王 劍，劉英男，李志勇，王 圣

故障錄波在車樁網(wǎng)安全方面的應用研究

王 劍1，劉英男2，李志勇1，王 圣1

(1.山東山大電力技術股份有限公司，山東 濟南 250001；2.山東大學電氣工程學院，山東 濟南 250061)

設計了一種基于故障錄波器的電動汽車充電安全預警系統(tǒng)，采用故障錄波裝置采集實時數(shù)據(jù)，并將數(shù)據(jù)上傳至監(jiān)控平臺，監(jiān)控平臺對數(shù)據(jù)進行分析計算，提前預警電動汽車充電過程缺陷。通過對電動汽車充電過程分析，建立監(jiān)測信息模型，提取電動汽車充電缺陷特征量，用于缺陷預警，通過對監(jiān)測信息和特征量計算，識別設備溫度和電壓是否存在異常。充電樁故障錄波裝置作為獨立于充電樁和電動汽車的第三方裝置，一方面監(jiān)控電動汽車及充電裝置的運行狀態(tài)，另一方面通過智能算法對電動汽車充電過程和故障過程中的信息進行分析、比較，保護充電裝置，提高充電樁安全運行水平。

故障錄波；電動汽車；充電樁；故障預警；相關系數(shù)；時間序列

0 引言

2019年以來，在人類交通活動日益增長與能源供需及氣候變化問題之間矛盾日益凸顯的情況下，電動汽車及充電樁成為全球汽車產(chǎn)業(yè)發(fā)展的熱點領域[1]。在2013至2019年中國電動車充電樁數(shù)量呈現(xiàn)快速增長，在2016年呈現(xiàn)200%的增速[1]。未來隨著全球新能源車型特別是純電動車型不斷增多，新能源汽車產(chǎn)量將出現(xiàn)爆發(fā)式增長，到2018年國內(nèi)新能源汽車產(chǎn)量將達到127萬輛以上，其中2014年的增長速率達到200%的速度[1-2]。

在電動汽車和充電樁高速增長的情況下，新能源汽車安全事故呈現(xiàn)多發(fā)態(tài)勢，多起事件讓人民大眾對新能源車的安全性再度擔憂，成為行業(yè)發(fā)展的難題。隨著保有量增加，過去幾年，我國電動汽車起火事故逐年增加，從2014年之前的每年不到10起增加至2018年的40起[2-5]。

從起火原因來看，因充電導致的起火事故共5起，占比50%之多，成為起火事故的第一誘因；其次是碰撞起火和行駛中自燃各兩起，各占20%。電動汽車不管是充電狀態(tài)、行駛中還是靜置，均有起火事故的發(fā)生[2-5]。電動汽車充電安全問題已滲入到充電過程的各個環(huán)節(jié)，必須引起足夠的重視。

電動汽車的核心技術是其能量轉(zhuǎn)換系統(tǒng)，這一層面上面臨著電池技術上的突破，由于路況、技術等方面的原因，蓄電池作為電動汽車的薄弱環(huán)節(jié)，是故障的多發(fā)點，也是故障診斷的重點。充電過程中對于設備絕緣、極限溫升、表面允許溫度、保護接地電阻連續(xù)性以及動力電池各項參數(shù)等的安全可靠性監(jiān)測，能夠有效防止由于絕緣喪失、漏電或者單體電池失效等可能導致的人員觸電、設備短路甚至起火等事故[5-6]。

本文通過設計一種基于故障錄波器的電動汽車充電安全預警系統(tǒng)，通過故障錄波裝置采集電動汽車和充電樁的數(shù)據(jù)，搭建電動汽車充電安全數(shù)據(jù)信息模型，提取電動汽車電池單體、電池箱和充電樁功率模塊缺陷特征量，基于數(shù)據(jù)統(tǒng)計分析方法，提前預警電動汽車和充電樁缺陷。

1 原理分析

電力故障錄波是一種基于故障錄波信息的調(diào)度端電網(wǎng)故障診斷系統(tǒng)。故障錄波器已廣泛用于電力系統(tǒng)，可在系統(tǒng)發(fā)生故障時，自動、準確地記錄故障前后各種電氣量的變化情況，通過對這些電氣量的分析和比較，對分析處理事故、判斷保護裝置是否正確動作、提高電力系統(tǒng)安全運行水平有著重要作用[6]。

