基于遠程非車載充電機的現場校準方法研究

李 寧,楊永建,尹文慶,李廣山,于 靜

(國網新疆電力有限公司營銷服務中心(資金集約中心、計量中心),新疆 烏魯木齊 830011)

0 引 言

隨著汽車領域的飛速發展,直流充電技術的應用越來越廣泛。其中,非車載充電機檢測至關重要。然而,現有技術存在以下缺陷。

首先,現有技術多采用現場校驗的方法檢測非車載充電機。這是一種一機一測的原始檢測方案。該方案雖然能夠實現數據信息的監測,但效率低下,檢測過程需要耗費大量的人力[1]。

其次,現有技術對非車載充電機進行電能計量時,采用的計量方法精度低?，F有技術大部分采用0.2級以上的電源及其他配件參數[2],整體監測誤差高。

最后,現有技術采用RS-232、RS-485等有線測量方法[3],現場布局混亂、遠程監測能力差。

針對上述不足,本文對高精度非車載充電機現場進行遠程校驗,提出一種相關設計人員即使不在現場也能實現高精度非車載充電機現場無線監控與校準的方法。

1 現場校準原理

現場校準架構如圖1所示。

圖1 現場校準架構示意圖

本文設計的基于遠程非車載充電機現場校準方法的校準原理如下。對于主核心芯片,本文設計了CS5464非車載充電機電能計量芯片。通過該芯片,可以實現非車載充電機的計量、檢測與控制。硬件結構包括電壓計量電路、電流計量電路、濾波器、調制器、基于MSP430FG4619核心芯片的微控制單元(microcontroller unit,MCU)內核等[4]。在電路設計中,本文引入了MFCM200讀寫模塊、MCU接口等。通過MFCM200模塊,可以實現MFCM200與集成電路(integrated circuit,IC)卡控制部件的連接等功能。通過CS5464芯片[5],能夠輸出非車載充電機電能計量的瞬態功率等。電路包括放大器電路、調制電路、數字濾波電路和數據通信電路等[6]。

為了提高現場校準能力,本文引入了16位MSP430FG4619的MCU內核計算電路,以實現數據信息的計算與處理。硬件模塊設計了運算器電路、控制器電路、存儲器電路、輸入輸出設備等[7-8]。相關設計人員可以借助計算機軟件對電源模塊輸出的參數進行設置,比如電壓和電流的幅值、波形、頻率和相位等。這些參數能夠多角度、多方面反映非車載充電機工作參數的數據信息。其中,插針網格陣列(pin grid array,PGA)封裝在本文方法中發揮著至關重要的作用。

為了提高數據的監測能力,需要對充電機直流電流以及直流電壓進行采樣、測量和計算。數據信息包括電流、電壓等。在實現數據信息采樣時,通過這些參數能夠全面反映現場校準情況。在具體工作過程中,利用瞬時功率計算式對非車載充電機的高精度信息進行提取和計算時,本文設計了高精度電源模塊。該模塊輸出功率精度較高,約為5×10-5,可實現數據信息的周期性計量。系統設置的額定電壓分別為10 kV和35 kV。工作過程中輸出的工作電流為1 000 A[9]。

在對比測量時,本文采用了高精度標準電能表。該電能表的精度為0.01級、標準參數功率準確度優于0.05%。信號放大電路設計時,其計量參數處于1 000∶1內的動態范圍,信號輸出線性度可以達到±0.1%的精度。通過上述方法可實現現場校準的高精度計量[10]。

在計量非車載充電機時,為了提高電能計量能力,本文還對其他參數(如瞬時電壓、電流、功率以及電能表輸出的電壓、電流、功率有效值等)進行了計量和研究。在數據信息存儲時,本文設置了E2PROM模塊。該模塊具有三線數字串行接口。E2PROM模塊還設置了實現非車載充電機現場計量數據信息的監控模塊,提高了非車載充電機現場計量能力[11]。在現場校準模塊的設計過程中,本文在校準裝置上設置輸入/輸出引腳,比如:XOUT、XIN晶振腳;SCLK串行通信時鐘信號腳;SDO、SDI輸出輸入腳;VIN+、VIN-電壓通道的輸入引腳等[12]。其中,瞬態電流為:

