Çok etiketli sınıflandırma kullanılarak eşzamanlı batarya şarj sistemlerinde açık devre arızasının çift aktif köprü tabanlı lokalizasyonu

Neden akıllı şarj akıllı arıza algılama gerektirir

Elektrikli araçlar yaygınlaştıkça, şarj istasyonları aynı anda birçok bataryayı enerji israfı olmadan ve pahalı donanıma zarar vermeden güvenle şarj etmelidir. Bu çalışma, yalnızca voltaj sinyallerini ve eğitilmiş bir bilgisayar modelini kullanarak, modern desen tanımanın hızlı ve kompakt bir şarj türündeki ince elektriksel arızaları ciddi arızalara dönüşmeden önce nasıl tespit edebileceğini gösteriyor.

Bir konvertörün iki bataryayı aynı anda nasıl şarj ettiği

Modern yüksek güçlü şarj cihazları genellikle doğru akım kaynağı ile birden çok batarya arasında enerji taşımak için çift aktif köprü konvertörüne dayanır. Burada incelenen üç portlu tasarımda, konvertörün bir tarafı paylaşılan yüksek frekanslı bir transformatör aracılığıyla iki ayrı batarya portunu besler. Elektronik anahtar grupları dikkatle zamanlanmış desenlerle açılıp kapatılır; böylece her iki batarya da aynı bağlantıdan şarj edilebilirken güvenlik için elektriksel olarak izole kalır.

Açık anahtar arızalarının yakalanmasının neden zor olduğu

Bu elektronik anahtarlar farklı şekillerde arızalanabilir. Bir anahtar açık takıldığında, konvertör sıklıkla çalışmaya devam eder; ancak akımlar ve voltajlar dengesizleşir ve başka parçaları zorlayarak ikinci ve daha zararlı bir arızaya yol açabilir. Üç port manyetik olarak birbirine bağlı olduğundan, bir köprükteki sorun diğerlerine dalga halinde yayılabilir. Geleneksel arıza tespit yöntemleri ya çok doğru devre modelleri gerektirir ya da yük değiştiğinde ya da kontrol gecikmeleri dalga formlarını bozduğunda zorlanır. Ayrıca genellikle sadece bir arızanın varlığını varsayarlar; oysa çok portlu donanımda bileşik arızalar yaygındır.

Voltaj dalgalanmalarını sinir ağı için görüntülere dönüştürmek

Bu zorluğun üstesinden gelmek için yazarlar her anahtar bacağının orta noktalarındaki voltajları ölçer; toplam altı nokta, her anahtar çiftinin davranışına özellikle duyarlıdır. Bu hızlı voltaj izleri, müzikal bir spektrograma benzer matematiksel bir araç kullanılarak zaman–frekans görüntülerine dönüştürülür. Her görüntü, kısa bir zaman penceresinde farklı frekans bileşenlerinin şiddetinin nasıl değiştiğini gösterir. Altı sensörden gelen altı görüntü, bir fotoğraftaki renk kanalları gibi üst üste yığılarak, belirli bir arıza deseninin tüm sistemde konvertör davranışını nasıl bozduğunu kodlayan zengin bir resim oluşturur.

Modeli aynı anda birçok arızayı tanıyacak şekilde öğretmek

Ekip, tek bir arıza kategorisi seçmek yerine on iki anahtarın herhangi bir kombinasyonunu aynı anda arızalı olarak işaretleyebilen bir yapı sunmak için bilinen bir görüntü tanıma ağı olan ResNet‑18'i uyarlıyor. Tüm tek ve çift açık anahtar durumlarını, çeşitli batarya şarj seviyelerini ve anahtar döngüsü içindeki farklı arıza zamanlarını kapsayan büyük bir simüle edilmiş veri kümesi oluşturuyorlar. Görünmeyen çalışma noktalarında eğitim ve test, modelin arızaları doğru tespit edip konumlandırdığını F1 skorlarıyla %99'un üzerinde gösteriyor ve hatta görülmemiş üç anahtarlı arıza kombinasyonlarını yaklaşık %85 doğrulukla ele alabiliyor. Daha geleneksel tek etiketli bir sınıflandırıcıyla karşılaştırıldığında, çok etiketli tasarım eşzamanlı arızaları daha güvenilir şekilde ve tüm anahtarlar arasında daha iyi dengeyle yakalıyor.

Gürültüye, gecikmelere ve azalan sensör sayısına karşı sağlam

Gerçek sistemler nadiren ideal simülasyonlar gibi davranır; bu yüzden yazarlar yöntemin koşullar daha az mükemmel olduğunda nasıl dayandığını da test ediyor. Anahtar kontrol sinyalleri arasında gerçekçi gecikmeler ekliyor, voltaj ölçümlerine elektriksel gürültü katıyor ve ardından bazı sensörleri tamamen kaldırıyorlar. Model bu testlerde yüksek doğruluğu koruyor; nispeten düşük sinyal kalitesinde bile F1 skorlarını %93'ün üzerinde tutuyor ve yalnızca iki sensör kullanıldığında %92'nin üzerinde doğruluk sergiliyor. Bir zamanlama analizi, veri yakalamadan karara kadar tam teşhis sürecinin mevcut yazılım haliyle yaklaşık 0,14 saniye sürdüğünü; bu sürenin şarj sistemlerinde çevrimiçi sağlık izlemesi için yeterince hızlı olduğunu gösteriyor.

Gelecekteki şarj sistemleri için ne anlama geliyor

Basitçe söylemek gerekirse, bu çalışma ham voltaj dalgalanmalarını görüntülere dönüştürüp bunları dikkatle tasarlanmış bir sinir ağına besleyerek, çok portlu bir batarya şarj cihazının sadece bir şeylerin yanlış gittiğini söylemekle kalmayıp aynı zamanda birden fazla arıza birlikte meydana gelse bile hangi anahtarların etkilendiğini hızla belirleyebileceğini gösteriyor. Yaklaşım, gürültülü, gecikmeli veya azalmış ölçümler altında bile güvenilirliğini koruyor ve pratik kullanım için yeterince hızlı çalışıyor; bu da büyüyen elektrikli araç filosu için daha güvenli ve dayanıklı şarj istasyonlarına yönelik ümit verici bir yol öneriyor.

Atıf: 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

Anahtar kelimeler: çift aktif köprü, batarya şarjı, ariza tanısı, derin öğrenme, güç konvertörleri