電動汽車充電是電能變換過程，可以看作小型的電氣系統(tǒng)。故障錄波模塊對電動汽車充電過程中的信息進行采集，并在充電樁故障時，自動準確記錄故障前后各種電氣量的變化情況和相關報文數(shù)據(jù)，通過這些信息的分析、比較，對分析處理事故、判斷保護是否正確動作、提高充電樁安全運行水平均有著重要作用。

2 電動汽車充電監(jiān)測信息模型及缺陷特征量提取

電動汽車電池采用鋰電池、鉛酸電池等，本文以鋰電池為研究對象，進行缺陷故障特征量提取。

2.1 電動汽車充電過程監(jiān)測信息模型

文獻[7]提出電動汽車充電設施監(jiān)控系統(tǒng)應提供完善的配電監(jiān)控、充電監(jiān)控、安全防護監(jiān)控等功能，完成對充電設備、配電設備及其他設備的集中監(jiān)視和控制管理[7]。

根據(jù)現(xiàn)場實踐和理論分析，電動汽車充電樁充電過程中需監(jiān)測的信息包括以下方面：

(1) 交流充電樁、直流充電樁電氣量和開關量、充電樁運行環(huán)境數(shù)據(jù)，通過充電樁數(shù)據(jù)接口獲??；

(2) 電動汽車電池數(shù)據(jù)，通過BMS電池管理系統(tǒng)獲?。?/p>

(3) 配電系統(tǒng)、充電站的供電數(shù)據(jù)，通過配電室電表進行采集。

電動汽車充電過程信息來源分為交流充電樁、直流充電樁、電動汽車、配電信息。

表1 信息模型

2.2 電動汽車電池單體缺陷特征量提取

電動汽車電池單體故障[8-11]包括以下方面：

(1) 由于過充、過放、溫度過高或者過低導致單體老化，此時電池充電時電壓上升很快，溫度上升快；

(2) 電池單體差異大，最終導致單體電池故障；

(3) 由于過充、高溫或潮氣進入電池導致的單體膨脹；

(4) 過充、過放、過溫導致的電池內(nèi)部短路或熱失控。

針對電池故障特征，建立電動汽車電池充電過程特征量信息，如表2所示。

表2 電池單體監(jiān)控特征量

2.3 電動汽車電池箱缺陷特征量提取

電動汽車電池箱缺陷包括[8-11]以下方面：

(1) 由于腐蝕或裝配缺陷導致的連接器故障；

(2) 由于機械振動或過溫導致保險絲故障；

(3) 由于機械振動或過溫導致的絕緣老化。

針對電池箱故障特征，建立電動汽車電池箱充電過程特征量信息，如表3所示。

表3 電池箱缺陷監(jiān)控特征量

2.4 直流充電樁功率模塊缺陷特征量提取

文獻[12]調(diào)研了14家直流充電樁設備生產(chǎn)廠家的運行情況，其中充電樁功率模塊故障包括[12-14]：

(1) 模塊故障導致的直流母線電壓值、電流值不準確；

(2) 模塊損壞導致的線路短路或斷路、溫度過高。

針對充電樁故障特征，建立電動汽車充電樁功率模塊充電過程特征量信息，如表4所示。

表4 充電樁功率模塊缺陷監(jiān)控特征量

3 電動汽車充電過程缺陷預警算法

通過分析電動汽車電池單體、電池箱和直流充電樁功率模塊充電過程中的缺陷以及相應特征量，通過多源數(shù)據(jù)統(tǒng)計分析，提前預警電動汽車充電過程故障，保障電動汽車充電安全。

3.1 基于統(tǒng)計分析的溫度異常預警

監(jiān)測電動汽車電池單體、電池箱和充電樁功率模塊溫度，計算設備溫升和相對溫差。設置各個模塊的溫度預警閾值，獲取當前時刻監(jiān)測數(shù)據(jù)后，首先判斷是否超出告警閾值，如未超限值，則計算溫升，通過溫升和相對溫差判斷設備是否正常，溫度異常預警算法流程如圖1所示。

圖1 溫度異常預警算法流程

溫升及相對溫差計算公式采用文獻[15]中規(guī)定計算，計算如式(1)和式(2)所示。

3.2 基于相關系數(shù)的電池單體異常預警

由于電池出廠時不一致，長時間運行導致單體差異越來越大，最終導致單體電池故障。單體在電池組充電過程中，每個單體的最高電壓max、最低電壓min和溫度應保持基本一致，通過計算同一時刻各電池單體之間的差異相關系數(shù)，用于識別電池單體異常。

