CN115065591B - 基于状态空间模型的电动汽车充电桩故障预警系统和方法 - Google Patents

Abstract

本发明涉及故障预警系统技术领域，为基于状态空间模型的电动汽车充电桩故障预警系统和方法，该系统包括充电桩监测读取模块、智能视频监控模块、智能预警模块、服务器后台、电网控制中心和车主客户端；可实现异常情况自动识别、异常情况快速搜索、异常情况自动定位、异常情况自动报警。本发明通过对充电桩的换流器交流测的数据进行读取，利用充电桩监测读取模块、智能视频监控模块、智能预警模块、估计方法以及故障定位方法进行信息判断，结合智能视频监控确定充电桩的具体状况和位置，实现精确地对充电桩故障预警。

Description

基于状态空间模型的电动汽车充电桩故障预警系统和方法

技术领域

本发明涉及故障预警系统技术领域，具体涉及基于状态空间模型的电动汽车充电桩故障预警系统和方法。

背景技术

电动汽车能够减轻对化石能源的依赖，减少温室气体的排放，因此是目前国家大力推进的技术之一，而电动汽车充电桩与电动汽车发展同步，是满足用户对电动汽车电能需求的重要工具，充电桩根据电流类型分为交流充电桩和直流充电桩，充电桩一般配备智能电表、谐波监测、保护测控装置等对相应参数进行监控和采集，而针对电动汽车充电桩故障类型主要是功率器件的开路和短路，会对电网结构、充电安全等造成严重影响，因此需要判断电动汽车充电桩在网络中故障的节点以及充电桩的故障类型，通过相应的平台和网络体系对充电桩的故障进行及时有效解决；

目前针对电动汽车充电桩故障的判断主要是依靠配电网络，结合潮流分布确定充电桩故障点，在充电桩运维管理方面，监测系统大多仅考虑充电桩本身，并未对充电桩内部多个系统进行区分，尤其是在换流器交流侧和直流侧的区分，现有的预警系统无法精确的对故障进行预警。

发明内容

为解决现有技术所存在的技术问题，本发明提供基基于状态空间模型的电动汽车充电桩故障预警系统和方法，本发明通过对充电桩的换流器交流测的数据进行读取，利用充电桩监测读取模块、智能视频监控模块、智能预警模块、估计方法以及故障定位方法进行信息判断，结合智能视频监控确定充电桩的具体状况和位置，实现精确地对充电桩故障预警。

本发明的第一个目的在于提供基于状态空间模型的电动汽车充电桩故障预警系统。

本发明的第二个目的在于提供基于状态空间模型的电动汽车充电桩故障预警系统的应用方法。

本发明的第一个目的可以通过采取如下技术方案达到：

基于状态空间模型的电动汽车充电桩故障预警系统，所述系统包括：包括充电桩监测读取模块、智能视频监控模块、智能预警模块和服务器后台，充电桩监测读取模块与智能视频监控模块和智能预警模块网络连接，智能视频监控模块和智能预警模块与服务器后台网络连接。

