一种智能充电桩管理系统及其方法与流程

文档序号:35294309发布日期:2023-09-01 17:26阅读:37来源:国知局
一种智能充电桩管理系统及其方法与流程

本发明涉及充电桩领域,特别是一种智能充电桩管理系统及其方法。


背景技术:

1、随着世界逐渐转向更低碳环保的技术,电动汽车作为替代传统汽车的一种环保解决方案脱颖而出,使得公众对于充电桩的需求日益增大。现有公共充电桩一般在停车场、加油站,值班人员较少或无人看守,存在数量大、位置分散等特征,因此充电桩的功能需要自动化水平更高、安全可靠性更强、维护更简便,以降低运行和维护成本并提升充电桩的使用效率。充电桩随着使用时间的不断延长导致硬件的老化,再加上一些其他原因导致的损坏,造成实际生活中电动汽车用户会碰到充电桩无法正常充电的情况,给用户带来很大不便。因此,基于大数据的智能充电桩状态分类和故障预测,实现充电桩状态实时评估和故障预测,使充电桩更安全、稳定地运行具有重大意义。


技术实现思路

1、本发明的目的是为了解决上述问题,设计了一种智能充电桩管理系统及其方法。

2、实现上述目的本发明的技术方案为,进一步,在上述一种智能充电桩管理系统及其方法中,所述智能充电桩管理系统包括:

3、数据处理模块,用于获取充电桩的历史状态数据,对所述历史状态数据提取状态特征指标,并对所述状态特征指标进行分析,得到充电桩的阈值和置信度;

4、状态划分模块,用于基于所述阈值和置信度,利用fcma模糊聚类算法和动态劣化度相结合对充电桩进行类别划分,得到充电桩类别数据集;

5、模型建立模块,用于基于svr回归算法建立充电桩特征指标预测模型,将所述充电桩类别数据集输入至所述充电桩特征指标预测模型进行训练,得到svr充电桩特征指标预测模型;

6、实时监测模块,用于通过实时状态采集装置获取待识别充电桩的实时状态数据,得到充电桩实时数据;所述充电桩实时数据包括实时电压数据、实时电流数据、电量统计数据、实时温度数据、实时湿度数据;

7、状态预测模块,用于将所述充电桩实时数据输入至所述svr充电桩特征指标预测模型中进行实时状态预测,得到目标实时状态;

8、预警判断模块,用于基于正态云模型,对所述目标实时状态进行判断,若所述目标实时状态超过预警值,则对所述待识别充电桩进行断电,并对系统进行预警。

9、进一步,在本发明第一方面的第一种实现方式中,所述数据处理模块包括获取子模块、归一化处理子模块、参数子模块、消除子模块:

10、获取子模块,用于获取充电桩中的历史状态数据,所述充电桩包括公共场所的充电桩且通过互联网连接至服务器终端,所述历史状态数据包括历史故障数据、历史充电数据、历史维修数据;

11、归一化处理子模块,用于将所述历史状态数据进行归一化处理,所述归一化处理包括将所述历史状态数据中各特征指标参数集映射到固定的数值区间;

12、参数子模块,用于所述特征指标参数集包括电气特征指标参数、温度特征指标参数、人机交互特征指标参数;

13、消除子模块,用于消除所述特征指标参数集的样本值差别,得到充电桩的阈值和置信度,所述阈值和置信度用于对充电桩的运行状态进行实时评估。

14、进一步,在本发明第一方面的第二种实现方式中,所述状态划分模块包括计算子模块、评估子模块、得到子模块、集合子模块:

15、计算子模块,用于基于充电桩的阈值和置信度,利用fcma模糊聚类算法计算所述充电桩的阈值和置信度样本间模糊隶属程度,得到第一充电桩类别数据集;

16、评估子模块,用于通过动态劣化度对所述第一充电桩类别数据集中各特征指标实时监控数据和变化趋势对充电桩状态实时评估,得到第二充电桩类别数据集;

17、得到子模块,用于通过算例仿真验证基于动态劣化度模糊聚类综合评价模型对所述第二充电桩类别数据集的实时状态进行评估,得到充电桩类别数据集;

18、集合子模块,用于所述充电桩类别数据集包括健康状态充电桩、亚健康状态充电桩、异常状态充电桩和严重状态充电桩。

19、进一步,在本发明第一方面的第三种实现方式中,所述模型建立模块包括分类子模块、训练子模块、测试子模块:

20、分类子模块,用于获取充电桩类别数据集,将所述充电桩类别数据集分为训练类别数据集和测试类别数据集;

21、训练子模块,用于将所述训练类别数据集输入svr支持向量机回归模型中,得到关键参数值,对所述关键参数值进行调整,得到第一svr支持向量机回归模型;

22、测试子模块,用于将所述测试类别数据集输入到第一svr支持向量机回归模型中进行测试,得到svr充电桩特征指标预测模型。

23、进一步,在本发明第一方面的第四种实现方式中,所述实时监测模块包括电压监测子模块、电流监测子模块、电量统计子模块、温度监测子模块、湿度监测子模块:

24、电压监测子模块,用于监测所述待识别充电桩的实时电压,得到实时电压数据;

25、电流监测子模块,用于监测所述待识别充电桩的实时电流,得到实时电流数据;

26、电量统计子模块,用于对所述待识别充电桩的实时电量进行统计,得到电量统计数据;

27、温度监测子模块,用于监测所述待识别充电桩的实时工作环境温度,得到实时温度数据;

