一种电动汽车充电设备检测维修管理方法和装置与流程

本发明涉及电动汽车充电设备领域，更具体地说，涉及一种电动汽车充电设备检测维修管理方法和装置。

背景技术：

目前，国家已经出台了多项优惠政策来刺激和扶持电动汽车产业的发展，但充电问题仍然是制约电动汽车发展的重要因素，受电动汽车自身充电电量、充电时间、活动范围等原因的影响，充电设备的建设开始从集中的大型充电站向零散的离散充电桩、小型充电站的形式转换，并开始探索5公里充电圈、10公里充电圈、高速公路充电点等业务类型，辐射范围越来越大，极大地扩展了电动汽车的活动区域，消除用户的电量焦虑，推动电动汽车的普及。

但是，传统的电动汽车充电设备定期巡检方式，因受地理位置、运维人员、时间等多种资源限制，而造成设备故障、缺陷无法及时解决，影响电动汽车充电，浪费社会资源。

技术实现要素：

有鉴于此，本发明提出一种电动汽车充电设备检测维修管理方法和装置，欲实现减少设备发生故障的几率，提高设备的利用率目的。

为了实现上述目的，现提出的方案如下：

一种电动汽车充电设备检测维修管理方法，包括：

获取所有目标充电设备的当前运行信息；

针对每个所述目标充电设备，根据其当前运行信息，利用充电设备的状态评价模型，得到其当前状态，所述状态包括正常、预警、警告和故障；

针对每个所述目标充电设备，根据其当前状态对其检修计划进行相应调整；

针对当前状态为故障的每个所述目标充电设备，根据其当前运行信息，利用维修知识库得到与其对应的维修方案。

优选的，在所述针对每个所述目标充电设备，根据其当前运行信息，利用充电设备的状态评价模型，得到其当前状态后，还包括：

针对当前状态为正常、预警或警告的每个所述目标充电设备，根据其当前运行信息，利用充电设备的劣化分析模型，预测其出现故障的时刻；

根据每个所述目标充电设备相应的故障信息，生成备件库存管理方案。

优选的，在所述获取所有目标充电设备的当前运行信息前，还包括：

采用决策树算法对样本数据进行分析，得到所述充电设备的劣化分析模型。

优选的，在所述获取所有目标充电设备的当前运行信息前，还包括：

采用决策树算法对样本数据进行分析，得到所述充电设备的状态评价模型。

一种电动汽车充电设备检测维修管理装置，包括：

信息获取单元，用于获取所有目标充电设备的当前运行信息；

状态评估单元，用于针对每个所述目标充电设备，根据其当前运行信息，利用充电设备的状态评价模型，得到其当前状态，所述状态包括正常、预警、警告和故障；

计划调整单元，用于针对每个所述目标充电设备，根据其当前状态对其检修计划进行相应调整；

维修方案单元，用于针对当前状态为故障的每个所述目标充电设备，根据其当前运行信息，利用维修知识库得到与其对应的维修方案。

优选的，所述装置，还包括：

故障预测单元，用于针对当前状态为正常、预警或警告的每个所述目标充电设备，根据其当前运行信息，利用充电设备的劣化分析模型，预测其出现故障的时刻；

库存管理单元，用于根据每个所述目标充电设备相应的故障信息，生成备件库存管理方案。

优选的，所述装置，还包括：

预测模型学习单元，用于采用决策树算法对样本数据进行分析，得到所述充电设备的劣化分析模型。

优选的，所述装置，还包括：

状态模型学习单元，用于采用决策树算法对样本数据进行分析，得到所述充电设备的状态评价模型。

与现有技术相比，本发明的技术方案具有以下优点：

上述技术方案提供的电动汽车充电设备检测维修管理方法和装置，针对每个所述目标充电设备，根据其当前状态对其检修计划进行相应调整；并针对当前状态为故障的每个所述目标充电设备，根据其当前运行信息，利用维修知识库得到与其对应的维修方案。对处于非正常状态的充电设备，进行及时巡检或维修，进而减少设备发生故障的几率，提高设备的利用率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一电动汽车充电设备检测维修管理方法的流程图；