优选的，所述充电桩监测读取模块设有传感器元件和信息采集软件，传感器元件和信息采集软件用于读取直流系统和交流系统的信息。

优选的，智能预警模块包括状态估计单元及测量单元，用于接收充电桩故障状态判断信息和进行充电桩故障定位，将充电桩故障数据传送至服务器后台。

本发明的第二个目的可以通过采取如下技术方案达到：

基于状态空间模型的电动汽车充电桩故障预警的应用方法，所述方法包括：

通过充电桩监测读取模块对充电桩的物理量信息进行状态识别，通过对交流侧和直流侧以及直流母线的状态进行状态判断，识别充电桩的异常数据；

通过智能视频监控模块对配电网内充电桩的具体节点位置，结合网络拓扑结构以及潮流变化情况，对充电桩异常情况进行快速搜索；

根据识别到的充电桩的异常数据，通过智能预警模块的基于协方差矩阵的状态估计模型对换流器交流侧故障、直流侧故障进行故障定位；

通过智能预警模块将动汽车充电桩的故障信息以及地理位置信息传送至服务器后台。

本发明与现有技术相比，具有如下优点和有益效果：

本发明通过利用充电桩监测读取模块、智能视频监控模块、智能预警模块，对充电桩的换流器交流测的数据进行读取，结合智能视频监控确定充电桩的具体状况和位置，后台主机与全部网络内的充电桩信息监测数据进行对比，查询异常情况以及故障发生位置，通过对充电桩的故障类型进行精确判别，可实现异常情况自动识别、异常情况快速搜索、异常情况自动定位、异常情况自动报警，实现精确地对充电桩故障预警。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明实施例中的总体结构图；

图2为本发明实施例中的充电桩监测读取模块示意图；

图3为本发明实施例中的智能视频监控模块示意图；

图4为本发明实施例中的智能预警模块自检原理图；

图5为本发明实施例中的充电桩原理图；

图6为本发明实施例中的0.09s协方差矩阵图；

图7为本发明实施例中的0.1s协方差矩阵图。

具体实施方式

下面将结合附图和实施例，对本发明技术方案做进一步详细描述，显然所描述的实施例是本发明一部分实施例，而不是全部的实施例，本发明的实施方式并不限于此。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：

如图1-4所示，本发明提供技术方案：基于状态空间模型的电动汽车充电桩故障预警系统，包括充电桩监测读取模块、智能视频监控模块、智能预警模块和服务器后台；所述充电桩监测读取模块与智能视频监控模块和智能预警模块网络连接，所述智能视频监控模块和智能预警模块与服务器后台网络连接，所述服务器后台与电网控制中心和车主客户端网络连接，所述服务器后台对智能视频监控模块和智能预警模块的数据进行分析和处理，电网控制中心由控制室、控制配套设施、控制站、受控子系统以及主体建筑组成，通过电网控制中心可以实现对整个系统进行监控和控制，车主客户端接受服务器后台的控制和管理，能够共享网络上的各种资源，可实现异常情况自动识别、异常情况快速搜索、异常情况自动定位、异常情况自动报警。

其中，所述充电桩监测读取模块设有传感器元件和信息采集软件，传感器元件包括热敏电阻传感器、热电偶传感器、电流传感器等，所述传感器元件和信息采集软件用于实现直流以及交流系统的信息读取。

所述智能视频监控模块包括前端监控子模块、通信网络、监控中心，视频监控模块用于对电动汽车充电桩终端外观状态和对电池使用的状态进行检测判断，通过设置在相应监测位置的摄像头，实现对充电桩运行和使用状况的自动巡视，通过相应的模块系统实现充电桩在使用阶段针对电池使用的状态判断；所述前端监控子模块包括摄像头，所述摄像头能够对充电桩运行和使用状况进行自动巡视。

所述监控中心设有模块系统，所述模块系统用于判断充电桩在使用阶段时的电池使用状态。

所述智能预警模块设有状态估计单元及测量单元，用于接收充电桩故障状态判断信息和进行充电桩故障定位，结合视频监视采集图像进行数据，合成和分析之后实现的充电桩状态预警。智能预警模块对故障类型以及异常情况进行分级处理，将数据传送至服务器后台，人工进行进一步判断故障形式。

基于状态空间模型的电动汽车充电桩故障预警系统能够针对欠压异常、漏电异常、短路异常、继电器失效等进行有效判断。

电桩监测读取模块主要读取采集的信息包括交流侧有功功率、无功功率以及直流测有功功率，通过数据处理单元对检测的目标信号以及状态估计进行判断，形成初步处理结果，将处理结果输入至状态估计模型中，最终利用状态估计模型充电桩异常情况的实时监控。

电动汽车共享充电桩的故障预警以及判断是通过设置在终端的光网络单元定期向后台主机系统传输相应的日常数据，当后台主机与全部网络内的充电桩信息监测数据进行对比后，查询异常情况以及故障发生位置，通过相应的故障检测模块对充电桩的故障类型进行判别，实现故障预警。

