CN109130935A - 一种电动汽车智能充电监控系统 - Google Patents
一种电动汽车智能充电监控系统 Download PDFInfo
- Publication number
- CN109130935A CN109130935A CN201811005613.9A CN201811005613A CN109130935A CN 109130935 A CN109130935 A CN 109130935A CN 201811005613 A CN201811005613 A CN 201811005613A CN 109130935 A CN109130935 A CN 109130935A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- electric car
- intelligent charge
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及新能源电动汽车智能充电技术的技术领域,更具体地,涉及一种电动汽车智能充电监控系统,包括顺次连接的数据接入模块、数据存储模块、数据处理模块、系统服务模块、系统模型模块、业务应用模块;通过数据接入模块接入充电桩运行过程中的电压、电流的输出,监测充电桩的运行状态及各开关状态;通过数据处理模块对接入的数据信息进行分析计算输出电能;通过系统模型模块基于系统数据处理模块中分析进行多业务建模并装载于业务应用模块中;通过业务应用模块基于分析模型控制充电桩开始充电、结束充电或紧急停止。本发明能够实现电动汽车智能充电监控运行系统的建设应用,提升电动汽车充电设施监控管理水平。
Description
技术领域
本发明涉及新能源电动汽车智能充电技术的技术领域,更具体地,涉及一种电动汽车智能充电监控系统。
背景技术
电动汽车作为新能源领域的一个重要组成部分,由于其很好地实现了低碳环保和与生活密切相关而受到广泛关注。各地对电动汽车充电站的建设相继展开研究并投入试运行。新建的电动汽车充电站普遍实行少人值守,这就要求具高可靠、高效率的电动汽车智能充电监控系统的支持。实际上,电动汽车智能充电规划和监控运行涉及多个主体,既影响交通流量的分布,又影响电网扩容、增容。同时,交通流量会影响车主的驾驶和充电行为;充电行为将增大电网的峰谷差和系统网损,降低电能质量。大量历史数据的运用,将突破电动汽车的充电导航规划和监控运行的局限性。
目前,随着充电站数量增加、运行时间增长,电动汽车数据规模将快速地从目前的GB级增长到TB级,甚至PB级,呈现动态、大量、多样、实时、和智能分析高度依赖等特征,逐步形成了与电动汽车相关的大数据。随着大数据应用的迅速发展,各行业均利用大数据技术积极地实现信息技术(IT)向数据技术(DT)的技术转型,初步形成了大数据的基本原理、方法及步骤,但针对电动汽车智能充电监控运行大数据的研究非常少。大数据应用通常包括数据采集、数据可视化、数据集成等环节。由于电动汽车、充电站数据对象多样且异构、规模大、来源复杂、更新快、管理部门分散,数据集成成为电动汽车智能充电大数据应用的瓶颈。
发明内容
本发明的目的在于克服现有技术的不足,提供一种电动汽车智能充电监控系统,实现多标准模型数据的提取和转存、电动汽车充电数据多维度的辨识,以及有效减少了电动汽车充电数据的全表搜索次数。
为解决上述技术问题,本发明采用的技术方案是:
提供一种电动汽车智能充电监控系统,包括:用于接入来自能量管理系统、生产管理系统、数据采集与监控系统、气象系统、配电系统及云平台的相关数据的数据接入模块,用于完成对监控业务非结构化数据存储的数据存储模块,用于安全、分析、计算、管理及展示的数据处理模块,用于提供管理服务和展示服务的系统服务模块,用于风险评估类预警、充电设施异常检测类模型、事故协同处置类模型的系统模型模块,以及用于数据对比统计分析、充电设施故障检测、充电设施故障预警、监控运行检索、可视化全景展示的业务应用模块;所述的数据接入模块、数据存储模块、数据处理模块、系统服务模块、系统模型模块以及业务应用模块顺次连接;数据接入模块、业务应用模块与充电桩连接。
本发明的电动汽车智能充电监控系统,通过数据接入模块接入充电桩运行过程中的电压、电流的交流输出,监测充电桩的运行状态及各开关状态;通过数据存储模块用于存储数据接入模块接入的数据,通过数据处理模块对接入的数据信息进行分析,计算输出电能;通过系统模型模块基于系统数据处理层中分析及计算单元进行多业务建模并将建立的模型装载于业务应用模块中;通过业务应用模块基于分析模型控制充电桩开始充电、结束充电或紧急停止。本发明能够实现电动汽车智能充电监控运行系统的建设应用,提升电动汽车充电设施监控管理水平。
