一种多失效模型集成的电动汽车用直流充电桩运行可靠性评估方法与流程

本发明属于充电技术领域，涉及车用传导充电安全技术领域，具体涉及一种多失效模型集成的电动汽车用直流充电桩运行可靠性评估方法。

背景技术：

近年来在大量财政补贴支持下，我国新能源汽车市场呈现爆发式增长态势。截止到2018年底，全国新能源汽车保有量约为261万辆，在缓解资源短缺、改善环境质量以及提高能源利用效率方面发挥巨大作用。目前按动力来源分类，新能源汽车可分为纯电动、混合动力及燃料电池三类。其中，纯电动汽车具备零排放、效率高及整车布置便利等优点，从而在新能源汽车市场占据较高份额。众所周知，纯电动汽车的动力主要来源于高压电池内所存储电能，可通过传导方式引入外部电网电源进行充电。按照充电电压类型可分为交流慢充与直流快充两种。相对于交流慢充而言，直流快充的电压等级和充电电流较高，其运行可靠性直接影响车主的使用体验以及车辆的使用频次，同时对电网调度也存在潜在制约。因此，对直流充电桩运行可靠性进行评估，一方面可保障车辆出勤率并提升车主使用体验，另一方面也可为制定设备维护保养计划提供依据，实现直流充电桩运行过程安全性、可靠性与经济性的有机结合。

电动汽车用直流充电桩作为典型的复杂电控系统，具备整流、保护、通信以及输出控制等多种功能，其在运行过程的可靠性受到多种因素影响，失效机制复杂，运用单一失效模型难以准确地描述该复杂电控系统的运行可靠性水平。

技术实现要素：

针对上述问题，本发明的目的是提供一种多失效模型集成的电动汽车用直流充电桩运行可靠性评估方法，通过对电动汽车用直流充电桩潜在的失效模式进行分析，获得用于直流充电桩运行可靠性评估候选模型，基于多模型集成技术进行可靠性评估，更加贴合直流充电桩运行可靠性变化的实际，消除单一模型带来的局限性问题，可进一步提高评估的准确性。

为实现上述目的，本发明采取以下技术方案：一种多失效模型集成的电动汽车用直流充电桩运行可靠性评估方法，该方法包括以下步骤：

步骤1，根据电动汽车用直流充电桩运行特点，结合当前和以往过程的失效记录，获取其潜在的失效模式；

步骤2，运用多失效模式分析方法对直流充电桩潜在的失效模式进行分析，依据不同失效模式，分别建立电动汽车用直流充电桩运行可靠性评估候选模型；

步骤3，基于贝叶斯模型平均，构建多失效模型集成的电动汽车用直流充电桩运行可靠性评估模型；

步骤4，根据极大似然原则，在假定评估误差空间与时间上相互独立基础上，建立log型似然函数的评估误差表达式，采用改进的有限记忆拟牛顿法估算确定每个候选失效模型条件概率函数的权重ωi与方差σi；

步骤5，计算电动汽车用直流充电桩运行可靠性。

进一步地，潜在的失效模式包括：电动汽车用直流充电桩性能退化失效、功能故障失效及突发失效；所述性能退化失效包括绝缘老化失效、充电接口触点磨损失效以及直流接触器粘连失效；所述功能故障失效包括充电枪电子锁失效、网络通信失效以及电缆组件断线失效。

进一步地，电动汽车用直流充电桩运行可靠性评估候选模型包括基于伽马(gamma)过程的性能退化失效运行可靠性评估模型m1，基于幂律(powerlaw)分布的功能故障失效运行可靠性评估模型m2，基于韦布尔(weibull)分布的突发失效运行可靠性评估模型m3。

进一步地，多失效模型集成的电动汽车用直流充电桩运行可靠性评估模型为其中pi(ω|mi)表示在模型mi下事件ω的条件概率密度函数。

进一步地，log型似然函数的评估误差表达式为其中fist表示失效模型集合中第i个成员在空间s与时间t的评估结果。

进一步地，改进的有限记忆拟牛顿法包括以下步骤：

步骤(1)确定初始点x0∈rⁿ和初始正定矩阵其中，rⁿ为n维实数向量，为n×n实矩阵，设0<ε<1,k＝0；

步骤(2)计算函数f(x)在点xk处的梯度gk＝▽f(xk)，判断||gk||＜ε是否满足，满足则停止，并取最优点x^*＝xk，算法终止；否则跳转至步骤(3)；

步骤(3)求解方程bkdk+gk＝0，获得搜索方向dk，其中bk为函数f(x)曲率信息(hessian矩阵)的近似矩阵；

步骤(4)引入线性搜索机制获得步长αk，即给定常数m1，满足0<m1<1，令αk>0，使得从而最终确定步长值；

步骤(5)令xk+1＝xk+1+αkdk，sk＝xk+1-xk，yk＝▽f(xk+1)-▽f(xk)，判断||gk+1||＜ε是否满足，若满足则解得xk+1，算法终止；否则，计算其中ψ为加速因子；