本发明的基于状态空间模型的电动汽车充电桩故障预警系统的预警准确率高，在构建充电桩状态信息读取、智能视频监控模块和智能预警模块的基础上，通过对充电桩故障信息的提取，可以准确有效的对充电桩故障进行预警。

实施例2：

本发明还提供一种基于状态空间模型的电动汽车充电桩故障预警方法，包括以下步骤：

(1)异常情况识别，通过充电桩监测读取模块对充电桩的物理量信息进行状态识别，通过对交流侧和直流侧以及直流母线的状态进行状态判断，识别充电桩的异常数据；

充电桩主要的物理量信息包括交流侧有功功率、无功功率以及直流测有功功率，通过数据处理单元对检测的目标信号以及状态估计进行判断，形成初步处理结果，将处理结果输入至状态估计模型中，最终利用状态估计模型充电桩异常情况的实时监控；

(2)异常情况搜索，通过智能视频监控模块对配电网内充电桩的具体节点位置，结合网络拓扑结构以及潮流变化情况，对充电桩异常情况进行快速搜索；

(3)异常情况定位，根据识别到的充电桩的异常数据，通过智能预警模块的基于协方差矩阵的状态估计模型对换流器交流侧故障、直流侧故障进行故障定位；

(4)异常情况报警，通过智能预警模块将动汽车充电桩的故障信息以及地理位置信息传送至服务器后台。

如图5所示，根据充电桩的结构，充电桩故障分为交流侧故障、换流器故障、直流网络故障、电池故障等；五处故障分别表示直流母线故障、充电极间异常、换流器直流侧出口异常、负荷侧故障、电源侧故障；通常来说，充电桩的电缆线路发生故障几率较低；而直流母线则更易发生故障；直流变换器的故障可以受到内部开关元件的保护动作而及时切除；电池组故障主要是电池的短路、过载、老化以及击穿等；

进一步地，通过全局协方差矩阵处理检测数据样本误差得到基于协方差矩阵的状态估计模型。具体地，设观测数据矩阵如下：

其中，x(k)表示矩阵第k列，代表了充电桩智能监测装置在k时刻的观测数据；p表示节点布置的监测装置数；n表示采样数。

首先处理矩阵信息，X_n的均值向量为：

其中，l_n为单位列向量。

对原始数据矩阵进行处理，

则原始数据矩阵的协方差阵为：

其中，R_n为对称矩阵，对角元素反应方差，非对角元素为量测量的协方差。

方差反映了样本偏离均值的程度，方差是每个采样点均值与总采样值之差的平方和的均值，具体表达式如下。

协方差表示两样本之间的误差，而方差仅表示了一个样本的误差，协方差表达式为：

计算全局协方差矩阵，需要大量历史数据，协方差矩阵的数据更新不能够表示当前系统的状态，例如在网络出现微小变化时，可能会导致系统不可观，在这种情况下，需要基于局部数据进行移动窗口结合协方差矩阵进行诊断；

选择窗口固定长度为L的样本数据，移动速度为单位间隔，假设当前时刻为n，当前时间窗的样本数据为：

X_n,L＝[x(n-L+1),x(n-L+2),…,x(n)]

则记录的观测数据矩阵为：

假设故障发生时刻为n+1，记录n时刻的观测矩阵信息，则观测矩阵的故障矩阵计算式如下：

数据矩阵的改进协方差矩阵为：

其中，为对称矩阵，对角元素反映量测的方差，非对角元素反映量测的协方差，/>同时也是监测单元反映不同量测变量之间关系和量测变量改变程度的矩阵。

假设网络中电动汽车充电桩数量为p，假设在n时刻充电桩a和b发生短路故障，潮流方向从主网流出为正，量测装置数小于等于a为故障上游，h时刻的原始数据矩阵包括n时刻的采样数据，对协方差矩阵进行修改，对角元素为：

