CN113533965B - 一种蓄电池组性能分析平台及方法 - Google Patents

Abstract

本发明实施例公开了一种蓄电池组性能分析平台及方法，包括数据采集模块，用于持续采集蓄电池组中每节蓄电池的状态数据；核容放电模块，用于接收后台分析模块发送的控制指令，根据控制指令对蓄电池组进行核容放电操作，采集每节蓄电池进行核容放电操作过程中的核容放电试验数据；后台分析模块，用于向核容放电模块发送控制指令，获取状态数据和核容放电试验数据，从状态数据和核容放电试验数据中提取出特征参数，将特征参数输入至性能分析模型中，得到每节蓄电池的性能分析结果，对性能分析结果进行可视化展示。本发明实施例无需人工到安装现场对蓄电池组进行核定性放电试验，解决了现有技术对蓄电池组的性能进行检测的效率较低的技术问题。

Description

一种蓄电池组性能分析平台及方法

技术领域

本申请实施例涉及蓄电池组领域，尤其涉及一种蓄电池组性能分析平台及方法。

背景技术

蓄电池组，是将化学能直接转化成电能的一种装置，蓄电池组在充电的过程中，能够通过外部的电能使内部活性物质再生，把电能储存为化学能，在放电的过程中，将化学能转化为电能进行输出。目前UPS以及直流电源系统的后备电源大多数采用阀控密封式铅酸蓄电池组组成，由于阀控密封式铅酸蓄电池组在制造、储存、维护等方面的原因，经常在使用一段时间后会出现故障，也是设备中容易损坏的部件之一。蓄电池组性能下降的原因包括有以下几类：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。

目前分析蓄电池组性能的方式是对蓄电池组进行核定性放电试验，然而，对蓄电池组进行放电试验时需要人工操作，且每节蓄电池组进行放电试验的时间较长，至少也需要3～8小时，当蓄电池组的数量较多时，对蓄电池组的性能进行检测的效率较低，工作量大。

发明内容

本发明实施例提供了一种蓄电池组性能分析平台及方法，用于解决现有技术中对蓄电池组的性能进行检测的效率较低的技术问题。

第一方面，本发明实施例提供了一种蓄电池组性能分析平台，包括：

数据采集模块，用于持续采集蓄电池组中每节蓄电池的状态数据；

核容放电模块，用于接收后台分析模块发送的控制指令，根据所述控制指令对所述蓄电池组进行核容放电试验，采集所述每节蓄电池进行核容放电试验过程中的核容放电试验数据；

后台分析模块，用于向所述核容放电模块发送控制指令，获取所述状态数据和所述核容放电试验数据，从所述状态数据和所述核容放电试验数据中提取出特征参数，将所述特征参数输入至性能分析模型中，得到所述每节蓄电池的性能分析结果，对所述性能分析结果进行可视化展示。

