NAS

主要介绍了实验室认证认可能力的定义、要求以及近年来的发展。针对ISO17025校准实验室能力认可的换版修订做出简要介绍，提出和ISO9001的区别。实验室管理体系符合GB/T19001的要求，并不证明实验室具有出具技术上有效数据和结果的能力。梳理了申请实验室认可的流程，结合自身实验室发展的特点，重点对准备申请和已获准CNAS认可的合格评定机构的能力验证的概念、领域、频次以及作用和要求等进行了全面的分析。结合能力验证结果进行分析，指出能力验证对参与实验室和认证认可实业发展的重要性。

锂离子电池剩余使用寿命(remaining useful life, RUL)是使用者十分关心的问题，其涉及电池的更换时间和安全。针对锂离子电池的电容量非线性变化趋势，提出了一种基于自适应噪声完全集合经验模态分解与双向长短期记忆网络-Transformer的锂离子电池剩余使用寿命预测方法。首先，利用自适应噪声完全集合经验模态分解方法对锂离子电池电容量数据进行分解。其次，使用串联的双向长短期记忆神经网络和Transformer网络对分解后得到的残差序列和本征模态分量序列进行建模预测。最后，将预测的若干本征模态分量序列和残差序列进行求和，并对求和之后的最终预测数据与原始数据进行RUL预测。采用NASA公开的电池数据集对所提方法进行验证，结果表明，所提方法的平均绝对误差、均方根误差、平均绝对百分比误差和绝对误差控制分别控制在0.0173、0.0231、1.2084%和3个循环周期以内，能够有效地提高锂离子电池RUL的预测精度。

10月8日，国家电网有限公司电力物联网平台技术联合实验室通过中国合格评定国家认可委员会（CNAS）资质评审及合格评定，获得国家认可实验室CNAS资质证书，成为国内首个通过CNAS资质认可的电力物联网终端固件安全检测领域实验室。

该技术产品主要用于各种工业过程的自动控制。该产品包含中央处理器（CPU）模块，数字量、模拟量等各种工业信号的数据采集模块和通讯模块，支持IEC61131-3标准的编程语言，具备文件读写、数据高速存储等功能。该产品实现核心器件、嵌入式软件、程序编译软件全自主开发，具备完全自主可控的能力。产品的环境适应性、电磁兼容性和可靠性等指标通过了工信部赛西实验室的测试（CNAS、ilac-MRA认证）。该产品已在陆上1.5MW、陆上2.0MW、海上5MW、海上7MW等多款机型、多种场景实现了示范应用，并完成了超过100台（套）的批量应用，应用后的载荷安全性和发电性能经第三方权威机构评估，均优于应用前。经过院士专家组鉴定，该成果整体技术达到国际先进水平。

介绍剩余电流监测装置的检测报告符合性评估工作流程，包括：资料收集、样品核对、样品特征记录、检测报告评估、评估报告出具；介绍符合性评估的检测报告检查项目，包括：具备CMA 和CNAS 授权章、检测类别为型式试验、检验依据为T/CEC 703-2022、试验项目为16 项，重点检查每项试验的名称、试验方法、技术要求和检验判据的符合性；介绍了在符合性评估中容易忽视的问题、检测报告与T/CEC 703-2022 的差异处置方法、同一样品在多机构送检的检测报告评估方法和检测报告不符合整改建议。

准确预测锂离子电池剩余使用寿命(remaining useful life, RUL)对降低电池使用风险和维护设备稳定性方面具有重要意义。为了提高锂离子电池RUL预测的稳定性和结果的准确性，提出一种基于混合改进麻雀搜索算法(improved sparrow search algorithm, ISSA)与长短期记忆(long short-term memory, LSTM)神经网络的锂电池RUL预测模型。首先，用均值化方法对原始数据中的异常值进行处理。然后，结合Tent混沌映射、自适应权重以及反向学习策略和柯西变异扰动策略优化麻雀搜索算法，再利用改进麻雀搜索算法对LSTM模型的参数进行优化。最后，采用改进的混合ISSA-LSTM模型并完成RUL预测。采用NASA公开数据集对本模型进行验证。结果表明，该模型的平均绝对误差、均方根误差和平均相对百分比误差控制在0.016 47、0.022 84和1.2048%以内，能够有效地提高锂离子电池RUL的预测精度。

针对下一代高安全电池，项目组依托“适用于电力系统的高安全固态化直流电源系统开发与应用”浙江公司科技项目，研发新型无机电解质和隔膜替代目前易燃的有机电解质和隔膜，开发新型高安全固态电池。CNAS 机构测试该固态电池单体200℃烘烤，无起火爆炸，电池外短路，无起火爆炸，优于IEC 62619 规定的考核温度（85±5℃），GB/T 36276 规定的考核温度（130±2℃）。电池模块加热触发热失控时，温度达300℃，停止触发，观察1 小时，电池模块无起火爆炸。

