CN109615273A - 一种电动汽车充电设施状态评价方法与系统 - Google Patents
一种电动汽车充电设施状态评价方法与系统 Download PDFInfo
- Publication number
- CN109615273A CN109615273A CN201910040143.8A CN201910040143A CN109615273A CN 109615273 A CN109615273 A CN 109615273A CN 201910040143 A CN201910040143 A CN 201910040143A CN 109615273 A CN109615273 A CN 109615273A
- Authority
- CN
- China
- Prior art keywords
- data
- charging equipment
- electric car
- obtains
- charging
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 238000013480 data collection Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000012360 testing method Methods 0.000 claims abstract description 9
- 230000005611 electricity Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract description 5
- 230000001419 dependent effect Effects 0.000 abstract description 4
- 230000008439 repair process Effects 0.000 abstract description 4
- 230000000737 periodic effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 208000025174 PANDAS Diseases 0.000 description 2
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 2
- 240000004718 Panda Species 0.000 description 2
- 235000016496 Panda oleosa Nutrition 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000032258 transport Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供了一种电动汽车充电设施状态评价方法与系统,包括:对充电设施内部自检信息以及运行环境与工况进行信息采集;根据采集的数据信息,按照充电桩编号进行分组,再按照剩余电量对数据记录进行排序,得到单次充电过程数据集;利用k‑means算法对数据集进行样本分类,得到数据集聚类中心点;将数据集与聚类中心点进行比较,得到比较结果的范围和波动程度,再与相应阈值进行对比,得到设备状态结果。本发明克服了传统以人工为主的设备定性评价方法中完全依赖人工经验、以定性为主缺少量化标准的弊端,更容易利用计算机等设备进行实时自动分析评价,为将设备管理模式从定期检修转换为状态检修打下基础,提高检修效率。
Description
技术领域
本发明涉及电动汽车技术领域,特别是一种电动汽车充电设施状态评价方法与系统。
背景技术
在国家政策扶持和节能减排大趋势下,伴随电动汽车技术不断成熟,近年来电动汽车在国内获得迅速发展,保有量逐年攀升,相应配套的充电设施规模也相应扩大,但其分布地域分散、受外界环境影响较大的特点,为运维工作带来了挑战,传统的人工巡检、定期维修模式已经难以满足安全稳定运行及保证用户使用体验的需要,为适应市场对充电设施不断提高的需求,需要探索新的充电设施运检管理体系,并结合信息技术、物联网技术、人工智能等技术的最新发展成果,对电动汽车充电设施运检体系及技术进行创新。
现有比较先进的充电设施运检手段是借助智能视频监测平台进行远程监控,智能平台一般具有智能地锁、远程咨询和报警、快充站全景监控等功能,使充电设施网络日常运营和安全管理水平有了较大的提升,但以视频监控为主的方式存在一定局限性,如无法对充电设施的本体状态进行分析评价,无法预测设备故障,仍然需要大量的人工参与故障诊断、维保计划制定等过程,仍然以基于人工判断和管理的传统方式为主,而通过充电设施各种状态数据进行状态评价分析,实现事先预防、事中监控、事后追溯的智慧高效的运检体系成为发展的方向。