优选的，还包括还包括在线除硫模块，所述在线除硫模块用于接收所述后台分析模块发送的除硫指令，根据所述除硫指令对所述蓄电池组进行除硫操作；

相应的，所述后台分析模块还用于：

向所述在线除硫模块发送所述除硫指令。

优选的，所述状态数据包括工作电压数据、工作电流数据、浮充电压数据以及温度数据；

相应的，所述数据采集模块包括供电单元、电压传感器、电流传感器、浮充电压传感器以及温度传感器；

所述电压传感器用于采集所述每节蓄电池的电压数据；

所述电流传感器用于采集所述每节蓄电池的电流数据；

所述浮充电压传感器用于采集所述每节蓄电池的浮充电压数据；

所述温度传感器用于采集所述每节蓄电池的温度数据；

所述供电单元用于为所述电压传感器、所述电流传感器、所述浮充电压传感器以及所述温度传感器提供工作电压。

优选的，所述核容放电模块包括试验数据采集单元、处理器单元、放电单元以及充电单元；

所述试验数据采集单元用于采集所述蓄电池组进行核容放电试验过程中所述每节蓄电池的核容放电试验数据；

所述处理器单元用于接收所述控制指令，根据所述控制指令控制所述放电单元以及所述充电单元；

所述放电单元用于对所述蓄电池组进行核容放电操作；

所述充电单元用于对所述蓄电池组进行核容充电操作。

优选的，还包括云储存模块，所述云储存模块用于对所述状态数据、所述核容放电试验数据以及所述性能分析结果进行储存。

优选的，所述核容放电试验数据包括蓄电池内阻数据以及充放电参数。

优选的，所述特征参数包括每节蓄电池相对自身浮充电压的第一离散度变量、每节蓄电池相对所述蓄电池组浮充电压的第二离散度变量、内阻变化量、均充特征参数、放电特征参数、工作电压特征参数、工作电流特征参数以及温度特征参数。

优选的，所述后台分析模块用于将所述特征参数输入至性能分析模型中，得到所述每节蓄电池的性能分析结果的具体过程为：

所述后台分析模块用于将所述第一离散度变量、所述第二离散度变量、所述内阻变化量、所述均充特征参数、所述放电特征参数、所述工作电压特征参数、所述工作电流特征参数以及所述温度特征参数输入至性能分析模型中，以使所述性能分析模型对所述第一离散度变量、所述第二离散度变量、所述内阻变化量、所述均充特征参数、所述放电特征参数、所述工作电压特征参数、所述工作电流特征参数以及所述温度特征参数进行深度学习，得到所述每节蓄电池的性能分析结果，所述性能分析模型采用所述每节蓄电池的历史特征参数以及所述每节蓄电池的历史性能分析结果对神经网络模型进行训练得到。

第二方面，本发明实施例还提供了一种蓄电池组性能分析方法，包括以下步骤：

向核容放电模块发送控制指令，以使所述核容放电模块对蓄电池组进行核容放电试验，获取所述核容放电模块在所述蓄电池组进行核容放电试验过程中采集到的每节蓄电池的核容放电试验数据；

获取数据采集模块持续采集到的蓄电池组中每节蓄电池的状态数据；

从所述状态数据和所述核容放电试验数据中提取出特征参数，将所述特征参数输入至性能分析模型中，得到所述每节蓄电池的性能分析结果，对所述性能分析结果进行可视化展示。

优选的，还包括以下步骤：

将所述状态数据、所述核容放电试验数据以及所述性能分析结果储存至云储存模块。

优选的，所述核容放电试验数据包括蓄电池内阻数据以及充放电参数。

优选的，所述特征参数包括每节蓄电池相对自身浮充电压的第一离散度变量、每节蓄电池相对所述蓄电池组浮充电压的第二离散度变量、内阻变化量、均充特征参数、放电特征参数、工作电压特征参数、工作电流特征参数以及温度特征参数。

优选的，将所述特征参数输入至性能分析模型中，得到所述每节蓄电池的性能分析结果的具体过程为：

将所述第一离散度变量、所述第二离散度变量、所述内阻变化量、所述均充特征参数、所述放电特征参数、所述工作电压特征参数、所述工作电流特征参数以及所述温度特征参数输入至性能分析模型中，以使所述性能分析模型对所述第一离散度变量、所述第二离散度变量、所述内阻变化量、所述均充特征参数、所述放电特征参数、所述工作电压特征参数、所述工作电流特征参数以及所述温度特征参数进行深度学习，得到所述每节蓄电池的性能分析结果，所述性能分析模型采用所述每节蓄电池的历史特征参数以及所述每节蓄电池的历史性能分析结果对神经网络模型进行训练得到。