图2为本发明实施例提供的另一种电动汽车充电设备检测维修管理方法的流程图；

图3为本发明实施例提供的一种电动汽车充电设备检测维修管理装置的示意图；

图4为本发明实施例提供的另一种电动汽车充电设备检测维修管理装置的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种电动汽车充电设备检测维修管理方法，参见图1所述，该方法包括：

步骤S11：获取所有目标充电设备的当前运行信息；

目标充电设备即预先设定的需要监测的充电设备。运行信息包括但不限于以下的一种或几种：电流数据、电压数据、警告数据、充电状态数据、充电设备与电动汽车的交互数据、充电设备与移动终端或服务器的交互数据等。

步骤S12：针对每个所述目标充电设备，根据其当前运行信息，利用充电设备的状态评价模型，得到其当前状态，所述状态包括正常、预警、警告和故障。

步骤S13：针对每个所述目标充电设备，根据其当前状态对其检修计划进行相应调整；

如果目标充电设备的当前状态为正常，则对该目标充电设备的检修计划不进行调整，即对该目标充电设备执行正常巡检周期和内容，不作调整；如果目标充电设备的当前状态为预警，则根据预警内容在巡检内容中添加相应部件的着重巡检标记；如果目标充电设备的当前状态为警告，则对该目标充电设备制定临时检修计划，提前进行检修，并根据告警内容在巡检内容中添加对相应部件的着重检测标记，利用维修知识库生成故障维修方案；如果目标充电设备的当前状态为故障，则对该目标充电设备制定临时检修计划，立即对其进行检修，并根据故障内容在巡检内容中添加相应部件的着重检测标记，并制定相应备件的出库单，提醒检修人员携带相应备件出发现场。

正常巡检由定时巡检任务触发，在一次制定后周期性执行，有固定的执行时间和执行人、检测设备范围、检测项目等。检修计划制定后指派给相应的执行人，具有指定时间、指定的设备和内容。巡检结束后登记巡检结果，通过该巡检结果对照状态评价模型的检测结果，对状态评价模型进行修正。

步骤S14：针对当前状态为故障的每个所述目标充电设备，根据其当前运行信息，利用维修知识库得到与其对应的维修方案。

结合维修知识库的规则，采用FST(Finite State Transducer)算法对维修知识库进行检索得到相应的维修方案。维修知识库，主要是根据专家知识和经验形成的一系列规则。维修知识库存放各种规则和结论，实现维修方案的存储、管理等功能。维修知识库的更新机制是将实际中不断出现的新问题经过总结后添加到维修知识库中，通过数据挖掘的方法和专家指导相结合的方式实现规则的动态维护。例如，如果现场发现维修方案有错误，在回来后对维修方案进行修正和记录，对维修知识库进行修正。

本实施例提供的电动汽车充电设备检测维修管理方法，针对每个所述目标充电设备，根据其当前状态对其检修计划进行相应调整；并针对当前状态为故障的每个所述目标充电设备，根据其当前运行信息，利用维修知识库得到与其对应的维修方案。对处于非正常状态的充电设备，进行及时巡检或维修，进而减少设备发生故障的几率，提高设备的利用率。

在获取所有目标充电设备的当前运行信息前，还包括：采用决策树算法对样本数据进行分析，得到充电设备的状态评价模型。具体的状态评价模型的学习过程如下：

准备各种状态下的样本数据，所述的样本数据项包括充电设备的运行参数和外部环境参数，其中运行参数包括但不限于以下的一种或多种：输出电压、输出电流、辅助输出电流、辅助输出电压、有功功率、无功功率、温度、电池输入电池、电池输入电压、电池温度等，外部环境参数包括以下的一种或多种：温度、湿度、风力、风向、雨量、浸水、空气质量(PM10及以上的风尘数量)等。

充电设备的运行状态有启动状态、预充状态、充电状态、泄放状态、停止状态、待机状态、关机状态；充电设备的故障状态有过流状态、过压状态、过温状态、过充状态、无法停止充电状态等。采集及每种运行状态和故障状态的运行参数作为样本数据。每种状态的数据不低于100组。准备两份这样的数据，一份作为训练数据，一份作为验证数据。

