★ 黄雪松，李军，任琦，吴鹏（江苏国信淮安燃气发电有限责任公司，江苏 淮安 223211）

关键词：蓄电池；短时带载测试；动态响应；状态监测；故障预警

蓄电池是发电厂直流电源、通信电源、不间断电源（Uninterruptible Power Supply， UPS）的核心储能装置，其运行状态直接决定供电系统的安全性和稳定性。在长期浮充的条件下，蓄电池可能出现容量下降和极板老化等问题，仅依靠端电压无法准确反映电池真实健康运行状态。传统监测方法主要采用端电压检测方式对蓄电池进行状态评估，对动态运行特征感知能力有限，难以满足在线监测与智能运维需求。针对此问题，本文基于短时带载测试过程中的动态响应特征，构建了蓄电池动态响应模型与时序残差风险评估方法，通过分析带载阶段的电压变化、极化偏移以及恢复特性，实现了对蓄电池运行状态的在线识别与异常预警，并结合后备电源系统实验验证了该方法的有效性与可行性。

1   蓄电池运行状态感知与动态特征分析

1.1   短时带载测试动态响应模型

随着智能运维和无人值守系统的应用推广， 在线监测不仅需要获取稳态参数，还需要反映电池动态放电能力和内部老化特征。发电厂直流电源、通信电源，以及UPS电源设备中，蓄电池长期处于浮充运行状态。传统监测方式主要依靠静态电压判断电池运行情况，电池在浮充的条件下容易出现端电压正常而实际容量下降的情况，仅通过稳态电压难以反映蓄电池真实健康水平^[1]。

实际应用中， 现场数据采集单元由电压采样模块、电流霍尔传感器以及温度采集节点组成。由于短时带载过程中存在明显的暂态特征，电压和电流变化速度较快，因此采样系统一般采用毫秒级采样周期，以确保动态过程中的信息完整。在此基础上，将蓄电池在测试时刻t的运行状态表示为公式（1）：

式中， U_b (t)表示蓄电池端电压， I_b (t)表示带载测试电流， T_b (t)表示电池表面温度， U_b (t)表示负载投入瞬间产生的电压跌落幅值， R_b (t)表示等效内阻。该状态向量从电气特性与热特性两个维度刻画了蓄电池的运行状态，是后续健康评估与故障预警分析的数据基础。

1.2   动态响应特征建模与参数提取

蓄电池在短时负载接入瞬间会出现明显的极化效应，其端电压先快速下降，随后逐渐趋于稳定^[2]。动态响应过程能够反映蓄电池内部电化学状态变化规律，为后续健康评估与故障预警提供了依据。为描述短时带载过程中的动态响应特性，建立蓄电池动态电压计算公式，如式（2）所示。

由式（2）可知， I_b (t) R_b 欧姆内阻引起的瞬时电压下降，端电压受指数项反映极化过程的影响。R_b 与 τ_b 的数值会随着电池老化程度的扩大逐步增加，带载后的电压下降幅度加大，恢复速度变慢。随着电池使用时间的延长，极板硫化、活性物质脱落以及连接件老化会降低电池的内部导电能力，使R_b数值持续增大。负载接入时，端电压下降明显，说明电池在大电流工况下维持稳定输出的能力减弱。为提高自动化监测系统对异常电池的识别能力，需要进一步构建反映劣化趋势的综合动态特征指标，对应的动态函数定义如式（3）所示：

式中，H_b为动态健康特征因子，ΔU_b为带载测试期间的瞬态压降，ΔT_b为测试期间的温升，τ_b为动态恢复时间常数，U_r为蓄电池额定电压。该公式反映了蓄电池在动态放电过程中的导电性能、热稳定性以及内部电化学活性的变化情况。当蓄电池出现老化时，内部等效内阻增大，导致U_b增大，同时能量损耗增加会引起ΔT_b升高，极化效应增强使电压恢复速度下降，从而实现了对蓄电池劣化状态的在线识别。

