为 0.681 mΩ，最大值为 0.980 mΩ，最小值为 0.551 mΩ。从内阻均值来看，整组电池核容放电后欧姆内阻的均值是满容状态时的 2.2 倍，符合蓄电池电阻变化特性，但是组间的欧姆内阻波动相对比较明显。考虑到测量误差的原因，在实际运行中应多次测量，进行数据对比分析，有利于筛选电池内阻一致性。如果电池是新的，对低 SOC 下内阻相对较大的电池做重点全寿命周期跟踪观测。无论电池新旧，对高 SOC 下内阻相对较大的电池都要做重点观测。然后，结合电压、温度等参数，在云平台做出诸如盐化、腐蚀等电池故障的判断，进而给出活化、均衡、更换等策略。

图10 智慧电池组 SOC 为 100 % 时欧姆内阻 R1 分布

图11 智慧电池组 SOC 为 0 时欧姆内阻 R1 分布

5 结束语

将智能数据采集模快集成内置于蓄电池壳体内的智慧电池，实现包括内阻检测等多参数辨识，并且采用 PLC 通讯和 GPRS 等现代无线通讯方式，具有以下突出优点：在完全不改变传统的电池连接方式和使用方式的情况下，不用增加任何测试线，每一只智慧电池通过其他智慧电池、智慧电池间的连接线、正直流母线和负直流母线，就可将检测到的电池本体的多维性能参数和该智慧电池的 ID 信息以电力线载波通信方式发送给电池监测数据接收设备，实现电池状态信息互联。云平台的蓄电池管理技术使得所有变电站电池能集中信息管理，使用者和管理者可以随时掌握每一只电池当前的多维状态数据，并给出诊断报告，进行均衡维护，提高了变电站直流供电系统电池维护的信息化、智能化，有利于蓄电池的使用寿命延长，提高了变电站蓄电池全生命周期的监控管理的效率。

[1] 杨忠亮, 刘平. 智能变电站站用电源系统[J]. 低压电器, 2012(13)：30-32.

[2] 汪溢, 倪辉, 黄曙, 等. 变电站测控装置运行参数统一化配置方法[J]. 广东电力, 2016, 29(3)：46-51.

[3] 卢洵, 林勇, 程鑫, 等. 广东“十三五”电源规划研究[J]. 广东电力, 2016, 29(5)：54-60.

[4] 陈凤, 郑文刚, 申长军, 等. 低压电力线载波通信技术及应用[J]. 电力系统保护与控制, 2009,37(22)：188-195.

[5] 黄世回, 王汝钢, 白海江, 等. 一种智慧蓄电池[J].蓄电池, 2016, 53(5)：233-236.

[6] 朱洪波, 杨龙祥, 朱琦. 物联网技术进展与应用[J]. 南京邮电大学学报（自然科学版）, 2011,36(1)：1-8.

[7] 钱志鸿, 王义君. 物联网技术与应用研究[J]. 电子学报, 2012, 40(5)：1023-1028．

[8] 沈鑫, 曹敏, 薛武, 等. 基于物联网技术的输变电设备智能在线监测研究及应用[J]. 南方电网技术, 2016, 10(1)：32-41.

[9] 王有元, 蔡亚楠, 王灿, 等. 基于云平台的变电站设备智能诊断系统[J]. 高电压技术, 2015, 41(12)：3895-3901.

[10] CURRAN R, WOGNUM N, BORSATO M,et al. Towards cloud big data services for intelligent transport systems[J]. Advances in Transdisciplinary Engineering, 2015 (2)：377-384.

[11] BILAL M, OYEDELE L O, QADIR J, et al. Big data in the construction industry：A review of present status, opportunities, and future trends[J].Advanced Engineering Informatics, 2016, 30(3)：500-521.

[12] CHANG V, RAMACHANDRAN M, WILLS G,et al. Editorial for FGCS special issue：Big data in the cloud[J]. Future Generation Computer Systems, 2016, 65：73-75. DOI：10.1016/j.future.2016.04.007.

[13] 梁寿愚, 胡荣, 周华锋, 等. 基于云计算架构的新一代调度自动化系统[J]. 南方电网技术, 2016,10(6)：8-14.

[14] 刘广一, 朱文东, 陈金祥, 等. 智能电网大数据的特点、应用场景与分析平台[J]. 南方电网技术,2016, 10(5)：102-110.

[15] 何恒靖, 赵伟, 黄松岭, 等. 云计算在电力用户用电信息采集系统中的应用研究[J]. 电测与仪表,2016, 53(1)：1-7.