一种充电桩故障分析处理方法及系统与流程

本发明涉及故障分析，特别地涉及一种充电桩故障分析处理方法及系统。

背景技术：

1、充电桩，又称电动车充电桩或充电站，是为电动车辆提供电能充电服务的设备。随着电动交通工具的不断普及，充电桩作为支持电动车充电基础设施的重要组成部分，正在成为城市可持续交通发展的关键节点。

2、充电桩故障分析对于维护电动车充电基础设施的可靠性和稳定性具有重要的意义，目前在进行充电桩故障分析时，多是结合预先设定的阈值参数分析充电桩的检测数据以确定是否存在故障。然而，针对复杂的使用环境，难以精准地设定不同环境下的阈值参数的，导致故障分析过程中会出现误报或者报警不及时的情况，对充电桩的故障分析不够精确。

技术实现思路

1、本发明实施例提供了一种充电桩故障分析处理方法及系统，用于提升对充电桩故障分析的精确性，以提高故障分析的效率。

2、本发明实施例的第一方面，提供了一种充电桩故障分析处理方法，包括：

3、获取充电桩的历史故障检测数据，包括多个故障诊断结果和每个故障诊断结果对应的环境监测数据和设备参数数据；

4、基于故障诊断结果对历史故障检测数据进行数据分割和聚类，得到包括多组正常工作数据的第一数据集合和包括多组异常工作数据的第二数据集合；

5、提取第一数据集合中每组正常工作数据的第一环境特征数据和第一参数特征数据，构建得到第一训练数据集并对环境分析模型进行训练；

6、提取第二数据集合中每组异常工作数据的故障诊断结果，以及每个故障诊断结果对应的第二环境特征数据和第二参数特征数据；

7、基于环境分析模型对每组第二环境特征数据进行处理，根据处理结果对多组第二参数特征数据进行矫正，构建得到第二训练数据集，通过第二训练数据集对故障分析模型进行训练；

8、实时采集充电桩的工作环境数据和工作参数数据，提取充电桩的目标环境特征数据和第一目标参数特征数据，通过环境分析模型对目标环境特征数据进行处理，生成目标矫正数据，基于目标矫正数据对第一目标参数特征数据进行处理，生成第二目标参数特征数据并输入到故障分析模型中，生成故障分析结果。

9、进一步地，基于环境分析模型对每组第二环境特征数据进行处理，根据处理结果对多组第二参数特征数据进行矫正，包括：

10、通过环境分析模型对每组第二环境特征数据进行处理，生成每组第二环境特征数据对应的参数矫正数据，通过多组参数矫正数据对每组第二环境特征数据对应的第二参数特征数据进行矫正，生成每组第二环境特征数据对应的第三参数特征数据。

11、进一步地，对于第一训练数据集和第二训练数据集，还包括：

12、第一训练数据集包括多个第一数据子集，每个第一数据子集包括一组正常异常工作数据的第一环境特征数据和第一参数特征数据，以每个第一数据子集的第一环境特征数据作为环境分析模型的输入，以每个第一数据子集的第一参数特征数据作为环境分析模型的输出，训练得到环境分析模型；

13、第二训练数据集包括多个第二数据子集，每个第二数据子集包括一组异常工作数据的第三参数特征数据和故障诊断结果，以每个第二数据子集的第三参数特征数据作为故障分析模型的输入，以每个第二数据子集的故障诊断结果作为故障分析模型的输出，训练得到故障分析模型。

14、进一步地，提取充电桩的目标环境特征数据和第一目标参数特征数据，包括：

15、获取当前时刻之前预设时长范围内充电桩的工作环境数据和工作参数数据，将预设时长范围分为多个时长区间，确定每个环境参数在每个时长区间的环境参数因子和环境参数差分因子，生成每个环境参数在当前时刻之前预设时长范围内的环境特征向量，得到当前时刻之前预设时长范围内包括多个环境特征向量的充电桩的目标环境特征数据，其中，环境参数在任意一个时长区间结束时刻的数值记为时长区间的环境参数因子，环境参数在任意一个时长区间结束时刻的数值与起始时刻的数值的差值记为时长区间的环境参数差分因子；

16、确定每个设备参数在每个时长区间的设备参数因子和设备参数差分因子，生成每个设备参数在当前时刻之前预设时长范围内的第一参数特征向量，得到当前时刻之前预设时长范围内包括多个第一参数特征向量的充电桩的第一目标参数特征数据，其中，设备参数在任意一个时长区间结束时刻的数值记为时长区间的设备参数因子，设备参数在任意一个时长区间结束时刻的数值与起始时刻的数值的差值记为时长区间的设备参数差分因子。

17、进一步地，对于目标环境特征数据和第一目标参数特征数据，还包括：

18、对于目标环境特征数据中第个环境参数的环境特征向量，有，为时长区间的数量，，其中，为环境特征向量在第个时长区间的环境参数因子，为环境特征向量在第个时长区间的环境参数差分因子；

