充电条件

充电条件（精选7篇）

充电条件 篇1

据调查, 目前我国手机用户普及率约为26%, 相当于欧美国家普及率的1/3, 手机业发展潜力较大, 国内移动通信市场每年以1 亿用户的速度增长[1]。与此同时, 手机故障频发也逐渐成为重要的消防安全问题。手机故障, 尤其是充电故障, 有可能引发手机及附近可燃物着火、爆炸。由于国内手机生产厂家来源复杂, 手机配件生产质量良莠不齐, 很多商铺公然销售劣质的手机充电线和适配器。又由于手机配件维修行业的发展滞后, 在手机充电线或适配器出现故障后大多数用户会自行处理, 缺乏专业维修指导, 还可能派生出新的故障[2]。

在手机充电方面, 一些报纸和杂志上发表了有关充电故障原因和安全防范的相关文章, 缺乏深入的理论研究。[3,4,5]国外学者Manishasha Pandya, Andy Khayat, 国内学者高倩、刘平等从手机的电源电路分析和系统软、硬件设计等方面对手机充电管理进行了研究[6,7,8], 但未涉及手机充电线和适配器的引燃能力。

文章通过实验设计无包覆物、包覆毛巾、包覆棉花、包覆棉布四种不同包覆条件, 测量手机充电过程中的手机充电线和适配器的温度, 对实验数据进行一元线性回归的数学分析, 得到升温曲线公式与升温速率公式, 为手机充电故障的火灾调查提供基础数据和理论支撑。

1 实验准备

1.1 仪器与材料

仪器设备:火灾物证综合试验台;K型热电偶;Fluke 2638A数据采集仪。

实验材料:iphone4s手机、手机充电线、适配器、毛巾、棉花、棉布、防火胶带。

1.2 实验方案

将充电手机及其充电线、适配器分为无包覆物、包覆毛巾、包覆棉花、包覆棉布四组, 在220V电压下, 用防火胶带将K型热电偶分别固定在手机充电线和适配器表面, 按照各组的包覆条件分别对手机充电线和适配器进行包覆, 连通电源对手机充电, 利用数据采集器每隔10s记录一次温度数据, 并观察实验现象, 待热电偶温度稳定后停止测温。温度测定结束后, 将数据采集器中的数据导入EXCEL软件, 利用一元线性回归的方法进行分析, 得出充电线和适配器的温度变化曲线的拟合公式, 再通过求导的方法得出升温速率的公式。

2 实验现象与结果

2.1 充电线的温度变化情况

充电线在四种包覆条件下的温度均在室温处基本稳定在20℃, 没有明显的温升。不同包覆条件下充电线的温度变化曲线如图1 所示。

上述四种包覆条件下包覆物均未被引燃且未出现异常情况。

2.2 适配器的温度变化情况

适配器在无包覆条件下测温21 分钟, 温度由19℃上升到28℃;在包覆毛巾状态下测温68 分钟, 温度由20℃上升到48℃;在包覆棉花状态下测温58 分钟, 温度由21℃上升到36℃;在包覆棉布状态下测温105 分钟, 温度由21℃上升到36℃。不同包覆条件下适配器的温度变化曲线如图2 所示。

上述四种包覆条件下包覆物均未被引燃且未出现异常情况。

3 数据分析与讨论

针对实验结果, 对不同包覆条件下的适配器温度数据进行一元线性回归分析, 得出升温曲线的拟合公式, 见表1。在无包覆物、包覆毛巾、包覆棉花、包覆棉布四种包覆条件下, 适配器温度拟合公式的拟合优度R2值分别为0.9929、0.9458、0.9857、0.9753, 均在0.9 以上, 说明公式的拟合度很高。再进一步对温度拟合公式对时间进行求导, 得到不同包覆条件下的升温速率变化公式。

通过实验可知, 在四种不同包覆条件下, 充电线基本没有温度升高的现象, 而适配器均出现了不同程度的温度升高现象。进一步分析可知, 时间对升温速率的影响较小, 不同包覆物下对应的升温速率接近于一个常数。其中无包覆物情况下的升温速率接近于1.1387k/s, 毛巾包覆下的升温速率接近于0.8925k/s, 棉花包覆下的升温速率接近于1.346k/s, 棉布包覆下的升温速率接近于0.3508k/s。

4 结束语

根据实验结果, 充电线在四种包覆条件下温度基本稳定在20℃。适配器在无包覆物的情况温度升高约10℃, 最高温度不超过40℃;在分别覆盖毛巾、棉花、棉布的情况下, 温度升高15℃至28℃不等, 最高温度不超过50℃。由此得出结论: (1) 手机充电线和适配器在无包覆物、包覆毛巾、包覆棉花、包覆棉布的情况下充电至温度稳定, 最高温度均未超过超过常见可燃物的燃点。 (2) 在充电状态下, 手机充电线的温度受包覆时间的影响较小, 适配器的温度随包覆时间的推移而升高至一个稳定值; (3) 在充电状态下, 不同包覆物对手机充电线温度的影响较小, 不同包覆物下的适配器的升温速率接近于常数。

摘要：文章研究了不同包覆物种类和不同包覆时间对手机充电线和适配器的温度及其引燃能力的影响, 利用热电偶和数据采集器测量不同包覆条件下手机充电过程中的充电电源线温度, 利用一元线性回归的数据分析方法, 得到升温曲线公式与升温速率公式, 根据实验结果总结四种不同包覆条件对手机充电线和适配器引燃能力的影响。

关键词：手机充电,包覆条件,引燃能力

参考文献

[1]孙莉.国产手机质量管理实证研究[D].华中科技大学, 2006.

[2]严培.苹果5代智能手机充电电路原理剖析与故障检修[N].电子报, 2014-11-23.

[3]王令朝.排除手机充电故障[J].家庭科技, 2005 (12) .

[4]唐健康.手机电池的正确使用及保养[J].轻松学电脑:电子乐园, 2011 (12) :107.

[5]欧文.边充电边玩手机的危险警示[J].安全与健康, 2015.

[6]Manisha Pandya, Andy Khayat.手机系统的电源管理[J].世界产品与技术, 2004 (6) :70-71.

[7]高倩.智能化锂电池充电管理[D].北京交通大学, 2012.

[8]刘平.智能手机电源管理系统设计与故障分析方法研究[D].吉林大学, 2008.

充电技术:停不下“充电”的步伐 篇2

可反复使用的充电电池, 不仅应用更便捷, 长期使用成本更低廉, 使用的时间更为长久, 从节能环保的角度也远比普通电池更有优势。据统计, 未来5年内, 可充电电池在供电电池市场所占的比例将从现在的45%提升到70%以上, 2011年生产95%的电池供电电子设备采用充电电池供电, 到2010年仅移动电话充电适配器就超过12.5亿个。可以说, 充电技术几乎伴随着电池供电系统渗透到我们生活中的每个角落, 你能想象自己处于一个无法充电世界中的生活吗?

充电技术趋势

充电技术包括电池充电、电容充电和电气充电, 本文重点讨论电池充电。电池充电是给蓄电池、可充电电池等设备补充电量的过程, 其原理是让直流电从放电相反的方向通过, 以使电池中活性物质恢复作用。

典型的充电系统主要包括几个部分, 交流到直流的AC-DC转换, 直流电压适配器的DC-DC转换, 数字电源管理单元, 以及电源监控部分和充电保护部分。由于现阶段充电系统和充电电池在不同应用中的尺寸大小、电压和功率、充电时间及充电环境千差万别, 所以充电系统的实际组成也相去甚远。比如汽车内的蓄电池充电与现在的电动车电池充电就是完全不同的两个系统, 而最常用的锂离子电池充电系统多集中在消费电子应用, 尺寸和效率的要求同样重要。

充电系统结构虽然简单, 但是对其系统的技术要求日益苛刻, 迫使充电系统不得不随时自我完善。在为一块块电池充电的同时, 借助半导体厂商与系统厂商的研发, 充电系统也在不断地自我“充电”。对充电系统的技术要求包括:系统小型化、速度与效率提升、空载待机功耗低、充电传输损耗小、通用性、安全性与充电可监控等。