进一步地,所述数据接入模块与能量管理系统、生产管理系统、数据采集与监控系统、气象系统、配电系统及云平台连接,所述能量管理系统、生产管理系统、数据采集与监控系统、气象系统、配电系统及云平台的数据接入数据接入模块的方式为HTTP、FTP、JDBC、Wed-Service与Sqoop、Kafka、Flume的结合。系统汇总整合的数据来源涵盖能量管理系统(EMS)、生产管理系统(PMS)、数据采集与监控系统(SCADA)、气象系统、配电系统及云平台等多个系统,数据类型具有结构化、半结构化及非结构化的异构特征,系统将常规的HTTP、FTP、JDBC,Wed-Service等数据接入方式与大数据的Sqoop、Kafka、Flume等方式结合,完成数据全量提取。
进一步地,所述数据接入模块包括用于实现抽取数据的清洗、加工、标准化的数据提取转换加载工具。配合数据校验规则引擎及数据提取转换加载(ETL)工具实现抽取数据的清洗、加工、标准化,该种数据接入方式保证了监控相关数据的全面性、统合性、高质性,为上层数据存储奠定基础。
进一步地,所述数据存储模块采用大数据Hadoop生态圈中列式数据库Hbase以及分布式文件系统HDFS完成对监控业务非结构化数据的存储。这样设置能够提升对电动汽车监控视频、音频、缺陷文本发明专利件等非结构化数据的存储手段,成为系统对非结构化数据分析的前提。
进一步地,所述数据处理模块包括:用于提供用户权限、传输加密、数据备份的安全服务模块,用于建立专家库、算法库的分析模块,以及用于进行SQL计算、离线计算、批处理、流式计算的计算模块;所述计算模块引入有并行计算框架MapReduce及Spark以及流式计算框架。这样设置能够大幅提升业务计算效能,使业务间的关联分析和数据挖掘更加行之有效;并且大大丰富业务的展示及交互方式,使得系统的使用更加人性化。
进一步地,所述系统模型模块装载有风险评估预警类模型、充电设施异常检测类模型以及事故协同处置类模型。这样设置相对EMS以外业务模型较为固化的情况,系统为模型层提供了维护入口,可根据业务场景变更系统实现模型。
进一步地,所述业务应用模块包括数据统计分析中心、充电设施故障监测中心、充电设置故障预警中心、监控运行模块以及全景展示模块。
进一步地,所述数据统计分析中心通过建立关联统计和分析模型对多源异构的结构化电动汽车充电业务相关数据进行统计分析和数据挖掘。基于数据模型标准化以及数据采集、存储、治理一体化的结果,通过建立关联统计和分析模型,对多源异构的结构化电动汽车充电监控业务相关数据进行统计分析和数据挖掘。相对现有系统,该系统扩大并提升了统计数据源的维度及质量,使传统的数据分析从“单一数据点”向“多点对比关联分析”的方向改进。
进一步地,所述充电设施故障监测中心包括用于告警时序趋势预警、缺陷时序趋势预警以及时序趋势预警的充电设施时序状态趋势预警模块以及用于告警时序趋势预警、缺陷时序趋势预警以及时序趋势预警的充电设施运行状态趋势预警模块。本发明的充电设施故障监测中心通过运用基于数据挖掘和时序预测的大数据分析技术、机器学习和深度学习的人工智能技术,构建对电动汽车态势感知、充电设施状态进行趋势预测与评估的应用模型;本发明相对现有系统被动式问题的检测手段,将充电设施运行故障异常预警能力转化为主动发现的能力,实现电动汽车充电安全防线从“事后分析”到“事前预控”的改变。
进一步地,所述全景展示模块选自两维平面全景显示屏、三维实景虚拟与视频数据显示器、图像数据虚实显示器中的一种或多种的组合。将数据统计分析中心、监测预警中心、智能检索中心的分析结果进行可视化全景展示。
与现有技术相比,本发明的有益效果是:
本发明的电动汽车智能充电监控系统,提出了以电动汽车智能充电监控业务需求引领的“数据到模型,模型到应用”的技术路线,设计了涵盖充电数据接入到业务应用的自下而上的整体架构;构建了数据统计分析中心、充电设施故障监测中心、充电设施故障预警模块、监控运行模块以及全景展示模块,实现了规范化数据接入、全过程数据处理及大数据因果分析建模,形成了事前异常趋势预警、式中快速处置和事后闭环分析的监控模式。
附图说明
图1为本发明的电动汽车智能充电监控系统的系统架构原理图。
图2为本发明的电动汽车智能充电监控系统的功能设计原理图。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明。其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
实施例1
如图1至图2所示为本发明的电动汽车智能充电监控系统的第一实施例,包括:用于接入来自能量管理系统、生产管理系统、数据采集与监控系统、气象系统、配电系统及云平台的相关数据的数据接入模块,用于完成对监控业务非结构化数据存储的数据存储模块,用于安全、分析、计算、管理及展示的数据处理模块,用于提供管理服务和展示服务的系统服务模块,用于风险评估类预警、充电设施异常检测类模型、事故协同处置类模型的系统模型模块,以及用于数据对比统计分析、充电设施故障检测、充电设施故障预警、监控运行检索、可视化全景展示的业务应用模块;的数据接入模块、数据存储模块、数据处理模块、系统服务模块、系统模型模块以及业务应用模块顺次连接。
