Clear Sky Science · fr

Localisation de défauts douverture de circuit dans des systemes de charge simultane9e de batteries base9s sur un pont actif double utilisant la classification multi-label

· Retour à l’index

Pourquoi la charge intelligente exige une de9tection de de9faut intelligente

Avec la ge9ne9ralisation des ve9hicules e9lectriques, les stations de charge doivent pouvoir recharger de nombreuses batteries en toute se9curite9 sans gaspiller de9nergie ni endommager du mate9riel one9reux. Cette e9tude montre comment la reconnaissance de motifs moderne peut repe9rer des de9fauts e9lectriques subtils dans un type de chargeur rapide et compact avant que0 ils ne9voluent en pannes graves, en ne9cessitant que des signaux de tension et un mode8le informatique entraine9.

Comment un convertisseur charge deux batteries e0 la fois

Les chargeurs puissants modernes se9appuient souvent sur un composant appele9 convertisseur en pont actif double pour faire circuler le9nergie entre une source courant continu et plusieurs batteries. Dans la conception e0 trois ports e9tudie9e ici, un cf4te9 du convertisseur alimente deux ports batterie distincts via un transformateur e0 haute fre9quence partage9. Des groupes de commutateurs e9lectroniques se9allument et se9e9teignent selon des sche9mas temporels pre9cis afin que les deux batteries puissent eatre charge9es depuis le meame lien tout en restant e9lectriquement isole9es pour la se9curite9.

Figure 1. L�e9nergie d�e9rivant d�e9une source transite par un convertisseur partag�e9 pour charger en toute s�e9curit�e9 deux batteries simultan�e9ment.
Figure 1. Le9nergie de9rivant de9une source transite par un convertisseur partage9 pour charger en toute se9curite9 deux batteries simultane9ment.

Pourquoi les de9fauts de9commutation ouverte sont difficiles e0 de9tecter

Ces commutateurs e9lectroniques peuvent tomber en panne de plusieurs manie8res. Lorsque2un commutateur reste bloque9 en position ouverte, le convertisseur continue souvent de fonctionner, mais les courants et tensions se de9se9quilibrent et peuvent solliciter de9autres composants jusque2e0 le2apparition de2un second de9faut plus dommageable. Comme les trois ports sont lie9s mage9tiquement, un proble8me dans un pont peut se re9percuter sur les autres. Les me9thodes classiques de de9tection de de9faut exigent soit des mode8les de circuit tre8s pre9cis, soit peinent lorsque la charge varie ou que des de9lais de commande de9forment les formes de2onde. Elles supposent e9galement ge9ne9ralement un seul de9faut e0 la fois, alors que des de9faillances combine9es sont courantes dans le mate9riel multiport.

Transformer les ondulations de tension en images pour un re9seau neuronal

Pour relever ce de9fi, les auteurs mesurent les tensions aux points milieux de chaque jambe de commutation, six points au total qui re9ve8lent particulie8rement le comportement de chaque paire de commutateurs. Ils convertissent ces traces de tension rapides en images temps-fre9quence e0 la0aide de2un outil mathe9matique proche de2un spectrogramme musical. Chaque image montre comment le2amplitude des composantes en fre9quence e9volue sur une courte feneatre temporelle. Les six images issues des six capteurs sont ensuite empile9es comme les canaux de couleur de2une photo, cre9ant une image riche qui encode comment un motif de de9faut donne9 de9forme le comportement du convertisseur e0 travers tout le syste8me.

Figure 2. Les motifs de tension provenant d�e9un convertisseur d�e9fectueux sont transform�e9s en images qu�e2un r�e9seau neuronal utilise pour localiser les commutateurs d�e9faillants.
Figure 2. Les motifs de tension provenant de9un convertisseur de9fectueux sont transforme9s en images que2un re9seau neuronal utilise pour localiser les commutateurs de9faillants.

Apprendre au mode8le e0 reconnaeetre de nombreux de9fauts en meame temps

La0e9quipe adapte un re9seau de reconnaissance de9images connu, ResNet-18, afin que, plutf4t que de choisir une seule cate9gorie de de9faut, il puisse marquer ne2importe quelle combinaison des douze commutateurs comme de9faillante simultane9ment. Ils construisent un vaste jeu de donne9es simule9es couvrant tous les cas de2ouverture simple et double, une plage da0e9tats de charge des batteries, et de nombreux instants da0apparition des de9fauts au sein du cycle de commutation. La0entraînement et les tests sur des points de fonctionnement ine9edits montrent que le mode8le de9tecte et localise correctement les de9fauts avec des scores F1 supe9rieurs e0 99 %, et il ge8re meame des combinaisons de trois commutateurs non vues auparavant avec environ 85 % de pre9cision. Par rapport e0 un classifieur e0 e9tiquette unique plus conventionnel, la conception multi-label saisit les de9faillances simultane9es de manie8re plus fiable et avec un meilleur e9quilibre entre tous les commutateurs.

Robuste face au bruit, aux de9lais et e0 la re9duction de capteurs

Les syste8mes re9els se comportent rarement exactement comme des simulations ide9ales, aussi les auteurs testent-ils la me9thode dans des conditions moins parfaites. Ils introduisent des de9lais re9alistes entre les signaux de commande des commutateurs, ajoutent du bruit e9lectrique aux mesures de tension, puis retirent certains capteurs. Le mode8le conserve une grande pre9cision dans ces tests, maintenant des scores F1 supe9rieurs e0 93 % meame avec une qualite9 de signal relativement faible et supe9rieurs e0 92 % lorsque2e0 le2on utilise seulement deux capteurs. Une analyse temporelle montre que, dans sa forme logicielle actuelle, le diagnostic complet depuis la capture des donne9es jusque2e0 la de9cision prend environ 0,14 seconde, suffisamment rapide pour la surveillance de sante9 en ligne des syste8mes de charge.

Ce que cela signifie pour les syste8mes de charge futurs

En termes simples, ce travail montre que2en transformant les ondulations brutes de tension en images et en les fournissant e0 un re9seau neuronal soigneusement cone7u, un chargeur de batterie multiport peut non seulement de9tecter que2il y a un proble8me, mais aussi identifier rapidement quels commutateurs sont affecte9s, meame lorsque plusieurs tombent en panne simultane9ment. La0approche reste fiable sous des mesures bruyantes, retarde9es ou re9duites et se9exe9cute assez rapidement pour un usage pratique, ouvrant une voie prometteuse vers des stations de charge plus se9curitaires et plus re9silientes pour le parc croissant de ve9hicules e9lectriques.

Citation: El-Naeem, K.S.A., Nayel, M.A., Abdelrahem, M. et al. Open circuit fault localization in dual active bridge based simultaneous battery charging systems using multi label classification. Sci Rep 16, 15354 (2026). https://doi.org/10.1038/s41598-026-52101-w

Mots-clés: pont actif double, charge de batterie, diagnostic de de9faut, apprentissage profond, convertisseurs de puissance