阅读说明：本技术 一种感应式无线电能传输系统的状态观测的方法及系统 (state observation method and system for induction type wireless power transmission system ) 是由 黄晓华 杨国勋 徐翀 寇秋林 张倩 徐锦星 龙国标 陈海洋 于 2019-06-19 设计创作，主要内容包括：本发明公开了一种感应式无线电能传输系统的状态观测的方法及系统,其中方法包括：测量感应式无线电能传输系统的原边电流幅值；基于所述原边电流幅值,利用扩展卡尔曼滤波器对所述感应式无线电能传输系统的副边信息进行预测,获取预测结果；通过扩展卡尔曼滤波器对所述预测结果进行校验,获取经过校验的所述感应式无线电能传输系统的副边信息。(The invention discloses a method and a system for observing the state of an induction type wireless power transmission system, wherein the method comprises the following steps: measuring a primary side current amplitude of the induction type wireless power transmission system; predicting secondary side information of the induction type wireless power transmission system by using an extended Kalman filter based on the primary side current amplitude to obtain a prediction result; and verifying the prediction result through an extended Kalman filter to obtain the verified secondary information of the induction type wireless power transmission system.)

一种感应式无线电能传输系统的状态观测的方法及系统

技术领域

本发明涉及无线电能传输技术领域，更具体地，涉及一种感应式无线电能传输系统的状态观测方法的方法及系统。

背景技术

为了高效地获得尽可能大的功率传输能力，无线电能传输WPT系统的原边和副边系统必须能协调工作，故副边信息反馈系统在实时功率传输控制中的作用日益重要。然而，由于原副边的分离特性，副边的状态和控制信息无法直接反馈给原边控制器。为此，研究人员研究了多种数据通信系统来克服信息反馈的瓶颈问题，诸如：RF射频通信以及功率信息双调制技术等方法。由于无线电能传输WPT系统中功率开关器件的开关切换以及电路中存在的大量寄生参数，使得无线电能传输WPT系统成为一个存在大量电磁噪音的环境，会直接干扰数据通信系统的正常工作。综上所述，以往信息反馈系统存在电磁干扰会直接影响数据通信系统正常工作的问题。随着实践应用的推广，设计一种能有效且便捷的副边信息反馈系统成为无线电能传输WPT系统领域的研究方向。

因此，需要一种技术，以实现对感应式无线电能传输系统的状态的观测。

发明内容

本发明技术方案提供一种感应式无线电能传输系统的状态观测的方法及系统，以解决如何对感应式无线电能传输系统的状态进行观测的问题。

为了解决上述问题，本发明提供了一种感应式无线电能传输系统的状态观测的方法，所述方法包括：

测量感应式无线电能传输系统的原边电流幅值；

基于所述原边电流幅值，利用扩展卡尔曼滤波器对所述感应式无线电能传输系统的副边信息进行预测，获取预测结果；

通过扩展卡尔曼滤波器对所述预测结果进行校验，获取经过校验的所述感应式无线电能传输系统的副边信息。

优选地，所述利用扩展卡尔曼滤波器对所述感应式无线电能传输系统的副边信息进行预测为：

P_k+1/k＝FP_k/kF^T+Q

式中，k/k表示在时刻k进行基于时刻k的滤波，k+1/k表示在时刻k+1 进行基于时刻k时的参数预测；为k时刻的系统状态变量，是 k+1时刻的系统状态变量；F表示状态转移矩阵，F将k-1时刻状态和当前的k时刻状态联系起来，是n×n阶方阵，F是算法对状态变量进行预测的依据；F^T表示F的转置；u_k表示k时刻的控制增益；P是误差的协方差矩阵；Q表示过程激励噪声的协方差，它是状态转移矩阵与实际过程之间的误差。