随着储能产品的多样发展, 目前充电系统技术的主要要求涉及到系统安全、转换能效、高度集成以及使用便利等方面。例如, 多串电池应用需求的发展, 便携式移动设备充电接口的统一, 以及无线充电技术的完善等目前较为关注的市场和技术领域都涉及到这些。根据不同的应用场合, 对充电系统的要求也有所不同。例如在便携式应用中, 随着便携式产品用电需求的增长, 大容量的锂离子电池越来越多地应用于各种便携式设备, 充电技术发展的要求是加快充电速度, 减小充电方案的体积;而对于大功率的储能设备或者是汽车等应用场合, 由于使用了超大容量电池, 并且随着业界对于节能环保的要求, 锂离子电池正在取代传统的铅酸电池成为主力, 由于锂离子电池充电安全性的问题比较突出, 因此在这一领域, 更注重的是如何如何在加快充电速度的基础上保证充电系统和电池的可靠性。根据这些要求, 目前充电系统新的技术开发主要集中在开关充电, 无线充电以及电池均衡等技术。而这些技术中, 各自涉及到不少的半导体器件, 如充电器端的离线开关电源控制器, 功率半导体器件, 充放电管理芯片、电池监测芯片、功率开关管, 电池端的开关充电芯片, 电池的均衡保护前端器件, 完成保护均衡算法的MCU, 有时涉及稳压保护等半导体产品。意法半导体拥有完整的充电半导体解决方案, 包括:微控制器, 栅极驱动器, 电源管理IC, 功率器件 (二极管、IGBT、功率MOSFET、电源模块) , 运算放大器、PLM, 电能表IC, 传感器等。

提升充电效率与通用性

提升充电效率和缩短充电时间一直是半导体厂商在电池充电领域所致力改进的方向。对于便携式应用, 主要是使用更高效率的新工艺开关充电器芯片来达到这个高效率和大电流以缩短充电时间;而对于像电动汽车这种大功率的场合, Intersil资深应用工程师李林谈及该公司所致力的方向, 主要是研究更先进的电源转换拓扑结构控制芯片来提高充电转换器的效率, 包括正在考虑中的无线充电解决方案。而对于后端系统设计厂商, 还可以在接插件方面来下功夫, 以减小充电器与电池系统之间的阻抗, 提升充电电流来缩短充电时间。

在充电系统中, 电源监控, 数字电源管理和AC-DC转换三个部分在充电技术系统中都占有重要地位。AC-DC电源转换技术的好坏, 直接影响充电的效率和可靠性。特别是对中大功率的充电应用场合, 使用新技术可以做出效率更高, 功率密度更大的产品, 从而降低系统的开发和使用成本, 给用户带来好处。李林认为这部分是最有改进可能的一部分, 恰好这也是Intersil最关注的一部分。意法半导体也认为AC-DC是提升效率最主要的环节, 解决方法还包括引进新的半导体材料, 如SiC和GaN, 隔离的栅极驱动器也会导致更高的效率和系统集成。

TE Connectivity电路保护部应用工程经理郭涛指出, TE电路保护部致力于各类电路保护器件和提供电路保护方案。提升充电效率主要是提高充电电路的能量利用效率, 在满足充电电路正常工作的前提下尽可能采用低功耗设计。充电时间主要与锂电池技术和充电方案有关。在现有锂电池技术基础上, 缩短充电时间主要采取提高充电电流 (最大不超过1C) , 和减小涓流充电时间来实现。

TI电源管理产品业务发展经理程文涛特别提到, 手机及适配器制造商满足最新的要求是, 欧盟委员会整合性产品政策 (EC IPP) 规定的30mW以下5星级空载功耗标准要求。TI为此推出高效率UCC28700反激控制器, 其优势包括原边调节、恒压恒流, 非常宽的VDD输入电压范围, 支持很高的开关频率, 无需光耦反馈电路, 宽VDD输入电压及迟滞范围, 与低IDD待机电流支持更小的VDD电容器, 而且无需其它外部电路。另一方面, 某些手机与平板电脑的5W和10W充电器只支持某一品牌的设备, 给当前移动用户带来很大困扰。消费者购买新移动设备就需要新的充电器, 增加家中适配器的数量, 最终产生更多的电子垃圾。TI TPS2511智能USB充电控制器符合USB电池充电规范1.2版要求, 可为系统提供更多充电算法。该产品将电流限制USB电源开关与USB专用充电端口识别电路相整合, 可自动检测USB 2.0及3.0数据线路电压, 并提供正确的电气特征, 安全地为符合相关标准的设备充电。

电源保护与电源监控

由于充电电池需要反复使用, 而且在充电过程中尽管是直流充电, 依然会存在一定的瞬态电流, 所以充电系统在设计中必须进行一定的电源保护设计, 以确保对电池的损伤能降到最低。

郭涛强调, 具体到实际应用, 单只锂离子电池的充电电压最好保持在4.1V, 通过充放电管理芯片, 充电电流通常限制在1C以下, 否则会造成锂离子电池永久性损坏。锂离子电池充电系统通常采用恒流/恒压充电模式, 即先采用恒定电流充电, 电池电压不断上升, 当上升到门限电压时充电器应立即转入恒压方式 (4.1V+50mV) , 充电电流逐渐减小, 当电池充足电时, 电流降到涓流充电电流。在电池充电过程中, 长时间过充对电池造成的损伤是最为严重的事件, 极度情况下会引起电池爆炸着火, 伤及人身。为了避免此类事故, 电源部分通常采用限压技术或元件, 防止过高电压电源的误输入造成充放电管理系统电路的损坏;同时, 在电池电极附近安装聚合物型可恢复正温度保护器件, 在充放电管理系统失效时, 起到二次保护作用, 防止过充造成电池的毁坏。

除了在充电过程中加入相应电路保护功能, 充电过程中还需要通过对电池的电压及温度的监测, 针对电池的不同状态, 设计合理的充电曲线, 来调整不同状态下的充电电流来降低对电池的损伤。特别是对便携产品的锂离子电池充电, 如果不进行电池监控, 散热失控 (一种电池进入失控反应的状态) 会导致电池的温度快速升高, 最终产生爆炸等严重后果, 在某些低高温范围内应避免使用高充电电流和高充电电压的重要性。目前智能电池组包括了一个电量计、模拟前端和二级保护电路, 常常用于笔记本电脑应用中。电量计通过SMBus向系统提供电池的电池电压、充电和放电电流、电池温度、剩余电量以及可运行时间信息, 旨在优化系统性能。在各类电源监控电路部分, 郭涛认为, 可使用TE电路保护部的聚合物型自恢复保护器或者一次型保险丝, 防止由于各类操作和组装失误造成的电源短路故障。

电源监控同样也是提升充电效率的一个重要手段, 能够将充电信息传递给控制部分, 优化充电过程。充电系统中需要监控的参数主要包括充电电流, 充电电压, 充电器的温度, 电池的温度等信息, 而这些参数主要是通过ADC检测节点电压的方式来实现的, 如监控充电电流这一项, 由于在大功率应用中, 为了达到较高的检测精度, 一般使用精密电阻来进行检测, 但是为了不影响充电效率, 电阻的取值一般都非常小, 所以需要对检测信号进行放大, 而这时候电流放大器就特性就会非常重要。

软件的作用

软件在充电系统中扮演了非常重要的角色, 对硬件电路起到了不可忽视的补充作用, 使得充电系统的可控性和可移植性变得更强。例如通过软件算法对充电系统和电池进行监控, 可以极大地减少充电解决方案的硬件体积和成本, 增强充电系统的可靠性。李林表示, Intersil公司为自己的每一款充电芯片都提供必要的软件支持, 通过提供图形化的软件评估界面和相应的驱动程序, 以便系统厂商可以方便快速地进行产品设计, 从而缩短系统厂商的开发周期, 加快产品上市进程。软件具有更改灵活、便于扩展, 整体费用低等优点。随着嵌入式软件的发展, 软体在充电系统中的分量将越来越重。郭涛介绍, TE电路保护部提供业内先进的电路保护器件和完善的保护方案, 作为一个被动元件商, 现在还没有进入相关的软件领域。

新兴应用

电动汽车是最近一个非常热门的应用, 而普及电动汽车的诸多技术因素中, 充电系统现在是制约其快速发展的重要瓶颈。电动汽车充电系统不仅要求效率和充电时间, 更要求在安全和易用性上取得突破。这其中比较突出的要求包括, 通用性的充电接口与通用电量检测软件。

大功率电池供电设备不同于单节电池供电系统。由于需要使用多节电池进行各种串并联, 以实现所需的电池功率, 使得整个供电单元成为一个复杂的电池组。在这个电池组中任何一节电池芯出现问题, 都会导致整个电池组包失效并危害到使用者。如何保证电池组中每一节电池的安全, 如何用最经济的方式实现对每一节电池的监控, 如何保证在复杂的电池系统装配过程中不因各类疏忽或差错引起无法控制的危害, 这些都是与传统单节电池充电系统的不同和需要考虑的关键技术。

同时, 这类产品由于其应用的特殊性, 对可靠性要求比较严格, 因此对相应的半导体器件也提出了新的挑战。李林自信地表示, Intersil在这类产品上有单独的技术团队, 根据自身的优势, 为这类应用提供高可靠性的解决方案。针对于当下发展最活跃的锂电池电动车市场, Intersil推出了多个高性能的产品系列和解决方案, 如多节电池均衡保护模拟前端产品ISL78600, 在提供业界最快的循环电池电压扫描功能的同时, 耗电量低到只有几十微安, 并且提供业界最灵活的内部寄存器设置帮助客户实现不同的电池保护算法要求。再如更具灵活性的基于ISL6754的高效率非对称全桥ZVS电压转换拓扑结构, 这种新的架构在不增加硬件投入成本的前提下帮助客户将大功率充电系统的效率提升了一个等级, 为节能环保型充电器的入市奠定了坚实的基础。

