CN110466381B - 充电桩状态的评估方法 - Google Patents

充电桩状态的评估方法 Download PDF

Info

Publication number
CN110466381B
CN110466381B CN201910798582.5A CN201910798582A CN110466381B CN 110466381 B CN110466381 B CN 110466381B CN 201910798582 A CN201910798582 A CN 201910798582A CN 110466381 B CN110466381 B CN 110466381B
Authority
CN
China
Prior art keywords
matrix
time
charging pile
calculating
density function
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.)
Active
Application number
CN201910798582.5A
Other languages
English (en)
Other versions
CN110466381A (zh
Inventor
师洋
潘雨
李涛
王建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Information and Telecommunication Co Ltd
Beijing Smartchip Microelectronics Technology Co Ltd
State Grid Ningxia Electric Power Co Ltd
Original Assignee
State Grid Information and Telecommunication Co Ltd
Beijing Smartchip Microelectronics Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Information and Telecommunication Co Ltd, Beijing Smartchip Microelectronics Technology Co Ltd filed Critical State Grid Information and Telecommunication Co Ltd
Priority to CN201910798582.5A priority Critical patent/CN110466381B/zh
Publication of CN110466381A publication Critical patent/CN110466381A/zh
Application granted granted Critical
Publication of CN110466381B publication Critical patent/CN110466381B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/68—Off-site monitoring or control, e.g. remote control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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

Abstract

本发明公开了一种充电桩状态的评估方法，包括：在预设时间间隔，获取多个设置在不同地点的充电桩的工况数据；根据滑动时间窗口模型对所述工况数据进行截取，形成样本数据矩阵
Figure DDA0002181660460000011
根据样本数据矩阵
Figure DDA0002181660460000012
以及线性过程功率谱密度函数计算估计极限谱概率密度函数
Figure DDA0002181660460000013
并将
Figure DDA0002181660460000014
按时间顺序排列组成评估矩阵
Figure DDA0002181660460000015
根据t时刻对应的
Figure DDA0002181660460000016
的列向量nt以及t‑1时刻对应的
Figure DDA0002181660460000017
的列向量nt‑1计算评价指标；根据所述评价指标与预设的故障指标范围进行对比，判断充电桩的故障状态。本发明提供的充电桩状态的评估方法，可以分析充电桩工况与各种影响因素之间的内在联系，做出故障发生之前的预判，减小充电桩的故障概率，有利于充电桩的维护。

