基于大数据的铅酸蓄电池在线SOC估计与监测系统

作     者：陈凯玥 

作者单位：湖南大学 

学位级别：硕士

导师姓名：卢继武;张勇

授予年度：2023年

学科分类：0810[工学-信息与通信工程] 0808[工学-电气工程] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0835[工学-软件工程] 081002[工学-信号与信息处理] 

主      题：电池监测系统 大数据技术 SOC估计 门控循环单元 自注意力机制 阀控式铅酸蓄电池 

摘      要：在中国移动通信产业飞速发展的背景下,通信基站的建设范围不断扩大。通信基站备用电源大多采用阀控式铅酸蓄电池(VRLA)。VRLA电池是一种密封式铅酸蓄电池,具有少维护、长寿命、低自放电等优点。通常将多个VRLA电池串联起来使用,根据需要进行组合,以满足不同基站的电力需求。基站VRLA电池经常浮充使用,由于在出厂时就存在容量差异,随着时间的推移,这种差异会逐渐扩大,导致单个电池的电压分布不均,从而加快蓄电池的老化,降低整个电池组的性能。此外,在运行过程中,如果单个电池出现故障,可能会导致整个电池组失去电力,从而造成基站电源系统的故障。因此,研发一个电池监测系统对于保障通信基站的稳定运行具有重要意义。 荷电状态(SOC)对于电池监测系统来说至关重要,精确估计电池的SOC可以防止电池过充过放,从而延长电池使用寿命。因此,本文提出了自注意力机制增强门控循环单元(Self-Attention-GRU)的SOC估计算法,通过获取输入数据的全局信息,增强数据的特征,从而更准确地估计电池的SOC。经过实验证明,这种SOC估计方法非常稳健,其平均绝对误差为0.467%,其均方根误差为0.785%,最大估计误差为3.575%。 考虑到监测系统未来能够容纳多个基站备用电池的数据,传统单一的关系型数据库无法处理如此大量的数据。因此,本文使用Emqx、Zoo Keeper、Kafka、Flume、Hadoop、Hive、Flink等大数据组件搭建了分布式的大数据平台,实时处理和存储大量基站备用电池的数据,为系统提供了更好的性能和稳定性。 本文结合深度学习与大数据技术,设计了一个基于大数据的铅酸蓄电池在线SOC估计与监测系统,该系统可以实时监测蓄电池组的状态、总电压、总电流、组SOC以及单体电池的电压、内阻、温度、SOC等参数,并根据预设的阈值判断电池是否出现异常,出现异常及时告警,确保了基站备用电池的正常运行和稳定供电。