买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天生桥二级水力发电有限公司

摘要：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。

主权项：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。

全文数据：

权利要求：

百度查询： 天生桥二级水力发电有限公司 一种蓄电池组性能分析平台及方法