Description

充电桩状态的评估方法
技术领域
本发明是关于充电桩，特别是关于一种充电桩状态的评估方法。
背景技术
随着电动汽车的使用量越来越大，对充电桩的需求也越来越高。因此，对充电桩运行状态检测变得尤为重要。
目前，针对充电桩的检测通常包括充电桩进行实时的工况数据上报，平台服务端对工况数据进行采集，如果发现在预设时刻充电桩没有进行工况数据上报，或者通过其他方式判断设备离线，则将发现的异常告知运维检修管理应用，进而对专业维修人员下发巡检指令，通过人工勘察的方式，对发现的异常进行现场处理，并将检修结果反馈至线上平台。
充电桩的故障主要包括以下几种：充电桩由于意外进水、异物进出和环境温度骤变等等原因出现不能继续充电的情况；充电过程中，充电器控制装置发生通讯超时，致使充电器停止充电的情况；充电过程中，充电器输出电压大于车辆允许充电总电压的情况；充电桩老化或长期处于非正常工作状态降低其性能。
基于此，本申请的发明人发现，目前针对上述充电桩的故障以及检测，只能在故障发生后进行检修，并且需要配置大量专业的人力、物力，不仅运维成本高且效率低，并且无法根据充电桩的工况数据进行状态评估，无法判断在故障发生前非正常的工作状态，不利于充电桩的维护。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种充电桩状态的评估方法，其能够根据充电桩的工况数据进行状态评估。
为实现上述目的，本发明提供了一种充电桩状态的评估方法，包括：在预设时间间隔，获取多个设置在不同地点的充电桩的工况数据；根据滑动时间窗口模型对所述工况数据进行截取，形成样本数据矩阵
Figure BDA0002181660440000021
根据样本数据矩阵
Figure BDA0002181660440000022
以及线性过程功率谱密度函数计算估计极限谱概率密度函数
Figure BDA0002181660440000023
并将
Figure BDA0002181660440000024
按时间顺序排列组成评估矩阵
Figure BDA0002181660440000025
根据t时刻对应的
Figure BDA0002181660440000026
的列向量nt以及t-1时刻对应的
Figure BDA0002181660440000027
的列向量nt-1计算评价指标，其中，t为当前采样时刻，t-1为上一采样时刻；根据所述评价指标与预设的故障指标范围进行对比，判断充电桩的故障状态。
在一优选的实施方式中，所述根据滑动时间窗口函数对所述工况数据进行截取，形成样本数据矩阵
Figure BDA0002181660440000028
包括：滑动时间窗口模型在时刻t对所述工况数据进行采集，得到样本数据矩阵
Figure BDA0002181660440000029
其中，所述滑动时间窗口函数的宽度为Tw，所述样本数据矩阵
Figure BDA00021816604400000210
包括：
Figure BDA00021816604400000211
在一优选的实施方式中，所述形成样本数据矩阵
Figure BDA00021816604400000212
之后，还包括：通过一次差分的方式对样本数据矩阵
Figure BDA00021816604400000213
进行预处理，形成差分矩阵
Figure BDA00021816604400000214
其中，
Figure BDA00021816604400000215
计算随机矩阵
Figure BDA00021816604400000216
在t时刻的协方差矩阵Sn。
在一优选的实施方式中，所述计算随机矩阵
Figure BDA00021816604400000217
在t时刻的协方差矩阵Sn之后，所述根据样本数据矩阵
Figure BDA00021816604400000218
以及线性过程功率谱密度函数计算估计极限谱概率密度函数
Figure BDA00021816604400000219
并将
Figure BDA00021816604400000220
按时间顺序排列组成评估矩阵
Figure BDA00021816604400000221
之前，还包括：计算协方差矩阵Sn的特征值；根据协方差矩阵的特征值，计算平均谱半径kMSR；根据kMSR与预设的内环半径以及外环半径的位置关系，判断与样本数据对应的多个充电桩的运行状态。
在一优选的实施方式中，所述根据协方差矩阵的特征值，计算平均谱半径kMSR包括：根据第二公式，计算平均谱半径kMSR，所述第二公式为：
Figure BDA0002181660440000031
其中：
Figure BDA00021816604400000315
为协方差矩阵的特征值。
在一优选的实施方式中，所述根据样本数据矩阵
Figure BDA0002181660440000032
以及线性过程功率谱密度函数计算估计极限谱概率密度函数
Figure BDA0002181660440000033
并将
Figure BDA0002181660440000034
按时间顺序排列组成评估矩阵
Figure BDA0002181660440000035
包括：根据协方差矩阵Sn的经验谱分布以及线性过程功率谱密度函数，得到分布函数Fn的斯蒂尔杰斯积分变换公式；对分布函数Fn的斯蒂尔杰斯积分变换公式进行分解，选择每一采样时刻的平均谱半径作为
Figure BDA00021816604400000316
的初始值计算估计极限谱概率密度函数
Figure BDA0002181660440000036