优选的，还包括以下步骤：

向在线除硫模块发送除硫指令，以使所述在线除硫模块在接收到所述后台分析模块发送的所述除硫指令后，根据所述除硫指令对所述蓄电池组进行除硫操作

优选的，所述状态数据包括工作电压数据、工作电流数据、浮充电压数据以及温度数据；

所述数据采集模块通过电压传感器采集所述每节蓄电池的电压数据；

所述数据采集模块通过电流传感器采集所述每节蓄电池的电流数据；

所述数据采集模块通过浮充电压传感器采集所述每节蓄电池的浮充电压数据；

所述数据采集模块通过温度传感器用于采集所述每节蓄电池的温度数据。

所述数据采集模块通过通过供电单元为电压传感器、电流传感器、浮充电压传感器以及温度传感器提供工作电压。

优选的，所述核容放电模块通过试验数据采集单元采集所述蓄电池组进行核容放电试验过程中所述每节蓄电池的核容放电试验数据；

所述核容放电模块通过处理器单元接收所述控制指令，根据所述控制指令控制所述放电单元以及所述充电单元；

所述核容放电模块通过放电单元对所述蓄电池组进行核容放电操作；

所述核容放电模块通过充电单元对所述蓄电池组进行核容充电操作。

上述，本发明实施例提供的一种蓄电池组性能分析平台及方法，包括数据采集模块，用于持续采集蓄电池组中每节蓄电池的状态数据；核容放电模块，用于接收后台分析模块发送的控制指令，根据控制指令对蓄电池组进行核容放电操作，采集每节蓄电池进行核容放电操作过程中的核容放电试验数据；后台分析模块，用于向核容放电模块发送控制指令，获取状态数据和核容放电试验数据，从状态数据和核容放电试验数据中提取出特征参数，将特征参数输入至性能分析模型中，得到每节蓄电池的性能分析结果，对性能分析结果进行可视化展示。本发明实施例通过设置后台分析模块控制核容放电模块对蓄电池组进行核容放电操作，并从数据采集模块中获取蓄电池的状态数据以及从核容放电模块放电模块中获取核容放电试验数据，将从状态数据和核容放电试验数据中提取出特征参数输入至至性能分析模型中进行分析，得到每节蓄电池的性能分析结果，对蓄电池的性能分析由蓄电池组性能分析平台自动完成，在此过程中无需人工到蓄电池组的安装现场对蓄电池组进行核定性放电试验，节约了人力成本以及时间成本，提高了对蓄电池性能的分析效率。

附图说明

图1为本发明实施例提供的一种蓄电池组性能分析平台的结构示意图。

图2为本发明实施例提供的一种蓄电池组性能分析方法的方法流程图。

具体实施方式

以下描述和附图充分地示出本申请的具体实施方案，以使本领域的技术人员能够实践它们。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本申请的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。在本文中，各实施方案可以被单独地或总地用术语“发明”来表示，这仅仅是为了方便，并且如果事实上公开了超过一个的发明，不是要自动地限制该应用的范围为任何单个发明或发明构思。本文中，诸如第一和第二等之类的关系术语仅仅用于将一个实体或者操作与另一个实体或操作区分开来，而不要求或者暗示这些实体或操作之间存在任何实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素。本文中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的结构、产品等而言，由于其与实施例公开的部分相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

实施例一

如图1所示，图1为本发明实施例提供的一种蓄电池组性能分析平台的结构示意图，包括：

数据采集模块101，用于持续采集蓄电池组中每节蓄电池的状态数据。

核容放电模块102，用于接收后台分析模块103发送的控制指令，根据控制指令对蓄电池组进行核容放电试验，采集每节蓄电池进行核容放电试验过程中的核容放电试验数据。

后台分析模块103，用于向核容放电模块102发送控制指令，获取状态数据和核容放电试验数据，从状态数据和核容放电试验数据中提取出特征参数，将特征参数输入至性能分析模型中，得到每节蓄电池的性能分析结果，对性能分析结果进行可视化展示。