整晚充电不可取手机应该怎样充电 篇3

1 锂电池寿命及影响因素

锂电池的寿命是用充电周期来衡量的,所谓充电周期,指电池的所有电量由满到空,再由空充到满的过程。如果有一块1000毫安的电池,每用100毫安之后就充满电,那么要充10次电才算一个充电周期(100毫安乘以10次)。

因此,使用时完全没有必要等到电量快要用完的时候再去充电。有些人也提出一直连着充电器会损伤电池,这种说法确实是有依据的,因为锂离子电池的特性,即使电量已经充满,只要连接电源,它就还是会为电池继续充电,持续的通电对电池施加高压负载,导致电池超出负荷,这也是为什么有些手机在充电时会爆炸的主要原因。不过现在的手机都有过充保护功能,在电量充满后会自动断电。总之,持续处于高压负载的环境下是最缩短电池寿命的主要原因。那么怎样减少这种充电状态呢,首先需要先了解手机充电的过程。

2 手机电池的充电过程

接下来介绍下手机电池是如何进行充电的(新电池不适用,这里指的是用过一段时间的手机电池)。手机充电主要分为4个阶段。

第一阶段,为快速充电阶段。从连接充电器充电开始,电池的电压处于一个比较低的数值,随后电压开始迅速增长,由于开始时电流的数值较高,这阶段的充电效率可以说是最高的。第二阶段随着电流值逐渐降低,电压增长到一定值之后,其数值开始趋于稳定,由于电流数值较低,充电的效率降也会下降,最后电流数值接近于0,由于过充保护功能,充电过程会停止。第三阶段为一个缓冲阶段,充电电流数值为0,但电池并没有完成充电。此时电压开始逐渐降低,当电压值掉到一定数值之后,第四阶段也就是最后的充电阶段就开始了。第四阶段起步时又会有电流通过,使得充电继续开始,电压值此时也开始又一次上涨,第二次升至峰值。随着电流的降低,最后电池达到充满的状态。

快速充电的原理就是通过缩短第一阶段的时间来实现的,当提升了通过的电流之后,电压会以更短的时间达到第二阶段所需要的峰值,通过使用提升电流的方法,能够在很短时间内将电池的电量充到70%。这也是为什么快充插头的电流规格会比一般充电插头大的缘故。

了解了充电的过程之后,那么继续回到电池寿命的问题上来,这里要注明一点,就是高电压会给锂电池造成一定的负荷,所以说一直处于高电压的状态会增加到锂电池的负荷,从而减少其使用寿命。那么从充电的过程来看,电池一次充电到充满,电压要达到两次峰值,电池的负荷也会增加两次。

3 整晚充电对手机有何影响

手机充电一整夜到底有什么影响呢?其实充电一整夜就是一个完整的锂电池充电过程,许多手机都会有过充保护,在二次达到电压峰值,电量充满之后电池就会断电。此时手机将会将电源作为电量来源,也就是说,充满电之后,电池将处于断电未使用状态,手机的运行全靠外接电源供应。

这样电池充电也就只是经历了两次电压的峰值,对电池的影响并不是很大。不过有些手机并不是将电池充满后完全断开与电源的连接,这种情况下长时间连接充电器,电池肯定会一直处于高压状态,这样电池一直承受着高电压的负载,从而影响到了使用寿命。所以将手机充电一整夜的做法是有损电池寿命的。

对于新买的手机来说,锂电池的充电并没有特别多的注意事项,因为新电池充电时电流下降速度较慢,到充满时可能电流也不会掉到0,因此不必担心电压2次上升的问题。而对于那些使用过一段时间的电池来讲,其损耗导致充电电流下降较快,因此在用过一段时间后,建议充电时电量不要充满,这样可以有效延长电池寿命,最好是在充电的缓冲阶段拔掉充电器,也就是电量在80%左右的时候。

充电条件 篇4

对于诸位iPhone用家来说, 想必最头疼的就是耗电量的问题, 往往一天不到的时间, 你的手机就提早下班了, 要是有个紧急电话, 又发现电量不足, 那该是多悲哀啊。就拿上班族来说, 基本一到公司, 就把iPhone接在电脑上, 生怕它game over。

不过, 近日巴西设计师joaolammoglia制作的一套充电器让人眼前一亮。其实这是一个利用人类呼吸器就可以帮iPhone充电的概念面罩“aire”, 其原理便是将你呼吸中的动能经小型风力发电器转换成电力, 且室内室外兼用, 不管你是跑步, 还是睡觉, 只要你还有呼吸, iPhone便能充电。

不过这项发明听起来还是有些梦幻, 不知在未来能否上市, 但据JoaoLammoglia描述, 他非常有信心能让“aire”上市, 同时这项发明也获得了reddot颁发的《best of the best 2011 design》奖项, 看来还是有潜力的, anyway, 还是让我们耐心等待吧!

充电条件 篇5

关键词：电动汽车,实时充电优化,汽车充电预测,滚动优化,智能电网

0 引言

作为清洁能源汽车的代表,电动汽车近年得到了快速发展[1,2]。电动汽车数量达到一定规模后,如果任由其无序充电将对电网产生负面影响,引发电能质量下降[3,4,5]、网损增加[6,7,8],甚至危及电网稳定性[9]。因此,电动汽车智能充电(也称协调充电)问题得到关注,一种典型思路是将充电负荷转移到常规负荷的低谷时段,在满足汽车充电需求的同时,减弱其充电影响。研究表明,智能充电不仅能有效减少无序充电造成的电能质量下降和网损,而且能使电网总负荷曲线实现削峰填谷,增加电网运行效益[10,11,12,13,14,15,16,17,18,19]。

电力系统调度分为日前—滚动—实时3 个时间窗口,目前电动汽车智能充电优化研究主要侧重于日前离线和实时在线优化两方面。日前优化时,汽车入网时间和充电需求难以确知,需进行日前预测,常用做法是利用交通数据库分析它们的概率分布函数并获取特征参数[17,20,21],在此基础上优化汽车未来几个小时的充电功率。而目前的实时充电优化常采用“滚动式”优化方法,它和日前优化区别在于:第一,电网每个时刻仅考虑当前入网汽车信息,采集、刷新接入时间、当前电量、车主提供的充电需求和预计离开时间,故优化所需信息是确定的;第二,优化后对入网汽车只设定当前时刻充电功率,而非未来一段时间内的充电功率[11,14,19]。

为便于后文论述,本文将目前常见的实时充电优化方法称为常规方法。这类研究仅考虑入网(已接入电网)汽车信息,不考虑未入网汽车(尚在行驶中,未来可能接入电网)。因此虽然方法可行,但由于优化已知信息局限于入网汽车集合,有时优化效果并不够好[14]。随着信息通信技术(ICT)在电动汽车上的应用和汽车充电数据的不断积累[22,23],已有人研究如何结合汽车充电行为的历史规律和汽车当前运行状态,预测未来一段时间电动汽车入网时段、充电需求[24,25,26,27,28,29]。研究表明,虽然单辆电动汽车充电行为规律性较弱,预测较难,但对于由多辆汽车组成的汽车集群,各个时段的电量需求、可用充电功率的规律性较强,容易取得较高的预测精度。

基于此,本文在当前常规实时充电优化研究的基础上,考虑了将入网汽车信息,提出了计及汽车充电预测的实时充电优化方法:每个时刻,电网根据电动汽车未来充电行为的预测信息形成充电预测模型,并将预测模型纳入实时滚动优化模型中,求解已入网汽车当前时刻的优化充电功率。

与已有研究相比,本文贡献如下。

1)考虑到电动汽车预测在未来将越来越可靠,提出了一种新的实时充电优化方法,以引入将入网汽车预测模型的方式来利用预测信息,尝试回答未来预测信息如何有效应用的问题。

2)所提方法中,由入网汽车的确定信息构建的充电约束和未入网汽车的预测模型处理为两个分离的约束集合,从而使得无论后者预测精度如何,入网汽车都能满足自身的充电约束,保证实时充电方案的可行性。

3)由于预测精度对优化效果也将有直接影响,本文基于滚动优化,通过实时反馈电网当前峰谷水平、入网汽车充电状态和新的预测模型,重新优化当前时刻入网汽车充电功率,避免误差持续累积、放大。针对不同的预测精度进行了对比仿真分析,尤其是验证了较差预测误差下所提方法的效果。

1 实时充电优化模型和预测方法简介

为便于后文说明和对比,本节简介常规实时充电优化方法的数学模型和汽车充电行为预测方法。

1.1常规实时充电优化方法(简称RT方法)