其中，x_i(m)为m时刻的第i个量测单元量测值；x_i(m-L)为正常运行状态的量测值，对角元素反映了量测矩阵中量测量偏离正常运行值的水平，在正常状态下，量测原件的量测值会随运行状态波动，即：

x_i(m)-x_i(m-L)≈0

非对角元素为：

以量测单元量测的电流幅值为案例，故障后，故障点上游的故障电流主要由主网提供，即：

其中，i≤a，j≥b；

从上式得到：

i≤a，j≥b

从上述等式可以看出，故障点下游量测装置的电流幅值要低于上游幅值，另外，量测装置的方差在故障点两侧接近。

可以看出，矩阵中，元素/>构成了矩阵中特别的元素，将该矩阵进行投影，x轴和y轴分别代表网络中充电桩节点，z轴代表矩阵位置元素值，因此，可通过投影图判断故障信息。

对于电压幅值，故障充电桩的电压会下降，在协方差矩阵中，故障点下游电压会降低，与电流信息相反，上述分析是基于对称故障，如果出现不对称故障，需要利用序分量构建协方差矩阵，此处简述。

以单相接地故障为例，序分量的边界条件为：

在正常运行时，系统中仅存在正序分量，故障后，出现负序和零序。

再进一步整理，得到：

针对典型的充电桩AC-DC网络，物理量的变化关系如下所示。

的关系如下：

在上式中，Y_k为电压变换器可调比；μ_k为电压变换器效率。

交流系统的状态变量直流系统的状态变量为X^- _k＝[V^- _k]^T。k表示子系统数量。

系统量测变量包括节点电压幅值、注入功率、支部电流、支路功率，分为直流系统、交流系统和变换器系统三部分，因此系统的量测量表达式为：

其中，z、h、e分别表示量测量、量测方程、误差，上标～为交流系统、-为直流系统。

根据最小二乘，状态估计模型如下：

J^-(x)＝(r^-)^T(R^-)^-1(r^-)

其中，R为量测系统的协方差矩阵，交流系统的z与交流、直流系统均有关，并且系统中量测方程与状态变量并非线性关系。

本实施例中，基于协方差矩阵的充电桩故障判断，选择故障点f1的三相故障，得到0.09s和0.1s的协方差矩阵，如图6和图7所示，x轴和y轴分别表示采样时间窗内的采样值，z轴表示响应矩阵元素位置值；故障发生后，矩阵元素值发生改变，图中[10，10]的值说明了故障在该时刻的偏移程度，因此故障发生在0.1s。

对故障点进行仿真，判断故障定位的结果，如下表1所示，

表1

	故障类型	判断结果
			故障点1	短路	正确
故障点2	短路	正确
			故障点3	短路	正确
故障点4	断线	正确
			故障点5	短路	正确

可以看出，本发明提出的方法能够有效判断故障点故障类型；

本实施例中，为了进一步对本发明系统性能进行准确的分析，选择对某市区域内电动汽车交流和直流充电桩装设本发明系统，得到三个月内的预警结果。不同系统安全预警准确率对比，如表2所示。

表2

分析表2可知，针对不同的异常情况，本发明所提系统的预警准确率高于原有系统，表明在构建充电桩状态信息读取、智能视频监控模块和智能预警模块的基础上，通过对充电桩故障信息的提取，可以准确有效的对充电桩故障进行预警。

通过仿真分析，说明本发明提出的基于协方差矩阵的充电桩故障判断能够有效针对不同时间窗口的协方差矩阵数值对发生故障点进行判断，并且能够有效判断各类故障的故障类型判断，结果全部正确。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.基于状态空间模型的电动汽车充电桩故障预警系统，其特征在于：包括充电桩监测读取模块、智能视频监控模块、智能预警模块和服务器后台，充电桩监测读取模块与智能视频监控模块和智能预警模块网络连接，智能视频监控模块和智能预警模块与服务器后台网络连接；