发明内容
本发明的目的是提供一种电动汽车充电设施状态评价方法与系统,旨在解决现有技术中以人工为主的设备定性评价方法中完全依赖人工经验、以定性为主缺少量化标准的弊端,实现实时自动分析评价,提高检修效率。
为达到上述技术目的,本发明提供了一种电动汽车充电设施状态评价方法,所述方法包括以下步骤:
S1、对充电设施内部自检信息以及运行环境与工况进行信息采集;
S2、根据采集的数据信息,按照充电桩编号进行分组,再按照剩余电量对数据记录进行排序,得到单次充电过程数据集;
S3、利用k-means算法对数据集进行样本分类,得到数据集聚类中心点;
S4、将数据集与聚类中心点进行比较,得到比较结果的范围和波动程度,再与相应阈值进行对比,得到设备状态结果。
优选地,所述采集的数据信息分为三种数据类型,包括状态数据、故障记录以及状态变更记录。
优选地,所述聚类中心点的数量通过在数据处理过程中各项数据的波峰来确定。
优选地,当波动程度超过k-means算法生成的阈值时,将当前的充电桩状态诊断为波动状态并输出;当波动程度未超过阈值时,将当前的充电桩状态诊断为正常状态并输出。
优选地,所述当波动程度超过k-means算法生成的阈值时,需要检测充电开始时间是否为刚开始充电,如果为刚开始充电,则放弃本次诊断;否则需要根据数据的超限程度来决定警告层级。
本发明还提供了一种电动汽车充电设施状态评价系统,其特征在于,所述系统包括:
信息采集模块,用于对充电设施内部自检信息以及运行环境与工况进行信息采集;
数据集排序模块,用于根据采集的数据信息,按照充电桩编号进行分组,再按照剩余电量对数据记录进行排序,得到单次充电过程数据集;
聚类模块,用于利用k-means算法对数据集进行样本分类,得到数据集聚类中心点;
诊断模块,用于将数据集与聚类中心点进行比较,得到比较结果的范围和波动程度,再与相应阈值进行对比,得到设备状态结果。
优选地,所述采集的数据信息分为三种数据类型,包括状态数据、故障记录以及状态变更记录。
优选地,所述聚类中心点的数量通过在数据处理过程中各项数据的波峰来确定。
发明内容中提供的效果仅仅是实施例的效果,而不是发明所有的全部效果,上述技术方案中的一个技术方案具有如下优点或有益效果:
与现有技术相比,本发明通过获取单次充电过程中的数据集,并对数据集中的样本进行聚类,获取聚类中心点,将数据集中的数据与聚类中心点进行比较,根据波动程度与阈值进行对比,从而得到设备的状态结果,实现对电动汽车充电设施状态进行评价。本发明克服了传统以人工为主的设备定性评价方法中完全依赖人工经验、以定性为主缺少量化标准的弊端,更容易利用计算机等设备进行实时自动分析评价,为将设备管理模式从定期检修转换为状态检修打下基础,提高检修效率。
附图说明
图1为本发明实施例中所提供的一种电动汽车充电设施状态评价方法流程图;
图2为本发明实施例中所提供的一种电动汽车充电设施状态评价系统结构框图。
具体实施方式
为了能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
下面结合附图对本发明实施例所提供的一种电动汽车充电设施状态评价方法与系统进行详细说明。
如图1所示,本发明实施例公开了一种电动汽车充电设施状态评价方法,所述方法包括以下步骤:
S1、对充电设施内部自检信息以及运行环境与工况进行信息采集;
S2、根据采集的数据信息,按照充电桩编号进行分组,再按照剩余电量对数据记录进行排序,得到单次充电过程数据集;
S3、利用k-means算法对数据集进行样本分类,得到数据集聚类中心点;
S4、将数据集与聚类中心点进行比较,得到比较结果的范围和波动程度,再与相应阈值进行对比,得到设备状态结果。
数据集是电动汽车充电桩系统抓取的充电桩的数据集合,包含电站名称、充电桩枪号、输入电压、输入电流、剩余电量以及数据时间等,这些数据中分析所使用的维度为充电桩枪号、输入电压、输入电流、剩余电量、已充电量以及数据时间,而模型的输入信息为输入电压、输入电流、剩余电量以及已充电量。
在测试之前,需要将数据集调整为模型可用的格式,其中输入电压、输入电流、剩余电量以及已充电量是数据集原有的输入数据维度,而初始电量、距故障时间(分钟)等则是根据数据分析结果得来的。数据样本分为三种数据类型,分别是:状态数据、故障记录和状态变更记录三种。
所述状态数据主要包括7个字段信息,包括:“STATION_NAME”、“PILE_NO”、“OUT_U”、“OUT_I”、“ED_PQ”、“SOC”、“DATA_TIME”。
STATION_NAME,站点名称,为字符串型数据,用以对每个充电桩所在地区进行说明;
PILE_NO,充电桩编号,为字符串型数据,用以对每个充电桩进行编号,作为区别的唯一标识;
OUT_U,输出电压,为数值型数据,标识由BMS检测到的向汽车电池充电的电压;