将估计极限谱概率密度函数
Figure BDA0002181660440000037
按时间顺序排列组成评估矩阵
Figure BDA0002181660440000038
在一优选的实施方式中，所述根据t时刻对应的
Figure BDA0002181660440000039
的列向量nt以及为t-1时刻对应的
Figure BDA00021816604400000310
的列向量nt-1计算评价指标包括：根据公式一计算评价指标EI，所述公式一包括：
Figure BDA00021816604400000311
其中，nt为t时刻对应的
Figure BDA00021816604400000312
的列向量；nt-1为t-1时刻对应的
Figure BDA00021816604400000313
的列向量。
在一优选的实施方式中，所述线性过程功率谱密度函数φ(ω)为：
Figure BDA00021816604400000314
与现有技术相比，根据本发明的充电桩状态的评估方法，可以根据充电桩的工况数据进行状态评估，可以分析充电桩工况与各种影响因素之间的内在联系，做出故障发生之前的预判，减小充电桩的故障概率，有利于充电桩的维护。
附图说明
图1是根据本发明一实施方式的充电桩状态的评估方法的流程图。
图2是根据本发明一实施方式的平均谱半径分析图。
图3是根据本发明一实施方式的充电桩的EI评价值绘图。
具体实施方式
下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。
如图1所示，其为根据本发明优选实施方式的充电桩状态的评估方法的流程图，包括步骤S1-S5。
在步骤S1中，在预设时间间隔，获取多个设置在不同地点的充电桩的工况数据；
其中，充电桩设置在不同的地点，工况数据可以包括充电桩的电压/电流/电量/气温/充电时长数据。但是本实施例中，每次只针对一种数据进行分析。
在步骤S2中，根据滑动时间窗口模型对所述工况数据进行截取，形成样本数据矩阵
Figure BDA0002181660440000041
具体的，滑动时间窗口模型在t时刻对所述工况数据进行采集，T为总时间，得到样本数据矩阵
Figure BDA0002181660440000042
时间窗口宽度Tw，每次采样向后移动一个时间点，即在t时刻采集，t时刻为当前时刻，窗口中有t-1个历史时刻，对应有t-1个历史状态，所述样本数据矩阵
Figure BDA0002181660440000043
包括：
Figure BDA0002181660440000044
滑动时间窗口模型包含的是一种算法执行的规则，设某一时刻截取的时间窗口对应的随机矩阵为X{Xij}，i＝1,…,N；j＝1,…,T。其中N表示充电桩数量，T为总时间。例如，充电桩数量为1000，当前采样时刻t，时间窗口宽度为100，由此采样获得100列*1000行的数据矩阵。其中最后一列为采样时刻t对应的数据，前面的99列视为历史数据。采样时刻间隔10秒，下一时刻采样，时间窗口宽度不变，矩阵行列数不变，可形象的理解为窗口向后以时刻进行了滑动。滑动后最后一列数据变为t+10(秒)时刻对应的数据，前99列变为t时刻对应的2至100列数据。数据样本结构如表1所示。
Figure BDA0002181660440000051
表1数据结构表
在步骤S2之后，还包括：步骤S21-步骤S22。
在步骤S21中，通过一次差分的方式对样本数据矩阵
Figure BDA0002181660440000052
进行预处理，以满足平稳条件，形成差分矩阵
Figure BDA0002181660440000053
其中，
Figure BDA0002181660440000054
d′1,d′2,…,d′n为n个独立拆分向量。
在步骤S22中，计算随机矩阵
Figure BDA0002181660440000055
在t时刻的协方差矩阵Sn。
Figure BDA0002181660440000056
时间序列构成的高维随机矩阵X中的元素均为实数，通过哈尔酉矩阵U对样本协方差矩阵Sn做奇异值等效得奇异值等价矩阵
Figure BDA0002181660440000057
Figure BDA0002181660440000061
σ为矩阵
Figure BDA0002181660440000062
中某个元素的方差，c＝N/T为矩阵行列比。
在一种实现方式中，在步骤S22之后，步骤S3之前，还包括步骤S23-S25。
在步骤S23中，计算协方差矩阵Sn的特征值
Figure BDA0002181660440000065
在步骤S24中，根据协方差矩阵的特征值
Figure BDA0002181660440000066
计算平均谱半径kMSR；
具体的，基于随机理论单环定理，奇异值等价矩阵
Figure BDA0002181660440000067
的特征值在复平面上，分布于外环半径(1-c)2/L和内环半径1之间。矩阵的谱半径等于矩阵特征值的模的最大值；若特征值为复数，则谱半径为实部与虚部的平方和的开方。由此定义平均谱半径(mean spectralradius，MSR)：
Figure BDA0002181660440000063
其中：
Figure BDA0002181660440000064
为协方差矩阵的特征值。
根据单环定理，高维非Hermitian矩阵特征值将分布于外环半径和内环半径之间，因此，可通过kMSR的绘图可视化表征充电桩运行的整体态势，或者某种扰动对运行状态的影响程度。