具体的，在本申请实施例中，蓄电池组中安装有数据采集模块101以及核容放电模块102，数据采集模块101以及核容放电模块102上还设置有通信单元，数据采集模块101持续采集蓄电池组中的每节蓄电池的状态数据，通过通信单元将采集到的状态数据发送至后台分析模块103中。在蓄电池组运行的过程中，后台分析模块103向核容放电模块102发送控制指令，核容放电模块102在通过通信单元接收到控制指令后，对蓄电池组进行核容放电试验，并采集每节蓄电池在进行核容放电试验过程中的核容放电试验数据，通过通信单元将采集到的核容放电试验数据发送至后台分析模块103中。需要进一步说明的是，状态数据包括有状态数据所对应的蓄电池组的编号信息，核容放电试验数据同样包括有核容放电试验数据所对应的蓄电池组的编号信息，以便于后续进行性能分析时，能够确定对应的蓄电池组。可理解，在本实施例中，通信单元的具体类型可根据实际需要进行设置，示例性的，通信单元可以采用蓝牙通信单元、GPRS通信单元以及ZigBee通信单元中的任意一种，在本实施例中不对通信单元的具体类型进行限定。

后台分析模块103在获取到核容放电试验数据后，获取状态数据，从状态数据以及核容放电试验数据中提取出每节蓄电池的特征参数，之后，将特征参数输入到到性能分析模型中进行分析学习，输出每节蓄电池的性能分析结果。在本实施例中，后台分析模块103上还设置有显示单元，在得到每节蓄电池的性能分析结果后，显示单元还对每节蓄电池的性能分析结果进行可视化展示，从而使得工作人员能够进行直观观察到性能分析结果。通过设置后台分析模块103自动对蓄电池的性能进行分析，在此过程中无需人工到蓄电池组的安装现场对蓄电池组进行核定性放电试验，节约了人力成本以及时间成本，提高了对蓄电池性能的分析效率。

图2给出了本申请实施例提供的一种蓄电池组性能分析方法的流程图，本实施例中提供的蓄电池组性能分析方法可以由蓄电池组性能分析设备执行，该蓄电池组性能分析设备可以通过软件和/或硬件的方式实现，该蓄电池组性能分析设备可以是两个或多个物理实体构成，也可以是一个物理实体构成。一般而言，该蓄电池组性能分析设备可以是电脑，手机，平板或服务器等。

如图2所示，该蓄电池组性能分析方法具体包括：

步骤201、向核容放电模块102发送控制指令，以使核容放电模块102对蓄电池组进行核容放电试验，获取核容放电模块102在蓄电池组进行核容放电试验过程中的采集到的每节蓄电池的核容放电试验数据。

在一个实施例中，核容放电模块102包括试验数据采集单元、处理器单元、放电单元以及充电单元。试验数据采集单元用于采集蓄电池组进行核容放电操作过程中每节蓄电池的核容放电试验数据。处理器单元用于接收控制指令，根据控制指令控制放电单元以及充电单元。放电单元用于对蓄电池组进行核容放电操作。充电单元用于对蓄电池组进行核容充电操作。

后台分析模块103向核容放电模块102发送控制指令，可理解，发送控制指令的方式可根据实际需要进行设置，示例性的，后台分析模块103可自动向核容放电模块102发送控制指令，也可以人为控制后台分析模块103向核容放电模块102发送控制指令。核容放电模块102的处理器单元在接收到后台分析模块103发送的控制指令，根据控制指令控制放电单元对蓄电池组进行核容放电操作，放电完毕后，控制充电单元对蓄电池组进行核容充电操作，从而完成核容放电试验。在进行核容放电试验的过程中，试验数据采集单元采集每节蓄电池的核容放电试验数据，并将数据发送至后台分析模块103中。在一个实施例中，充电单元对蓄电池组进行核容充电操作的过程为，先采用大电流对蓄电池组进行均充，待蓄电池组电流充满后，采用小电流对蓄电池组进行浮充，从而完成核容放电试验。可理解，在本实施例中，核容放电模块102中还设置有供电电源，供电电源用于为容放电试验数据采集单元、处理器单元、放电单元以及充电单元进行供电，保证核容放电模块102的正常运行。

