3 系統軟件設計

　　3.1系統軟件流程

　　系統軟件部分采用NI公司推出的一套面向測控領域的軟件開發平臺：Labwindows/CⅥ 來進行開發。LabWin-dows/CVI是National Instruments公司（美國國家儀器公司，簡稱NI公司） 推出的交互式C語言開發平臺。LabWin-dows/CVI將功能強大、使用靈活的C語言平臺與用于數據采集分析和顯示的測控專業工具有機地結合起來，利用它的集成化開發環境、交互式編程方法、函數面板和豐富的庫函數大大增強了c語言的功能，為熟悉C語言的開發設計人員編寫檢測系統、自動測試環境、數據采集系統、過程監控系統等應用軟件提供了一個理想的軟件開發環境。

　　系統軟件主程序部分的流程圖如圖3所示。

　　圖3 主程序流程圖

　　3.2軟件部分的主要算法及功能

　　3.2.1蓄電池智能充放電算法的確定

　　正確合理的充放電可有效地延長蓄電池的使用壽命，本系統內置了蓄電池充放電算法的數據模型，利用下位機采集上傳的數據自動生成容量對應曲線與之進行比較運算，用于確定下位機對蓄電池的充放電的管理，從而實現了蓄電池的智能充放電功能。

　　蓄電池智能充放電算法很多，本系統采用的算法是：神經網絡算法。

　　神經網絡算法是利用計算機來模擬大腦信號處理過程的人工智能技術，由大量簡單的神經元廣泛連接形成復雜的非線性系統，對采集數據進行自動歸納，從中獲取這些數據的內在規律。蓄電池是一個高度非線性系統，通常很難對其充放電過程建立合理準確的數學模型。所以，在給出外部激勵的條件下，神經網絡算法能夠利用神經網絡的學習能力和并行結構模擬電池非線性特性來估計SOC值。

　　SOC估計采用典型的三層神經網絡，其中輸入、輸出層的神經元個數由實際系統需要決定，中間層神經元個數取決于系統復雜度及分析精度要求。在神經網絡法中，系統輸入量包括電池電壓、環境溫度、充放電電流、電池內阻、累積放出電量等。輸入量類型、數量是否選擇合適會直接影響到方法模型的計算量和準確性。

　　3.2.2數字濾波算法

　　根據本系統采集精度較高、被采集的模擬量變化緩慢的特點，采取了中值濾波法來從采樣數據列中提取出逼近真值的數據。中值濾波是對某一被測參數連續采樣N次（一般N取奇數），然后把N次采樣值從小到大，或從大到小排隊，再取其中間值作為本次采樣值。中值濾波對于去掉偶然因素引起的波動或采樣器不穩定而造成的誤差所引起的脈沖干擾比較有效，可對電流、電壓、溫度等數據進行多周期采樣，每次采樣后和有效采樣值比較，如果變化幅度不超過一定幅值，采樣有效；否則視為無效放棄。

　　4 抗干擾措施

　　由于系統中存在功率較大的設備，而且具有一定的電磁干擾，干擾一旦串入系統，輕則會引起誤報，嚴重時就會導致整個系統癱瘓，甚至造成重大事故。本系統從硬件和軟件兩方面采取了抗干擾措施，從而保證了監控系統的可靠運行。

　　在硬件方面，利用光耦合器件對單片機與各種傳感器、開關、執行機構隔離開來，以防止串模干擾，同時在電源進線端加去耦電容，削弱各類高頻干擾，以提高硬件的抗干擾性。

　　在軟件方面，利用了DS80C320提供的內部可編程硬邏輯看門狗來保證程序的安全性。

　　5 結語

　　與常規的電源系統相比，通信電源系統應能自動、連續、實時地監控所有變、配電設備的運行/故障狀態和運行參數，還應具有故障的自動應急處理能力。實踐證明， 基于DS80C320的通信電源監控系統性能優良，完全滿足電源系統穩定性高的要求，具有很好的抗干擾能力，保證了整個智能建筑安全、可靠地運行。