电动汽车在夜间和白天的停车时间进行充电。夜间充电通常指的是晚上18:00左右到次日08:00点左右,这段期间,由于居民用电习惯,负荷仍然存在峰谷特性。由于车主充电习惯,不受控下电动汽车充电负荷将叠加在晚高峰上,造成更大的负荷高峰,需要通过实时充电优化,避免晚高峰,并进行填谷。本文采用夜间充电为例加以介绍,但相应控制目标和相应方法也可应用到白天“日间充电”上。

考虑面向夜间充电(如晚上20:00 到次日09:00)的实时充电优化问题。在时段[1,T]内(时段间隔为Δt)配电网有N辆电动汽车在不同时刻接入充电,电网实时优化汽车充电功率实现填谷:任一调度时刻t,电网将入网汽车作为优化对象,根据剩余充电需求,建立滚动时间窗内的填谷充电优化模型;求出最优解后,向入网汽车下发当前时刻优化值作为实时充电功率的设定值。建模时,设第n辆电动汽车入网和离开时刻为tnin和tnout,额定充电功率为rnmax,入网前的净充电需求为Rn(净充电需求可由汽车的目标荷电状态,初始荷电状态,电池容量,充电效率以及优化的时间步长确定[14]),时刻t的RT模型可表达为[14]:

式中:Nta为时刻t入网充电汽车集合,即Nta={n∈N|tnin≤t0};Tt为时刻t的优化时间窗,它从当前时刻延伸到Nta中汽车的最迟离开时刻;τ为Tt中任一时刻;U(x)是一个严格凸函数(如0.5x2),严格凸性可保证充电以填谷为目标[14];rn(τ)为Nta中的汽车n在时刻τ的充电功率;rn为由rn(τ)组成的向量;是其充电功率上限;Rnt为汽车n在时刻t的剩余净充电需求,由充电设施测量确定;D0(τ)是配电网在时刻τ的常规负荷功率。

根据各汽车的入网和离开时间,优化中的rn-(t)可由下式确定[14]:

在每个时刻,RT模型中的接入汽车集合、优化时间窗、各汽车的电量信息和优化充电功率都将重新采集、刷新,以使实时充电优化结果能满足入网汽车的实际充电需求[11,14]。

1.2汽车充电行为预测方法

伴随ICT技术的应用和车网通信技术的推进[22],已有不少研究者基于汽车充电行为的历史数据,并结合当前汽车的状态,预测汽车未来充电行为,如充电时间、充电地点、充电需求等[23]。目前常见3种预测方法。第1种预测方法是分析电动汽车的交通行为特点,建立汽车集群充电行为的动态微分方程,预测汽车充电负荷[24,25];第2种方法是利用已有的交通行为数据库,如全国居民出行的调查(NHTS),通过蒙特卡洛仿真车主的交通和充电习惯,建立随机概率模型(如非时齐semi-Markov模型)预测汽车在未来时段的充电时间、地点、负荷需求[26,27];第3种方法则是结合汽车的历史充电行为数据(可借助ICT技术采集得到),通过回归分析方法预测未来单辆电动汽车或者集群的充电时段,能量需求等信息[28,29]。在文献[28]中,采用第3种方法预测单车和汽车集群的充电行为。对于单辆汽车,根据文献[30],首先通过广义线性模型(GLM)方法预测汽车的入网时间段[tnin,tnout],再在此基础上预测单车的充电需求;而对于汽车集群,因各时刻入网充电汽车数量、充电需求、充电需求分布、最大充电功率(时刻t集群充电需求等于在该时刻离开的各汽车的充电需求之和;时刻t集群充电需求分布等于此时刻入网汽车的充电需求之和;时刻t的集群最大充电功率等于该时刻各电动汽车功率上限之和[28])等信息的周期规律比较明显,可直接采用线性回归模型进行预测。由于电动汽车集群中汽车个体较多,汽车个体充电规律的不均匀性彼此抵消,集群的规律性可能会更加明显,在电动汽车大规模普及的情况下相对单车预测可能有更高的精度。

综上可知,通过交通行为建模或基于历史数据的回归分析等办法,有多种方法可对单车或者汽车集群的充电行为进行有效的预测。基于此,本文未将研究重点放在如何预测充电负荷,而是将单车或者集群的充电预测信息作为建模时的已知输入,重点研究在预测信息可用的情况下,如何在实时充电优化中利用好这些信息,以取得比常规方法更好的效果。

2 基于模型预测的实时充电优化方法

本节根据单车或者集群的预测信息,在现有RT方法的基础上,分别建立基于单车或者集群模型预测的实时充电优化方法(简称为MPRT方法)。

2.1基于单车模型预测的MPRT方法(MPRT-1方法)

设任一调度时刻t,电网除考虑已入网汽车模型(如约束式(2)),还预测出未来Ttp时段内将入网的各辆电动汽车的接入电网时间段,充电需求,则可利用这些信息构建各车的充电预测模型,并结合约束式(2),得到MPRT-1 优化模型如下。

式中:Ntp为将在Ttp时段内入网的汽车集合,即;Tt为时刻t的优化时间窗,但从当前时刻延伸到Nta和Ntp中所有汽车的最迟离开时刻;为Ntp中的汽车n在时刻τ的预测充电功率上限,由式(6)确定;其余变量意义同前。

该模型中,约束式(2)描述了已入网汽车的功率和电量约束,约束式(5)描述了Ntp中各单辆汽车的预测模型。 由式(6)可知汽车未接入电网时,汽车不充电,而入网后为额定充电功率;此外约束式(5)还考虑了Ntp中各汽车的充电需求。值得注意,由于入网汽车的确定信息构建的充电约束和未入网汽车的预测模型处理为两个分离的约束式(2),式(5),所以无论后者预测精度如何,入网汽车都能满足式(2)中的充电约束,保证实时充电方案的可行性。

MPRT-1方法中,每个时刻首先确定已入网的汽车集合Nta,并刷新电量数据;再根据预测的时段长度Ttp确定将要入网的汽车集合Ntp和预测信息;再由以上信息,确定优化时间窗Tt,建立优化模型;采用集中式或者分布式优化求解该模型,向入网汽车下发当前时刻的优化值作为实时充电功率设定值,结束该时刻优化计算。计算步骤如图1所示。

2.2 基于集群模型预测的MPRT方法(MPRT-2)

设任一调度时刻t,如果电网预测出未来Ttp时段内将入网汽车集群各个时刻的充电需求R^p(t)、充电需求分布^pRD(t)、最大充电功率^r珔p(t)等信息,则可利用这些信息构建集群预测模型[28],并结合约束式(2),得到MPRT-2优化模型如下。

式中:Tt表示时刻t的优化时间窗,时间窗最末时刻Tt=max{Ttp,tnout|n∈Nta};rp(τ)表示优化中时刻τ集群充电功率;rp为由rp(τ)组成的向量;α(τ)是反映已充电量对集群可用充电功率影响的因子;其余变量定义如前。

约束式(8)采用了文献[28]中的集群预测模型,约束集第1个约束表示每个时刻集群的充电功率不能大于充电功率上限的预测值,引入因子α(τ)是由于集群实际可用充电功率上限将随集群已充电量的增加而减少,α(τ)的计算可参考文献[28];约束式(8)第2个约束表示集群充电量应不小于该时刻集群的充电需求;第3个约束表示集群充电量不应大于该时刻集群能吸收的最大电量。

与MPRT-1方法相比,Ntp中各辆汽车的预测模型在这里由一个集群预测模型代表。从预测的角度看,集群充电行为的规律性更加明显,预测较为容易,有助于电网进行实时充电优化;从计算角度看,若Ntp集合元素较多,MPRT-2方法的优化规模和计算量将比MPRT-1方法明显减少,并容易利用已有的分布式优化方法(如RTODC方法[14])进行求解。另一方面,由于约束式(2)和式(8)仍然是分离的,MPRT-2方法仍能保证入网汽车实时充电方案的可行性。MPRT-2方法的计算步骤如图2所示。

由于MPRT-1和MPRT-2方法思想类似,下文中统称为MPRT方法,分析其与目前常见的RT方法的异同。

3 MPRT和RT方法的理论分析

将RT和MPRT方法特点总结如表1所示。

由上表可见,MPRT方法与目前RT方法的区别就在于优化中利用了将入网汽车的预测信息。换言之,如果每个时刻无预测,即Ttp=0,Ntp= ,那么MPRT退化为现有RT方法;否则,引入预测信息将导致新的优化结果。例如,对于“理想”预测,即每个时刻Ttp足够长,Ntp=N/Nta,且入网汽车的预测信息无误差,那么由第2节中两个MPRT优化模型的目标函数和约束式,每个时刻MPRT方法的模型将计及所有汽车的准确充电信息进行优化,易知此时优化充电结果将是填谷的理论最优解,而目前的RT方法则很难获得这一结果[14]。而实际中,Ttp通常为有限时段,且NtpN/Nta,如果未接入的电动汽车的预测精度较高,MPRT方法仍能比目前RT方法更合理地优化入网汽车的充电功率。图3用一个直观的例子说明了利用预测信息有助于电网更合理地安排汽车实时充电功率。图中A和B代表了在t1和t2时刻入网的两组电动汽车的充电需求。