在一个实施例中，核容放电试验数据包括蓄电池内阻数据以及充放电参数。试验数据采集单元在进行核容放电试验的过程中，采集每节蓄电池的内阻数据以及每节蓄电池的充放电参数，充放电参数包括充电截止电压、放电截止电压、充电电流以及放电电流。

步骤202、获取数据采集模块101持续采集到的蓄电池组中每节蓄电池的状态数据。

在本实施例中，数据采集模块101持续采集蓄电池组中每节蓄电池的状态数据，并将状态数据发送至后台分析模块103中。需要说明的是，在另一个实施例中，数据采集模块101以一定的时间间隔来采集状态数据。

在一个实施例中，状态数据包括工作电压数据、工作电流数据、浮充电压数据以及温度数据；

相应的，数据采集模块101包括供电单元、电压传感器、电流传感器、浮充电压传感器以及温度传感器；供电单元用于为电压传感器、电流传感器浮充电压传感器以及温度传感器提供工作电压。电压传感器用于采集每节蓄电池的电压数据。电流传感器用于采集每节蓄电池的电流数据。浮充电压传感器用于采集每节蓄电池的浮充电压数据。温度传感器用于采集每节蓄电池的温度数据。

由于蓄电池组是电力直流系统的备用电源，在市电正常的情况下，与直流母线相连接的充电装置，除了对常规负载供电外，还向蓄电池组提供恒定的浮充电压与浮充电流，从而抵消蓄电池组的自然放电过程。因此，在数据采集模块101中设置浮充电压传感器来采集蓄电池组中每节蓄电池的浮充电压数据。同时，由于环境温度过高或者过低都会对蓄电池组的性能产生影响影响，因此，在数据采集模块101中还设置有温度传感器，通过温度传感器来采集每节蓄电池的温度数据。数据采集模块101中还设置有电压传感器以及电流传感器，分别用于采集每节蓄电池的工作电压数据以及工作电流数据。为了保证数据采集模块101的正常运行，数据采集模块101中设置有供电单元，供电单元用于为电压传感器、电流传感器、浮充电压传感器以及温度传感器提供工作电压，供电单元的类型可以根据实际需要进行设置，示例性的，供电单元可以采用太阳能供电单元。

步骤203、从状态数据和核容放电试验数据中提取出特征参数，将特征参数输入至性能分析模型中，得到每节蓄电池的性能分析结果，对性能分析结果进行可视化展示。

在本实施例中，在获取到状态数据和核容放电试验数据后，从状态数据和核容放电试验数据提取出特征参数，将特征参数输入到预先训练好的性能分析模型中，性能分析模块对特征参数进行分析学习，得到蓄电池组的性能分析结果，之后，对性能分析结果进行可视化展示。

在一个实施例中，特征参数包括每节蓄电池相对自身浮充电压的第一离散度变量、每节蓄电池相对蓄电池组浮充电压的第二离散度变量、内阻变化量、均充特征参数、放电特征参数、工作电压特征参数、工作电流特征参数以及温度特征参数。

在本实施例中，电池性能的判定依据主要包括以下几点：

伴随着电池性能的恶化，每节蓄电池相对自身浮充电压的第一离散度变量将逐步变大；

伴随着电池性能的恶化，每节蓄电池相对蓄电池组浮充电压的第二离散度变量将逐步变大；

伴随着电池性能的恶化，每节蓄电池的内阻将变大；

伴随着电池性能的恶化，每节蓄电池的充放电曲线电压之差相对于电池组的其他蓄电池的值将逐步变大；

伴随着电池性能的恶化，每节蓄电池的工作电压以及工作电流将逐步下降。

温度过高或过低时，电池性能将发生恶化。

依据电池性能的判定依据，在本实施例中将每节蓄电池相对自身浮充电压的第一离散度变量、每节蓄电池相对蓄电池组浮充电压的第二离散度变量、内阻变化量、均充特征参数、放电特征参数、工作电压特征参数、工作电流特征参数以及温度特征参数作为特征参数，在获取到状态数据和核容放电试验数据后，需要从状态数据和核容放电试验数据中提取出特征参数，从而对蓄电池的性能进行分析。