项目属于电力系统自动化领域，来源于 2011、2012 年国网公司科技项目，是落实公司“数据管理企业、信息驱动业务”战略的基础性、关键性技术。 近年来，国网公司在电网智能化、管理精益化、服务互动化方面快速发展，配用电一体化信息融合与应用、营配业务贯通与高效衔接的重要性日益凸显。我国配用电领域应用系统多、数据分散、业务关联强，传统点对点和数据库模式的信息共享方式耗资大且不具备扩展性，难以适应数据驱动机制下的业务发展与应用升级。“总线+公共信息模型”是国际上配用电信息交互领域达成的技术共识，能有效提升互操作水平和效率，节约成本。但存在以下难题：1）信息交互实现环节多，技术相对独立、衔接困难、兼容性差，难成体系；2）系统间信息流无序、接口定制随意化，难以统一管控；3）数据模型不一致、应用场景混乱，难以融合；4）互操作过程复杂、要素多，难以评估。 从我国配用电信息交互需求和工程实际出发，项目团队历时 5 年联合攻关，实现了配用电一体化总线与互操作关键技术的重大突破：1）提出配用电信息交互技术体系和互操作全过程解决方案，解决 IEC 61968 国际标准的工程化应用难题；2）提出总线多适配器主动协同分析与自适应控制方法，解决配用电应用系统间统一信息流调度难题；3）提出配用电统一信息模型和场景化模型子集提取方法，突破多态模型数据的原生混合存取技术，实现数据的模型化管理和应用，解决配用电一体化信息建模及子集动态选配难题；4）提出总线即插即用测试方法，解决模型本体语义识别难题，研发信息交互一致性测试平台，实现对不同厂家总线产品的互操作测试以及信息互操作全过程闭环跟踪与全要素自动评价。项目申请发明专利 20 项，已授权 10 项；登记软件著作权 3 项；发表学术论文 17 篇；出版国内该领域首部学术专著；制定公司企业标准3 项。经中国电机工程学会鉴定，项目成果整体达到国际先进水平，其中在总线产品互操作测试方面达到国际领先水平。 项目核心成果已获广泛应用，开发的交互总线已应用于公司 26 省 84 城市的配电自动化工程，互操作测试平台纳入 CNAS 测试认证体系，依托研究成果参与制定 IEC61968 系列标准，项目建立的配用电信息交互技术体系，有力推动智能电网行业技术进步，显著提升了公司国际影响力。

储能电池系统的发展是推进“双碳”目标的关键所在，伴随而来的却是储能电站的安全隐患，亟需对储能电池系统的可靠性进行准确评估。为此，提出考虑多维性能衰减的储能电池运行可靠性评估方法。首先，提出了基于高斯过程的储能电池性能衰减过程电压特征量分布计算方法，计算充放电循环过程中电压特征量的概率分布，为刻画电池性能衰减提供了重要维度。然后，提出了基于多维通用生成函数的储能电池系统运行可靠性评估方法，通过电压特征量和容量的概率分布计算储能电池单体的可靠性。进而定义可考虑储能电池拓扑连接情况的串并联关系函数，计算储能电池系统整体的可靠性。最后，基于NASA储能电池数据的算例仿真表明所提方法能够实现储能电池系统可靠性的精准评估。

锂电池健康状态(state of health, SOH)可表征锂电池的老化状况，准确估算SOH对锂电池可靠运行至关重要。为解决模拟退火算法(simulated annealing, SA)和遗传算法(genetic algorithms, GA)优化的BP神经网络收敛效率低、易陷入局部最优无法到达全局最优解的问题，提出一种GA-SA-BP神经网络算法来提高SOH估算精度。首先，分析NASA公开数据集数据各个健康因子(health indicator, HI)与SOH相关性，选取与SOH相关性更高的锂电池输出电压、输出电流、容量和等压降放电时间4个HI作为BP神经网络的输入值，以提高SOH估算精度。其次，提出GA-SA-BP神经网络算法来估算SOH，通过在陷入局部最优时跳出局部最优找到全局最优解，以便进一步提高SOH估算精度。最后，NASA锂电池数据集和锂电池实验测试平台取得的结果表明，与传统BP神经网络、GA-BP神经网络和SA-BP神经网络相比，所提方案提高了SOH估算精度，在部分数据缺失的情况下仍具有效性。