电动汽车无线充电系统故障诊断策略研究于丰玮 --中国期刊网

字体：大中小

首页> 原创作品> 正文

电动汽车无线充电系统故障诊断策略研究于丰玮

发表时间：2020/5/9 来源：《电力设备》2020年第2期作者：于丰玮尹忠东

[导读] 摘要：为了解决无线充电系统在运行过程中可能遇到的元件损坏、短路等各种故障诊断困难的问题，以典型大功率磁耦合谐振式无线电能传输系统为研究对象，分析了系统的故障机理，建立了系统的故障模型，在此基础上，分析了故障情况下原副边母线电压电流等相关电气量与不同故障类型的特征关系，研究无线充电系统故障的诊断方法，并通过仿真最终实现了无线充电系统的故障诊断。

        （华北电力大学电气与电子工程学院北京 102206）
        摘要：为了解决无线充电系统在运行过程中可能遇到的元件损坏、短路等各种故障诊断困难的问题，以典型大功率磁耦合谐振式无线电能传输系统为研究对象，分析了系统的故障机理，建立了系统的故障模型，在此基础上，分析了故障情况下原副边母线电压电流等相关电气量与不同故障类型的特征关系，研究无线充电系统故障的诊断方法，并通过仿真最终实现了无线充电系统的故障诊断。结果表明，利用该方法可以有效判别无线充电系统的故障类型和位置，有助于提高无线充电系统运行的安全性和稳定性。
        关键词：无线充电；故障诊断；特征比较
        1 引言
        电动汽车无线充电是一种新型的能量传递技术。随着电动汽车普及度迅猛提升，在该技术大规模推向民用的同时，对于电动汽车无线充电系统稳定性、可靠性的要求也随之升高，研究如何将电力电子故障诊断技术应用到无线充电系统的故障诊断中，实现对无线充电系统中各类电力电子线路故障进行有效实时诊断，是无线充电技术走向大规模应用的一项关键步骤。作为一项前沿科技，WCS技术研究领域尚未发现一种成熟和广泛适用的故障诊断方法。而与其它的电力电子系统相比，WCS系统是多级级联的非线性系统，有着故障情况更为复杂、电力电子器件相互影响作用以及故障影响逐级放大的固有特点，依靠人工经验来检测或者使用传统电力电子系统领域的故障诊断方法很难让人完全满意。
        关于无线充电系统的故障诊断研究，文献[6]提出了基于容差参数区间估计法，这种方法对电流信号进行傅里叶分解提取有效特征量，将元件参数区间与特征量区间实现唯一的映射，实现元件参数偏移的故障定位与诊断；文献[7]提出了一种基于人工神经网络的WPT系统的故障诊断方案，并建立了一个典型WPT系统的故障库，文献[8]提出了利用电流与负载的关系来判断WPT系统是否发生故障，简单可靠，但不足之处在于无法确定故障的位置；美国 University Of Florida的Zhen Ning Low在其所著的两篇论文中提出了一种故障检测方案，但其研究内容侧重于判断电能传输装置是否被导电性或磁性物体干扰和损坏，缺乏有效手段进行系统故障的实时诊断。本文提出了一种同时比较原副边电压电流等相关电气量来进行故障诊断的方法，这种方法能有效判断故障的类型及位置，具有较高的可靠性。
        2 无线充电系统基本理论
        由于磁耦合谐振式无线充电系统基于谐振原理进行电能传输，因此工作时必须使发射线圈和接收线圈工作在谐振耦合状态。常规方法是采用耦合电容来抵消电路中的感抗值。根据发射线圈和接收线圈与其谐振电容连接的方式，耦合结构可以分为以下几种：并联-并联耦合结构、并联-串联耦合结构、串联-并联耦合结构和串联-串联耦合结构。
        3 无线充电系统故障模型
        系统正常运行时T型电路等效模型如图2所示：

        4 仿真分析
        磁路分析
        由于现有的阻抗分析仪无法测量线圈的互感值，因此在现阶段的研究多采用解析法进行计算[12]。当线圈发生轴向或径向移动时，解析法比较繁琐且精度不高。因此本文采用Ansoft有限元分析工具，对线圈在不同位置下的互感值进行了仿真计算，为减少模型剖分计算所用的时间，采用新型的圆弧连接建模方式，选取模型参数如下：匝数为16匝，外径为70cm,单匝线圈直径为6.5mm。
        5 结论
        本文以典型大功率磁耦合谐振式无线充电系统为研究对象，分析了四种不同故障类型（发射端整流电路开路、负载侧开路、发射端整流电路接地、接收端整流电路接地）下系统电压电流电气量的特征关系，利用该数值特征关系可以快速确定故障位置及故障类型，并通过仿真验证了该方法的有效性，结果表明，该方法可以有效诊断无线电能传输系统故障，有助于提高无线充电系统运行的安全性和稳定性。
        参考文献：
        [1] 罗密.大功率 ICPT 系统安全运行保障技术研究[D].重庆大学,2012.
        [2] 盛艳燕.电力电子电路故障诊断与预测技术研究[D].南京航空航天大学,2014.
        [3] 杭秋丽.模拟电路故障诊断的 BP 神经网络实现[J].科技创新导报,2009,06:9-10.