一组数据＝[输出电压,输出电流,辅助输出电流,辅助输出电压,有功功率,无功功率,温度,电池输入电池,电池输入电压,电池温度,等等,’正常充电’]

一组数据＝[输出电压,输出电流,辅助输出电流,辅助输出电压,有功功率,无功功率,温度,电池输入电池,电池输入电压,电池温度,等等,’过流状态’]

一组数据＝[输出电压,输出电流,辅助输出电流,辅助输出电压,有功功率,无功功率,温度,电池输入电池,电池输入电压,电池温度,等等,’过压状态’]

一组数据＝[输出电压,输出电流,辅助输出电流,辅助输出电压,有功功率,无功功率,温度,电池输入电池,电池输入电压,电池温度,等等,’过充状态’]

一组数据＝[输出电压,输出电流,辅助输出电流,辅助输出电压,有功功率,无功功率,温度,电池输入电池,电池输入电压,电池温度,等等,’过温状态’]

…………

对样本数据进行数据归一化处理。例如：

计算所有样本数据中的输出电压的均值X：(组1中输出电压值1+组2中输出电压值2+组3中输出电压值3+……+组n中输出电压值n)/n

计算所有样本数据中的输出电压的标准方差：(|电压值1-均值X|+|电压值2-均值|+|电压值3-均值X|+……+|电压值n-均值X|)/n后开方。

计算样本数据对应的特征量值：(电压值-均值X)/标准方差+0.1

对样本中的每个数值(不包括运行状态量)依次进行计算，获得样本特征量集D。

使用样本特征量集D作为训练元组产生决策树模型作为状态评价模型。具体过程如下：

(1)创建一个结点N。

(2)如果D中的元组都在同一类C中，那么{返回N作为叶结点，并用C标记它}

(3)如果候选属性集为空，则返回N作为叶结点，标记为D的多数类，该属性的创建终止。

(4)从D的候选属性集中找出最好的分裂准则，划分成合适的分裂点和分裂属性。

(5)使用分裂准则标记结点N。

(6)如果标记成该分裂属性的子集的值全部为离散值，则为该属性的每个值建立一个分枝，并用该值标记。同时将这个分裂属性删除。

(7)挑选出最优的分裂属性，根据该属性的分裂点划分元组并对每一个分区产生子树。将D中所有满足分裂点要求的数据元组集合作为一个分区，如果这个分区为空，则加一个树叶到结点N，标记为D中的多数类；如果分区不为空，加一个(由该分区创建的子树作为结点重复第二步到第八步的过程)到结点N。

使用验证数据作为输入运行状态评价模型，统计模型输出结果与验证数据中状态量不一致的数量，用数量除以总数量得到差异率，如果差异率在1％以上说明该模型的准确度较低。如果准确度过低，需要重新制定分裂准则进行模型绘制。重复训练和验证过程，并计算和查看差异率。

如果多次通过修改来重新训练得到的差异率依然很高的话，就需要重新收集训练样本集和验证样本，增加训练样本集的遍布的范围，确保参数足够泛化，增加足够的奇异值。重复进行训练和验证过程、换采集样本、修改扩展系数的过程，直到差异率小于1％。最终获得的符合差异率标准的模型即为该型号设备的状态评价模型。

在使用状态评价模型进行相应的充电设备状态评价过程中，如果输出结果与实际运行状态不匹配或无法评价状态的情况发生，则表明该状态评价模型需要更新。用新获取的运行数据对状态评价模型进行更正训练，获得新的状态评价模型。

本实施例提供另一种电动汽车充电设备检测维修管理方法，进一步解决备件库存配置不合理，达不到资源最优分配的问题。参见图2所述，其中步骤S21、S22、S23、S24分别与步骤S11、S12、S13、S14相同，该方法包括：

