论文摘要
直流系统(DC system)作为电力系统中继电保护装置、断路器电磁机构、照明装置以及信号装置等重要负载的不停电供电电源,其供电的可靠性直接影响发电厂和变电站的安全运行。蓄电池作为直流系统中的最后保障,在供电的安全性方面有着极其重要的作用。本文主要对直流系统的蓄电池运行参数在线监测、蓄电池的并网放电以及蓄电池故障预测进行了深入的研究。为保证直流系统电源的可靠性,必须对蓄电池运行参数进行全面的在线测量。针对单体电池电压在线测量,本文给出了基于分压电路和有源二阶低通滤波器的测量方法；针对单体电池内阻在线测量,采用了小电流放电的直流测量方法；考虑到用户的不同需求,分别设计了有线通信与无线通信两种方式,给出了系统硬件和软件设计方案。为了确认蓄电池和测量蓄电池的容量,必须定期对蓄电池进行放电实验。本文提出了一种新型的蓄电池并网放电方法,以克服了常规方法的缺点,采用移相控制全桥零电压开关PWM(脉冲宽度调制,Pulse Width Modulation)变换、高频SPWM(正弦波脉冲宽度调制,Sinusoidal Pulse Width Modulation)逆变及PID控制算法等技术,实现了蓄电池的恒流放电,既能精确计算蓄电池的容量,又能将蓄电池释放的能量以正弦电流回馈给电网,从而减少能源消耗,改善工作环境,试运行结果表明,该方法具有输出功率因数高,对电网谐波污染小等优点。在交流停电时,作为直流系统中的后备电源,直流系统的安全运行将受到蓄电池非正常失效的严重影响。本文在对现有的灰色预测模型进行深入研究的基础上,提出了一种以蓄电池容量为特征量的基于BP(反向传播,Back Propagation)神经网络灰色残差模型的蓄电池故障灰色预测改进模型,避免了传统容量试验所带来的弊端,为判断蓄电池故障是否存在提供依据。大量预测实例表明,本文所提出的基于BP神经网络灰色残差模型的蓄电池故障灰色预测改进模型比单一使用BP神经网络算法或传统的GM(1,1)预测模型具有更高的模型精度,能够满足工程需要。