步骤(6)令k＝k+1，跳转至步骤(3)。

与现有技术相比，本发明具有的有益效果如下：

电动汽车直流充电功能实现是建立在多模块或部件相互协调与协作基础上，分别构建与电动汽车用直流充电桩运行可靠性实际变化过程相匹配的多种候选失效模型，将基于伽马(gamma)过程的性能退化失效运行可靠性评估模型m1，基于幂律(powerlaw)分布的功能故障失效运行可靠性评估模型m2，基于韦布尔(weibull)分布的突发失效运行可靠性评估模型m3多种潜在失效模式考虑在内进行运行可靠性分析，更符合贴近电动汽车用直流充电桩运行可靠性变化规律，为提高最终分析结果的正确性奠定了基础；应用贝叶斯模型平均，将多种失效模式对电动汽车用直流充电桩运行可靠性的影响考虑在内，完成多失效模型在同一框架内的集成，消除单一模型分析研究存在的局限性，实现对电动汽车用直流充电桩运行可靠性的准确评估；采用改进的有限记忆拟牛顿法估算每个候选失效模型条件概率函数的权重与方差，消除了pi(ω|mi)为正态分布假设的限制，以迭代运算方式进行优化求解，具有计算效率高、所需存储单元少等优点，通过引入加速因子，进一步提高迭代计算的收敛速度，能够更准确地描述该复杂电控系统的运行可靠性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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获得其他的附图，其中：

图1是根据本发明公开的多失效模型集成的电动汽车用直流充电桩运行可靠性评估方法流程图；

图2是电动汽车用直流充电桩典型失效模式。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

电动汽车用直流充电桩作为典型的复杂电控系统，具有整流、保护、通信以及输出控制等多种功能，需要不同部件模块相互协同运行，故影响其可靠性的因素较多。因此，研究探索直流充电桩潜在的失效模式，建立直流充电桩运行可靠性评估候选模型，通过基于贝叶斯模型平均对电动汽车用直流充电桩运行可靠性进行评估，可保障设备可靠运行，提升电动汽车车主使用体验和车辆的使用频次，同时为制定设备维护保养计划提供参考依据。具体的实施过程可分为以下5个步骤，如图1所示。

步骤1，根据电动汽车用直流充电桩运行特点，考虑到为了实现充电功能需要多个模块部件相互协同配合，运行模式多且复杂，故存在多种失效模式。更为重要的是，不同失效模式间相互影响，直接关系到电动汽车用直流充电桩运行可靠性水平。结合当前和以往过程的失效记录，探索并获取其潜在的失效模式，如图2所示，主要包括性能退化失效、功能故障失效和突发失效。

其中，性能退化失效主要呈现渐近性特征，即随着时间推移，失效特征逐步明显，并可通过监测关键状态参数获取其当前状态。这里，性能退化失效包括绝缘老化失效、充电接口触点磨损失效和直流接触器粘连失效。优选的关键状态监测参数分别为系统绝缘电阻、充电接口温升以及直流接触器分断电流焦耳积分值(i²t)。

功能故障失效主要是由系统内部某个部件或模块出现故障而造成系统功能性失效，可通过监测系统某种功能是否丧失来判断功能故障失效发生。这里，直流充电桩功能故障失效包括充电枪电子锁失效、网络通信失效以及电缆组件断线失效。

突发失效是由意外冲击或设备工作条件发生突变而引起的，无法通过监测关键状态参数来判断突发失效是否发生，并且突发失效发生时并无任何征兆，呈现出偶然性与随机性特征。

步骤2，运用多失效模式分析方法对直流充电桩潜在的失效模式进行分析，将xi表示为第i种失效模式的随机变量，xi的概率密度函数为f(xi)，则电动汽车用直流充电桩运行可靠性的失效概率函数为：