在本实施例中，利用蓄电池浮充离散度的理论对浮充电压数据进行计算，从而得到每节蓄电池相对自身浮充电压的第一离散度变量以及每节蓄电池相对蓄电池组浮充电压的第二离散度变量，根据蓄电池内阻数据计算每节蓄电池的内阻变化量，根据充放电参数计算单节蓄电池均充参数以及充放电曲线电压之差相对于电池组的其他蓄电池的值，根据工作电压数据以及工作电流数据生成工作电压曲线以及工作电流曲线，计算工作电压曲线与标准工作电压曲线的电压差值，得到工作电压特征参数，计算工作电流曲线与标准工作电流曲线的电流差值，得到工作电流特征参数；根据温度数据生成温度变化曲线，根据温度变化曲线确定温度变化速率以及温度均值，得到温度特征参数。

在一个实施例中，将特征参数输入至性能分析模型中，得到每节蓄电池的性能分析结果的具体过程为：

将第一离散度变量、第二离散度变量、内阻变化量、均充特征参数、放电特征参数、工作电压特征参数、工作电流特征参数以及温度特征参数输入至性能分析模型中，以使性能分析模型对第一离散度变量、第二离散度变量、内阻变化量、均充特征参数以及放电特征参数进行深度学习，得到每节蓄电池的性能分析结果，性能分析模型采用每节蓄电池的历史特征参数以及每节蓄电池的历史性能分析结果对神经网络模型进行训练得到。

在一个实施例中，神经网络模型为卷积神经网络模型，对卷积神经网络模型进行训练的过程为：获取蓄电池的历史状态数据以及历史核容放电试验数据，从历史状态数据以及历史核容放电试验数据中提取出历史特征参数，将历史特征参数以及每节蓄电池的历史性能分析结果作为训练样本输入到卷积神经网络模型中，使用反向误差传播法对卷积神经网络模型进行训练，直至卷积神经网络模型的输出的误差小于误差阈值，得到训练好的卷积神经网络模型，即性能分析模型。之后，将第一离散度变量、第二离散度变量、内阻变化量、均充特征参数、放电特征参数、工作电压特征参数、工作电流特征参数以及温度特征参数输入至性能分析模型中，即可得到蓄电池的性能分析结果。

在本实施例中，性能分析模型具有自适应学习功能，当蓄电池进行了全容量或半容量核对性放电试验时，性能分析模型将更换训练样本重新对自身进行训练，形成新的性能分析模型。同时，对于不同型号的蓄电池组，性能分析模型同样能够更换对应的蓄电池组的训练样本进行训练，从而使得性能分析模型能够对不同型号的蓄电池组的性能进行分析，通过自适应学习来扩大自身的适用范围。

在上述实施例的基础上，还包括以下步骤：将状态数据、核容放电试验数据以及性能分析结果储存至云储存模块。

在一个实施例中，蓄电池组性能分析平台还包括有云储存模块，云储存模块用于对状态数据、核容放电试验数据以及性能分析结果进行储存，工作人员需要时可随时从云储存模块中调用状态数据、核容放电试验数据以及性能分析结果，即使在本地的数据丢失时，也可以随时从云储存模块中恢复数据，保证数据的安全性。在一个实施例中，云储存模块对状态数据、核容放电试验数据以及性能分析结果进行加密储存，工作人员只有输入正确的密码，才能够从云储存模块中读取数据，进一步提高了数据的安全性。

在上述实施例的基础上，还包括以下步骤：

向在线除硫模块发送除硫指令，以使在线除硫模对蓄电池组进行除硫操作。

在一个实施例中，还包括在线除硫模块，在线除硫模块用于接收后台分析模块103发送的除硫指令，根据除硫指令对蓄电池组进行除硫操作；相应的，后台分析模块103还用于：向在线除硫模块发送除硫指令。

