电动汽车充电负荷对配电网影响的预测分析方法_王江伟.pdf

照明电气 2023 年 第 1 期 总第 176 期 光源与照明228电动汽车充电负荷对配电网影响的预测分析方法*王江伟，罗宇强，谢锡锋广西水利电力职业技术学院，广西 南宁 530023摘要：文章针对传统汽车充电桩故障定期人工诊断存在的问题，利用配电网汇集汽车充电桩的运行数据，利用大数据诊断方案对电动汽车充电负荷对配电网的影响进行预测分析。在诊断方案中，首先通过离散小波变换对采集的原始信号进行变换，降低其在时间尺度上的复杂化度，然后利用密度峰值聚类算法对样本数据进行聚类分析，完成对故障的诊断。将设计的预测分析方法与暂态电流均值异常分析方法进行比较，前者的准确率在 95%以上，平均准确率达到 97%，可以更准确地进行故障检验。关键词：汽车充电桩；配电网；故障诊断；离散小波变换；密度峰值聚类算法分类号：U491.80引言随着新能源汽车的普及，新能源电动汽车充电桩故障和配电网故障相应增多。传统人工排除故障的方法1已不适用于现如今分布越来越广泛的充电桩，导致出现故障无法及时检修2。针对现有故障排除方法的不足，金勇等3引入非支配排序遗传算法，提高了新能源汽车的充电能力，降低了电网的运行负荷和故障发生率，但由于采用线下检测的方法，无法实时预测汽车充电负荷对配电网的影响，不能够及时实现对配电网的预测分析；李佳朋等4应用故障字典法，提高了汽车充电桩中电气元件的故障检修质量，但是此方法目前只能人工定期检修，而充电桩分布广泛，人工检测费时费力且不具备及时性，需要一种能够进行远程诊断的分析方法。针对上述研究的不足，文章利用汽车充电桩上安装的运行状态检测装置，对运行数据进行远程分析、远程诊断，可以更高效、及时地发现设备的故障问题。1配电网异常的大数据分析方法电动车充电端口是根据充电需求分布的，在空间上分布不均匀，在配电网中需要设置大量的充电终端接口，为了从大量的运行数据中分析出充电终端传输的异常数据，需要利用大数据技术，根据汽车的充电状况分析配电网的安全环境。在具体应用中，通过离散小波变换对配电网的原始数据进行变换，能够降低数据处理难度，借助数据的密度峰值，可以提高数据信息的聚类分析和应用能力5，减少配电网应用过程中潜在故障发生的可能性。通过采集配电网运行过程中的数据信息，可以提高配电网输出实时数据的采集与应用效率。在检测实时数据信息时，需要实时采集电流、电压、功率、纹波等数据信息，以提高充电过程中配电网异常数据信息的检测效率。在离线时，可以通过示波器，根据电网信息参数指标，检测提取电网数据信息，然后将这些数据信息通过分类等多种方式进行分析与计算，并将各种数据信息存储起来。在数据采集过程中，可以对采集到的数据信息进行预处理，如清洗或者粗大处理。在数据计算过程中，可以将配电网的不同基础参数按照分类属性或者链条串联起来，通过离散小波变换的方式对输入的数据信息进行归一化处理和计算，以提高对信息的计算能力6。还可以将数据信息分解，按照信息属性或者时间尺度等分解。在对数据的预处理中，可以将数据分解为不同序列，对不同数据信息进行关联计算与数据规则信息挖掘。在数据分析过程中，遇到异常信息时，需要进行数据预警，以提高数据预警能力。2配电网异常数据分析的具体算法在对配电网运行数据进行分析时，需要对配电网运行的原始数据进行多时间尺度的分解，并进行时间序列分析。文章采用离散小波变换对平台原始数据进文章编号：2096-9317（2023）01-0228-03*基金项目：2022 年度广西高校中青年教师科研基础能力提升项目（2022KY1108）作者简介：王江伟，男，硕士，讲师，研究方向为新能源转换与控制。光源与照明 总第 176 期 2023 年 1 月 照明电气229行变换，在离散小波变换中利用正则性、对称性、紧支撑度等衡量指标对原始数据进行层次分解，以降低原始信号的复杂程度，提取数据的特征值。在进行离散小波变换时，还可以采用震荡波形对变换后的数据信息进行变化与计算。在计算和信号输入过程中，可以借助母小波收缩振幅和平移相位的方式，提高数据信息分析与应用能力。用表示点积运算，则离散小波变换函数的表达式为（1）式中：ei(k)为离散小波变换函数计算过程中的数据分量；fi(k)为离散小波变换函数计算过程中信号分解时的信号细化方向分量；i 和 j 为离散小波变换函数计算过程中的整数个数；ij(t)为离散小波变换函数计算过程中的母小波函数；T 为映射到数据向量空间中的数量积；ij(t)为离散小波变换函数计算过程中的哈尔小波变换函数。母小波函数 ij(t)能够将不同数据信息细化，实现振幅更新、频率变换和相位平移，通过综合数据信息拟合后，可以将原始数据信息通过一定波形显示出来。