基于SOM神经网络的蓄电池SOH快速检测研究

介绍了一种通过机器学习快速分离同组不健康电池及预测未知蓄电池健康度SOH的方法。IEC60896-22-2004和GB/T19638.2-2005标准规定了铅酸蓄电池的容量标准及检测方法。标准的容量测试方法需要使用C_(10)的电流恒流放电10个小时,试验方法在实际中难以应用于数量庞大的在用蓄电池组。研究一种基于机器学习的替代方法,对蓄电池组均衡电压后进行快速5分钟大电流充电和5分钟大电流放电,提取充放电的特征,通过SOM神经网络将每个蓄电池特征映射到二维平面,然后通过聚类分析分离不同容量性能的电池。更进一步,通过多次机器学习和按照标准方法获取真实容量,建立监督学习的训练集,利用SOM神经网络聚类中心距离或者时序相似性搜索算法用于快速评估未知电池样本的容量,准确率达96%。

阀控铅酸蓄电池测量设备的可用性评估方法

本文介绍了一种用于验证铅酸蓄电池测试设备测量内阻准确性的方法,并设计了相应的评价数学模型。IEC60896-21-2004、IEC60896-22-2004和GB/T19638.2—2005标准规定了铅酸蓄电池的内阻水平,其内阻值通常是微欧级别,对测量设备的准确度、精度和稳定性都有较高要求,本论文提出了微增量验证方法和数学计算模型,能便利、精确、快速验证蓄电池内阻测试设备是否能准确和稳定测量蓄电池内阻。本方法是在被测的任意一极附加一个已知阻值的电阻,被验证的内阻测算装置分别测量电池的原始极端间的阻值和包含电池和串接已知阻值间的阻值,将两次测量值的差值与所串接的微电阻比较。通过电池阻值大小、增量大小和设备允许误差设计了科学的数学模型,能科学的评价测量设备的准确性和稳定性。

基于精密录波技术的超大断路器性能测试系统研制

分断电流和分断时间是超大直流电流断路器的重要分断性能参数。介绍了精密录波技术在超大电流断路器开断性能测试设备中的设计和应用,包括与超大电流发生器的同步控制,对录波信号的降噪滤波和由录波数据查找动作点以计算断路器开断动作电流及动作时间。系统由直流分流器进行录波信号拾取,再由单片机控制对经过信号无源、有源相结合的滤波双电源放大电路降噪放大后的信号进行逼近式高速A-D转换并存于高速静态RAM中,再将存于RAM中裸数进行快速数字滤波后上传至计算机,完成一次完整录波并分析计算分断电流和分断时间,通过试验验证系统的有效性。