OUT_I,输出电流,为数值型数据,标识由BMS检测到的向汽车电池充电的电流;
ED_PQ,已充电量,为数值型数据,标识由BMS检测到的向汽车电池充电的一个周期内,已经向汽车充过的电量;
SOC,剩余电量,为数值型数据,该数值乘以100%为BMS系统传来的充电汽车剩余电量占电池容量的比例,该数值可以在一定程度上代表充电进度;
DATA_TIME,数据记录时间,为日期型数据,用以记录当前数据收集的年、月、日、小时、分钟、秒等时间信息。
所述故障记录包括站点名称、充电桩编号、故障分类、故障开始时间、故障结束时间以及数据记录时间。
站点名称,为字符串型数据,用以对每个充电桩所在充电站进行标识;
充电桩编号,为字符串型数据,用以对每个充电桩进行编号,作为区别的唯一标识;
故障分类,为字符串型数据,代表当前充电桩的故障信息,故障信息包括:BMS故障、BMS连接器故障、BMS通信异常、充电监控单元故障、电表通信故障、电池单体过温、电池单体过压、电池单体欠温、电池单体欠压、电池箱故障、电池组过温告警、电流越限告警、电压越限告警、集中器与桩通信故障、温度传感器故障、蓄电池充电过滤告警;
故障开始时间,为日期型数据,代表当前故障的开始时间;
故障结束时间,为日期型数据,代表当前故障的结束时间;
数据记录时间,为日期型数据,用以记录当前这条数据收集时的年、月、日、小时、分钟、秒等时间信息。
所述状态变更记录包括站点名称、充电桩编号、本次状态、上次状态、上次状态开始时间、上次状态结束时间以及数据记录时间。
站点名称,为字符串型数据,用以对每个充电桩所在充电站进行标识;
充电桩编号,为字符串型数据,用以对每个充电桩进行编号,作为区别的唯一标识;
本次状态,为字符串型数据,代表当前充电桩的状态,包括充电、待机、故障和离线四种状态;
上次状态,为字符串型数据,代表充电桩进入当前状态之前的状态;
上次状态开始时间,为日期型数据,代表当前状态之前一个状态的开始时间;
上次状态结束时间,为日期型数据,代表当前状态之前一个状态的结束时间;
数据记录时间,为日期型数据,用以记录当前这条数据收集时的年、月、日、小时、分钟、秒等时间信息。
将需要的数据导入到python空间,利用pandas中的两个封装好的数据类型,分别是Dataframe和Series。按照充电周期进行数据归集,将对应的数据按照充电桩编号分类,然后按照时间排序遍历剩余电量,将剩余电量从小到大的数据集进行截取,所存储数据集代表一个充电周期,进行模型训练。
利用k-means算法在处理好的数据集中计算得出数据中心点,其数据中心点数量通过在前期的数据处理过程中各项数据的波峰数量得出。
模型的诊断流程如下:
模型运行时,首先检查充电桩是否有故障报文,若故障报文不存在,则先选取一个数据点,设定其符合由k-means算法生成的数据中心点,然后检测各项电气数据是否在正常范围内,若其他各项数据均在正常范围内,则计算其各项数据的波动程度,即方差,若其波动程度超过由k-means聚类算法所提前生成的阈值,则将当前的充电桩状态诊断为波动状态并输出;若波动程度未超限则将本充电桩状态诊断为正常状态并输出。
在检查各项数据是否在正常波动范围内时,各项数据在预设的由k-means算法生成的阈值之外,检查其充电开始时间是否为刚刚开始充电,若刚刚开始充电则放弃本次诊断并输出“数据过少,无法诊断”的提示。
若不是刚刚开始充电,则分析其数据的超限程度,超限程度若超过一定阈值,则将其诊断为严重警告,需要检修,若超限程度不高则将本次状态诊断为异常,运行时需要注意。
通过上述诊断流程,完成对充电电池的状态诊断。在实际应用中使用哈希表映射结构对各个状态量进行保存并按照上述逻辑计算各个指标,并将其中每个判断量设置为标志位,并放入哈希表映射结构中,最终返回诊断结果,模型实现中,每一个充电桩的每一次充电过程都会初始化一个新的模型实例用以诊断模型当前情况,每个充电桩的模型相互独立,并不会影响各自的诊断结果。
本发明实施例通过获取单次充电过程中的数据集,并对数据集中的样本进行聚类,获取聚类中心点,将数据集中的数据与聚类中心点进行比较,根据波动程度与阈值进行对比,从而得到设备的状态结果,实现对电动汽车充电设施状态进行评价。本发明克服了传统以人工为主的设备定性评价方法中完全依赖人工经验、以定性为主缺少量化标准的弊端,更容易利用计算机等设备进行实时自动分析评价,为将设备管理模式从定期检修转换为状态检修打下基础,提高检修效率。
如图2所示,本发明实施例还公开了一种电动汽车充电设施状态评价系统,所述系统包括:
信息采集模块,用于对充电设施内部自检信息以及运行环境与工况进行信息采集;
数据集排序模块,用于根据采集的数据信息,按照充电桩编号进行分组,再按照剩余电量对数据记录进行排序,得到单次充电过程数据集;
聚类模块,用于利用k-means算法对数据集进行样本分类,得到数据集聚类中心点;
诊断模块,用于将数据集与聚类中心点进行比较,得到比较结果的范围和波动程度,再与相应阈值进行对比,得到设备状态结果。