電池單體a、b和c狀態(tài)量用向量表示。

a=[amax,amin,a] (3)

b=[bmax,bmin,b] (4)

c=[cmax,cmin,c] (5)

式中，a、b、c為電池單體a、b和c的狀態(tài)向量，狀態(tài)向量由單體最高電壓、單體最低電壓和溫度表示。

相關系數(shù)可有效表達變量間的線性關系，從而準確判斷變量間的相似性[16]。各電池單體間的相關系數(shù)為

3.3 基于時間序列的電動汽車充電缺陷預警

分析故障錄波采集的監(jiān)控歷史數(shù)據(jù)和電動汽車充電過程記錄的故障時刻電氣量波形可知，該時間序列具有周期性，采用ARIMA模型對電動汽車充電過程電氣量進行預測，提前預警，故障發(fā)生前停止充電。本文對電動汽車充電過程中充電電壓、充電電流進行時間序列預測。

ARIMA模型是目前應用較廣泛的時間序列分析方法，最早由Box和Jenkins于1970年提出[17-18]。其基本思路是：利用差分方法對原始時間序列進行平穩(wěn)化，通過平穩(wěn)序列自相關與偏自相關函數(shù)的特性，判斷模型的類型以及模型階數(shù)和未知參數(shù)，之后對模型的有效性進行檢驗，最終對未來的時間序列進行分析預測。

采用ARIMA(,,)模型進行預測，其代表對非平穩(wěn)的隨機序列變量進行次差分處理后，得到電壓和電流平穩(wěn)序列。之后，將平穩(wěn)序列擬合為ARMA(,)模型，該模型的表達式為

將故障錄波器獲取的充電過程中的電壓和電流歷史數(shù)據(jù)輸入模型，訓練得到電壓和電流的模型參數(shù)。根據(jù)閾值設定，判斷下一時刻的電壓和電流是否超限，故障錄波平臺提前進行預警。

圖2 基于時間序列的電動汽車充電預警流程

4 工程實現(xiàn)

電動汽車充電安全預警系統(tǒng)由嵌入式錄波模塊和錄波監(jiān)控平臺兩部分組成，系統(tǒng)架構(gòu)如圖4所示。

圖3 系統(tǒng)架構(gòu)

4.1 嵌入式錄波模塊

嵌入式錄波模塊作為一個單獨模塊，安裝于充電樁內(nèi)部，但獨立于充電樁設備本身，采用高可靠性防水、防火、防爆不銹鋼外殼，采集充電樁和充電車輛各數(shù)據(jù)信息。模塊自身帶大容量緩存，可就地存儲錄波數(shù)據(jù)，也可以通過以太網(wǎng)與充電樁錄波監(jiān)視平臺聯(lián)網(wǎng)，將記錄數(shù)據(jù)上傳至監(jiān)視平臺。

嵌入式錄波硬件架構(gòu)如圖4所示，充電樁錄波裝置具備核心控制器。控制器具備軟件調(diào)試JTAG接口，同時通過防水接頭分別與電動汽車和充電樁連接，獲取相應的模擬信號、開關量信號、通信數(shù)據(jù)和外設數(shù)據(jù)。

圖4 錄波模塊硬件架構(gòu)

4.2 電動汽車充電錄波監(jiān)控平臺

錄波監(jiān)控平臺通過以太網(wǎng)與各充電樁錄波裝置實時通信，可以實時在線監(jiān)控充電過程。并通過大數(shù)據(jù)分析，結(jié)合事故案例異常數(shù)據(jù)，作出故障預警。

錄波監(jiān)視平臺功能包括以下方面：

(1) 實時監(jiān)控，實時記錄充電過程中的各項數(shù)據(jù)；

(2) 離線分析，通過對故障錄波信息分析比較，分析事故原因，判斷保護裝置是否正確動作；

(3) 故障預警，通過對電動汽車及充電樁的數(shù)據(jù)采集和分析以及故障過程中的錄波，提前預警故障隱患。

5 結(jié)論與展望

提出了一種故障錄波的電動汽車充電過程安全預警系統(tǒng)，通過搭建信息模型，提取缺陷特征量，采用統(tǒng)計分析、相關系數(shù)和時間序列模型算法，預警電動汽車充電狀態(tài)。綜合狀態(tài)量分析判斷電動汽車充電是否存在異常，及時發(fā)現(xiàn)潛在缺陷。該系統(tǒng)應用于充電站現(xiàn)場，能夠提取預警，提高了運維檢修效率，保障了充電樁及電動汽車的安全運行。

隨著電動汽車充電過程故障錄波安全預警系統(tǒng)的不斷深化，故障錄波裝置可接入多個充電站的配電信息，通過與配電網(wǎng)自動化等系統(tǒng)相結(jié)合，研究優(yōu)化的調(diào)控策略，對區(qū)域內(nèi)的充電設施進行調(diào)控，在有效利用電網(wǎng)資源的同時，減少對電網(wǎng)的影響。

[1] 王鑫, 周步祥, 唐浩. 考慮用戶因素的電動汽車有序充放電控制策略[J]. 電力系統(tǒng)保護與控制, 2018, 46(4): 129-137.