由于蓄电池组是备用电源，往往只处于浮充状态，很少使用，因些蓄电池组久而久之硫化会越来越严重，导致蓄电池过早的报废。因此需要对蓄电池组进行除硫操作，去除蓄电池组的硫化现象，延长了蓄电池的使用时间。在本实施例中，当需要进行在线除硫时，后台分析模块向在线除硫模块发送除硫指令，在线除硫模块在接收到除硫指令后，根据除硫指令对蓄电池组进行除硫操作。可理解，在本实施例中，除硫指令的发送方式可以由人工控制后台分析模块发送，也可以由后台分析模块自动发送。

上述，本发明实施例通过设置后台分析模块控制核容放电模块对蓄电池组进行核容放电操作，并从数据采集模块中获取蓄电池的状态数据以及从核容放电模块放电模块中获取核容放电试验数据，将从状态数据和核容放电试验数据中提取出特征参数输入至至性能分析模型中进行分析，得到每节蓄电池的性能分析结果，对蓄电池的性能分析由蓄电池组性能分析平台自动完成，在此过程中无需人工到蓄电池组的安装现场对蓄电池组进行核定性放电试验，节约了人力成本以及时间成本，提高了对蓄电池性能的分析效率。

注意，上述仅为本发明实施例的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明实施例不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明实施例的保护范围。因此，虽然通过以上实施例对本发明实施例进行了较为详细的说明，但是本发明实施例不仅仅限于以上实施例，在不脱离本发明实施例构思的情况下，还可以包括更多其他等效实施例，而本发明实施例的范围由所附的权利要求范围决定。

Claims (5)

1.一种蓄电池组性能分析平台，其特征在于，包括：

数据采集模块，用于持续采集蓄电池组中每节蓄电池的状态数据；

核容放电模块，用于接收后台分析模块发送的控制指令，根据所述控制指令对所述蓄电池组进行核容放电试验，采集所述每节蓄电池进行核容放电试验过程中的核容放电试验数据；

后台分析模块，用于向所述核容放电模块发送控制指令，向在线除硫模块发送除硫指令，获取所述状态数据和所述核容放电试验数据，从所述状态数据和所述核容放电试验数据中提取出特征参数，其中，所述特征参数包括每节蓄电池相对自身浮充电压的第一离散度变量、每节蓄电池相对所述蓄电池组浮充电压的第二离散度变量、内阻变化量、均充特征参数、放电特征参数、工作电压特征参数、工作电流特征参数以及温度特征参数，将所述特征参数输入至性能分析模型中，得到所述每节蓄电池的性能分析结果，所述性能分析模型采用所述每节蓄电池的历史特征参数以及所述每节蓄电池的历史性能分析结果对神经网络模型进行训练得到，所述神经网络模型为卷积神经网络模型，所述卷积神经网络模型的训练的过程为：获取蓄电池的历史状态数据以及历史核容放电试验数据，从历史状态数据以及历史核容放电试验数据中提取出历史特征参数，将历史特征参数以及每节蓄电池的历史性能分析结果作为训练样本输入到卷积神经网络模型中，使用反向误差传播法对卷积神经网络模型进行训练，直至卷积神经网络模型的输出的误差小于误差阈值，得到训练好的卷积神经网络模型，对所述性能分析结果进行可视化展示；其中，性能分析模型具有自适应学习功能，当蓄电池完成全容量或半容量核对性放电试验时，性能分析模型更换训练样本重新对自身进行训练，形成新的性能分析模型；

