目前,变电站巡检机器人在电网中得到了大规模应用,一定程度上代替了人工巡视,但仍存在许多限制其自动化程度继续提高的因素。例如,文献[1]提到的变电站巡检机器人采用磷酸铁锂电池供电,其电池管理系统采用集中式管理,未考虑每块电池随时间变化产生的差异。文献[2]提到智能巡检机器人进行1次全站设备巡视需要5~6 h,采用的动力源为蓄电池,正常情况下蓄电池充满电仅可工作4 h左右,无法满足工作需要。针对上述问题提出的解决办法是再投运1台巡检机器人,由2台巡检机器人相互配合开展巡检工作,但该方案加大了前期的投入成本。文献[3]考虑到巡检机器人直插式充电方式的诸多不便,将无线充电技术应用于机器人充电领域,基于磁耦合谐振技术实现非接触式充电。该方案降低了巡检机器人充电难度,进一步提高了自动化程度,但无法实现实时供电。文献[4]针对拉线接触式供电、滑动接触式供电及电池式供电分别进行了论述,提出将无线电能传输技术应用于固定线路巡检机器人的动态无线供电,但未深入开展研究。
针对上述问题,结合变电站巡检机器人的3种巡检模式(常规巡视、突发情况巡视和特殊巡视),本文提出了基于多导轨无线供电与蓄电池相结合的供电方案。
1 巡检机器人混合供电方案 1.1 方案介绍巡检机器人混合供电系统由蓄电池供电系统和多导轨无线供电系统2部分组成[5]。
1.1.1 蓄电池供电系统在突发情况巡视与特殊巡视工况下,巡检机器人需要脱离无线供电导轨,因此需要对蓄电池剩余电量进行准确评估,本文采用卡尔曼(Kalman)滤波算法来实现蓄电池剩余电量估算。该算法在文献[6]中已做详细论述,具有通用性,通过该算法即可得到蓄电池的实时剩余电量值。
1.1.2 多导轨无线供电系统为了实现巡检机器人24 h不间断巡视,需要对其进行持续供电。若采用单段导轨持续带电,存在因感应电的产生所带来的安全隐患,且单段导轨较长,会增大原边、副边漏感,从而产生较大的电压降,降低系统效率,因此在常规巡视模式下采用多导轨无线供电方案。多导轨无线供电系统原理如图 1所示[7-10]。
![]() |
图中:Ln—导轨线圈电感;Cn—谐振补偿电容;Rn—放电电阻;Lf—副边电感;Cf—副边电容;Kn—导通开关;Sn—放电开关。 图 1 多导轨无线供电系统原理 |
图 1中,每段导轨为1个分布式单元,通过开关Sn和Kn进行供电状态、放电状态及待机状态切换,其中Kn控制导轨开断,Sn控制放电电阻接入、退出[11]。由站用变压器获得的电能,先经过整流滤波,再通过直流斩波电路升压,最后经过高频逆变得到高频交流电,高频电源与各段导轨线圈相连接。拾取段获得电能后,经过整流滤波电路得到直流电,供巡检机器人电动机或电池使用。
巡检机器人现场工作原理如图 2所示。在整个无线供电系统中,导轨部分(发射线圈)由高频电源提供与拾取线圈谐振频率一致的高频交流电,分布式导轨线圈串联谐振补偿电容C后经继电器接入回路。当巡检机器人经过导轨定位开关时,传感器输出信号会发生变化,通过数字信号处理器(DSP)信号捕捉,实现巡检机器人的位置定位,并控制相应导通开关闭合,使得途经导轨线圈带电,其他段导轨线圈回路断开。当变电站仅有1台巡检机器人时,最多1个导通开关闭合。图 2中蓝色部分为放电回路,任一时刻最多有1个开关断开,放电开关Sn与导通开关Kn状态相反[12]。
![]() |
图中:KG—导轨定位开关。 图 2 巡检机器人现场工作原理 |
目前巡检机器人多配置1个拾取线圈,存在因开关切换不精确无法与导轨线圈相匹配的问题。建议在巡检机器人首尾两端各增加1个拾取线圈,以解决线圈匹配问题。该方案主要特点如下:一是实现切换开关控制简易化,降低控制难度并保证可靠性,原理上简单易行;二是增加巡检机器人获得功率,提供更多能量。2个拾取线圈应相互隔离,避免产生电磁干扰[13]。线圈匹配电路图如图 3所示。假设2个拾取线圈设计参数完全一致,由于2个拾取线圈并排布置在同一平面上,且相距较远,故二者之间的互感可忽略不计。
![]() |
图中:Us—高频电压;Ls—发射线圈电感;Rs—发射线圈电阻;Cs—发射线圈谐振补偿电容;Lr—拾取线圈电感;Rr—拾取线圈电阻;Cr—拾取线圈谐振补偿电容;M1、M2—发射线圈与2个拾取线圈之间的互感;RL—负载。 图 3 线圈匹配电路图 |