优选地，所述通过扩展卡尔曼滤波器对所述预测结果进行校验为：

P_k+1/k+1＝P_k+1/k-K_k+1H_k+1P_k+1/k

其中，

式中，表示k时刻先验状态估计值，为算法根据前次迭代结果做出的不可靠估计；表示k+1时刻后验状态估计值，是要输出的该时刻最优估计值，这个值是卡尔曼滤波的结果；P_k+1/k表示k时刻的先验估计协方差，初始协方差矩阵只要不是为0，它的取值对滤波效果影响很小，都能很快收敛；P_k+1/k+1表示k+1时刻的后验估计协方差，是滤波结果之一； K_k表示卡尔曼增益，可以用来消除系统估计误差，是滤波的中间结果； K_k+1表示k+1时刻的卡尔曼增益；y_k+1表示测量值，是m阶向量；H表示量测矩阵，是m×n阶矩阵，它把m维测量值转换到n维与状态变量相对应；S表示测量噪声协方差，S是一个数值，这是和仪器相关的一个特性，作为已知条件输入滤波器；S的值过大过小都会使滤波效果变差，且S取值越小收敛越快，通过实验手段寻找合适的S值再利用S值进行真实的滤波；H_k表示k时刻的量测矩阵，H_k+1表示k+1时刻的量测矩阵，表示 H_k+1的转置；y表示k时刻的测量值。

优选地，所述副边信息包括：输出电流、输出电压以及输出功率。

基于本发明的另一方面，提供一种感应式无线电能传输系统的状态观测的系统，所述系统包括：

测量单元，用于测量感应式无线电能传输系统的原边电流幅值；

预测单元，用于基于所述原边电流幅值，利用扩展卡尔曼滤波器对所述感应式无线电能传输系统的副边信息进行预测，获取预测结果；

校验单元，用于通过扩展卡尔曼滤波器对所述预测结果进行校验，获取经过校验的所述感应式无线电能传输系统的副边信息。

本发明技术方案提供一种感应式无线电能传输系统的状态观测的方法及系统，其中方法包括：测量感应式无线电能传输系统的原边电流幅值；基于所述原边电流幅值，利用扩展卡尔曼滤波器对所述感应式无线电能传输系统的副边信息进行预测，获取预测结果；通过扩展卡尔曼滤波器对所述预测结果进行校验，获取经过校验的所述感应式无线电能传输系统的副边信息。本发明技术方案解决了由于原副边子系统的非接触形式，使在线准确地获得副边的数据变得相对困难的问题。为了能获得相对精确的副边数据来对功率进行反馈控制，尝试将基于扩展卡尔曼滤波器EKF理论的状态观测器应用于无线电能传输WPT系统中。扩展卡尔曼滤波器EKF模型中包含了系统误差和测量误差的统计信息，故基于扩展卡尔曼滤波器EKF 的状态观测器，不但可以观测系统的状态，还可以滤除电磁干扰和测量噪音的影响。

附图说明

通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：

图1为根据本发明优选实施方式的一种感应式无线电能传输系统的状态观测的方法流程图；

图2为根据本发明优选实施方式的一种感应式无线电能传输系统的状态观测的系统结构图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

由于原副边子系统的非接触形式，使在线准确地获得副边的数据变得相对困难。为了能获得相对精确的副边数据来对功率进行反馈控制，尝试将基于扩展卡尔曼滤波器EKF理论的状态观测器应用于无线电能传输WPT 系统中。扩展卡尔曼滤波器EKF模型中包含了系统误差和测量误差的统计信息，故基于扩展卡尔曼滤波器EKF的状态观测器，不但可以观测系统的状态，还可以滤除电磁干扰和测量噪音的影响。本申请中，副边信息包括：输出电流、输出电压以及输出功率。