19、对于第一目标参数特征数据中第个环境参数的环境特征向量对应的第一参数特征向量，有，，其中，为第一参数特征向量在第个时长区间的设备参数因子，为第一参数特征向量在第个时长区间的设备参数差分因子。

20、进一步地，基于目标矫正数据对第一目标参数特征数据进行处理，生成第二目标参数特征数据，包括：

21、目标矫正数据包括第一目标参数特征数据中每个第一参数特征向量对应的矫正特征向量；

22、对于第一目标参数特征数据中的第个第一参数特征向量和第一参数特征向量对应的矫正特征向量，有，，通过矫正特征向量对第一参数特征向量进行矫正，得到第二参数特征向量，有，其中，为第二参数特征向量在第个时长区间的设备参数因子，为第二参数特征向量在第个时长区间的设备参数差分因子；

23、，为第一参数特征向量在第个时长区间的设备参数因子，为矫正特征向量在第个时长区间的设备参数因子；

24、，为第一参数特征向量在第个时长区间的设备参数差分因子，为矫正特征向量在第个时长区间的设备参数差分因子；

25、通过目标矫正数据中的多个矫正特征向量对第一目标参数特征数据中的多个第一参数特征向量进行矫正，得到包含多个第二参数特征向量的第二目标参数特征数据。

26、进一步地，基于故障诊断结果对历史故障检测数据进行数据分割和聚类，包括：

27、根据存在故障的多个故障诊断结果确定多个故障时间点，提取出每个故障时间点之前预设时长范围的历史故障检测数据，得到多组异常工作数据，基于预设时长范围对剩余的历史故障检测数据进行分割，得到多组正常工作数据，分别对多组正常工作数据和多组异常工作数据进行聚类，构建得到第一数据集合和第二数据集合。

28、进一步地，环境分析模型和故障分析模型为bp神经网络模型。

29、本发明实施例的第二方面，提供了一种充电桩故障分析处理系统，所述系统用于实施上述的一种充电桩故障分析处理方法，包括：

30、数据采集模块，用于获取充电桩的历史故障检测数据，包括多个故障诊断结果和每个故障诊断结果对应的环境监测数据和设备参数数据；

31、数据处理模块，用于基于故障诊断结果对历史故障检测数据进行数据分割和聚类，得到包括多组正常工作数据的第一数据集合和包括多组异常工作数据的第二数据集合；

32、第一数据集构建模块，用于提取第一数据集合中每组正常工作数据的第一环境特征数据和第一参数特征数据，构建得到第一训练数据集；

33、第一模型训练模块，用于通过第一训练数据集训练得到环境分析模型；

34、第二数据集构建模块，用于提取第二数据集合中每组异常工作数据的故障诊断结果，以及每个故障诊断结果对应的第二环境特征数据和第二参数特征数据，基于环境分析模型对每组第二环境特征数据进行处理，根据处理结果对多组第二参数特征数据进行矫正，构建得到第二训练数据集；

35、第二模型训练模块，用于通过第二训练数据集训练得到故障分析模型；

36、故障分析模块，用于实时采集充电桩的工作环境数据和工作参数数据，提取充电桩的目标环境特征数据和第一目标参数特征数据，通过环境分析模型对目标环境特征数据进行处理，生成目标矫正数据，基于目标矫正数据对第一目标参数特征数据进行处理，生成第二目标参数特征数据并输入到故障分析模型中，生成故障分析结果。

37、进一步地，对于第二数据集构建模块，基于环境分析模型对每组第二环境特征数据进行处理，根据处理结果对多组第二参数特征数据进行矫正，包括：

38、通过环境分析模型对每组第二环境特征数据进行处理，生成每组第二环境特征数据对应的参数矫正数据，通过多组参数矫正数据对每组第二环境特征数据对应的第二参数特征数据进行矫正，生成每组第二环境特征数据对应的第三参数特征数据。

39、本发明具有以下优点：

40、本发明通过分析充电桩的历史故障检测数据构建得到用于训练环境分析模型的第一训练数据集和用于训练故障分析模型的第二训练数据集，通过训练得到的环境分析模型对采集到的充电桩的工作环境数据进行处理，分析预测充电桩正常工作情况下的设备参数数据，并基于分析预测得到充电桩正常工作情况下的设备参数数据对采集到的充电桩的工作参数数据进行矫正处理，降低环境因素对充电桩的工作参数数据的影响，通过故障分析模型对矫正处理后的充电桩的工作参数数据进行处理，生成充电桩的故障分析结果，降低因为环境因素导致对充电桩进行故障分析时出现误报或漏报的可能性，提升对充电桩的故障分析的精准度，提高故障分析的效率。