根据图 3,系统输出功率Pout计算公式为:
![]() |
(1) |
其中,ω=2πf,f为高频电源频率。
系统传输效率η计算公式为:
![]() |
(2) |
通过公式(1)、(2),可计算系统输出功率和传输效率,从而为选择电感Lr与电容Cr提供依据,满足巡检机器人供电需求。
1.2 方案特点(1)出于供电效率和安全性等方面考虑,巡检机器人在常规巡视模式下,采用多段导轨分段进行供电。多导轨无线供电系统通过定位开关获取巡检机器人的位置信息,并控制相应导轨继电器的闭合,从而使得导轨线圈带电。
(2)在突发情况巡视及特殊巡视情况下,巡检机器人需要脱离无线供电导轨,此时由有一定容量的蓄电池来提供电能。采用Kalman滤波算法可以准确获得蓄电池剩余电量估计值,保证巡检机器人有充足电能完成巡视并返回无线供电导轨。
(3)该方案利用多导轨无线供电系统实现巡检机器人的动态无线供电,从而降低对蓄电池容量的要求。巡检机器人在轨期间,既可以从导轨获得所需电能,也可以进行蓄电池充电,不需要停止巡检对蓄电池进行充电,实现了24 h不间断供电。
2 仿真分析 2.1 蓄电池剩余电量估算的准确性为验证Kalman滤波算法评估的蓄电池实时剩余电量的准确性,建立电池数学模型(见图 4),采用Simulink仿真工具进行建模分析。其中蓄电池电阻R=3 Ω,蓄电池容量Qn=200 Ah,电池效率η=0.9,k0= 85.691,k1=-3.451,k2=31.307,k3=100.405,k4=26.597(k0,k1,k2,k3,k4为根据试验数据通过系统参数辨识得到的系数),采样时间Δt=0.01 s,初始放电电压为2 V,温度补偿系数α=-3 mV/℃。Kalman滤波算法中,取状态转移矩阵A=[0.043 478 0;0 1],控制输入矩阵B=[0.493 583;0],观测矩阵C=[1 0.000 494],W的方差矩阵Q=[0.01](W为过程噪声),V的方差矩阵R=[0.05](V为观测噪声)。蓄电池剩余电量仿真结果如图 5所示。图 5中,以理想状态下的蓄电池剩余电量曲线作为基准曲线[14],与采用安时法和Kalman滤波算法测得的剩余电量曲线进行比较。从图 5中可以看出,利用安时法获得的仿真曲线存在多处“跳电”现象,且在蓄电池剩余电量值低于30%时,估算精确度变差。在判断电量过低情况下,蓄电池实际剩余电量会更小,导致巡检机器人没有足够电量返回导轨,引发故障。而采用Kalman滤波算法后,曲线更贴近蓄电池实际剩余电量值,精确度较高。
![]() |
图 4 蓄电池数学模型仿真图 |
![]() |
图 5 蓄电池实时剩余电量仿真曲线 |
为验证多导轨无线供电系统的电压、电流在切换导轨时的稳定性,采用Simulink搭建仿真平台,考虑实际工况,导轨切换速度不宜过慢或过快,过慢会导致供电不足,过快对巡检机器人的制动要求更高,因此将线圈切换时间设定为5 s。导轨部分取Ln=340.12 μH,Cn=73.53 mF,Rn=40 Ω,高频电源部分取Us=220 V,Ls=200.3 μH,Rs=0.1 Ω,Cs=125 mF,Lr= 18.32 μH,Rr=0.1 Ω,Cr=210.31 mF,M1=27 μH,M2= 27 μH。图 6、图 7分别为切换导轨时电压与电流波形。从图 6、图 7可以看出,巡检机器人在导轨切换过程中,电压、电流波形变化幅度不大,最低电压、电流基本同步,最低功率为2.59 kW,符合巡检机器人最低功率要求[15]。
![]() |
图 6 电压波形 |
![]() |
图 7 电流波形 |
本文提出了1种变电站巡检机器人混合供电方案,将多导轨无线供电与蓄电池相结合,实现对巡检机器人的灵活供电。通过Simulink对蓄电池剩余电量估算的准确性与多导轨无线供电的稳定性进行仿真分析,仿真结果达到预期,表明将蓄电池与多导轨无线供电系统相结合可以完成巡检机器人多种工作模式下24 h不间断供电。基于Kalman滤波算法可以准确获得蓄电池剩余电量评估值,降低对蓄电池的依赖,避免低电量时由于“跳电”产生安全隐患;基于多导轨的无线供电系统实现了分段供电,电压、电流稳定性好,不仅降低了电能损耗,确保了安全性,而且提高了变电站一次设备巡视质量。