WANG Xin, ZHOU Buxiang, TANG Hao. A coordinated charging/discharging strategy for electric vehicles considering customers’ factors[J]. Power System Protection and Control, 2018, 46(4): 129-137.

[2] 胡道棟, 楊校輝, 克瀟, 等.充電樁群控操作管理單元的設計與實現(xiàn)[J]. 電力系統(tǒng)保護與控制, 2018, 46(20): 135-141.

HU Daodong, YANG Xiaohui, KE Xiao, et al. Design and implementation of charging pile group operation management unit[J]. Power System Protection and Control, 2018, 46(20): 135-141.

[3] 王俊霞, 陳志剛, 郭葳, 等. 電動汽車換電智能監(jiān)控系統(tǒng)的改進[J]. 電力系統(tǒng)保護與控制, 2018, 46(10): 81-87.

WANG Junxia, CHEN Zhigang, GUO Wei, et al. Modification of intelligent monitoring system for EV battery swap station[J]. Power System Protection and Control, 2018, 46(10): 81-87.

[4] 周逢權(quán), 連湛偉, 王曉雷, 等. 電動汽車充電站運營模式探析[J]. 電力系統(tǒng)保護與控制, 2010, 38(21): 63-66, 71.

ZHOU Fengquan, LIAN Zhanwei, WANG Xiaolei, et al. Electric vehicle charging station operation mode analysis[J]. Power System Protection and Control, 2010, 38(21): 63-66, 71.

[5] 徐廣騰, 杜科, 張濤, 等. 電動汽車充電設施檢測技術及故障分析[J]. 供用電, 2018, 35(10): 19-24, 43.

XU Guangteng, DU Ke, ZHANG Tao, et al. EV charging facility detection technology and fault analysis[J]. Distribution & Utilization, 2018, 35(10): 19-24, 43.

[6] 王帥. 智能變電站故障錄波器的設計[D]. 保定: 華北電力大學, 2015.

WANG Shuai. The design of the power fault recorder in intelligent substation[D]. Baoding: North China Electric Power University, 2015.

[7] 張晶, 時瑋, 張元星, 等. 電動汽車充電過程安全因素及動態(tài)預警[J]. 電源技術, 2019, 43(5): 861-863, 868.

ZHANG Jing, SHI Wei, ZHANG Yuanxing, et al. Analysis of safety factors and dynamic warning during charging process of electric vehicle[J]. Chinese Journal of Power Sources, 2019, 43(5): 861-863, 868.

[8] 趙明宇, 王剛, 汪映輝, 等. 電動汽車充電設施監(jiān)控系統(tǒng)設計與實現(xiàn)[J]. 電力系統(tǒng)自動化, 2011, 35(11): 65-69.

ZHAO Mingyu, WANG Gang, WANG Yinghui, et al. Design and implementation of a supervisory and control system for charging facilities of electric vehicles[J]. Automation of Electric Power Systems, 2011, 35(11): 65-69.

[9] 李正哲, 郭威. 充電樁測試中泄放回路故障分析及處理[J]. 河北電力技術, 2017, 36(3): 43-44, 47.

LI Zhengzhe, GUO Wei. Fault analysis and treatment on discharge circuit of charging pile test[J]. HEBEI Electric Power, 2017, 36(3): 43-44, 47.

[10] 劉真通. 基于模型的純電動車輛動力系統(tǒng)故障診斷研究[D]. 北京: 北京理工大學, 2016.

LIU Zhentong. Model-based fault diagnosis of electrified driven powertrains in pure electric vehicles[D]. Beijing: Beijing Institute of Technology, 2016.

[11] 王一卉. 純電動汽車鋰電池故障診斷系統(tǒng)的研究[D]. 長春: 長春工業(yè)大學, 2015.

WANG Yihui. Pure electric vehicles lithium battery research of fault diagnosis system[D]. Changchun: Changchun University of Technology, 2015.