在步骤S25中，根据kMSR与预设的内环半径以及外环半径的位置关系，判断与样本数据对应的多个充电桩的运行状态。
由此，每个时刻计算出平均谱半径的值，如果其值不符合单环定理，则认定为有不稳定的可能。
如图2所示，其为根据本发明优选实施方式的平均谱半径分析图。上述评估方法可以对一段时间内充电桩运行情况进行分析和评估，定性分析某种扰动对运行状态的影响程度。其中，图形中的每个点表示的是某个时刻若干充电桩节点的状态映射值。当充电桩集群正常运行时，内圈区域几乎无异常数据点，在内环边缘有少量的分布点，内圈分布点占比约为2.5％；当潜在或实际故障发生后，内圈区域中开始出现异常数据点，而内圈分布点出现的数量，会随故障类型及系统受到干扰大小有明显变化。当充电桩集群处于亚健康状态时，内圈分布点占比约为12％；当充电桩集群处于故障状态时，内圈分布点比约为35％。针对三种情况，可以制定相应的检修策略，例如针对正常运行时，内圈的分布点进行抽样勘察；对亚健康状态的充电桩进行定期分批勘察；对故障充电桩进行立即检修派工等。以下提供具体的勘察方法。步骤S3-S5，可以在步骤S25执行之后执行，例如，当内圈分布点占比约为2.5％时，可以不进行评价指标EI的计算。或者，直接在步骤S2之后执行。
在步骤S3中，根据样本数据矩阵
Figure BDA0002181660440000071
以及线性过程功率谱密度函数计算估计极限谱概率密度函数
Figure BDA0002181660440000072
并将
Figure BDA0002181660440000073
按时间顺序排列组成评估矩阵
Figure BDA0002181660440000074
具体的，步骤S3包括：S31-S33。
本实施例中，基于时间序列理论中常用的模型ARMA(p,q)，则有线性过程功率谱密度函数φ(ω)为：
Figure BDA0002181660440000075
在步骤S31中，根据协方差矩阵Sn的经验谱分布以及线性过程功率谱密度函数，得到分布函数Fn的斯蒂尔杰斯积分变换公式。
所述分布函数Fn的斯蒂尔杰斯积分变换公式为：
Figure BDA0002181660440000076
具体的推导过程如下：
根据Marchenko-Pastur定理(M-P定理)，描述大维协方差矩阵的特征值分布，样本协方差矩阵Sn的经验谱分布非随机的收敛于密度函数
Figure BDA0002181660440000077
那么有：
Figure BDA0002181660440000081
其中：
Figure BDA0002181660440000088
为样本协方差矩阵Sn的特征值；
Figure BDA0002181660440000082
σ为矩阵元素的标准差，c＝N/T为矩阵行列比。
由分布函数与密度函数之间的关系，可确定样本协方差矩阵Sn的经验谱分布非随机的分布于分布函数Fn，F′n表示对分布函数求导，则有：
Figure BDA0002181660440000083
其中Φ(ω)为基于时间序列理论中常用模型ARMA(p,q)的线性过程功率谱密度函数：
Figure BDA0002181660440000084
对分布函数Fn进行斯蒂尔杰斯积分变换，则满足式：
Figure BDA0002181660440000085
在步骤S32中，对分布函数Fn的斯蒂尔杰斯积分变换公式进行分解，选择每一采样时刻的平均谱半径作为
Figure BDA0002181660440000086
的初始值计算估计极限谱概率密度函数
Figure BDA0002181660440000087
具体的，分解上述分布函数Fn的斯蒂尔杰斯积分变换式：
Figure BDA0002181660440000091
选择每一采样时刻的MSR值(谱半径)作为
Figure BDA0002181660440000092
的初始值，计算估计极限谱概率密度函数：
Figure BDA0002181660440000093
在步骤S33中，将估计极限谱概率密度函数
Figure BDA0002181660440000094
按时间顺序排列组成评估矩阵
Figure BDA0002181660440000095
在步骤S4中，根据t时刻对应的
Figure BDA0002181660440000096
的列向量nt以及t-1时刻对应的
Figure BDA0002181660440000097
的列向量nt-1计算评价指标。
根据公式一计算评价指标EI(evaluation index，EI)，所述公式一包括：
Figure BDA0002181660440000098
其中，nt为t时刻对应的
Figure BDA0002181660440000099
的列向量；nt-1为t-1时刻对应的
Figure BDA00021816604400000910
的列向量。
在步骤S5中，根据所述评价指标与预设的故障指标范围进行对比，判断充电桩的故障状态。
如图3所示，其为根据本发明优选实施方式的充电桩的EI评价值绘图，可以直观显示充电桩个体健康状态的量化程度。受到内外因扰动的充电桩，其状态变量会发生突变，间接映射的EI超出预设的故障指标范围时，判断充电桩故障。由此，根据EI值的变化可辨别故障充电桩，对比变化量可辨别故障的严重程度。
由此，通过本实施例提供的充电桩状态的评估方法，可以根据充电桩的工况数据进行状态评估，可以分析充电桩工况与各种影响因素之间的内在联系，做出故障发生之前的预判，减小充电桩的故障概率，有利于充电桩的维护。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。