图3中假设各时刻优化时间窗都足够长。在图3(a)中,电网采用RT方法进行实时充电优化,由于电网在t2时刻之前并不知道有新汽车接入,所以每个时刻都预留部分A去填充t2之后的负荷低谷,这使得t1到t2时段内的总负荷曲线较低;而在t2时刻,新一组汽车入网,此时汽车总充电需求突增,电网将之填充在t2时刻之后的常规负荷低谷处,使得总负荷曲线较之前明显增高,整个时段内呈阶梯状,并没有实现理想的填谷。而在图3(b)中,电网采用MPRT方法进行实时充电优化,由于利用了预测信息,电网可预见在t2时刻将有充电需求为B的新汽车入网,故尽可能将充电需求A填充在t2时刻之前的负荷低谷处,避免了RT方法中不合理的做法,最终取得更好的填谷效果。

4 算例验证

为验证本文方法的有效性,分别对电动汽车入网充电时间的3种分散程度(分别用Case_1,Case_2,Case_3 代表)进行仿真。汽车入网充电时间在Case_1中相对集中,而在Case_3中相对分散。3种算例的仿真参数如表2所示[14]。在理想预测和有预测误差的情况下,分别仿真RT,MPRT-1 和MPRT-2方法的电动汽车实时充电功率,并和理论上的最优填谷曲线进行对比。参考文献[29],对单车和集群的预测,分别考虑3 种精度(分别用A1,B1,C1以及A2,B2,C2表示),如表3和表4所示。

4.1 理想预测下的结果对比

理想预测下,比较3种算例的RT和MPRT方法的实时充电优化结果,现有方法和MPRT结果与基准曲线对比如图4所示。负荷为标幺值;充电结束时间09:00。

图4中分别对比了从Case_1到Case_3的RT和MPRT方法的填谷效果。图中,RT,MPRT以及理想曲线在所有汽车结束充电(09:00)之后将和常规负荷曲线重合。通过和理论最优解对比,可知无论是MPRT-1还是MPRT-2方法,由于合理利用了对未来入网汽车的预测,图中都和理论上的最优填谷曲线重合,实现了最优充电。而对于RT方法,随着汽车入网时间分散程度增加,图中总负荷曲线阶梯现象明显,甚至严重偏离最优解(如图4(c))。这是因为电网缺乏汽车充电行为的预测信息,在夜间充电早期预留了大部分充电需求,致使夜间充电后期充电需求过大,从而造成阶梯状明显的总负荷曲线,无法实现理想的“填谷”。但是在理想预测或者很高预测精度下,MPRT方法通过对未来的预测,可更加合理地安排每个时刻的充电功率,使得填谷曲线相当接近理论最优解,保证填谷效果。进一步的比较和说明参考附录A。

为突出显示避免晚高峰的效果,Case_3下RT,MPRT-2方法和汽车自由充电(一接入电网就以最大功率进行充电)两种模式下系统负荷曲线对比如图5所示。充电结束时间09:00。

4.2 存在预测误差下的结果对比

通常理想预测难以实现,因而有必要研究不同预测精度对MPRT方法优化结果的影响。表5和表6给出了在不同预测精度下,RT,MPRT-1,MPRT-2方法和最优填谷曲线偏差的二范数。

对于上表,可见无论是MPRT-1还是MPRT-2方法,不同预测精度下的结果均优于现有RT方法。在最差预测精度下,MPRT方法所得结果和最优填谷曲线的偏差约是RT方法的10%,特别对于汽车接入时间较分散的Case_3,即使有预测误差的MPRT方法也远优于现有的RT方法。

图6进一步给出对于Case_3,C1和C2预测下的MPRT方法,RT方法得到的总负荷曲线,并将之与理想的填谷曲线对比,分析预测误差的影响。图中充电结束时间09:00。

由图可见,无论对哪种MPRT方法,预测误差的影响都主要发生在夜间充电早期,它使总负荷曲线在最优充电曲线附近发生波动。这是因为在夜间充电早期,大部分汽车并未入网,相应信息由带误差的充电预测获得。如果某时刻过高估计了未来的充电需求,电网将安排更多入网汽车在该时刻充电,故总充电功率将比最优曲线略高;反之,总充电功率将比最优曲线略低,所以曲线将出现波动,而不再如理想预测时那样能与和理论最优解重合。但即使在最差预测精度下,图中的曲线波动也是比较小的。在夜间充电后期,大部分汽车已经接入,优化信息确定,预测误差的影响将大为减少。

总之,由仿真可见,一般情况下,预测误差对MPRT方法影响有限,所得总负荷曲线仍然很接近理想的填谷曲线,可比现有方法更好地减少电网开机成本,提高效益。

5 结语

本文在目前只考虑入网汽车信息的实时充电优化方法中,引入未入网汽车在时间维度的预测信息来构建预测模型,以改善常规方法的优化效果,尝试回答了未来愈加准确的电动汽车预测信息如何有效应用于实时充电优化中的问题。

所提方法中,将入网汽车的确定信息构建的充电约束和未入网汽车的预测模型处理为两个分离的约束集合,保证任意预测精度下实时充电方案的可行性。再加之“滚动优化”的机制,通过实时反馈电网当前峰谷水平、入网汽车充电状态和新的预测模型,重新优化当前时刻入网汽车充电功率,避免误差持续累积、放大,使得所提方法,使得所提方法(无论是基于单车还是集群的预测模型)能够在不同的预测精度下都可比现有常规方法取得更好的填谷效果,而且电动汽车充电时间越分散,效果提升越明显。特别地,较差预测信息下的良好仿真效果表明,所提方法对电动汽车预测精度有一定的鲁棒性,即使在电动汽车发展初期预测效果较差的情况下,也有积极价值。

由仿真可知,预测精度越高,本文方法效果越好,因而未来有必要进一步研究汽车集群或者单车充电行为的预测方法,提高预测精度,例如通过信息通信技术和智能交通系统。此外,由于本文重点说明所提方法效果,故对模型中用户、电池和电动车性能等因素有所简化。 未来研究中可通过在约束式(2)中加入相应的约束对这些因素加以考虑。在本文研究基础上,未来还有必要进一步结合电力网络约束,研究将入网汽车的空间分布预测对于实时充电优化的影响。

充电条件 篇6

电动汽车作为一种新型交通工具,在缓解能源危机、促进环境与人类和谐发展等方面具有很大的优势。大力发展电动汽车,可以优化能源供应结构,有效地减少中国对石油资源的依赖,保证中国经济发展中的能源安全,是解决能源战略安全问题的重要措施,也是确保经济、社会可持续发展的必然选择[1,2]。

电动汽车充电设施建设是电动汽车产业健康发展的前提和基础。2010年2月国家电网公司发布了《国家电网智能化规划总报告》,对电动汽车充电设施建设提出了明确的规划:到2015年,国家电网公司将累计建设4 000座电动汽车充电站;到2020年,国家电网公司将累计建设10 000座电动汽车充电站。一个完整的充电站主要包括供电系统、充电系统、监控系统及其他辅助设施。其中,充电系统主要包括交流充电桩和非车载充电机,是充电站的核心设备。

非车载充电机是一种利用现代功率电子变换和控制技术将电网交流电能转变为直流电能的功率变换装置,其整流部分根据容量的不同可由多台充电模块并联组成。结合目前主流电动汽车动力电池的充电需求,本文给出了一种采用LLC串联谐振控制的500 V/25 A(电压调节范围200～500 V)电动汽车大功率高频开关整流充电模块的总体设计方案,详细介绍了充电模块主电路、控制电路的实现方法。针对该电路存在的空载或轻载输出电压上升、参数设计困难等缺点[3,4],本文提供了一种解决方案,并定量地给出了充电模块输入电压、开关频率、输出电压等参数的相互关系。

1 充电模块设计方案

1.1 总体设计

图1给出了充电模块的原理框图。根据各组成部分功能的不同,该模块可分为功率变换主电路、采样与控制电路、输入输出保护电路、通信和均流电路、显示及操作界面等几个部分。本文主要介绍功率变换主电路设计和控制电路设计方案。

1.2 功率变换主电路设计

功率变换主电路采用半桥LLC串联谐振电路,如图2所示。其中,Uin为三相输入整流后的直流电压值,Uo为充电模块输出直流电压。为便于后文分析,充电机负载用电阻Ro代替,变压器用励磁电感Lm和理想变压器T1代替。由于单模块为高压大功率输出,Q1和Q2分别通过6个型号为27N80的金氧氧化物半导体场效应管(MOSFET)并联实现,输出整流二极管型号为DESI60-10A。