在测试之前,需要将数据集调整为模型可用的格式,其中输入电压、输入电流、剩余电量以及已充电量是数据集原有的输入数据维度,而初始电量、距故障时间(分钟)等则是根据数据分析结果得来的。数据样本分为三种数据类型,分别是:状态数据、故障记录和状态变更记录三种。
将需要的数据导入到python空间,利用pandas中的两个封装好的数据类型,分别是Dataframe和Series。按照充电周期进行数据归集,将对应的数据按照充电桩编号分类,然后按照时间排序遍历剩余电量,将剩余电量从小到大的数据集进行截取,所存储数据集代表一个充电周期,进行模型训练。
利用k-means算法在处理好的数据集中计算得出数据中心点,其数据中心点数量通过在前期的数据处理过程中各项数据的波峰数量得出。
模型运行时,首先检查充电桩是否有故障报文,若故障报文不存在,则先选取一个数据点,设定其符合由k-means算法生成的数据中心点,然后检测各项电气数据是否在正常范围内,若其他各项数据均在正常范围内,则计算其各项数据的波动程度,即方差,若其波动程度超过由k-means聚类算法所提前生成的阈值,则将当前的充电桩状态诊断为波动状态并输出;若波动程度未超限则将本充电桩状态诊断为正常状态并输出。
在检查各项数据是否在正常波动范围内时,各项数据在预设的由k-means算法生成的阈值之外,检查其充电开始时间是否为刚刚开始充电,若刚刚开始充电则放弃本次诊断并输出“数据过少,无法诊断”的提示。
若不是刚刚开始充电,则分析其数据的超限程度,超限程度若超过一定阈值,则将其诊断为严重警告,需要检修,若超限程度不高则将本次状态诊断为异常,运行时需要注意。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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,均应包含在本发明的保护范围之内。
Claims (8)
1.一种电动汽车充电设施状态评价方法,其特征在于,所述方法包括以下步骤:
S1、对充电设施内部自检信息以及运行环境与工况进行信息采集;
S2、根据采集的数据信息,按照充电桩编号进行分组,再按照剩余电量对数据记录进行排序,得到单次充电过程数据集;
S3、利用k-means算法对数据集进行样本分类,得到数据集聚类中心点;
S4、将数据集与聚类中心点进行比较,得到比较结果的范围和波动程度,再与相应阈值进行对比,得到设备状态结果。
2.根据权利要求1所述的一种电动汽车充电设施状态评价方法,其特征在于,所述采集的数据信息分为三种数据类型,包括状态数据、故障记录以及状态变更记录。
3.根据权利要求1所述的一种电动汽车充电设施状态评价方法,其特征在于,所述聚类中心点的数量通过在数据处理过程中各项数据的波峰来确定。
4.根据权利要求1所述的一种电动汽车充电设施状态评价方法,其特征在于,当波动程度超过k-means算法生成的阈值时,将当前的充电桩状态诊断为波动状态并输出;当波动程度未超过阈值时,将当前的充电桩状态诊断为正常状态并输出。
5.根据权利要求4所述的一种电动汽车充电设施状态评价方法,其特征在于,所述当波动程度超过k-means算法生成的阈值时,需要检测充电开始时间是否为刚开始充电,如果为刚开始充电,则放弃本次诊断;否则需要根据数据的超限程度来决定警告层级。
6.一种电动汽车充电设施状态评价系统,其特征在于,所述系统包括:
信息采集模块,用于对充电设施内部自检信息以及运行环境与工况进行信息采集;
数据集排序模块,用于根据采集的数据信息,按照充电桩编号进行分组,再按照剩余电量对数据记录进行排序,得到单次充电过程数据集;
聚类模块,用于利用k-means算法对数据集进行样本分类,得到数据集聚类中心点;
诊断模块,用于将数据集与聚类中心点进行比较,得到比较结果的范围和波动程度,再与相应阈值进行对比,得到设备状态结果。
7.根据权利要求6所述的一种电动汽车充电设施状态评价系统,其特征在于,所述采集的数据信息分为三种数据类型,包括状态数据、故障记录以及状态变更记录。
8.根据权利要求6或7所述的一种电动汽车充电设施状态评价系统,其特征在于,所述聚类中心点的数量通过在数据处理过程中各项数据的波峰来确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040143.8A CN109615273B (zh) | 2019-01-16 | 2019-01-16 | 一种电动汽车充电设施状态评价方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040143.8A CN109615273B (zh) | 2019-01-16 | 2019-01-16 | 一种电动汽车充电设施状态评价方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109615273A true CN109615273A (zh) | 2019-04-12 |