2   基于短时带载测试的蓄电池性能监测与预警技术

2.1   短时带载工况下的蓄电池动态响应监测方法

短时带载测试通过在线负载装置在较短时间内向蓄电池组施加放电电流，同时连续采集单体电压、电流及温度的动态变化数据。

监测系统按照设定采样周期对运行数据进行同步采集， 并通过工业通信网络上传至监控平台， 如图1所示：

图1 蓄电池动态响应监测平台

图1中，监测平台基于带载阶段的动态响应曲线，对各单体蓄电池输出特性的离散程度及变化趋势进行分析，从而识别单体蓄电池运行状态的偏移情况^[3]。为表征蓄电池在短时负载过程中的极化累积特征，引入动态极化偏移量pi (t)为状态评价参数，表达公式如式（4）所示：

式中， P_i (t)为第i个蓄电池在测试时间内的动态极化偏移量，U_i0为加载前稳态端电压，U_i (τ)为时刻τ的实际端电压，I_i (τ)为时刻T的放电电流， R_i为第i个蓄电池的等效内阻。公式中积分项表示在整个带载阶段内，蓄电池实际输出状态与理想欧姆响应之间的累计偏差。若极板老化或活性物质利用率下降，端电压会出现更明显的附加压降，导致极化偏移量持续增大。

除了带载阶段的电压变化外，撤载后的电压恢复过程同样可以反映蓄电池的性能状态。负载切除后，健康单体的端电压能够较快回升到正常水平，而性能退化的单体电压回升速度明显慢于健康单体。根据这一特征，通过公式（5）定义恢复响应因子Q_i，实现对电池恢复能力的量化评价。

式中，Q_i为第i个蓄电池的恢复响应因子， T_r表示撤载后的恢复监测时间，U_i(t)表示恢复阶段的端电压。该公式反应了蓄电池恢复阶段电压变化速率的平均水平。当蓄电池内部离子迁移能力下降时，端电压恢复过程会明显变缓，导致恢复响应因子减小^[4]。

当某单体电池的参数长期偏离群体平均水平时，系统即可判定其存在性能异常风险。相比于传统人工核容方式，该方法测试时间短，对系统运行影响小，更适合直流电源、通信电源、UPS电源等场景中的在线监测需求。

2.2   基于时序残差演化的故障预警方法

蓄电池性能退化是一个逐步累积的过程，其运行状态不会在短时间内突然恶化。如果仅依靠单次测试结果或固定阈值进行告警，很难准确反映蓄电池的实际运行风险。为提高预警的可靠性，系统基于健康蓄电池的历史数据建立标准响应模型，将实时测试结果与模型输出进行比对，得到时序残差序列。当蓄电池运行状态正常时，残差变化幅度较小；当电池内部性能逐渐衰减时，残差会随时间逐步增大，并呈现明显的趋势性偏移^[5]。基于这一规律，定义风险演化指标wi，并通过公式（6）进行计算。

式中， W_i为第i个蓄电池的风险演化指标，E_i (t)为动态响应时序残差， λ为残差幅值权重系数， 为残差变化速率权重系数， 为风险评估时间窗口，该指标考虑了残差大小及其变化趋势。其中，E_i² (t)用于描述当前状态偏离正常模型的程度；反映残差变化速度。当蓄电池仅受到瞬时工况扰动时，残差出现短时间波动，但整体趋势变化有限，风险演化指标不会明显增加；当蓄电池内部老化持续发展时，残差幅值和增长速率会同步上升，推动wi持续增大，系统将进入高等级告警状态。该预警方式可与动力环境监测系统及远程运维平台协同运行，监测节点在完成数据采集后即可在边缘侧完成残差分析与风险计算，大幅降低了中心服务器的数据处理压力，并缩短了故障响应时间。

3   实验方案与预警效果验证

3.1   实验平台与检测方案设计

为验证基于短时带载测试的蓄电池性能监测与预警技术在实际运行条件下的应用效果，本文选取某发电厂UPS后备电源系统作为实验对象，如图2所示。

图2 UPS后备电源系统图

该UPS系统采用集中式供电结构，蓄电池组由两组阀控式铅酸蓄电池组成。系统长期处于浮充运行状态，实验期间维持正常业务负载运行，通过周期性叠加动态带载测试工况，模拟实际运行环境中的负载波动情况。

