引言
随着新型电力系统和智能电网系统快速发展，变电设备是供电企业的重要资产，其安全运行成本支出既是安全供电的重要保障，又影响到企业的成本及效益。目前站用交直流系统的蓄申池组的改造年限由 10年降低为6年，缩短了蓄电池组的改造年限，存在部分变电站蓄电池组通常达不到设计运行年限且投运4年左右发生故障导致整组更换现象较多，导致需要进行整组更换增加了资产投资负担且造成了蓄电池组资源浪费。文献1一种基于资产生命周期的变电站蓄电池组运维策略研究，运用财务周期理论判定蓄电池组运维策略，对于部分更换后如何判断剩余寿命测算不足；文献2基于全寿命周期成本的配电网蓄电池储能系统的优化配置，侧重蓄电池储能各阶段成本计算来优化配置；文献3基于电池修复技术的变电站电池组管理策略，利用电池修复技术来延长蓄电池使用寿命来优化管理策略等情况，对蓄电池组寿命延长计算、全寿命周期成本估算等均有不同程度研究。
本文在新旧蓄电池混用且满足电池一致性要求上，利用人工神经网络粒子优化算法构建蓄电池剩余寿命预测模型，为部分更换后剩余寿命预测提供科学依据；在全寿命周期管理理论下，建立全寿命周期成本估算模型，并精准计算部分更换周期成本分析，为技改决策提供了周期成本支撑；建立基于大数据分析的技改决策模型，利用大数据模型处理、预测能力，形成蓄电池组部分更换决策辅助清单，为蓄电池组技改决策提供支撑。
1.建立蓄电池组技改决策模型
1.1. 建立蓄电池剩余寿命预测模型
利用PSO（优化粒子群算法）优势，将PSO（优化粒子群算法）和BP人工神经网络进行结合，建立基于PSO（优化粒子群算法）的BP神经网络蓄电池剩余寿命预测模型。
步骤1：基于HA电力公司PMS系统、数据中台和蓄电池厂家多种数据，选取蓄电池寿命影响因素的剩余容量、浮充电压、端电压、蓄电池室温度、放电电流、内阻等数据作为算法模型研究的样本数据；进入模型的详细数据特征指标如下表所示：
步骤2：确定模型的输入变量，构建模型宽表，并将数据分成训练样本和测试样本；
步骤3：设定隐含层神经元个数的值以及参数范围，建立基于PSO的BP神经网络结构；
步骤4：初始化PSO参数，根据BP神经网络中的权值和阈值初始化粒子群，并确定粒子自身和群体的历史最优位置。种群的每个粒子代表连接权值和隐含层偏差，神经网络训练样本的均方根误差作为适应度函数；
步骤5：将训练样本进入神经网络模型，计算神经网络的输出值与实际值的均方误差，得到粒子适应度，并记录当前迭代的最优值；
步骤6：更新粒子飞行的权值、粒子群飞行的速度和位置；
步骤7：将每一个粒子的位置与粒子自身和群体的历史最优位置进行对比； 如果更优，就更新相应的位置。
步骤8：判断是否达到最大迭代次数，或适应度值是否达到给定的阈值，若否，转至步骤6），否则转至步骤9）；
步骤9：输出最优的权值和阈值参数，并对神经网络模型进行训练；
步骤10：基于训练完成的神经网络模型，对测试集进行预测。
通过对应用测试集数据进行剩余寿命预测，研究发现模型的拟合效果非常的好，和实际值的误差较少，模型的精度高。模型的R2为0.959（R2值越接近1表明模型对数据拟合较好），说明模型的实测值与预测值的相关性高、数据拟合较好，模型的平均绝对百分比误差 （MAPE）为4.87%（MAPE范围[0,+∞)，MAPE 为0%表示完美模型），说明模型的准确度高，模型泛化能力相对较好，可以有效支撑蓄电池组剩余寿命的预测工作的开展。
1.2. 全寿命周期（LCC）成本估算
电网企业变电站设备资产全寿命周期成本计算从初始投入成本、设备运维成本、设备检修成本、故障处置成本、设备报废成本等，共同构成全寿命周期（LCC）成本，根据全寿命周期成本费用分解结构以及各个成本构成的计算模型，得到各个成本构成的现值，相加后即得蓄电池的LCC值。