28、湿度监测子模块,用于监测所述待识别充电桩的实时工作环境湿度,得到实时湿度数据。

29、进一步,在本发明第一方面的第五种实现方式中所述状态预测模块包括获取子模块、预测子模块:

30、获取子模块,用于获取充电桩实时数据,所述充电桩实时数据包括实时电压数据、实时电流数据、电量统计数据、实时温度数据、实时湿度数据;

31、预测子模块,用于将所述充电桩实时数据输入至所述svr充电桩特征指标预测模型中进行实时状态预测,得到目标实时状态。

32、进一步,在本发明第一方面的第六种实现方式中,所述预警判断模块包括提取子模块、判断子模块、预警子模块:

33、提取子模块,用于对所述目标实时状态中的各特征指标的预测相对误差序列中提取数字特征;

34、判断子模块,根据正态云模型最大贴合度变化得到待识别充电桩由正常状态到异常状态的演变过程,并对所述待识别充电桩的状态进行判断;

35、预警子模块,用于目标实时状态若所述目标实时状态超过预警值,则对所述待识别充电桩进行断电,并对系统进行预警。

36、实现上述目的本发明的技术方案为,进一步,一种智能充电桩管理方法中,所述智能充电桩管理方法包括:

37、获取充电桩的历史状态数据,对所述历史状态数据提取状态特征指标,并对所述状态特征指标进行分析,得到充电桩的阈值和置信度;

38、基于所述阈值和置信度,利用fcma模糊聚类算法和动态劣化度相结合对待识别充电桩进行类别划分,得到充电桩类别数据集;

39、基于svr回归算法建立充电桩特征指标预测模型,将所述充电桩类别数据集输入至所述充电桩特征指标预测模型进行训练,得到svr充电桩特征指标预测模型;

40、通过实时状态采集装置获取所述待识别充电桩的实时状态数据,得到充电桩实时数据;所述充电桩实时数据包括实时电压数据、实时电流数据、电量统计数据、实时温度数据、实时湿度数据;

41、将所述充电桩实时数据输入至所述svr充电桩特征指标预测模型中进行实时状态预测,得到目标实时状态;

42、基于正态云模型,对所述目标实时状态进行判断,若所述目标实时状态超过预警值,则对所述待识别充电桩进行断电,并对系统进行预警。

43、进一步,在上述一种智能充电桩管理方法中,所述获取充电桩的历史状态数据,对所述历史状态数据提取状态特征指标,并对所述状态特征指标进行分析,得到充电桩的阈值和置信度,包括:

44、获取充电桩中的历史状态数据,所述充电桩包括公共场所的充电桩且通过互联网连接至服务器终端,所述历史状态数据包括历史故障数据、历史充电数据、历史维修数据;

45、将所述历史状态数据进行归一化处理,所述归一化处理包括将所述历史状态数据中各特征指标参数集映射到固定的数值区间;

46、所述特征指标参数包括电气特征指标参数、温度特征指标参数、人机交互特征指标参数;

47、消除所述特征指标参数集的样本值差别,得到充电桩的阈值和置信度,所述阈值和置信度用于对充电桩的运行状态进行实时评估。

48、进一步,在上述一种智能充电桩管理方法中,所述所述基于所述阈值和置信度,利用fcma模糊聚类算法和动态劣化度相结合对待识别充电桩进行类别划分,得到充电桩类别数据集,包括:

49、基于充电桩的阈值和置信度,利用fcma模糊聚类算法计算所述充电桩的阈值和置信度样本间模糊隶属程度,得到第一充电桩类别数据集;

50、通过动态劣化度对所述第一充电桩类别数据集中各特征指标实时监控数据和变化趋势对充电桩状态实时评估,得到第二充电桩类别数据集;

51、通过算例仿真验证基于动态劣化度模糊聚类综合评价模型对所述第二充电桩类别数据集的实时状态进行评估,得到充电桩类别数据集;

52、所述充电桩类别数据集包括健康状态充电桩、亚健康状态充电桩、异常状态充电桩和严重状态充电桩。

53、其有益效果在于,通过数据处理模块,用于获取充电桩的历史状态数据,对所述历史状态数据提取状态特征指标,并对所述状态特征指标进行分析,得到充电桩的阈值和置信度;状态划分模块,用于基于所述阈值和置信度,利用fcma模糊聚类算法和动态劣化度相结合对待识别充电桩进行类别划分,得到充电桩类别数据集;模型建立模块,用于基于svr回归算法建立充电桩特征指标预测模型,将所述充电桩类别数据集输入至所述充电桩特征指标预测模型进行训练,得到svr充电桩特征指标预测模型;实时监测模块,用于通过实时状态采集装置获取所述待识别充电桩的实时状态数据,得到充电桩实时数据;所述充电桩实时数据包括实时电压数据、实时电流数据、电量统计数据、实时温度数据、实时湿度数据;状态预测模块,用于将所述充电桩实时数据输入至所述svr充电桩特征指标预测模型中进行实时状态预测,得到目标实时状态;预警判断模块,用于基于正态云模型,对所述目标实时状态进行判断,若所述目标实时状态超过预警值,则对所述待识别充电桩进行断电,并对系统进行预警。可以达到:1、对充电桩故障提前预警,为工作人员制定维修检修策略提供有利指导;2、有利于公共充电桩的管理和维护,降低维护费用;3、提升充电桩的使用效率,有效地预防与减少充电桩故障发生率的目的,优化充电桩维修体系,降低充电桩故障对电动汽车造成的不良影响。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1