(1)

式中:IRMS為瞬態電流;N為測量次數;IN為電流。

瞬態電壓為:

(2)

式中:URMS為瞬態電壓;UN為電壓。

瞬態功率為:

PRMS=IRMS×URMS

(3)

式中:PRMS為瞬態功率。

在計算交流電能數據采樣時,本文通過PFMON比較器實現非車載充電機數據信息的計量與診斷。通過將URMS和IRMS相乘,可以輸出PRMS的值[13]。

S=URMS×IRMS

(4)

式中:S為有功功率。

通過上述計量后,本文對輸出的數據信息值與標準值進行對比?，F場誤差為:

(5)

式中:δ為誤差率,%;η為測量值;μ為標準值。

γ=γe+γh+γd

(6)

式中:γ為高精度非車載充電機綜合總誤差;γe為功率誤差;γh為互感器的合成誤差;γd為二次降壓誤差。

2 現場校準監控方案設計

為了提高遠程校驗能力,遠程數據信息監控采用多通道的數字視頻采集設備。通過遠程無線通信接口,可以實現現場校準的遠距離監控[14]。遠程數據監控終端如圖2所示。

圖2 遠程數據監控終端示意圖

為了提高非車載充電機現場監控能力,本文通過多路視頻的實時采集和高速壓縮實現編碼處理。現場高精度非車載監控采用的主控芯片為TMS320DM8168芯片。通過該芯片,可控制高精度非車載充電機的監測現狀。輸出的視頻數據一方面通過本地存儲模塊實現信息存儲,另一方面通過遠程無線數據通信接口實現與遠程控制終端的交互。

非車載充電機數據信息在本地硬盤存儲。遠程數據監控終端具備無線通信功能。通過與本地具有無線數據通信接口的平板、智能手機或者智能終端通信,可以實現本地數據信息交互。遠程數據監控終端包括控制模塊、ARM子控制系統、數據存儲處理控制系統、計量數字信號處理(digital signal processing,DSP)系統等多種數據控制、計量模塊[15]。ARM子控制系統不僅能夠實現現場數據信息的采集、控制,還能夠實現對非車載充電機校核現場的監控和遠程數據傳遞。DSP子控制系統負責對采集到的視頻數據的監視與管理。TVP5158芯片可實現非車載充電機多角度數據信息采集,并將采集到的視頻數據發送給主控模塊。主控模塊將采集到的數據信息發送到遠程數據信息中心,以提高現場校核能力。

3 校準精度提高方案設計

本文采用匹配算法實現非車載充電機遠程在線校準與監控。本文假設校準誤差為P、實際檢測值為Q,將數據信息轉換到極坐標上進行處理。本文假設存在離散點p、q,通過離散函數將所有的數據信息轉換到空間坐標上進行處理,則存在以下數據函數:

(7)

式中:θ為空間極坐標上的數據夾角;(p,r)為空間極坐標上任意一點;(q,r)為故障數據在空間極坐標上的點;Psin1為空間極坐標上誤差數據的正弦;Qsin2為空間極坐標上故障數據的正弦。

本文設f(pti)為非車載整機誤差變化規律函數,則對上述正弦求解,有:

(8)

通過對比,計算出誤差函數為:

(9)

式中:O(pti)為空間極坐標上初始誤差函數變化關系。

通過遠程數據采集到的非車載充電機整體誤差函數表示為:

(10)

在進行遠程校驗時,可能會受到各種條件數據信息的影響。存在的限制條件為:

(11)

式中:f(qtj)為非車載整機故障信息在整個遠程校驗過程中的規律;ε為非車載整機遠程在線校驗過程中的數據誤差和故障數據變化標準范圍。

在設定的標準中,本文假設非車載整機誤差校驗標準為ε2=ε3=ε4=0.01。

根據模板匹配方法,本文將檢測到的數據信息與標準信息進行對比。對比后的數據集合為:

(12)

在進行模板匹配校驗過程中,存在以下關系式:

(13)

式中:dist()為模板匹配校驗過程中的數據約束函數。

本文故障和誤差劃定范圍標準為ε5=0.02。

假設本文采集的誤差和故障點云數據組滿足約束條件,劃定此時整體范圍標準ε6=0.9,則計算得到的誤差數據總量應滿足:

Ni≥ε6×N′

(14)

式中:Ni為滿足模板匹配校驗過程中的非車載整機校驗誤差約束條件參數數據信息;N′為非車載整機整個校驗過程的遠程數據總量。

非車載整機校驗誤差函數為:

(15)

式中:ntd為非車載整機校驗過程中的遠程數據信息通道數;qi為非車載整機校驗過程中遠程校驗采集到的數據信息;RPk為非車載整機校驗過程中誤差分析輸出數據信息;T為非車載整機校驗過程中誤差計算需要的時間。

通過與模板匹配后,誤差函數為:

(16)

式中:x為非車載整機校驗過程中關系比較臨近的誤差參數,如電流;y為非車載整機校驗過程中關系比較臨近的誤差參數,如電壓;z為非車載整機校驗過程中關系比較臨近的誤差參數,如功率;m為非車載整機校驗過程中,整機故障數據傳遞到遠程監控中心的數據量。

模板配對數據輸出函數為:

(17)

式中:qsi為非車載整機校驗過程中,整機故障數據傳遞到遠程監控中心的故障數據配對數據信息;Rs+1為非車載整機校驗過程中,整機故障數據傳遞到遠程監控中心實現故障分析時的精度;psi為整機故障數據傳遞到遠程監控中心受到外界數據信息影響時的非車載整機校驗過程中,整機故障數據傳遞到遠程監控中心后的總體數據信息誤差傳輸結果;ts+1為非車載整機校驗過程中,整機故障數據傳遞到遠程監控中心的故障數據信息。

Ps+1=Rs+1Ps+Ts+1

(18)

式中:Ps為非車載整機校驗過程中,整機故障數據傳遞到遠程監控中心的所有模板匹配誤差數據值;Ts+1為非車載整機校驗過程中,整機故障數據傳遞到遠程監控中心的消耗時間。

通過上述方法,本文實現了非車載整機校驗的誤差分析。

4 試驗結果及分析

試驗架構如圖3所示。

圖3 試驗架構示意圖

試驗的硬件條件為Intel i9 9600KF配置計算機、256 GB內存容量。現場試驗環境設置中,非車載充電機采集精度大于85%。試驗時采用的中央處理器(central processing unit,CPU)為Inter i8以上處理器。試驗結果通過Matlab實現曲線呈現[16]。遠程控制高精度非車載充電機使用的環境如下:智能電能表為DTZ545;CPU為Intel i8 9600KF;計算機的硬件配置為8核CPU,64位處理器,128 G內存;仿真時采用Matlab 2019。

經過8 h的試驗,為了數據分析的便利,本文抽取一部分數據信息作為分析對象。本文通過方案1和方案2進行對比分析。其中:方案1為常規技術中采用檢測設備進行現場校驗的方法;方案2為電動汽車非車載充電機實現自動檢測系統測量的方法。

假設測量次數(重復測量次數)均為10次以上,則通過多次測量后,非車載充電機標準差估計值S′為:

(19)

三種方案測量數據記錄如表1所示。

表1 三種方案測量數據記錄表

非車載充電機計量精度如圖4所示。

圖4 非車載充電機計量精度示意圖

由圖4可知,隨著非車載充電機的數量增多,計量誤差也在逐步增加。方案1和方案2的檢定誤差隨著時間和非車載充電機數量的增多而逐步增加。本文方案誤差明顯低于方案1和方案2。

5 結論

針對現有技術中高精度非車載充電機現場校準存在誤差大、校驗不方便的問題,本文設計了基于遠程非車載充電機的現場校準方法,提高了非車載充電機計量效率和控制能力。通過MSP430FG4619核心MCU芯片,實現了非車載充電機的電能計量。遠程數據信息監控技術的多通道數字視頻采集設備,通過遠程無線通信接口實現現場校準的遠距離監控。通過匹配算法,對非車載充電機進行遠程在線校準與監控,提高了非車載充電機的在線評估能力。本文仍然存在一些不足,比如檢測過程中在實現一定精度下的時間控制、測量過程中的粗大誤差剔除等方面仍需進行進一步的探索和研究。