根据LCC估算模型，构建的蓄电池设备全寿命周期成本估算模型框架如下式：
LCC=CI+ CO+ CM+ CF+ CD，其中：LCC是指蓄电池设备在全寿命周期内的总成本CI 是指初始投入成本、CO 是指运维成本、CM 是指检修成本、CF 是指故障处置成本和CD 是指报废成本。
（1）初始投资成本（CI）：技改决策方案分析对比时，取相应改造方案可研估算投资（设备从基建至改造期的成本不影响方案比较结果，因此不考虑设备基建投资至本次改造前所发生的费用）。220V电压等级/104节电池/300AH，蓄电池组购置价格为8.2万元，蓄电池架购置价格为0.6万元，安装价格为4万元，共计12.8万元。（2）运维成本(CO)=运维专业年度生产成本×（Cn/C）×T×CPIT-1
（3）检修成本(CM)。参考相关规范“经过三次全核对性放充电，蓄电池组容量均达不到其额定容量的80％以上”，说明确认蓄电池组容量出现故障，必须通过三次全核对性放充电，需要多进行两次核对性放电。多进行的2次全容量核对性放电的费用约为0.6 * 2=1.2万元。蓄电池的两种检修维护方法的价格均为1.2万元。
（4）故障处置成本（CF）=故障抢修费+停电损失费+重要用户赔偿。该部分情况极少出现，本次暂不考虑故障处置成本费用。
（5）报废成本（CD）=拆除成本－处置收入。拆除成本：委托设计单位按照电网拆除工程预算定额取值估算结果。处置收入：咨询物资管理部门，预估、测算废旧物资销售单价。蓄电池组废弃无增加的处置成本，退运的蓄电池组可进行拍卖，拍卖底价为蓄电池组价格的5％。220V电压等级、104节电池、300Ah原价12.8万，废弃成本为0.64万元。
1.3. 蓄电池组部分更换成本分析
通过应用全寿命周期成本估算模型，结合变电站蓄电池组运行情况，采用整组更换策略、部分更换策略，建立投策策略决策模型，辅助快速开展更换策略。技改策略是通过计算整组更换、部分更换的全寿命周期成本和年度平均成本，并根据年度平均成本排序，优化出蓄电池组生产技术改造最佳的投资策略方案。按照蓄电池10年的设计寿命计算得到220V/104节/300Ah蓄电池组的年平均成本为1.896万元。
表 蓄电池组整组/更换周期成本分析表
1.4. 基于大数据分析的技改决策模型
（1）数据获取与清洗。数据来源主要包括设备（资产）运维精益（PMS系统）管理系统和数据中台中的数据，数据的时间范围为截止到2022年底的全部蓄电池数据，主要属性信息包括：蓄电池生产厂家、蓄电池型号、标称容量、出厂日期、投运日期、配置方式、专业分类、所属电站、电压等级、设备状态。对数据开展标准化、空缺值和异常值处理，确保数据符合开展模型训练和调试要求。
（2）计算蓄电池组剩余寿命。在满足蓄电池组电池一致性的基本上，根据蓄电池组运行年限、更换节数预测蓄电池剩余寿命清单，得到部分更换蓄电池组剩余寿命。
（3）分析对比年平均周期成本。在蓄电池组部分更换剩余寿命基础上，结合全寿命周期成本估算各个费用，从数据中台、财务系统中抽取相关财务数据计算部分更换全寿命总成本，结合剩余寿命年限，求出部分更换年平均周期成本，再与整组更换年平均周期成本基准值1.896万元进行对比。
（4）建立蓄电池技改决策辅助清单。建立蓄电池技改决策辅助大数据模型，通过对历史变电站蓄电池组运行情况、结合蓄电池组厂家外部数据，抽取数据中台、财务系统中相关成本数据，开展变电站蓄电池组部分更换周期成本分析，计算出蓄电池组部分更换年度周期成本，与蓄电池按照运行10年220V/104节/300Ah蓄电池组的年平均成本为1.896万元进行对比分析，最终形成蓄电池组技改决策辅助清单，为变电站蓄电池组技改提供决策支撑，提高蓄电池组技改决策科学性和客观性。