在线除硫模块，用于接收所述后台分析模块发送的除硫指令，根据所述除硫指令对所述蓄电池组进行除硫操作；

云储存模块，用于对所述状态数据、所述核容放电试验数据以及所述性能分析结果进行储存。

2.根据权利要求1所述的一种蓄电池组性能分析平台，其特征在于，所述状态数据包括工作电压数据、工作电流数据、浮充电压数据以及温度数据；

相应的，所述数据采集模块包括供电单元、电压传感器、电流传感器、浮充电压传感器以及温度传感器；

所述电压传感器用于采集所述每节蓄电池的电压数据；

所述电流传感器用于采集所述每节蓄电池的电流数据；

所述浮充电压传感器用于采集所述每节蓄电池的浮充电压数据；

所述温度传感器用于采集所述每节蓄电池的温度数据；

所述供电单元用于为所述电压传感器、所述电流传感器、所述浮充电压传感器以及所述温度传感器提供工作电压。

3.根据权利要求2所述的一种蓄电池组性能分析平台，其特征在于，所述核容放电模块包括试验数据采集单元、处理器单元、放电单元以及充电单元；

所述试验数据采集单元用于采集所述蓄电池组进行核容放电试验过程中所述每节蓄电池的核容放电试验数据；

所述处理器单元用于接收所述控制指令，根据所述控制指令控制所述放电单元以及所述充电单元；

所述放电单元用于对所述蓄电池组进行核容放电操作；

所述充电单元用于对所述蓄电池组进行核容充电操作。

4.一种蓄电池组性能分析方法，其特征在于，包括以下步骤：

向核容放电模块发送控制指令，以使所述核容放电模块对蓄电池组进行核容放电试验，获取所述核容放电模块在所述蓄电池组进行核容放电试验过程中采集到的每节蓄电池的核容放电试验数据；

获取数据采集模块持续采集到的蓄电池组中每节蓄电池的状态数据；

从所述状态数据和所述核容放电试验数据中提取出特征参数，其中，所述特征参数包括每节蓄电池相对自身浮充电压的第一离散度变量、每节蓄电池相对所述蓄电池组浮充电压的第二离散度变量、内阻变化量、均充特征参数、放电特征参数、工作电压特征参数、工作电流特征参数以及温度特征参数，将所述特征参数输入至性能分析模型中，得到所述每节蓄电池的性能分析结果，其中，包括将所述第一离散度变量、所述第二离散度变量、所述内阻变化量、所述均充特征参数、所述放电特征参数、所述工作电压特征参数、所述工作电流特征参数以及所述温度特征参数输入至性能分析模型中，以使所述性能分析模型对所述第一离散度变量、所述第二离散度变量、所述内阻变化量、所述均充特征参数、所述放电特征参数、所述工作电压特征参数、所述工作电流特征参数以及所述温度特征参数进行深度学习，得到所述每节蓄电池的性能分析结果，所述性能分析模型采用所述每节蓄电池的历史特征参数以及所述每节蓄电池的历史性能分析结果对神经网络模型进行训练得到，所述神经网络模型为卷积神经网络模型，所述卷积神经网络模型的训练的过程为：获取蓄电池的历史状态数据以及历史核容放电试验数据，从历史状态数据以及历史核容放电试验数据中提取出历史特征参数，将历史特征参数以及每节蓄电池的历史性能分析结果作为训练样本输入到卷积神经网络模型中，使用反向误差传播法对卷积神经网络模型进行训练，直至卷积神经网络模型的输出的误差小于误差阈值，得到训练好的卷积神经网络模型，对所述性能分析结果进行可视化展示；

性能分析模型具有自适应学习功能，当蓄电池完成全容量或半容量核对性放电试验时，性能分析模型更换训练样本重新对自身进行训练，形成新的性能分析模型；

向在线除硫模块发送除硫指令，以使所述在线除硫模块根据除硫指令对所述蓄电池组进行除硫操作；

将所述状态数据、所述核容放电试验数据以及所述性能分析结果储存至云储存模块。

5.根据权利要求4所述的一种蓄电池组性能分析方法，其特征在于，所述核容放电试验数据包括蓄电池内阻数据以及充放电参数。