数据接入模块与能量管理系统、生产管理系统、数据采集与监控系统、气象系统、配电系统及云平台连接,能量管理系统、生产管理系统、数据采集与监控系统、气象系统、配电系统及云平台的数据接入数据接入模块的方式为HTTP、FTP、JDBC、Wed-Service与Sqoop、Kafka、Flume的结合。系统汇总整合的数据来源涵盖能量管理系统(EMS)、生产管理系统(PMS)、数据采集与监控系统(SCADA)、气象系统、配电系统及云平台等多个系统,数据类型具有结构化、半结构化及非结构化的异构特征,系统将常规的HTTP、FTP、JDBC,Wed-Service等数据接入方式与大数据的Sqoop、Kafka、Flume等方式结合,完成数据全量提取。其中,数据接入模块包括用于实现抽取数据的清洗、加工、标准化的数据提取转换加载工具;本实施例配合数据校验规则引擎及数据提取转换加载(ETL)工具实现抽取数据的清洗、加工、标准化,该种数据接入方式保证了监控相关数据的全面性、统合性、高质性,为上层数据存储奠定基础。
数据存储模块采用大数据Hadoop生态圈中列式数据库Hbase以及分布式文件系统HDFS完成对监控业务非结构化数据的存储;这样设置能够提升对电动汽车监控视频、音频、缺陷文本发明专利件等非结构化数据的存储手段,成为系统对非结构化数据分析的前提。
数据处理模块包括:用于提供用户权限、传输加密、数据备份的安全服务模块,用于建立专家库、算法库的分析模块,以及用于进行SQL计算、离线计算、批处理、流式计算的计算模块;计算模块引入有并行计算框架MapReduce及Spark以及流式计算框架。本实施例能够大幅提升业务计算效能,使业务间的关联分析和数据挖掘更加行之有效;并且大大丰富业务的展示及交互方式,使得系统的使用更加人性化。
系统模型模块装载有风险评估预警类模型、充电设施异常检测类模型以及事故协同处置类模型;本实施例相对EMS以外业务模型较为固化的情况,系统为模型层提供了维护入口,可根据业务场景变更系统实现模型。
业务应用模块包括数据统计分析中心、充电设施故障监测中心、充电设置故障预警中心、监控运行模块以及全景展示模块。其中,数据统计分析中心通过建立关联统计和分析模型对多源异构的结构化电动汽车充电业务相关数据进行统计分析和数据挖掘;基于数据模型标准化以及数据采集、存储、治理一体化的结果,通过建立关联统计和分析模型,对多源异构的结构化电动汽车充电监控业务相关数据进行统计分析和数据挖掘。相对现有系统,该系统扩大并提升了统计数据源的维度及质量,使传统的数据分析从“单一数据点”向“多点对比关联分析”的方向改进。充电设施故障监测中心包括用于告警时序趋势预警、缺陷时序趋势预警以及时序趋势预警的充电设施时序状态趋势预警模块以及用于告警时序趋势预警、缺陷时序趋势预警以及时序趋势预警的充电设施运行状态趋势预警模块;本实施例通过运用基于数据挖掘和时序预测的大数据分析技术、机器学习和深度学习的人工智能技术,构建对电动汽车态势感知、充电设施状态进行趋势预测与评估的应用模型;本发明相对现有系统被动式问题的检测手段,将充电设施运行故障异常预警能力转化为主动发现的能力,实现电动汽车充电安全防线从“事后分析”到“事前预控”的改变。
另外,本实施例的业务应用模块还包括智能检索中心,引入语义分析及推理技术,运用大数据深度学习算法、相关性分析法和离散事件分析方法,对电动汽车用户行为进行分析、挖掘,获得用户偏好模型,大大提升系统在检索方面的人性化及实用度,实现信息搜索从“对象检索”到“行为检索”的改变;提供灵活、全方位的信息获取手段,相对现有系统,增加重要事件、用户预订信息的智能推送能力。
全景展示模块选自两维平面全景显示屏、三维实景虚拟与视频数据显示器、图像数据虚实显示器中的一种或多种的组合,将数据统计分析中心、监测预警中心、智能检索中心的分析结果进行可视化全景展示。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种电动汽车智能充电监控系统,其特征在于,包括:用于接入来自能量管理系统、生产管理系统、数据采集与监控系统、气象系统、配电系统及云平台的相关数据的数据接入模块,用于完成对监控业务非结构化数据存储的数据存储模块,用于安全、分析、计算、管理及展示的数据处理模块,用于提供管理服务和展示服务的系统服务模块,用于风险评估类预警、充电设施异常检测类模型、事故协同处置类模型的系统模型模块,以及用于数据对比统计分析、充电设施故障检测、充电设施故障预警、监控运行检索、可视化全景展示的业务应用模块;所述的数据接入模块、数据存储模块、数据处理模块、系统服务模块、系统模型模块以及业务应用模块顺次连接,所述数据接入模块、业务应用模块均与充电桩连接。
2.根据权利要求1所述的电动汽车智能充电监控系统,其特征在于,所述数据接入模块与能量管理系统、生产管理系统、数据采集与监控系统、气象系统、配电系统及云平台连接,所述能量管理系统、生产管理系统、数据采集与监控系统、气象系统、配电系统及云平台的数据接入数据接入模块的方式为HTTP、FTP、JDBC、Wed-Service与Sqoop、Kafka、Flume的结合。