Claims (3)

1.一种充电桩状态的评估方法，其特征在于，包括：
在预设时间间隔，获取多个设置在不同地点的充电桩的工况数据；
根据滑动时间窗口模型对所述工况数据进行截取，形成样本数据矩阵
Figure FDA0003056495970000011
通过一次差分的方式对所述样本数据矩阵
Figure FDA0003056495970000012
进行预处理，形成差分矩阵
Figure FDA0003056495970000013
其中，
Figure FDA0003056495970000014
计算所述差分矩阵
Figure FDA0003056495970000015
在t时刻的协方差矩阵Sn；
计算所述协方差矩阵Sn的特征值；
根据所述特征值计算平均谱半径kMSR；
根据所述平均谱半径kMSR与预设的内环半径以及外环半径的位置关系，判断与样本数据对应的多个充电桩的运行状态；
根据所述样本数据矩阵
Figure FDA0003056495970000016
以及线性过程功率谱密度函数计算估计极限谱概率密度函数
Figure FDA0003056495970000017
并将
Figure FDA0003056495970000018
按时间顺序排列组成评估矩阵
Figure FDA0003056495970000019
根据t时刻对应的
Figure FDA00030564959700000110
的列向量nt以及t-1时刻对应的
Figure FDA00030564959700000111
的列向量nt-1计算评价指标，其中，t为当前采样时刻，t-1为上一采样时刻；以及
将所述评价指标与预设的故障指标范围进行对比，判断充电桩的故障状态；
其中，根据所述样本数据矩阵
Figure FDA00030564959700000112
以及线性过程功率谱密度函数计算估计极限谱概率密度函数
Figure FDA00030564959700000113
并将
Figure FDA00030564959700000114
按时间顺序排列组成评估矩阵
Figure FDA00030564959700000115
包括：
根据所述协方差矩阵Sn的经验谱分布以及线性过程功率谱密度函数，得到分布函数Fn的斯蒂尔杰斯积分变换式，其中，所述线性过程功率谱密度函数
Figure FDA00030564959700000116
所述分布函数Fn的斯蒂尔杰斯积分变换式为
Figure FDA0003056495970000021
其中，所述协方差矩阵Sn的经验谱分布收敛于密度函数
Figure FDA0003056495970000022
且所述密度函数
Figure FDA0003056495970000023
其中，
Figure FDA0003056495970000024
为所述协方差矩阵Sn的特征值；
Figure FDA0003056495970000025
其中，σ为所述协方差矩阵Sn的矩阵元素标准差；c为所述协方差矩阵Sn的矩阵行列比；
对所述分布函数Fn的斯蒂尔杰斯积分变换式进行分解，选择每一采样时刻的平均谱半径作为
Figure FDA0003056495970000026
的初始值计算所述估计极限谱概率密度函数
Figure FDA0003056495970000027
其中，
Figure FDA0003056495970000028
以及
将所述估计极限谱概率密度函数
Figure FDA0003056495970000029
按时间顺序排列组成评估矩阵
Figure FDA00030564959700000210
其中，所述根据t时刻对应的
Figure FDA00030564959700000211
的列向量nt以及t-1时刻对应的
Figure FDA00030564959700000212
的列向量nt-1计算评价指标包括：
根据第一式子计算评价指标EI，其中，所述第一式子包括：
Figure FDA00030564959700000213
其中，nt为t时刻对应的
Figure FDA00030564959700000214
的列向量；nt-1为t-1时刻对应的
Figure FDA00030564959700000215
的列向量。
2.如权利要求1所述的评估方法，其特征在于，所述根据滑动时间窗口函数对所述工况数据进行截取，形成样本数据矩阵
Figure FDA00030564959700000216
包括：
滑动时间窗口模型在时刻t对所述工况数据进行采集，得到样本数据矩阵
Figure FDA0003056495970000031
其中，所述滑动时间窗口函数的宽度为Tw，所述样本数据矩阵
Figure FDA0003056495970000032
包括：
Figure FDA0003056495970000033
3.如权利要求1所述的评估方法，其特征在于，根据所述特征值计算平均谱半径kMSR包括：
根据第二式子计算平均谱半径kMSR，所述第二式子为：
Figure FDA0003056495970000034
其中：
Figure FDA0003056495970000035
为第i个充电桩的协方差矩阵的特征值。
CN201910798582.5A 2019-08-27 2019-08-27 充电桩状态的评估方法 Active CN110466381B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910798582.5A CN110466381B (zh) 2019-08-27 2019-08-27 充电桩状态的评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910798582.5A CN110466381B (zh) 2019-08-27 2019-08-27 充电桩状态的评估方法