[12]陳楓, 袁軍, 周蕓菲, 等. 基于改進狀態(tài)空間模型的充電樁故障預警系統(tǒng)智慧評價方法研究[J]. 計算機工程與應, 2019, 55: 404-407.

CHEN Feng, YUAN Jun, ZHOU Yunfei, et al Research on intelligent evaluation method of charge pile fault early warning system based on improved state space model[J]. Computer Engineering and Applications, 2019, 55: 404-407.

[13] 竇汝鵬, 王嬌嬌, 李津. 國內(nèi)電動汽車和直流充電樁兼容性測試和分析[J]. 汽車電器, 2018(6): 23-25.

DOU Rupeng, WANG Jiaojiao, LI Jin. Test and analysis on domestic electric vehicles and DC charging piles charging compatibility[J]. Auto Electric Parts, 2018(6): 23-25.

[14] 周俊, 萬偉江, 丁霄寅, 等. 直流充電樁互操作性測試系統(tǒng)設計研究[J]. 電工技術, 2018(13): 67-69.

ZHOU Jun, WAN Weijiang, DING Xiaoyin, et al. Design and research on the interopeprability test system of DC charging pile[J]. Electric Engineering, 2018(13): 67-69.

[15] 國家能源局. 帶電設備紅外診斷應用規(guī)范: DL/T 664—2016[S]. 北京: 中國電力出版社, 2017.

National Energy Administration. Application code for infrared diagnosis of live equipment: DL/T 664—2016[S]. Beijing: China Electric Power Press, 2017.

[16] 魏振, 吳壽山, 史蕾玚, 等. 基于相關系數(shù)的避雷器帶電檢測相對測量法及應用[J]. 電瓷避器, 2018(4): 31-34.

WEI Zhen, WU Shoushan, SHI Leiyang, et al. The relative measurement method based on correlation coefficient of arrester live detection and its application[J]. Insulators and Surge Arresters, 2018(4): 31-34.

[17] 麥鴻坤, 肖堅紅, 吳熙辰, 等. 基于R語言的負荷預測ARIMA模型并行化研究[J]. 電網(wǎng)技術, 2015, 39(11): 3215-3220.

MAI Hongkun, XIAO Jianhong, WU Xichen, et al. Research on ARIMA model parallelization in load prediction based on R language[J]. Power System Technology, 2015, 39(11): 3215-3220.

[18] 王宏偉, 張利民, 姜建平, 等. 特高壓站避雷器泄漏電流在線監(jiān)測和分析系統(tǒng)[J]. 電瓷避雷器, 2019(6): 67-72.

WANG Hongwei, ZHANG Limin, JIANG Jianping, et al. On-line monitoring and analysis system of lightning arrester leakage current in UHV substation[J]. Insulators and Surge Arresters, 2019(6): 67-72.

Application of fault recording in safety of vehicle pile net

WANG Jian1,LIU Yingnan2, LI Zhiyong1, WANG Sheng1

(1. Shandong University Electric Power Technology Co., Ltd., Jinan 250001, China; 2. School of Electrical Engineering, Shandong University, Jinan 250061, China)

This paper designs an early warning system for charging safety of electric vehicle based on fault recorder, which collects real-time data by using fault recorder and uploads the data to the monitoring platform. The monitoring platform analyses and calculates the data to warn the defects of charging process of electric vehicle in advance. Based on the analysis of charging process of electric vehicle, the monitoring information model is established to extract the characteristic quantity of charging defect of electric vehicle for defect warning. By calculating the monitoring information and characteristic quantity, the abnormal temperature and voltage of equipment can be identified. As a third-party device independent of charging pile and electric vehicle, charging pile fault recorder monitors the operation status of electric vehicle and charging device on the one hand, and analyses and compares the information of charging process and fault process of electric vehicle through intelligent algorithm on the other hand, protects charging device and improves the safe operation level of charging pile.

fault recording; electric vehicle; charging pile; fault warning; correlation coefficient; time series

2019-10-30

王 劍(1972—)，男，漢族，工學碩士，高級工程師，研究方向為故障錄波器及充電樁研發(fā)；

劉英男(1987—)，男，工學碩士，山東大學電氣工程學院助理研究員，研究方向為電力設備在線監(jiān)測及智能運維，充電樁檢測技術；E-mail: liuyingnan@sdu.edu.cn

李志勇(1979—)，男，漢族，研究方向為故障錄波器及充電樁研發(fā)。