CN109615273B CN109615273B (zh) | 2021-07-23 |
Family
ID=66019750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910040143.8A Expired - Fee Related CN109615273B (zh) | 2019-01-16 | 2019-01-16 | 一种电动汽车充电设施状态评价方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109615273B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275321A (zh) * | 2020-01-19 | 2020-06-12 | 重庆国翰能源发展有限公司 | 一种充电桩状态分析系统和方法 |
CN111680924A (zh) * | 2020-06-10 | 2020-09-18 | 国网浙江电动汽车服务有限公司 | 一种充电桩运行状态的评估方法、装置、设备及介质 |
CN112699605A (zh) * | 2020-12-28 | 2021-04-23 | 山东鲁能软件技术有限公司智能电气分公司 | 一种充电桩故障元件预测方法及系统 |
CN115186007A (zh) * | 2022-07-08 | 2022-10-14 | 北京普利永华科技发展有限公司 | 一种用于监测提醒的机载数据标识实时显示方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120319648A1 (en) * | 2011-06-15 | 2012-12-20 | Fuji Jukogyo Kabushiki Kaisha | Electric charging system and electric vehicle |
CN103713217A (zh) * | 2013-12-25 | 2014-04-09 | 国家电网公司 | 一种直流偏磁条件下电力变压器运行状态的在线监测方法 |
CN105300442A (zh) * | 2014-06-27 | 2016-02-03 | 国家电网公司 | 一种户外电动汽车充电桩健康指数评估装置及评估方法 |
CN105373110A (zh) * | 2015-12-16 | 2016-03-02 | 浙江中烟工业有限责任公司 | 卷烟超高速薄膜封装机多工况生产过程在线监测与故障诊断方法 |
CN106650963A (zh) * | 2016-12-30 | 2017-05-10 | 山东鲁能智能技术有限公司 | 一种电动汽车充电设备检测维修管理方法和装置 |
CN107576871A (zh) * | 2017-09-08 | 2018-01-12 | 国网山东省电力公司电力科学研究院 | 需求侧电动汽车充电设备安全性能远程检测与诊断系统及方法 |
CN108038497A (zh) * | 2017-12-05 | 2018-05-15 | 锐捷网络股份有限公司 | 一种交流电设备的工作状态判定模型建立方法及设备 |
-
2019
- 2019-01-16 CN CN201910040143.8A patent/CN109615273B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120319648A1 (en) * | 2011-06-15 | 2012-12-20 | Fuji Jukogyo Kabushiki Kaisha | Electric charging system and electric vehicle |
CN103713217A (zh) * | 2013-12-25 | 2014-04-09 | 国家电网公司 | 一种直流偏磁条件下电力变压器运行状态的在线监测方法 |
CN105300442A (zh) * | 2014-06-27 | 2016-02-03 | 国家电网公司 | 一种户外电动汽车充电桩健康指数评估装置及评估方法 |
CN105373110A (zh) * | 2015-12-16 | 2016-03-02 | 浙江中烟工业有限责任公司 | 卷烟超高速薄膜封装机多工况生产过程在线监测与故障诊断方法 |
CN106650963A (zh) * | 2016-12-30 | 2017-05-10 | 山东鲁能智能技术有限公司 | 一种电动汽车充电设备检测维修管理方法和装置 |
