基于故障树的电动汽车充电桩故障分析系统设计

陈涵，郑蔚蔚，叶必超

（国网电动汽车服务（福建）有限公司，福建福州 350000）

随着全球污染问题以及能源危机问题的不断凸显，以化石燃料为动力来源且排放物为有害气体的传统内燃机汽车显然与当前节能减排的口号相矛盾[1-4]。作为新能源交通工具的代表，电动汽车凭借其高效节能的特性成为了新的发展趋势。但现阶段电动汽车的发展尚未成熟，其中续航问题是制约其发展的重要阻力。充电桩是电动汽车补充能量的主要装置，也是其续航的能源保障，故及时识别充电桩故障对于新能源交通体系的正常运转具有重要意义。目前，学术界已对充电桩故障分析系统做了一系列研究，但这些研究存在两类问题：1）研究多侧重于充电桩故障诊断或远程控制等单一方面，而针对目前集远程控制、故障自诊断于一体的智能充电桩的研究仍相对较少；
2）对充电桩的故障分析多依赖于算法和故障录波辅助分析系统等，未能建立一套普遍适用的专家系统用于故障的自诊断[5-11]。

针对上述问题，该文详细介绍了一种基于故障树的电动汽车充电桩故障分析系统的设计与实现过程。该系统在运行过程中，能够实时监控各个硬件模块。且当系统发生故障时，依靠内置的故障诊断专家系统，并基于故障树算法实现故障的分析和定位。同时，所提系统还能够借助4G/5G 无线通信将故障与分析结果传输到远程控制系统，以达到人机交互、远程操控的目的，从而实现对充电桩的远程调控及故障维修[12-16]。

1.1 需求分析

充电桩的故障分析和定位需要借助于其内置的故障录波模块。系统设计包含软件与硬件两部分，且在设计时必须先分析并明确系统需求。因此该文基于系统工程的思想，首先将系统需求转化为易于实现的功能模块。

经过分析，系统被划分为四个模块，分别是APP前端模块、服务器后端模块、人机交互硬件模块以及充电桩软件模块设计。

1）APP 前端模块

该模块主要为用户提供用户界面，完成用户与系统间的交互。其包含用户信息注册、定位导航、充电桩搜索、预约充电、充电模式选择等子功能。其中，充电桩模式选择功能主要实现其充电模式的选择与切换。该系统中，通常向用户提供定时、定量、自动充满以及百分比充电四种模式。

2）服务器后端模块

该模块不与用户连接，其主要完成数据分析、数据存储、网络通信三个功能。其中，数据分析是通过服务器端内置的数据处理模块对用户端海量的充电信息进行挖掘，并利用数据挖掘、数据分析等算法对用户的需求数据进行充分解析；
而网络通信模块是用户与服务器之间的纽带，该模块主要为用户提供各种充电桩信息，并将用户的相关需求及时反馈以实现彼此之间的信息交互。

3）人机交互硬件模块

人机交互的硬件模块是充电桩设计的核心部分，其功能模块的构造如图1 所示。

图1 系统人机交互硬件模块示意图

人机交互模块主要包括4G 模块、RFID 模块、扫描模块以及打印模块。用户通过这些模块传递信号至系统控制模块，从而使充电桩实现温度监控、散热、电表相关功能、BMS 通信、充电状态监控、安全检测等功能。其中，BMS 通信模块通过CAN 总线与电动汽车的车载BMS 实现通信。

4）充电桩软件模块

充电桩的软件模块内置于每个充电桩内，为了实现充电桩的智能化，在该系统内设置了专家分析子系统。其具体功能模块的构造如图2 所示。

图2 充电桩软件模块专家子系统

专家分析子系统可以以人类专家级水平进行故障诊断，其包含用户管理模块、知识库管理模块、故障分析模块和故障维修及保养手册模块四个功能模块。其中，故障分析模块是该系统的核心部分。