图1为根据本发明优选实施方式的一种感应式无线电能传输系统的状态观测的方法流程图。

优选地，在步骤101：测量感应式无线电能传输系统的原边电流幅值。

由于系统原边线圈的电流是容易测量的，所以，观测器模型的测量输入量定为原边线圈电流i₁幅值，记为|i₁|，|i₁|可以表示为：

可以将WPT系统的8阶动态模型表示为如下的结构形式：

其中，x_e＝＜·＞₁，u代表H桥谐振变换器的直流母线电压输入。

尽管式(2)是线性形式，但由于式(3)为一非线性表达式，故不能直接用线性问题的卡尔曼滤波理论来建立系统的状态观测器，而应该选用解决非线性问题的扩展卡尔曼滤波理论来建立系统的状态观测器。此外，扩展卡尔曼滤波理论是基于离散系统来实现的，因此，必须将式(2)和式(3)离散化处理成高斯—马尔科夫方程形式：

其中，

T_s为系统采样周期。式(6)和式(7)计算相对复杂，可以用以下方法来近似计算F和G：

当精度要求较高时，可在展开式中多取几项作为近似。

另外，w(k)和v(k)分别为系统误差和测量噪音，它们都是随机白噪声变量，可以用统计学中的平均值和协方差来表述，平均值表达式为：

E{w(k)}＝E{v(k)}＝0 (10)

系统误差的协方差矩阵定义为：

E{w(k)w(k)^T}＝Q (11)

测量噪音的协方差矩阵可以定义为：

E{v(k)v(k)^T}＝S (12)

其中，Q为8×8的常数矩阵，S为1×1的常数矩阵。状态变量的初始值向量xe(0)可以用其平均值和协方差矩阵来表示：

H(k)为式(13)相对于向量x_e的梯度，该梯度为一时变梯度。

由于方程(12)是对WPT系统的线性化建模，故该最优观测器是对系统的近似估计，该近似估计的精确度将会在仿真与实验结果中得到验证。

基于EKF理论的状态观测器实现的前提为：原边绕组电流i₁的幅值必须在算法的每个递归计算开始之前测量出来。继而，基于|i₁|，EKF算法就可以估计出矢量I₂和这样，系统控制器就可以依据估计出的副边状态信息来控制原边谐振变换器的工作频率或调制方式，实现高性能的功率流控制。本申请为系统状态观测器的建立和实现。

优选地，在步骤102：基于原边电流幅值，利用扩展卡尔曼滤波器对感应式无线电能传输系统的副边信息进行预测，获取预测结果。优选地，利用扩展卡尔曼滤波器对感应式无线电能传输系统的副边信息进行预测为：

P_k+1/k＝FP_k/kF^T+Q

k/k表示在时刻k进行基于时刻k的滤波，同样，k+1/k表示在时刻k+1 进行基于时刻k时的参数预测。为k时刻的系统状态变量，是 k+1时刻的系统状态变量。F表示状态转移矩阵，它将k-1时刻状态和当前的k时刻状态联系起来，是n×n阶方阵，它是算法对状态变量进行预测的依据。u_k表示k时刻的控制增益。P是误差的协方差矩阵。Q表示过程激励噪声的协方差，它是状态转移矩阵与实际过程之间的误差。

EKF算法可以分为预测和校正两个组成部分，结合前面讨论的动态系统模型式(4)和式(5)，EKF算法可以表示如下：

Step1:预测

P_k+1/k＝FP_k/kF^T+Q (16)

式中，k/k表示在时刻k进行基于时刻k的滤波，k+1/k表示在时刻k+1进行基于时刻k时的参数预测；为k时刻的系统状态变量，是k+1 时刻的系统状态变量；F表示状态转移矩阵，F将k-1时刻状态和当前的k 时刻状态联系起来，是n×n阶方阵，F是算法对状态变量进行预测的依据； F^T表示F的转置；u_k表示k时刻的控制增益；P是误差的协方差矩阵；Q 表示过程激励噪声的协方差，它是状态转移矩阵与实际过程之间的误差。