Publications (2)

Publication Number Publication Date
CN110466381A CN110466381A (zh) 2019-11-19
CN110466381B true CN110466381B (zh) 2021-06-29

Family

ID=68512568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910798582.5A Active CN110466381B (zh) 2019-08-27 2019-08-27 充电桩状态的评估方法

Country Status (1)

Country Link
CN (1) CN110466381B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112990838A (zh) * 2019-12-12 2021-06-18 北京车和家信息技术有限公司 一种面向充电桩安装业务的运营管理平台及系统
CN111452658B (zh) * 2020-02-28 2022-07-12 深圳市科华恒盛科技有限公司 充电桩健康状态监测及诊断方法、装置及终端设备
CN111682598A (zh) * 2020-04-27 2020-09-18 宁波三星智能电气有限公司 一种充电桩的充电模块启动方法
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
CN113627741B (zh) * 2021-07-20 2023-12-12 国网湖南省电力有限公司 一种充电桩电能计量系统运行状态综合评价方法及装置
CN113917267A (zh) * 2021-10-15 2022-01-11 万帮数字能源股份有限公司 一种充电桩故障排查方法
CN115065591B (zh) * 2022-06-22 2023-10-20 广东电网有限责任公司广州供电局 基于状态空间模型的电动汽车充电桩故障预警系统和方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2305510A2 (en) * 2009-09-29 2011-04-06 Schneider Electric USA, Inc. Kiosk vehicle charging and selecting system
WO2013169967A3 (en) * 2012-05-09 2014-03-06 Schneider Electric USA, Inc. Diagnostic receptacle for electric vehicle supply equipment
CN107133684A (zh) * 2016-02-26 2017-09-05 中国电力科学研究院 一种面向配电网无功优化的随机矩阵构建方法
CN109274097A (zh) * 2018-11-16 2019-01-25 四川大学 一种基于随机矩阵理论的电力系统暂态稳定态势评估方法
CN109635854A (zh) * 2018-11-26 2019-04-16 国网冀北电力有限公司 基于马尔科夫链的充电桩故障预测方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105353256B (zh) * 2015-11-30 2018-05-25 上海交通大学 一种输变电设备状态异常检测方法
CN106022529A (zh) * 2016-05-26 2016-10-12 中国电力科学研究院 一种基于高维随机矩阵的配电网异常数据检测方法
CN109061387A (zh) * 2018-08-23 2018-12-21 国网内蒙古东部电力有限公司电力科学研究院 一种基于圆环定理的电网异常状态判别方法
CN109193650B (zh) * 2018-10-26 2020-08-18 湖北航天技术研究院总体设计所 一种基于高维随机矩阵理论的电网薄弱点评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2305510A2 (en) * 2009-09-29 2011-04-06 Schneider Electric USA, Inc. Kiosk vehicle charging and selecting system
WO2013169967A3 (en) * 2012-05-09 2014-03-06 Schneider Electric USA, Inc. Diagnostic receptacle for electric vehicle supply equipment
CN107133684A (zh) * 2016-02-26 2017-09-05 中国电力科学研究院 一种面向配电网无功优化的随机矩阵构建方法
CN109274097A (zh) * 2018-11-16 2019-01-25 四川大学 一种基于随机矩阵理论的电力系统暂态稳定态势评估方法
CN109635854A (zh) * 2018-11-26 2019-04-16 国网冀北电力有限公司 基于马尔科夫链的充电桩故障预测方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《基于大数据的充电桩健康状态分析系统的研究》;张晗;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20190815;正文第16-19页 *
《基于随机矩阵理论的电网静态稳定态势评估方法》;吴茜 等;《中国电机工程学报》;20161020;第36卷(第20期);参见第5414-5419页 *