该电路具有如下优点[5,6,7]:拓扑结构简单,功率密度高,初级开关管可实现零电压开关且关断电流小,次级整流二极管可实现零电流开关,变换效率高,可高频化。

一般情况下,由于励磁电流比较大,原边MOS管很容易获得零电压开关。同时,由于变压器原、副边电流波形接近正弦波及输出电容的钳位,输出整流二极管上没有电压和电流尖峰。因此,LLC串联谐振DC/DC变换器能获得很高的效率及良好的电磁兼容性能。

1.3 控制电路设计

传统的LLC串联谐振变换器通过调节功率管开关频率来实现稳定工作。研究[8,9,10]表明,该变换器输出电压增益M与开关管工作频率f之间成反比关系:工作频率越高,M越小,输出电压越低;工作频率越低,M越大,输出电压越高。因此,在空载和轻载时,为了稳定输出电压,功率管工作频率需要升得很高,从而产生磁性器件难以优化和空载损耗过高的问题。

为解决上述问题,设计了以SG3525(以下简称3525)为核心的控制方案,具体电路如图3所示。

图3所示的控制电路主要由电压比例—积分(PI)调节器和电流PI调节器、多个比较器、3525及外围电路组成。变换器工作在输出空载或者轻载、深度限流等工作状态时,为了避免功率管工作频率过高,脉宽调制(PWM)调节模块通过比较器判断使得3525的PWM脉冲的占空比间歇性为0,以保证变换器稳压或者稳流输出,且损耗极低[11]。其他情况下,变换器无论工作在稳压状态还是稳流状态,3525均通过PFM调节模块恒定输出占空比为50%的脉冲,功率管开关频率随负载变化而变化。通过调节开关频率调节充电机输出电压和输出电流,进而使上述控制方案可满足电动汽车动力电池的恒压—恒流充电、智能充电等各种充电需求。

2 输出电压特性分析

对于采用变频控制的LLC串联谐振变换器,其输入输出电压与开关管的工作频率及主电路的谐振

频率、谐振电感和谐振电容等参数密切相关,而找到上述参数之间的关系是LLC串联谐振变换器设计的关键。为获得充电模块的输出电压特性,本节对该变换器的主电路工作过程进行分析,定量给出开关管开关频率大于、等于和小于变换器谐振频率时的输出电压,为充电机的设计提供指导。

2.1 开关频率高于谐振频率

为便于分析,假定图2所示的充电模块主电路所有器件均为理想器件。

开关频率高于谐振频率(fk>fr)时,将图2所示变换器负载折合到原边的等效模型如图4所示。

由于谐振电容上的直流电压分量为输入电压的一半,将直流分量移出来,从下管Q2的端口看进去,开关管的开关效果相当于在其端口加上幅值为输入电压一半、开关频率为工作频率fk的方波,变压器原、副边得到的是与其有一定相移、同频率的方波,副边方波电压的幅值即为输出电压Uo。负载电阻折合到变压器原边后的电阻值为Rp=n2Ro。

图4中输入电压uin为幅值是输入电压一半、开关频率为工作频率fk的方波信号。输出电压up可以表示为:

$u{}_{\text{p}}=\frac{\frac{\text{j}\omega L{}_{\text{m}}(n{}^{2}R{}_{\text{o}})}{\text{j}\omega L{}_{\text{m}}+n{}^{2}R{}_{\text{o}}}}{\text{j}\omega L{}_{\text{r}}+\frac{1}{\text{j}\omega C{}_{\text{r}}}+\frac{\text{j}\omega L{}_{\text{m}}(n{}^{2}R{}_{\text{o}})}{\text{j}\omega L{}_{\text{m}}+n{}^{2}R{}_{\text{o}}}}u{}_{\text{i}\text{n}}(1)$

式中:ω=2πfk。

由分析可知,折合后变压器原边电压up已经不再是一个方波,因此计算幅值大小时要乘一个折合系数λ,通过对式(1)取模值,得到变压器原边电压的幅值Up与输入电压幅值Uin大小的关系为:

$U{}_{\text{p}}=\lambda \left|\frac{\frac{\text{j}\omega L{}_{\text{m}}(n{}^{2}R{}_{\text{o}})}{\text{j}\omega L{}_{\text{m}}+n{}^{2}R{}_{\text{o}}}}{\text{j}\omega L{}_{\text{r}}+\frac{1}{\text{j}\omega C{}_{\text{r}}}+\frac{\text{j}\omega L{}_{\text{m}}(n{}^{2}R{}_{\text{o}})}{\text{j}\omega L{}_{\text{m}}+n{}^{2}R{}_{\text{o}}}}\right|\frac{U{}_{\text{i}\text{n}}}{2}(2)$

通过数据分析,当λ=fr/fk时,式(2)与实际结果最接近。变压器副边电压幅值Uo与原边电压关系为Uo=Up/n。则Uo与Uin、工作频率fk等各参数之间的关系为:

$U{}_{\text{o}}=\frac{f{}_{\text{r}}}{f{}_{\text{k}}}\left|\frac{\frac{\text{j}2\text{π}f{}_{\text{k}}L{}_{\text{m}}(n{}^{2}R{}_{\text{o}})}{\text{j}2\text{π}f{}_{\text{k}}L{}_{\text{m}}+n{}^{2}R{}_{\text{o}}}}{\text{j}2\text{π}f{}_{\text{k}}L{}_{\text{r}}+\frac{1}{\text{j}2\text{π}f{}_{\text{k}}C{}_{\text{r}}}+\frac{\text{j}2\text{π}f{}_{\text{k}}L{}_{\text{m}}(n{}^{2}R{}_{\text{o}})}{\text{j}2\text{π}f{}_{\text{k}}L{}_{\text{m}}+n{}^{2}R{}_{\text{o}}}}\right|\frac{U{}_{\text{i}\text{n}}}{2n}(3)$

2.2 开关频率等于谐振频率

当开关频率fk等于谐振频率fr时,MOS管Q1和Q2的开关动作恰好发生在励磁电流im为最大值且该值与谐振电流il相等时,谐振电流il波形为理想的正弦波。此时ω=2πfr=2πfk。由式(3)可得,Uo与Uin的关系为:

$U{}_{\text{o}}=\frac{U{}_{\text{i}\text{n}}}{2n}(4)$

2.3 开关频率低于谐振频率

开关频率fk低于谐振频率fr时,变压器原、副边电压已经不再是方波电压,变换器各关键参数之间的关系可按下述方法分析。

设谐振电流il为:

$i{}_{\text{l}}=A\text{s}\text{i}\text{n}(\omega t+\phi )(5)$

则变压器副边电流为:

$i{}_{\text{s}}=n(i{}_{\text{l}}-i{}_{\text{m}})=nA\text{s}\text{i}\text{n}(\omega t+\phi )-ni{}_{\text{m}}(6)$

不计变换器的损耗,则半个开关周期内变压器副边向输出滤波电容传递的能量等于半个开关周期输出滤波电容向负载传递的能量,即

$\begin{array}{l}U{}_{\text{o}}{\displaystyle {\int }_0^{\frac{1}{2f{}_{\text{r}}}}i}{}_{\text{s}}\text{d}t=U{}_{\text{o}}{\displaystyle {\int }_0^{\frac{1}{2f{}_{\text{r}}}}n}A\sin (\omega t+\phi )-\\ U{}_{\text{o}}{\displaystyle {\int }_0^{\frac{1}{2f{}_{\text{r}}}}n}i{}_{\text{m}}\text{d}t=\frac{U{}_{\text{o}}^2}{R{}_{\text{o}}}\frac{1}{2f{}_{\text{k}}}(7)\end{array}$

由于励磁电流im在这半个周期内正负对称,积分为0,式(7)变为:

$U{}_{\text{o}}{\displaystyle {\int }_0^{\frac{1}{2f{}_{\text{r}}}}n}A\text{s}\text{i}\text{n}(\omega t+\phi )=\frac{U{}_{\text{o}}}{2f{}_{\text{k}}R{}_{\text{o}}}(8)$

同样,不计损耗,半个开关周期内输入电压传出的能量等于一个开关周期内输出电容向负载传递的能量,即

$\begin{array}{l}U{}_{\text{i}\text{n}}{\displaystyle {\int }_0^{\frac{1}{2f{}_{\text{k}}}}i}{}_{\text{l}}\text{d}t=U{}_{\text{i}\text{n}}{\displaystyle {\int }_0^{\frac{1}{2f{}_{\text{r}}}}n}A\sin (\omega t+\phi )+\\ U{}_{\text{i}\text{n}}{\displaystyle {\int }_{\frac{1}{2f{}_{\text{r}}}}^{\frac{1}{2f{}_{\text{k}}}}n}i{}_{\text{m}}\text{d}t=\frac{U{}_{\text{o}}^2}{R{}_{\text{o}}}\frac{1}{2f{}_{\text{k}}}(9)\end{array}$