式中，pi表示第i种失效模式的权重因子，且

依据步骤1中所述的失效模式类型，分别建立电动汽车用直流充电桩运行可靠性评估候选模型。考虑到性能退化失效的概率变化呈现单调上升趋势，可用伽马(gamma)过程来描述与时间相关的累积损伤，即在任何有限时间区间内退化量都是由无穷多的服从gamma分布的跳跃组成。可假设退化量vg(t)服从ga(a,b)分布，其概率密度函数可表示为

式中，γ(·)为伽马函数，a为形状参数，控制跳跃点到达的频率，b为尺度参数，控制了跳跃的跃度。

依据电动汽车用直流充电桩功能故障失效特点，用符合幂律(powerlaw)分布的随机过程进行描述。假设失效变量vp(t)服从参数为α的幂律分布，则其概率密度函数可表示为

fp(t；α,β)＝βt^-α-1

式中，β为大于0的常数。

考虑到由突发失效引发的电动汽车用直流充电桩寿命变化规律满足韦布尔(weibull)分布，故其概率密度函数可表示为

式中，m为比例参数，n为形状参数。

步骤3，基于贝叶斯模型平均，构建多失效模型集成的电动汽车用直流充电桩运行可靠性评估模型；贝叶斯模型平均是利用多模式集合进行概率预报的统计后处理方法，它对某一特定变量的预报概率密度分布函数是经过偏差校正的单个模型预报概率分布的加权平均，其权重是相对应模型的后验概率。这里，可建立多失效模型集成的电动汽车用直流充电桩运行可靠性评估模型为：

式中pi(ω|mi)表示在模型mi下事件ω的条件概率密度函数，ωi为权重，即表示第i个模型为最佳模型的后验概率，且ωi为非负值。假设上述条件概率分布的均值或期望为原候选模型预报结果的简单线性函数，则可表示为：

式中，ci，di分别为偏差校正项，fi为候选模型mi的预报结果。其方差又可以表示为

式中，fist表示失效模型集合中第i个成员在空间s与时间t的预报(评估)结果。上式中第一项表示预报集合的扩散程度，第二项则表示集合内的预报方差。

步骤4，根据极大似然原则，假定评估误差在空间与时间上相互独立，建立评估误差表达式为：

这里采用log型似然函数而非似然函数本身，主要是从迭代计算收敛稳定角度考虑。引入中间变量ρi(0≤ρi≤1)，令即可消除的显式约束。

由于进行贝叶斯模型平均需要准确估算模型集合中每一个候选模型的权重ωi与方差σi，对权重和方差的估算本质上就是求解如下所示的极值问题：

这里采用改进的有限记忆拟牛顿法进行极值问题求解，即可获得最优的权重与方差。所述改进的有限记忆拟牛顿法主要包括以下步骤：

步骤(1)确定初始点x0∈rⁿ和初始正定矩阵其中，rⁿ为n维实数向量，为n×n实矩阵，设0<ε<1,k＝0；

步骤(2)计算函数f(x)在点xk处的梯度gk＝▽f(xk)，判断||gk||＜ε是否满足，满足则停止，并取最优点x^*＝xk，算法终止；否则跳转至步骤(3)；

步骤(3)求解方程bkdk+gk＝0，获得搜索方向dk，其中bk为函数f(x)曲率信息(hessian矩阵)的近似矩阵；

步骤(4)引入线性搜索机制获得步长αk，即给定常数m1，满足0<m1<1，令αk>0，使得从而最终确定步长值；

步骤(5)令xk+1＝xk+1+αkdk，sk＝xk+1-xk，yk＝▽f(xk+1)-▽f(xk)，判断||gk+1||＜ε是否满足，若满足则解得xk+1，算法终止；否则，计算其中ψ为加速因子；这里，优选的ψ取值为

步骤(6)令k＝k+1，跳转至步骤(3)。

步骤5，计算获得电动汽车用直流充电桩运行可靠性。

通过对电动汽车用直流充电桩潜在的失效模式进行识别，分别建立相应的候选失效模型，运用多模型集成技术将候选失效模型纳入同一框架内进行可靠性分析，提高了分析预报结果的准确性，为直流充电桩运行过程安全性、可靠性与经济性的有机结合奠定理论基础。

本发明具体应用途径很多，以上所述的是本发明的优选实施方式，应当指出对于本技术领域的普通人员来说，在不脱离本发明所述的原理前提下还可以作出若干改进和润饰，这些改进和润饰也在本发明的保护范围内。