CN107576871A (zh) * | 2017-09-08 | 2018-01-12 | 国网山东省电力公司电力科学研究院 | 需求侧电动汽车充电设备安全性能远程检测与诊断系统及方法 |
CN108038497A (zh) * | 2017-12-05 | 2018-05-15 | 锐捷网络股份有限公司 | 一种交流电设备的工作状态判定模型建立方法及设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275321A (zh) * | 2020-01-19 | 2020-06-12 | 重庆国翰能源发展有限公司 | 一种充电桩状态分析系统和方法 |
CN111680924A (zh) * | 2020-06-10 | 2020-09-18 | 国网浙江电动汽车服务有限公司 | 一种充电桩运行状态的评估方法、装置、设备及介质 |
CN112699605A (zh) * | 2020-12-28 | 2021-04-23 | 山东鲁能软件技术有限公司智能电气分公司 | 一种充电桩故障元件预测方法及系统 |
CN115186007A (zh) * | 2022-07-08 | 2022-10-14 | 北京普利永华科技发展有限公司 | 一种用于监测提醒的机载数据标识实时显示方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109615273B (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111584952B (zh) | 用于储能电站电化学电池在线评估的方法和系统 | |
CN109615273A (zh) | 一种电动汽车充电设施状态评价方法与系统 | |
CN105403811B (zh) | 风电场电网故障诊断方法和装置 | |
CN104020754B (zh) | 一种变电站一次主设备状态监测信息接入调控系统的方法 | |
CN106405475A (zh) | 电能表异常诊断方法 | |
CN103218695A (zh) | 二次设备智能状态评估诊断系统及其方法 | |
CN109061495A (zh) | 一种混合储能电池组故障诊断方法 | |
CN108347352A (zh) | 一种电力系统中信息系统及设备性能的诊断方法 | |
CN107807860B (zh) | 一种基于矩阵分解的电力故障分析方法及系统 | |
CN110837532A (zh) | 一种基于大数据平台对充电桩窃电行为的检测方法 | |
CN103617447A (zh) | 智能变电站的评价系统及评价方法 | |
CN103529337B (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
Shen et al. | An identification method of anti-electricity theft load based on long and short-term memory network | |
CN116500451B (zh) | 一种蓄电池在线监测系统 | |
CN108711643A (zh) | 集成式bms+gsm一体机 | |
CN117169761A (zh) | 电池状态评估方法、装置、设备、存储介质和程序产品 | |
CN112036496A (zh) | 一种核动力装置故障诊断方法及系统 | |
CN116565354A (zh) | 一种电化学储能系统故障分级诊断预警方法、系统及设备 | |
CN106405271A (zh) | 基于监测数据的变压器状态专家诊断方法 | |
CN110441725A (zh) | 基于自适应神经模糊推理的智能电表故障诊断方法及装置 | |
CN108565922A (zh) | 一种一次锂电池综合信息监控系统 | |
Sun et al. | State detection of electric energy metering device using computer neural network | |
CN114839462A (zh) | 一种智能反窃电监察方法和系统 | |
Jingyu et al. | Statistical analysis of distribution network fault information based on multi-source heterogeneous data mining | |
CN116937758B (zh) | 一种家庭储能电源系统及其运行方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210723 Termination date: 20220116 |