大时间尺度的近似方向分量为 A，多个不同时间尺度的细节方向分量为 B，将原始数据曲线 K 借助 A 的拟合曲线和多个 B 的拟合曲线进行叠加，可以提高信息分析和应用能力，其叠加公式如下：（2）式中：i 为小波分解过程中不同信号的结构层级；K 为小波变换过程中的原始数据曲线；Bi为在第 i 层中分解后的信息在细节过程中的分量；Ai为在第 i 层中数据信息近似方向上的分量。在进行母小波多时间尺度分解时，不同的数据信息需要转化为不同的层次结构信号，在第一层将 K 分解为细节分量与近似分量，再对数据信息进行二次分解，得到第二层中的细节分量和近似分量，最终将原始数据分解为多时间尺度信息。其中的哈尔（Haar）小波变换函数的(t)表达式如下：（3）如式（3）所示，Haar 小波变换的曲线为不连续的曲线，采用分段函数对 K 进行拟合，相对应的尺度函数(t)如下：（4）利用式（3）和式（4）对原始数据进行拟合时，滤波函数 h(n)如下：（5）式（5）中，h(n)仅在 n=0,1 时有两个非零系数，故h(n)可变形为（6）根据式（6），将新能源汽车充电时采集装置所采集到的数据转化为数据曲线，用多个修正母小波函数对数据曲线进行拟合，可以得到不同时间尺度下的配电网数据变换曲线。3模拟仿真试验为了分析文章设计的分析方法对配电网运行异常数据的分析能力和分析的准确性，利用某地 2022 年电动车配电网的检测数据进行分析，利用设备正常运行数据和故障运行数据进行模拟仿真试验。在模拟试验中，PC 模拟环境的操作平台为 Ubuntu12.04；软件为 MATLAB 7.0；内存为 32 G，Intel Xeon W-2145 CPU 3.70 GHz。聚类分析的结果如表 1 所示。表 1聚类分析结果聚类对象样本 1 的数据数量/条样本 2 的数据数量/条第一层的细节分量325 1第二层的细节分量314 13第三层的细节分量321 8第三层的近似分量137177如表 1 所示，样本 1 中包含 137 条数据，样本 2中包含 177 条数据，这两种类别的样本都能够反映样本的实际运行状态。充电设备的多种工作状态如图 1所示。如图 1 所示，设备正常运行时长期处于低功率运行状态；在充电过热造成运行故障时，功率迅速增加，导致故障加剧；当设备发生短路时，其耗电功率会快速达到最大值；当设备发生间歇性短路时，设备的功 照明电气 2023 年 第 1 期 总第 176 期 光源与照明23024681012123450设备运行时间/h设备运行功率/kW设备正常运行时的功率变化设备过热造成运行故障时的功率变化设备发生短路运行时的功率变化设备发生间歇性短路故障时的功率变化图 1设备异常运行种类率会快速出现间歇性的高功率，引发其他故障。为了验证数据分析的准确性，提取 3 000 份充电端口数据信息，在这些数据信息中提取 2 000 份以分析数据信息，然后人工营造 1 000 份数据信息，得到对比示意图如图 2 所示。根据图 2，文章设计的分析方法的准确率不低于95.4%、平均准确率达到 96.8%；暂态电流均值异常分析方法的准确率整体低于 95%，因此文章设计方法的准确率更高。4结束语文章通过对新能源汽车充电状态和配电网运行状态的分析，设计出一种新型分析方法，先通过离散小波变换对采集的原始信号进行变换，降低其在时间尺度上的复杂化度，然后利用密度峰值聚类算法对样本数据进行聚类分析，以此得出不同汽车充电故障的运行状况，通过训练算法能够完成对设备运行状态的诊断。针对算法聚类的结果和运行状态的诊断准确率进行试验，文章设计的针对新能源汽车充电桩异常状态的分析方法能实时、准确、高效地分析配电网运行状态，对比传统的分析方法（暂态电流均值异常分析方法）更省时省力，但所设计的方法未能获取大量的测试数据，设备影响因素过多，应用效果不能完全确定，需进一步优化。参 考 文 献1 汤彬.比亚迪e5慢充系统故障诊断及检修J.汽车维修,2021(2):17-19.2 易忠林,巨汉基,王杰.基于二进制粒子群的汽车充电桩故障定位系统配置与定位方法J.电测与仪表,2021,58(2):139-145.3 金勇,梁立新,刘廷章.基于故障字典法的交流汽车充电桩故障检测J.电子技术应用,2018,44(6):56-59,67.4 李佳朋,李宇骏,袁枭添,等.远海风能集中接入的多端直流系统直流故障分析与故障检测方法J.电力自动化设备,2020,40(12):119-128.5 赵翔,陈良亮,李明贞.一种基于深度神经网络的直流汽车充电桩故障诊断方法J.电测与仪表,2021,58(6):148-152.6 徐晓东.新能源汽车慢充充电故障及维修技术研究J.汽车零部件,2020(2):85-87.24681012设备运行时间/h100959085文章设计的优化聚类分析算法暂态电流均值异常分析方法设备运行时间/h10095908524681012异常数据评估准确率/%文章设计的优化聚类分析算法 暂态电流均值异常分析方法图 2两种方法的评估准确率