[1] |
彭向阳, 金亮, 王柯, 等. 变电站机器人智能巡检系统设计及应用[J]. 中国电力, 2018, 51(2): 82-89. DOI:10.3969/j.issn.1007-3361.2018.02.031 |
[2] |
陈建宝, 李诚诚, 黎笑寒, 等. 换流站智能巡检机器人在应用中存在的问题及解决方案[J]. 电工技术, 2018(3): 105-106, 121. DOI:10.3969/j.issn.1002-1388.2018.03.041 |
[3] |
牛玉洁, 冷建伟. 应用于智能机器人的无线充电技术研究[J]. 计算机仿真, 2017, 34(11): 348-352, 403. DOI:10.3969/j.issn.1006-9348.2017.11.076 |
[4] |
徐长福, 薄斌, 徐家园, 等. 固定线路机器人动态无线供电系统研究[J]. 电子设计工程, 2018, 26(13): 90-94. DOI:10.3969/j.issn.1674-6236.2018.13.020 |
[5] |
Takaoka K, Yokoyama K, Wakisako H, et al. Development of the fully-automatic live-line maintenance robot-Phase Ⅲ[C]//IEEE International Symposium on Assembly & Task Planning. IEEE, 2002.
|
[6] |
孙凌涛, 于海芳, 王红全. 基于电动汽车蓄电池剩余电量的并网无功补偿仿真分析[J]. 内蒙古电力技术, 2019, 37(3): 25-28, 51. |
[7] |
薛阳, 张晓宇, 江天博, 等. 基于视觉导航的巡检机器人双模控制研究[J]. 控制工程, 2018, 25(11): 1982-1987. |
[8] |
杜晨.智能电网下电动汽车电池管理系统的研究与设计[D].合肥: 合肥工业大学, 2013.
|
[9] |
蒋成, 孙跃, 王智慧, 等. 电动汽车无线供电导轨切换模式分析[J]. 电力系统自动化, 2017, 41(12): 188-193. DOI:10.7500/AEPS20161215003 |
[10] |
麦瑞坤, 李勇, 何正友, 等. 无线电能传输技术及其在轨道交通中研究进展[J]. 西南交通大学学报, 2016, 51(3): 446-461. DOI:10.3969/j.issn.0258-2724.2016.03.005 |
[11] |
Songyi Dian, Lin Chen, Son Hoang, et al. Dynamic Balance Control Based on an Adaptive Gain-scheduled Backstepping Scheme for Power-line Inspection Rob-ots[J]. IEEE/CAA Journal of Automatica Sinica, 2019, 6(1): 198-208. |
[12] |
高运兴.智能变电站巡检机器人设计与实现[D].济南: 山东大学, 2018.
|
[13] |
Fujita T, Yasuda T, Akagi H. A wireless power trans fersystem with a double-current rectifier for EVs[C]//Energy Conversion Congress & Exposition. IEEE, 2017.
|
[14] |
孙凌涛.电动汽车并网调峰的无功补偿控制研究[D].长春: 长春工业大学, 2018.
|
[15] |
国家电网公司科技部.变电站智能机器人巡检系统技术规范: QGDW 11513.1-2016[S].北京: 国家电网公司, 2016.
|