Also Published As

Publication number Publication date
CN110466381A (zh) 2019-11-19

Similar Documents

Publication Publication Date Title
CN110466381B (zh) 充电桩状态的评估方法
JP5734961B2 (ja) 多変数プロセス制御においてモデルの品質を推定しモデルを適応させる装置およびその方法
Daigle et al. An efficient deterministic approach to model-based prediction uncertainty estimation
EP1543394B1 (de) Vorrichtung und verfahren zur überwachung einer mehrere systeme umfassenden technischen anlage, insbesondere einer kraftwerksanlage
Harrou et al. An improved multivariate chart using partial least squares with continuous ranked probability score
CN109033513B (zh) 电力变压器故障诊断方法与电力变压器故障诊断装置
CN111965476B (zh) 一种基于图卷积神经网络的低电压诊断方法
CN106875124B (zh) 一种电能计量装置状态评估方法、装置及系统
Mosallam et al. Component based data-driven prognostics for complex systems: Methodology and applications
CN112629585A (zh) 基于多维参数估计的设备在线监测方法及装置
CN111610407A (zh) 基于朴素贝叶斯的电缆老化状态评估方法和装置
JP2015529813A (ja) 遺伝的プログラミングを用いて発見された前兆的特徴からの、残存耐用寿命の推定
CN111179591A (zh) 一种路网交通时序特征数据质量诊断与修复方法
CN114978956A (zh) 智慧城市网络设备性能异常突变点检测方法及装置
CN115931055A (zh) 一种基于大数据分析的农村供水运行诊断方法及系统
Malika et al. Transformation of fault tree into Bayesian network methodology for fault diagnosis
CN116086537A (zh) 一种设备状态监测方法、装置、设备及存储介质
KR102130272B1 (ko) 경험모델 기반 예측 알고리즘의 최적화 방법
CN113868948A (zh) 一种面向用户的动态阈值模型训练系统及方法
CN112016208B (zh) 一种考虑扰动的隐含故障诊断方法及系统
CN117330963A (zh) 储能电站故障检测方法、系统及设备
CN109389313B (zh) 一种基于加权近邻决策的故障分类诊断方法
CN115392056A (zh) 一种高压架空输电线路运行状态监测及预警方法及装置
CN114118844A (zh) 一种汽车零部件质量分析系统
Schadler et al. Fault detection using online selected data and updated regression models

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221228

Address after: 100192 Building 3, Zone A, Zhongguancun Science Park, 66 Xixiaokou Road, Haidian District, Beijing

Patentee after: BEIJING SMARTCHIP MICROELECTRONICS TECHNOLOGY Co.,Ltd.

Patentee after: STATE GRID INFORMATION & TELECOMMUNICATION GROUP Co.,Ltd.

Patentee after: State Grid Ningxia Electric Power Co.

Address before: 100192 building 3, A District, Dongsheng science and Technology Park, Zhongguancun, 66 Haidian District West Road, Beijing.

Patentee before: BEIJING SMARTCHIP MICROELECTRONICS TECHNOLOGY Co.,Ltd.

Patentee before: STATE GRID INFORMATION & TELECOMMUNICATION GROUP Co.,Ltd.