实验人为控制轻度老化单体与高内阻单体，以此模拟蓄电池不同程度的性能退化状态。本次测试周期持续15d，共完成216组带载测试数据采集。

3.2   动态检测结果分析

对比分析不同测试周期下各组蓄电池的时序残差变化情况，得到的实验结果如图3所示。

图3 不同运行状态蓄电池时序残差与偏移量变化趋势

根据图3可知，在连续六个测试周期中，正常单体蓄电池的时序残差保持在较小波动范围内， 数值在-12ns~+6ns之间变化，极化偏移量从38mV增加到58mV，整体变化幅度较小，说明正常单体在短时带载工况下动态响应稳定；异常单体的时序残差从-65ns逐步升至+128s，极化偏移量从85mV上升到245mV，呈持续上升趋势。随着运行时间增加， 异常单体的动态响应偏离健康模型程度加大， 风险演化指标明显高于正常单体。在短时带载测试下， 不同运行状态的单体之间动态响应差异明显：正常单体保持稳定， 而性能退化单体则表现出累积偏移和加速极化的特征。该结果为蓄电池早期故障识别提供了可靠依据。

实验结果表明，在短时带载条件下，蓄电池的动态响应与运行状态密切相关。正常单体在带载过程中端电压下降幅度在-12mV~+6mV之间， 变化速率较小，撤载后端电压能够迅速恢复， 各测试周期的动态响应曲线基本保持稳定；性能退化单体的端电压下降速度明显加快，电压恢复阶段延长，极化偏移量从85mV增加到245mV，时序残差随测试周期逐渐升高并偏离健康模型，反映出其内部性能在运行过程中持续衰减。

3.3   预警结果与误报情况验证

为验证本文方法预警结果的准确性， 统计实验期间产生的全部报警信息，结果如图4所示。

图4 预警效果对比图

由图4可知，传统监测方式在实验周期内共触发报警22次，其中有效报警15次，误报7次，误报率为31.8%，误报主要出现在负载波动较大的运行阶段；基于短时带载测试的监测与预警方法共触发报警18次，其中有效报警17次，仅出现1次误报，误报率为5.6%。该次误报出现在环境温度快速变化阶段，系统将温度变化引起的动态响应偏移识别为性能异常。

实验结果表明，传统监测方式平均提前发现异常时间为2.4h， 而本文所提方法可提前7.9h识别动态响应异常。即便在浮充电压尚未出现明显变化时，系统已经能够通过极化偏移量及时序残差变化识别出性能衰减趋势。综上，本文所提方法在异常识别准确性方面优于传统监测方式。

4   结束语

本文基于蓄电池组的运行特点，对短时带载测试下的蓄电池性能监测与预警方法进行了研究。该方法通过分析蓄电池在动态负载条件下的电压变化和时序残差变化趋势，实现了对电池运行状态的连续监控，并能够提前发现异常。实验结果表明，该方法能够在不停电的条件下识别蓄电池动态响应偏移，对异常的检测比传统方法更及时，同时误报率更低。对于出现性能衰减或内阻升高的单体电池，系统可以在浮充电压未出现明显异常时发出预警。该方法适用于发电厂直流电源、通信电源、UPS电源等供电系统，为蓄电池组的安全运行和运维管理提供了可靠的技术支撑。

作者简介：

黄雪松（1981-），男，江苏淮安人，高级工程师，本科，现就职于江苏国信淮安燃气发电有限责任公司，研究方向为电力系统设备的检修和运行维护。

参考文献：

[1] 栗木功, 燕春光, 孙海荣, 等. 基于多元线性回归的动车组蓄电池性能预警方法研究[J]. 机车电传动, 2025, (4) : 130 - 136.

[2] 罗棚, 吴鸿. 基于载波通信的蓄电池组运行状态监测系统设计[J]. 科技资讯, 2024, 22 (9) : 72 - 74.

[3] 姜文钊. 电动汽车用动力蓄电池电性能要求及试验方法的新旧标准内容变化分析[J]. 上海计量测试, 2025, 52 (3) : 75 - 78.

[4] 王海荣. 蓄电池远程数据采集系统设计与实现[J]. 自动化应用, 2025, 66 (4) : 239 - 242.

[5] 王昕勇, 高荣华, 钱馨, 等. 铅蓄电池低温性能影响因素探讨[J]. 蓄电池, 2026, 63 (1) : 36 - 42.

摘自《自动化博览》2026年9月刊