一种结合锂电池管理的城市轨道交通信号系统电源健康管理方案

[目的]为满足城市轨道交通信号系统电源的可靠性、维修性和安全性要求,提高信号系统电源稳定性,需要结合锂电池管理,研究信号系统电源健康管理方案。[方法]介绍了信号系统电源健康管理方案的整体架构。分别介绍了信号系统电源健康管理系统与锂电池管理系统的架构、功能及功能实现,阐述了二者的联动内容。[结果及结论]信号系统电源健康管理系统能实时监测信号电源状态,评估各部分健康度,并预测告警。信号设备功率提升使得对高效备用储能的需求增加。锂电池管理系统监控电池的充放电电压及电流,以及温度,采取保护措施,并利用数学方法估算电池的剩余电量和剩余寿命。二者联动能有效提高信号系统电源的整体稳定性和安全性。

大功率双向DC/DC变换器电源健康管理系统设计

针对电动汽车电源输出关键部件大功率双向DC/DC变换器中超级电容和锂电池之间的电压平衡问题,当两者间的电平相等时则可以并联输出功率。提出电源健康管理系统的设计方案,系统包括电源状态监测、故障和寿命预测,在提高设备的安全性和维修保障效率等方面具有重要作用。健康管理系统选择输入输出两端的电压和电流、电解电容温度、电感温度、IGBT外壳温度、散热器温度、环境温度等作为参数,监测变换器当前状态,并采用FMEA(故障模式与影响分析)的方法分析了变换器各关键元器件的失效率,通过基于趋势拟合法的信息融合处理后可预测变换器可能发生的故障,并按严重级别排序,效果良好。

飞机供电系统的实时健康管理

采用健康管理系统在飞机飞行过程中对供电系统进行实时评估及监测是十分必要的。设计一个采用分布式参数采集、中央数据汇集及实时处理的飞机健康管理系统,该系统采用千兆以太网直连及时分复用方式,在实现高速传输电源特性参数的同时,保持了数据的同步及时序。直接利用硬件根据电源健康模型对参数进行实时处理,可完成对供电系统健康状态的评估及实时监测。

基于相似组推荐深度神经网络学习的移动电源故障预测

随着移动电源技术的快速发展,移动电源运行管理的智能化日益受到重视。文章针对传统电源故障事后维修的问题,提出了基于相似组推荐深度神经网络的电源故障预测方法。首先,基于电源参数时序信息特征,构建了相似组推荐深度神经学习网络;其次,构建了故障的相似性矩阵、故障置信图以及故障类别预测模块,实现了电源故障分组的语义推荐;最终,基于知识数据库,利用分组与融合操作预测电源健康状态,实现了电源故障的有效智能预警。