分析可知,式(9)中励磁电流im在积分时间1/(2fr)～1/(2fk)内近似不变,其值为:

$i{}_{\text{m}}=\frac{nU{}_{\text{o}}}{4L{}_{\text{m}}f{}_{\text{r}}}(10)$

将式(8)、式(10)代入式(9)可得:

$\frac{U{}_{\text{o}}}{U{}_{\text{i}\text{n}}}=\frac{1}{2n}+\frac{(f{}_{\text{r}}-f{}_{\text{k}})nR{}_{\text{o}}}{8f{}_{\text{k}}f{}_{\text{r}}L{}_{\text{m}}}(11)$

3 原理样机实验结果

3.1 主要设计参数

输入交流电压:380 V交流(±20%);

输出最高电压:500 V直流(变化范围200～500 V);

最大输出电流:25 A;开关频率:25～140 kHz;

输入功率因数:≥0.90;效率:≥92%;

稳压精度:≤0.5%;稳流精度:≤0.5%;

纹波系数:≤0.5%;空载损耗:≤30 W。

3.2 实验数据

表1给出了输入电压在正常工作范围内变化、负载电流从0到满载变化时,充电模块不同输出电压时的稳压精度和纹波系数实验数据。其中,Ie为充电模块额定输出电流(25 A)。

表2给出了输入和输出电压均在正常工作范围内变化时,充电模块输出稳流精度实验数据。

表3给出了500 V直流输出、不同输入电压和负载时充电模块输入功率因数和效率实验数据。

经测试,该充电模块在不同输入和输出情况下的空载损耗仅为16 W左右。由于目前实际充电的电动汽车数量比较少,减少充电机空载待机损耗、提高充电机效率有助于大幅度降低电动汽车充电设施的运营成本。

上述实际测试数据表明,该充电模块所有性能参数完全满足设计要求。

3.3 实验波形

图5给出了空载情况下充电模块谐振电感电流波形。显然,谐振电感电流为间歇性工作方式,可有效降低开关管开关损耗。此外,间歇性控制方式也可确保该变换器在空载工作时输出电压保持稳定。

图6给出了开关频率高于谐振频率时变压器原边电压和谐振电感电流波形。

显然,谐振电感波形大部分时间处于正弦谐振状态。这种工作方式可有效降低充电模块电磁干扰,提高其电磁兼容性能。

4 结语

本文介绍了一种基于LLC串联谐振控制的电动汽车非车载充电机充电模块,给出了模块主电路和控制电路的设计方案,分析了该充电机输出电压特性。原理样机的试验结果表明,该充电模块具有较高的转换效率,很低的空载损耗,性能参数完全满足设计要求。目前,该充电机已在国内多个电动汽车充电站中得到应用,运行稳定,有推广应用价值。

参考文献

[1]陈清泉,詹宜巨.21世纪的绿色交通工具———电动车[M].北京:清华大学出版社,2000.

[2]陈清泉,孙逢春,祝嘉光.现代电动汽车技术[M].北京:北京理工大学出版社,2002.

[3]谢小高,张军明,钱照明.一种具有自限流功能的LLC谐振变流器拓扑[J].电力系统自动化,2006,30(1):64-67.XIE Xiaogao,ZHANG Junming,QIAN Zhaoming.New LLCresonant converter topology with self current-limitation[J].Automation of Electric Power Systems,2006,30(1):64-67.

[4]顾亦磊,吕征宇,钱照明.三电平LLC谐振型DC/DC变换器的分析与设计[J].电力系统自动化,2004,28(16):67-71.GU Yilei,LZhengyu,QIAN Zhaoming.Analysis and designof a three-level LLC resonant DC/DC converter[J].Automationof Electric Power Systems,2004,28(16):67-71.

[5]LIBERATORE A,BARTOLI M,REATTI A.Full-rangepower supply based on a two-inductor resonant current-clamped(L2R-CC)DC-DC converter[C]//Proceedings of IEEEInternational Symposium on Circuits and Systems,June 9-12,1997,Hong Kong,China:873-876.

[6]CAVALCANTE F S,KOLAR J W.Design of a 5kW highoutput voltage series parallel resonant DC-DC converter[C]//Proceedings of IEEE Power Electronic Specialist Conference,June 15-19,2003,Acpulco,Mexico:1807-1814.

[7]HUANG Guisong,ZHANG A J,GU Yilei.LLC seriesresonant DC-to-DC converter:USA,6344979[P].2002.

[8]LAZAR J F,MARTINELLI R.Steady-state analysis of theLLC series resonant converter[C]//Proceedings of IEEEAPEC,March 4-8,2001,California,CA,USA:605-609.

[9]YANG Bo,LEE F C,ZHANG A J,et al.LLC resonantconverter for front end DC/DC conversion[C]//Proceedings ofIEEE APEC,March 10-14,2002,Dallas,TX,USA:1108-1112.

[10]IVENSKY G,BRONSTEIN S,BEN-YAAKOV S.Approximate analysis of the resonant LCL DC-DC converter[C]//Proceedings of IEEE Convention of Electrical andElectronics Engineers,September 6-7,2004,Tel-Ariv,Israel:44-47.

充电条件 篇7

据国家新能源汽车产业发展规划相关文献资料表明,20102015年是我国电动汽车实现产业化、系统化、和规模化推广使用的关键五年。从我国电动汽车发展和应用现状来看,很多专家推测2016年将是我国电动汽车产业化集约化生产发展的拐点,电动汽车研究发展和实际应用将进入高速成长期。据一些不完全调查统计资料预测,到2020年就东部沿海上海市其电动汽车的市场规模预计将可以达到35万辆(按市场渗透率为15%进行估算)。大量电动汽车的充电将会给电网带来新一轮的电力负荷快速增长,假设以每辆电动汽车配置12k W·h的蓄电池进行估算,则上海市所有电动车一天所需充电容量将会达到337万k W·h(此处同时利用系数取0.8进行计算),这就势必会增大电网用电负荷峰谷差,给电力系统发电、输电、以及配电环节提出了更大的压力。智能电网建设发展的核心在于采取新的技术手段,充分挖掘电网中的能源潜力,有效提高电网能源的综合利用效率和运营经济效益,同时达到节约能源资源,保护环境的目的。在大量电动汽车充电负荷的加入后,智能电网要根据充电负荷实际需要,构筑适应多种能源供需单元的发电、配电、以及用电自适应调节控制系统,以期更加适应多元化电能供需的市场化电能高效利用交易需要,在确保电动汽车充电等多样化电力负荷接入与电网运营安全互动的基础上,更加适应各类电力客户自主选择、智能自动化操作需要。电动汽车入网(V2G)技术就是电动汽车的能量按照并网智能控制策略,在受控状态下实现与电网间的安全稳定双向互动和能量交换,是“智能电网技术”中能源优化利用的重要组成部分。在V2G电动汽车入网技术中,电动汽车蓄电池的充放电被统一智能调配,即按照充电汽车既定的充放电控制策略,在满足电动汽车用户安全稳定行驶需求的前提下,最小化电动汽车接入电网中带来的谐波等污染,实现电动汽车充电与电网的安全互动。智能快捷的充电方式成为电动汽车充电技术发展的趋势,智能充电技术的开发应用具有远大的前景。

1 电动汽车充电功率特性

1.1 电动汽车充电电池特性比较

从大量文献资料和实际应用调查统计资料可知,目前可以投入使用的电动汽车用电池的最低技术指标为:比能量应大于100(w·h)/kg;比功率应大于150w/kg;循环充放电寿命应大于600次;续驶里程应大于200km;市场价格应低于150美元/kw.h;以及可靠性和安全性应符合相关技术标准等。目前,电动汽车上常用的蓄能电池主要包括:铅酸电池、镍氢电池、锂离子电池、以及铿电池等。中国蓄能电池成组技术的不足,导致电池充放电循环寿命缩短,这也是制约我国电动汽车研究发展和使用的瓶颈之一。如对于单体循环寿命在8001000次的锂离子电池而言,利用成组技术应用到电动公交车上后,其循环使用寿命就只有400600次左右,有的甚至更低。我国部分商业化电动汽车其电池组性能比较如表1所示。

电动汽车上常用的铅酸电池、镍氢电池和锂离子电池,其比能量、比功率、以及安全可靠性等基本性能比较如图1所示。

从图1可知,目前电动汽车上使用的几种电池各自有各自的优缺点,没有一种能够真正占据各个性能方面的优势地位。这也就是目前市场上电动汽车应用领域存在多种蓄电电池共存的主要因素。但从实际应用角度出发,锂离子电池除了在在价格和安全性方面较其它电池处于微弱劣势外,其他方面均具有非常良好的性能和绝对领先地位,因此,锂离子电池在电动汽车应用领域有进一步研发和大规模应用的前景。