3.根据权利要求1所述的电动汽车智能充电监控系统,其特征在于,所述数据接入模块包括用于实现抽取数据的清洗、加工、标准化的数据提取转换加载工具。
4.根据权利要求1所述的电动汽车智能充电监控系统,其特征在于,所述数据存储模块采用大数据Hadoop生态圈中列式数据库Hbase以及分布式文件系统HDFS完成对监控业务非结构化数据的存储。
5.根据权利要求1所述的电动汽车智能充电监控系统,其特征在于,所述数据处理模块包括:用于提供用户权限、传输加密、数据备份的安全服务模块,用于建立专家库、算法库的分析模块,以及用于进行SQL计算、离线计算、批处理、流式计算的计算模块;所述计算模块引入有并行计算框架MapReduce及Spark以及流式计算框架。
6.根据权利要求1所述的电动汽车智能充电监控系统,其特征在于,所述系统模型模块装载有风险评估预警类模型、充电设施异常检测类模型以及事故协同处置类模型。
7.根据权利要求1至6任一项所述的电动汽车智能充电监控系统,其特征在于,所述业务应用模块包括数据统计分析中心、充电设施故障监测中心、充电设置故障预警中心、监控运行中心以及全景展示模块。
8.根据权利要求7所述的电动汽车智能充电监控系统,其特征在于,所述数据统计分析中心通过建立关联统计和分析模型对多源异构的结构化电动汽车充电业务相关数据进行统计分析和数据挖掘。
9.根据权利要求7所述的电动汽车智能充电监控系统,其特征在于,所述充电设施故障监测中心包括用于告警时序趋势预警、缺陷时序趋势预警以及时序趋势预警的充电设施时序状态趋势预警模块以及用于告警时序趋势预警、缺陷时序趋势预警以及时序趋势预警的充电设施运行状态趋势预警模块。
10.根据权利要求7所述的电动汽车智能充电监控系统,其特征在于,所述全景展示模块选自两维平面全景显示屏、三维实景虚拟与视频数据显示器、图像数据虚实显示器中的一种或多种的组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811005613.9A CN109130935B (zh) | 2018-08-30 | 2018-08-30 | 一种电动汽车智能充电监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811005613.9A CN109130935B (zh) | 2018-08-30 | 2018-08-30 | 一种电动汽车智能充电监控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109130935A true CN109130935A (zh) | 2019-01-04 |
CN109130935B CN109130935B (zh) | 2021-08-31 |
Family
ID=64829614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811005613.9A Active CN109130935B (zh) | 2018-08-30 | 2018-08-30 | 一种电动汽车智能充电监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109130935B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110275983A (zh) * | 2019-06-05 | 2019-09-24 | 青岛海信网络科技股份有限公司 | 交通监控数据的检索方法及装置 |
CN110303932A (zh) * | 2019-06-06 | 2019-10-08 | 北京航盛新能科技有限公司 | 一种基于大数据的双向充电平台及方法 |
CN111049125A (zh) * | 2019-09-24 | 2020-04-21 | 安徽师范大学 | 一种基于机器学习的电动车智能接入控制方法 |
CN111152680A (zh) * | 2020-01-17 | 2020-05-15 | 重庆国翰能源发展有限公司 | 一种用于充电桩的故障监控系统 |
CN111177276A (zh) * | 2020-01-06 | 2020-05-19 | 浙江中烟工业有限责任公司 | 一种基于Spark计算框架的动能数据处理系统及方法 |
DE102019130337A1 (de) * | 2019-11-11 | 2021-05-12 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Lastverwaltungssystem und Verfahren zur Regelung eines solchen Lastverwaltungssystems |