变电站蓄电池技改决策结论为:（1）部分更换，运行时间为4年以内且更换节数为6节以内、运行时间为4年以上且更换节数为5节以内；（2）整组更换，除部分更换条件中运行时间、更换电池节数外。
2.典型应用
2.1. 应用基本情况
以某电力公司的某110kV变电站为例，变电站该蓄电池组已运行3.7年，对蓄电池组各节蓄电池的内阻情况进行分析发现，该蓄电池组各节蓄电池的内阻主要在500-600微欧之间，蓄电池组内各节电池的浮充电压主要在2.23V到2.27V之间，对蓄电池组开展核对性放电试验，从核对性放电试验结果发现9#，16#，27#，46#和50#电池的容量低于80%，不满足蓄电池组一致性的使用要求。需要开展蓄电池组技改决策，确定是整组更换还是部分更换。
2.2. 应用技改决策
根据110kV变电站蓄电池组运行3.7年、更换节数为3节应用基本情况，应用基于数据分析的技改决策模型决策结论，满足部分更换决策中“运行时间为4年以内且更换节数为6节以内、运行时间为4年以上且更换节数为5节以内”中的条件，符合变电站蓄电池组部分更换条件，开展变电站蓄电池组部分更换。使用变电站蓄电池组同一厂家、同一型号新蓄电池直接进行3节更换，并对更换后蓄电池组进行电池一致性检查，确保变电站蓄电池组运行负荷电池一致性要求。
利用更换后蓄电池组进行电池一致性检查数据，进行变电站蓄电池组剩余寿命预测为3.56年，资产全寿命周期成本管理的角度计算该蓄电池组进行部分更换时的成本，得到年平均成本：（0.123*5+0.8+0.8*4+1.2-0.006*5）/3.56=1.63万元，远小于年平均成本为1.896万元。
3.结论
本文建立了基于资产全寿命周期管理的蓄电池组技改决策体系，从蓄电池组部分更换剩余寿命预测、全寿命周期成本估算、蓄电池组部分更换周期成本分析和建立基于大数据分析的技改决策模型为电网行业蓄电池组技改提供了决策辅助支撑。下一步，随着蓄电池组 LCC 数据的不断丰富和PMS 运行数据的不断更新，进一步提高模型预测精准性，更好支撑电网行业变电站蓄电池组的技改决策工作，更好服务新型电力系统和更好保障电网安全稳定运行。
参考文献
[1]一种基于资产生命周期的变电站蓄电池组运维策略研究[J].科技与创新，2015,7：66-69.
[2]基于全寿命周期成本的配电网蓄电池储能系统的优化配置[J].电网技术，2015,39（1）：264-270.
[3]基于电池修复技术的变电站电池组管理策略[J].科技创新与应用，2015,8：1-4.
[4]储能技术全生命周期度电成本分析[J].热力发电，2021，50（8）：24-29.
[5]基于全寿命周期成本理论的变电设备管理[J].电网技术，2008，32（11）：50-53.
[6]数据中心不间断电源蓄电池智能预维系统及技术研究[J].信息通信技术与政策，2022，50（8）：55-63.
[7]电力系统用阀控式铅酸蓄电池组使用寿命分析[J].蓄电池，2019，56（1）：38-40.
[8]数据中心时代阀控式铅酸蓄电池安装更换的工程实践[J].通信电源技术，2019，36（1）：287-288.
[9]基于改进 BP的电力通信蓄电池寿命预测研究[J].计算机与数字工程，2021，1：213-216.
[10]粒子群优化模糊PID算法的充电策略研究[J].现代电子技术，2021：101-104.
[11]基于小生境多目标粒子群优化算法的配电网混合储能配置研究[J].电气开关，2021，06：35-41.