步骤S21：获取所有目标充电设备的当前运行信息；

步骤S22：针对每个所述目标充电设备，根据其当前运行信息，利用充电设备的状态评价模型，得到其当前状态，所述状态包括正常、预警、警告和故障。

步骤S23：针对每个所述目标充电设备，根据其当前状态对其检修计划进行相应调整；

步骤S24：针对当前状态为故障的每个所述目标充电设备，根据其当前运行信息，利用维修知识库得到与其对应的维修方案；

步骤S25：针对当前状态为正常、预警或警告的每个所述目标充电设备，根据其当前运行信息，利用充电设备的劣化分析模型，预测其出现故障的时刻；

采集目标充电设备的运行信息形成历史数据库，采用决策树算法从隶属数据库中挖掘相关信息，分析充电设备的劣化趋势变化，推导设备劣化趋势模型(即推理机)。使用决策树算法的推理策略是Modus ponens逻辑规则，通过规则和已知事实推理出新的事实。

步骤S26：根据每个所述目标充电设备相应的故障信息，生成备件库存管理方案。

故障预测完成后需要调整充电设备对应备件的库存数量，例如，对于当前状态为正常和预警的目标充电设备，则对该目标充电设备的采购周期和采购内容不做调整；对于当前状态为警告的目标充电设备，则根据警告内容按照70％的概率增加采购相应数量的部件，例如对于某一部件存在警告的目标充电设备为10个，则增加采购10*70％的该部件；对于当前状态为故障的目标充电设备，则根据故障内容按照90％的概率增加采购相应数量的部件。如果制定的检修计划中需要的部件在仓库中数为0或者小于安全值，制定临时采购计划，并减小系统中存储的相应部件的采购周期。

在所述获取所有目标充电设备的当前运行信息前，还包括：采用决策树算法对样本数据进行分析，得到所述充电设备的劣化分析模型。具体的劣化分析模型的学习过程同状态评价模型的学习过程类似，不同点在于训练数据不同，劣化分析模型的训练数据必须在时间上至少两两连续，并且连续的两两数据中第二组的设备状态和第一组的不相同。使用第一组数据的运行数据和第二组数据的设备状态作为训练数据的输入，建立和改进模型。

对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。

下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。

本发明实施例提供一种电动汽车充电设备检测维修管理装置，参见图3所示，该装置包括：

信息获取单元11，用于获取所有目标充电设备的当前运行信息；

状态评估单元12，用于针对每个所述目标充电设备，根据其当前运行信息，利用充电设备的状态评价模型，得到其当前状态，所述状态包括正常、预警、警告和故障；

计划调整单元13，用于针对每个所述目标充电设备，根据其当前状态对其检修计划进行相应调整；

维修方案单元14，用于针对当前状态为故障的每个所述目标充电设备，根据其当前运行信息，利用维修知识库得到与其对应的维修方案。

本实施例提供的电动汽车充电设备检测维修管理装置，计划调整单元13针对每个所述目标充电设备，根据其当前状态对其检修计划进行相应调整；维修方案单元14针对当前状态为故障的每个所述目标充电设备，根据其当前运行信息，利用维修知识库得到与其对应的维修方案。对处于非正常状态的充电设备，进行及时巡检或维修，进而减少设备发生故障的几率，提高设备的利用率。

优选的，该装置还可以包括状态模型学习单元，用于采用决策树算法对样本数据进行分析，得到所述充电设备的状态评价模型。

本发明实施例提供一种电动汽车充电设备检测维修管理装置，参见图4所示，该装置包括：

信息获取单元11，用于获取所有目标充电设备的当前运行信息；

状态评估单元12，用于针对每个所述目标充电设备，根据其当前运行信息，利用充电设备的状态评价模型，得到其当前状态，所述状态包括正常、预警、警告和故障；

计划调整单元13，用于针对每个所述目标充电设备，根据其当前状态对其检修计划进行相应调整；

维修方案单元14，用于针对当前状态为故障的每个所述目标充电设备，根据其当前运行信息，利用维修知识库得到与其对应的维修方案。

故障预测单元15，用于针对当前状态为正常、预警或警告的每个所述目标充电设备，根据其当前运行信息，利用充电设备的劣化分析模型，预测其出现故障的时刻；

库存管理单元16，用于根据每个所述目标充电设备相应的故障信息，生成备件库存管理方案。

该装置，还可以包括：预测模型学习单元，用于采用决策树算法对样本数据进行分析，得到所述充电设备的劣化分析模型。

对于装置实施例而言，由于其基本相应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对本发明所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。