基于状态空间模型的电动汽车充电桩故障预警系统的应用方法，包括步骤：

通过充电桩监测读取模块对充电桩的物理量信息进行状态识别，通过对交流侧和直流侧以及直流母线的状态进行状态判断，识别充电桩的异常数据；

通过智能视频监控模块对配电网内充电桩的具体节点位置，结合网络拓扑结构以及潮流变化情况，对充电桩异常情况进行搜索；

根据识别到的充电桩的异常数据，通过智能预警模块的基于协方差矩阵的状态估计模型对换流器交流侧故障、直流侧故障进行故障定位；

通过全局协方差矩阵处理检测数据样本误差得到基于协方差矩阵的状态估计模型；

基于局部数据进行移动窗口结合协方差矩阵进行诊断；

选择窗口固定长度为L的样本数据，移动速度为单位间隔，记当前时刻为n，当前时间窗的样本数据为：

X_n,L＝[x(n-L+1),x(n-L+2),…,x(n)]

则记录的观测数据矩阵为：

其中，p表示充电桩节点布置的监测装置数；

如果故障发生时刻为n+1，记录n时刻的观测矩阵信息，则观测矩阵的故障矩阵计算式如下：

数据矩阵的改进协方差矩阵为：

其中，为对称矩阵，对角元素反映量测的方差，非对角元素反映量测的协方差；

通过智能预警模块将电动汽车充电桩的故障信息以及地理位置信息传送至服务器后台。

2.根据权利要求1所述的基于状态空间模型的电动汽车充电桩故障预警系统，其特征在于：所述充电桩监测读取模块包括传感器元件和信息采集软件，传感器元件和信息采集软件用于读取直流系统和交流系统的信息。

3.根据权利要求2所述的基于状态空间模型的电动汽车充电桩故障预警系统，其特征在于：所述直流系统和交流系统的信息，包括交流侧有功功率、交流侧无功功率和直流测有功功率。

4.根据权利要求2所述的基于状态空间模型的电动汽车充电桩故障预警系统，其特征在于：所述智能视频监控模块包括前端监控子模块、通信网络、监控中心，用于对视频监控模块用于对电动汽车充电桩终端外观状态和对电池使用的状态进行检测判断；所述前端监控子模块包括摄像头，摄像头用于对电动汽车充电桩运行和使用状况进行自动巡视。

5.根据权利要求4所述的基于状态空间模型的电动汽车充电桩故障预警系统，其特征在于：所述监控中心设有模块系统，模块系统用于判断电动汽车充电桩在使用阶段时的电池使用状态。

6.根据权利要求5所述的基于状态空间模型的电动汽车充电桩故障预警系统，其特征在于：所述智能预警模块包括状态估计单元及测量单元，用于接收充电桩故障状态判断信息和进行充电桩故障定位，将充电桩故障数据传送至服务器后台。

7.基于权利要求1-6任意一项所述的基于状态空间模型的电动汽车充电桩故障预警系统的应用方法，其特征在于：包括步骤：

通过充电桩监测读取模块对充电桩的物理量信息进行状态识别，通过对交流侧和直流侧以及直流母线的状态进行状态判断，识别充电桩的异常数据；

通过智能视频监控模块对配电网内充电桩的具体节点位置，结合网络拓扑结构以及潮流变化情况，对充电桩异常情况进行搜索；

根据识别到的充电桩的异常数据，通过智能预警模块的基于协方差矩阵的状态估计模型对换流器交流侧故障、直流侧故障进行故障定位；

通过全局协方差矩阵处理检测数据样本误差得到基于协方差矩阵的状态估计模型；

基于局部数据进行移动窗口结合协方差矩阵进行诊断；

选择窗口固定长度为L的样本数据，移动速度为单位间隔，记当前时刻为n，当前时间窗的样本数据为：

X_n,L＝[x(n-L+1),x(n-L+2),…,x(n)]

则记录的观测数据矩阵为：

其中，p表示充电桩节点布置的监测装置数；

如果故障发生时刻为n+1，记录n时刻的观测矩阵信息，则观测矩阵的故障矩阵计算式如下：

数据矩阵的改进协方差矩阵为：

其中，为对称矩阵，对角元素反映量测的方差，非对角元素反映量测的协方差；

通过智能预警模块将电动汽车充电桩的故障信息以及地理位置信息传送至服务器后台。