CN112937352A (zh) * | 2021-04-15 | 2021-06-11 | 武汉乐亘网络科技有限公司 | 一种基于人工智能的集中式充电站供电系统运行监测管理系统 |
CN113682183A (zh) * | 2021-09-29 | 2021-11-23 | 国网山东省电力公司泗水县供电公司 | 一种基于scada系统的智能电动汽车充电系统 |
CN114475882A (zh) * | 2022-03-22 | 2022-05-13 | 长沙优力电驱动系统有限公司 | 电动车控制装置及电动车设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014103707A1 (ja) * | 2012-12-26 | 2014-07-03 | 三菱自動車工業株式会社 | 電動車両を用いた電力供給装置 |
CN105550763A (zh) * | 2016-02-29 | 2016-05-04 | 国网陕西省电力公司经济技术研究院 | 一种电动汽车充电站云服务管理系统 |
CN107273524A (zh) * | 2017-06-23 | 2017-10-20 | 国网上海市电力公司 | 一种智能配电大数据应用系统 |
-
2018
- 2018-08-30 CN CN201811005613.9A patent/CN109130935B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014103707A1 (ja) * | 2012-12-26 | 2014-07-03 | 三菱自動車工業株式会社 | 電動車両を用いた電力供給装置 |
CN105550763A (zh) * | 2016-02-29 | 2016-05-04 | 国网陕西省电力公司经济技术研究院 | 一种电动汽车充电站云服务管理系统 |
CN107273524A (zh) * | 2017-06-23 | 2017-10-20 | 国网上海市电力公司 | 一种智能配电大数据应用系统 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110275983A (zh) * | 2019-06-05 | 2019-09-24 | 青岛海信网络科技股份有限公司 | 交通监控数据的检索方法及装置 |
CN110303932A (zh) * | 2019-06-06 | 2019-10-08 | 北京航盛新能科技有限公司 | 一种基于大数据的双向充电平台及方法 |
CN111049125A (zh) * | 2019-09-24 | 2020-04-21 | 安徽师范大学 | 一种基于机器学习的电动车智能接入控制方法 |
CN111049125B (zh) * | 2019-09-24 | 2021-07-30 | 安徽师范大学 | 一种基于机器学习的电动车智能接入控制方法 |
DE102019130337A1 (de) * | 2019-11-11 | 2021-05-12 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Lastverwaltungssystem und Verfahren zur Regelung eines solchen Lastverwaltungssystems |
EP3820011A1 (de) | 2019-11-11 | 2021-05-12 | Dr.Ing. h.c. F. Porsche Aktiengesellschaft | Lastverwaltungssystem und verfahren zur regelung eines solchen lastverwaltungssystems |
US11919417B2 (en) | 2019-11-11 | 2024-03-05 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Load management system and method for managing loads in a power distribution grid |
CN111177276B (zh) * | 2020-01-06 | 2023-10-20 | 浙江中烟工业有限责任公司 | 一种基于Spark计算框架的动能数据处理系统及方法 |
CN111177276A (zh) * | 2020-01-06 | 2020-05-19 | 浙江中烟工业有限责任公司 | 一种基于Spark计算框架的动能数据处理系统及方法 |
CN111152680A (zh) * | 2020-01-17 | 2020-05-15 | 重庆国翰能源发展有限公司 | 一种用于充电桩的故障监控系统 |