1.2 V2G电动汽车与电网能量交互技术

V2G技术中,电能是一个双向、实时、动态控制、在车辆和并联电网间相互流动的能源资源。电动汽车上得自动充放电装置内部既有与电网动态交互的控制回路,同时也具有与车辆能量管理动态交互的控制回路。电能在电网与电动汽车间的交互过程中所产生的信息主要包括能量转换信息、车辆电能需求信息、电网运行工况状态、车辆基本信息、计量计费信息等。也就是说电动汽车接入到电网的过程,实际上是一个集电力电子、电力通信、电力调度、电能计量、电能质量在线监测、以及电力需求侧管理等众多技术为一体的高端综合应用系统。V2G技术中智能充电装置逻辑组成结构图如图2所示。

图2中,SM电能仪表主要由智能电能计量装置组成,具有双向实时计量、本地信息动态存储等功能。SM智能电能仪表包含RS485通信方式与EV-PCS双向智能充放电控制灌注,通过EV-PCS装置向UT用户终端传送电量实时信息;EV-PCS双向智能充放电控制管理装置,主要由低压控制器和本地智能管理主机共同组成,用于实现电动汽车车辆和并联电网间的能量的双向交互控制管理,V2G电动汽车与电网能量交互的关键装置;UT用户管理终端,也称为可视化人机交互终端,是电动汽车电能用户与电网进行信息交流主控界面,电动汽车用户可以通过可视化触摸界面了解用电量、实时电价、以及需要缴纳电费等信息数据;BMS电池管理系统是电动汽车电池数据信息采集、传输、分析运算、以及电池运行工况状态实时监控的核心设备,可以通过CAN总线与EV-PCS双向智能充放电控制管理设备进行实时通信,通过EV-PCS向EMS后台管理系统传输电动汽车车辆、电池状态等信息;EMS后台管理系统是整个V2G控制系统的控制中枢,对上与电网调度系统进行实时通讯,获取电网实时电力负荷信息,并执行电网调度系统通过内部智能分析获得电网调度指令,对下则与电动汽车EV-PCS装置进行实时通信,即可以获取车辆、电池运行工况状态信息,同时还可以并行下发分配电网调度控制指令。

2 电动汽车充电模型结构

目前,应用到电动汽车上的充电机一般是高频充电机,电动汽车的动力蓄电池充电方法与充电控制策略普遍采用典型且应用较为成熟的两阶段充电方法,即:横流限压/恒压限流,CC/CV充电控制技术。以高频充电机和CC/CV充电控制策略为主的电动汽车充电模型结构如图3所示。

从图3可知,电动汽车一般充电结构模型主要由三相桥式不控整流电路对三相电网的三相交流电源进行整流,然后经滤波电路滤波后经过高DC-DC进行功率变换后,转换成直流对直流变换,然后通过输出滤波给电动汽车蓄电池充电。

由于受蓄电池储能技术等因素的制约,电动汽车的容量均比较小,在现有的蓄电池容量水平调节下,单个或少量电动汽车分布式电源不会对智能大电网系统的稳定运行产生影响。但是,随着电动汽车研究发展的不断进行,这种分布式小容量充放电电池必将成为大电网中的重要电力负荷,这就会影响到电网系统的稳定运行特性。电动汽车在进行充电过程中,由于其具有很强的空间位置和时间波动性,很容易造成电网负荷出现有功和无功功率的不平衡,造成电网电压发生波动、谐波等问题。因此,在电动汽车接入电网后,要充分考虑电动汽车充电过程对电网的影响,并采取有针对性的控制策略,最小化电动汽车充电对电网的污染,提高电动汽车充电安全与电网稳定运行性能水平。

3 电动汽车充电产生谐波对电网的影响

3.1 谐波产生原因

目前电动汽车上常用的充电设备主要包括“不控整流+斩波器”和“不控整流+DC/DC变换器”两种主要形式。其中“不控整流+斩波器”属于早期的充电产品,这种充电设备在充电过程中会向电网注入非常大的谐波电流。据一些研究资料表明,“不控整流+DC/DC变换器”充电模式其电流总畸变率可以高达86.2%,其所产生巨大谐波电流对电网污染特别大,不适合大规模集中接入到公用电网中进行充电。“不控整流+DC/DC变换器”充电形式其充电电路逻辑组成框图如上图3所示。该种充电电力路结构,其直流侧电压纹波较小、充电过程动态性能较好、高频隔离、以及充电电路结构简单体积小等优点,但是该种充电电路依然存在电网侧电流谐波较大(大约在30%左右)和功率变化效率较低等问题。该种充电电路在运行过程中其电压与电流波形如图4所示。

从图4可知,“不控整流+DC/DC变换器”充电机较“不控整流+斩波器”老式充电机在充电性能、谐波抑制等方面均有了明显的改善。但电动汽车上常用的“不控整流+DC/DC变换器”充电机其在运行过程中,谐波电流总畸变率依然高达26.5%,奇次谐波其谐波电流相当大,尤其是5、7、11、13次等高次谐波电流分量远远大于GB/Z17625.6-2003电磁兼容限值规定中的电网接入谐波电流限制技术条件要求。

3.2 电网谐波污染影响

电动汽车在充电过程中向电网注入谐波分量,会使测控装置中的电流表、电压表、功率表等计量仪器仪表产生较大的误差。过量谐波电流会造出电网系统中并联的大容量电容器发生损坏。较大的谐波电流会增加电网系统的能耗,同时还会产生较大的热量降低电网系统运行可靠性。谐波还会使电动汽车充电控制保护系统发生误动、拒动等不利工况,有的甚至会发生跳闸等事故。

3.3 降低电动汽车充电对电网影响的应对策略

3.3.1 选用PWM新式整流充电设备

新式充电设备由IGBT组成的三相电压型PWM整流器和高频隔离DC/DC变换器共同组成,其典型逻辑组成结构框图如图5所示。

在图5中,设定PWM整流充电机的交流侧电感值L取0.005 H,电阻R取0.5Ω,交流侧电容C取2215μF,相应直流侧基准电压取700V。经仿真实验后,PWM整流电路交流侧电压和电流、直流侧电压波形分别如图6和图7所示:

从图6和图7可知,PWM整流电路的交流侧电压与电流间相角几乎为零,且电压电流和波形畸变小。PWM整流充电机的变压器高压侧与电网连接处的各次谐波含量分别为:5次谐波分量的最大含有率为3.5%,7次谐波分量的最大含有率为1.8%,11次谐波分量的最大含有率为1.41%,13次谐波分量的最大含有率为1.23%。也就是说采用PWM新式整流充电设备,其可以达到减少电动汽车在充电过程中产生的谐波分量值,有效提高电网运行电压稳定性和供电电能综合质量水平。

3.3.2 在电网系统中使用滤波器

有源(或无源)交流滤波器在电网系统中的使用,可以通过电力电容器、电抗器、以及电阻器等相互组合形成具有滤波功能的装置,与电动汽车充电站负荷相互并联工作,不仅可以起到滤波作用,同时还可以兼顾无功补偿和动态调压的作用,有效提高电网运行安全稳定性。

3.3.3 优化充电机的投入间隔控制策略

集中协调法的模糊优化控制方式,由模糊控制理论、神经网络等优化控制算法相结合,它根据所收集到的电能供需侧的实时信息,动态判断出电动汽车充电电流分配的优先权,进而确定电动汽车充电站的充电器优化调配数量和每辆电动汽车的充电电流,通过反复的动态调节,防止充电站中充电电流需求出现较大波动等不利工况,确保电网负荷保持基本动态平衡特性。

4 结束语

电动汽车接入电网是一个复杂的调节控制过程,除了要根据电池的充电特性合理考虑电动汽车电池充电和接入电网的控制系统外,还应考虑电动汽车在充电过程所产生的谐波分量对电网的影响。对于集中式、采用充电机进行充电的大量电动汽车接入到电网进行充电时产生的谐波污染,除了要结合工程实际情况考虑加装谐波治理装置以外,还应从选用新型PWM整流充电机、优化充电机的投入间隔控制策略等方面有效抑制电动汽车充电过程中的谐波分量,实现电动汽车充电与电网稳定运行的安全互动。

参考文献

[1]卢艳霞,张秀敏,蒲孝文.电动汽车充电站谐波分析[J].电力系统及其自动化学报,2006,18(3):51-54.

[2]阮新波,严仰光.零电压零电流开关PWM DC/DC全桥变换器的分析[J].电工技术学报,2000,15(2):73-77.

[3]陈清泉,孙逢春,祝嘉光.现代电动汽车技术[M].北京:北京理工大学出版社,2004.

[4]陈全世.先进电动汽车技术[M].北京:化学工业出版社,2007.

[5]何毅然,何镇宇.蓄电池全新的充电模式[s].电源技术应用,2005,18(1):38-40.