1.2 故障树算法

故障树分析是一种用于分析计算系统可靠性的常用方法。该方法基本结构中包含了逻辑电路的与门和或门，其具体结构如图3 所示。

图3 故障树基本结构

决策树通过模拟基本事件(BE)之间的关系来评估复杂环境下的风险。故障树的输出是BE 的函数：

相较于传统的故障树分析方法，文中引入了一种考虑混合不确定性的定量分析故障树方法。在该方法中，基本事件BE 可分为两类事件：1）k个概率变量(E1,E2,…,Ek)；
2）剩下n-k个可能性变量(Ek+1,Ek+2,…,En)。对不同类型的事件，采用不同的分布表示；
对于概率变量，使用概率分布函数表示；
对于可能性变量，采用可能性分布函数表示。为了使故障树算法同时兼顾两类事件的特性，引入了蒙特卡洛模拟和模糊集理论，并将决策树中的逻辑门电路转化为随机逻辑模块：

其中，M为蒙特卡洛模拟过程下客观变量对应的样本数量，分别为刻画可能性变量和概率变量的测度集合函数。根据这两个函数可以分别得到事件的信任函数和似然函数，如式（4）和式（5）所示：

2.1 硬件树实现

充电桩故障树分析系统主要采用决策树的方法，对充电桩的各个部分进行分析。该文使用的充电桩硬件电路部分如图4 所示。

图4 系统硬件电路部分

硬件系统的核心是ARM335x 主板。根据硬件系统的组成结构，排查出可能导致充电桩故障的原因以及对应的模块，并根据其故障产生原因提供对应的解决方案。根据分析，充电桩故障产生的部件包括充电桩总故障树、充电模块故障树、主电路故障树、充电枪故障树、控制电路故障树、用户终端设备故障树与充电桩过温故障树。将这些原因划归为中间事件及底层事件，且中间事件是由底层事件所导致。其划分结果如表1 和表2 所示。故障树逻辑结构图如图5 所示，其计算过程如图6 所示。

表1 中间事件系统代码及释义

表2 底层事件系统代码及释义

由于树的组成原理逻辑上是相同的，故图6 即为该文实现的硬件树部分的逻辑对应关系。根据图中对充电桩故障分析的硬件树表达式进行化简，得出充电桩故障最简表达式为：

图6 故障树逻辑计算过程

2.2 故障分析示意

系统实现后，故障树即可对故障进行定量分析。定量分析是为了计算出概率重要度系数，以得到各个故障的轻重缓急，并指导工作人员有侧重地排查充电桩的故障。最终，实现高效的故障诊断与维护。由于充电桩故障总树的最小割集较多，该文以充电模块故障为例（即E1事件）。图5 中已给出了E1的故障树结构。根据现场实地调研，统计X1-X12的发生概率如表3 第2 列所示。

表3 E1故障的定位分析结果

图5 故障树逻辑结构图

根据或门概率公式可以得出：

即充电模块故障的发生概率约等于0.045。由于E1故障树中的逻辑门全部为或门，所以其概率函数g为：

因此其最小割集下的重要性可由下式得出，计算结果如表3 第3 列所示。

从计算结果来看，在E1这一中间系统下，X3的重要度达到了0.425 5。滤波器中路被击穿对于充电桩的性能有着较大的影响，故需要在充电桩的运行维护中，重点关注滤波器的运行状态。同理输出短路故障、输出过电流故障、输出过电压故障、通信故障以及过温故障等故障类型也按照如上方法进行故障树定量分析。

该文设计了一种基于故障树、4G 网络通信、ARM 远程控制器的电动汽车充电桩故障分析系统。该系统具有集成化程度高、操作方便快捷、自动化程度高、人机交互友好等特点。文中对于系统进行充电桩E1故障的定量分析过程进行了模拟，展现系统在故障分析定位时的高效性和可靠性。系统实现后，检修人员通过APP 端能够实现充电桩的定期故障排查，并保证充电桩运行状态的稳定性；
而用户通过APP 端可实现充电桩预约、充电信息查询、移动支付等功能，极大提升了用户体验。未来随着新能源汽车事业的进一步发展，所提系统将会有更广阔的应用前景。