优选地，在步骤103：通过扩展卡尔曼滤波器对预测结果进行校验，获取经过校验的感应式无线电能传输系统的副边信息。优选地，通过扩展卡尔曼滤波器对预测结果进行校验为：

P_k+1/k+1＝P_k+1/k-K_k+1H_k+1P_k+1/k

其中，

式中，表示k时刻先验状态估计值，为算法根据前次迭代结果做出的不可靠估计；表示k+1时刻后验状态估计值，是要输出的该时刻最优估计值，这个值是卡尔曼滤波的结果；P_k+1/k表示k时刻的先验估计协方差，初始协方差矩阵只要不是为0，它的取值对滤波效果影响很小，都能很快收敛；P_k+1/k+1表示k+1时刻的后验估计协方差，是滤波结果之一； K_k表示卡尔曼增益，可以用来消除系统估计误差，是滤波的中间结果； K_k+1表示k+1时刻的卡尔曼增益；y_k+1表示测量值，是m阶向量；H表示量测矩阵，是m×n阶矩阵，它把m维测量值转换到n维与状态变量相对应；S表示测量噪声协方差，S是一个数值，这是和仪器相关的一个特性，作为已知条件输入滤波器；S的值过大过小都会使滤波效果变差，且S取值越小收敛越快，通过实验手段寻找合适的S值再利用S值进行真实的滤波；H_k表示k时刻的量测矩阵，H_k+1表示k+1时刻的量测矩阵，表示 H_k+1的转置；y表示k时刻的测量值。

Step2:校正

P_k+1/k+1＝P_k+1/k-K_k+1H_k+1P_k+1/k (19)

其中，

P,Q,S分别为误差、系统噪音和测量噪音的协方差矩阵。K_k+1为卡尔曼增益，可以用来消除系统估计误差。上标“^”表示估计值。k/k表示在时刻k进行基于时刻k的滤波，同样，k+1/k表示在时刻k+1进行基于时刻k时的参数预测。

E_k+1为GSSA模型中状态量向量x_e与实际系统状态向量的变换矩阵，可表示为：

其中，t_k+1表示第k+1个采样时刻，ω为WPT系统的运行角频率。

GSSA模型中的状态量不是实际系统的运行状态量，所以，EKF算法的输出必须经过E_k+1处理后才能作为系统实际的状态观测值。处理的方法如下：

其中，

继而，观测量向量Z_k+1的幅值和相位可分别表示如下：

其中，M_k＝[|i₁(k)||i₂(k)|Θ_k为Z_k的相位分量。其中，|i₁(k)|和|i₂(k)|分别为原、副边绕组线圈中的电流，和分别为原、副边补偿电容的端电压。

从上面的算法分析可知，本章提出的基于EKF理论的状态观测器可以观测出WPT系统副边的状态信息，因而，在没有特殊要求的前提下就没有必要在副边增加信息测量传感器网络和副边反馈的信息通信子系统了。

本申请实施方式提出的扩展卡尔曼滤波器观测器收敛速度快，且精度较高，基本可以达到对副边状态的实时观测要求。本申请可以单纯通过测量原边绕组电流的幅值，就能动态估计出WPT系统副边的运行状态信息，如输出电流、输出电压和输出功率等，因此可以省去副边的状态测量传感器网络和副边到原边的信息反馈模块，降低了系统的复杂度和成本，提高了系统的可靠性。

图2为根据本发明优选实施方式的一种感应式无线电能传输系统的状态观测的系统结构图。如图2所示，一种感应式无线电能传输系统的状态观测的系统，系统包括：

测量单元201，用于测量感应式无线电能传输系统的原边电流幅值；

预测单元202，用于基于原边电流幅值，利用扩展卡尔曼滤波器对感应式无线电能传输系统的副边信息进行预测，获取预测结果，具体包括：输出电流、输出电压以及输出功率。

校验单元203，用于通过扩展卡尔曼滤波器对预测结果进行校验，获取经过校验的感应式无线电能传输系统的副边信息。

本发明优选实施方式的一种感应式无线电能传输系统的状态观测的系统200与本发明优选实施方式的一种感应式无线电能传输系统的状态观测的方法100相对应，在此不再进行赘述。

已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。

通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。