CN112937352B (zh) * | 2021-04-15 | 2022-11-25 | 上海电力监理咨询有限公司 | 一种基于人工智能的集中式充电站供电系统运行监测管理系统 |
CN112937352A (zh) * | 2021-04-15 | 2021-06-11 | 武汉乐亘网络科技有限公司 | 一种基于人工智能的集中式充电站供电系统运行监测管理系统 |
CN113682183B (zh) * | 2021-09-29 | 2023-07-21 | 国网山东省电力公司泗水县供电公司 | 一种基于scada系统的智能电动汽车充电系统 |
CN113682183A (zh) * | 2021-09-29 | 2021-11-23 | 国网山东省电力公司泗水县供电公司 | 一种基于scada系统的智能电动汽车充电系统 |
CN114475882A (zh) * | 2022-03-22 | 2022-05-13 | 长沙优力电驱动系统有限公司 | 电动车控制装置及电动车设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109130935B (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109130935A (zh) | 一种电动汽车智能充电监控系统 | |
Atitallah et al. | Leveraging Deep Learning and IoT big data analytics to support the smart cities development: Review and future directions | |
CN107133255B (zh) | 一种大电网全景安全防御方法和系统 | |
CN107256219B (zh) | 应用于自动列车控制系统海量日志的大数据融合分析方法 | |
CN104616205B (zh) | 一种基于分布式日志分析的电力系统运行状态监视方法 | |
CN103617469B (zh) | 电力系统设备故障预测方法及系统 | |
Zhang et al. | City brain: practice of large‐scale artificial intelligence in the real world | |
CN107145959A (zh) | 一种基于大数据平台的电力数据处理方法 | |
CN106781455A (zh) | 一种基于云计算的区域高速公路信息化系统 | |
CN107729413A (zh) | 基于大数据的区域交通智能管理系统 | |
CN100412993C (zh) | 基于状态监测的核电厂智能维护系统 | |
Miranda et al. | Through the looking glass: Seeing events in power systems dynamics | |
CN106779407A (zh) | 一种基于数据池的电力数据融合方法 | |
CN104636751A (zh) | 基于时间递归神经网络的人群异常检测和定位系统及方法 | |
CN106649801A (zh) | 一种基于多源物联网位置感知的时空关系分析系统 | |
US20210182615A1 (en) | Alexnet-based insulator self-explosion recognition method | |
CN114998830A (zh) | 一种变电站人员安全帽佩戴检测方法及系统 | |
CN106777279A (zh) | 一种时空关系分析系统 | |
Krishnakumari et al. | Understanding network traffic states using transfer learning | |
CN111680027A (zh) | 基于知识驱动实现智能云管理的方法及其系统 | |
Prasad et al. | An efficient traffic forecasting system based on spatial data and decision trees. | |
Kantavat et al. | Transportation mobility factor extraction using image recognition techniques | |
CN116094174A (zh) | 基于知识图谱的电网运维监控方法、系统、设备及介质 | |
CN114780864B (zh) | 一种基于知识图谱的人-物-空间交互模型构建方法 | |
Hua et al. | Transfer learning for cross-modal demand prediction of bike-share and public transit |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |