CN111038291A - 一种电动汽车充电故障智能诊断系统及方法 - Google Patents
一种电动汽车充电故障智能诊断系统及方法 Download PDFInfo
- Publication number
- CN111038291A CN111038291A CN201911291762.0A CN201911291762A CN111038291A CN 111038291 A CN111038291 A CN 111038291A CN 201911291762 A CN201911291762 A CN 201911291762A CN 111038291 A CN111038291 A CN 111038291A
- Authority
- CN
- China
- Prior art keywords
- fault
- charging
- information
- faults
- battery
- 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
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
-
- 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
- B60L53/30—Constructional details of charging stations
- B60L53/31—Charging columns specially adapted for electric vehicles
-
- 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
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- 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
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- 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
- Y02T90/14—Plug-in electric vehicles
Abstract
本发明公开了一种电动汽车充电故障智能诊断系统及方法。所述诊断系统包括信息采集模块、故障判断模块和故障处理模块,所述信息采集模块用于获取动力电池、充电桩、供电设备的故障代码、通断状态信息以及运行状态信息,并发送至故障判断模块,所述故障判断模块根据信息采集模块传递的信息故障所在位置以及故障级别,所述故障处理模块根据故障判断模块的判断结果进行告警提示或切断供电电路。本发明针通过分析动力电池、充电桩、供电设备之间一体化安全作用机理,并根据故障影响类型,进行相应的安全决策和控制执行,能够快速实现电动汽车充电故障的诊断,找出故障点,有效提高电动汽车充电安全。
Description
技术领域
本发明涉及电动汽车技术领域,具体涉及一种电动汽车充电故障智能诊断系统及方法。
背景技术
电动汽车作为新能源汽车的主要发展方向之一,越来越受到人们的重视。随着电动汽车保有量不断增加,充电可靠性与安全性问题成为国内外学者和工业界关注的焦点。在我国充电设施种类不一、服务商性质不同等现状下,如何实现电动汽车基础充电设施互联互通及保证一体化充电安全预警,是当前亟需解决的问题之一。
为了确保电动汽车的安全行驶,防止因为动力电池故障所导致的重大人员伤害和财产损失,保障电动汽车使用者的生命财产安全,给每一台电动汽车配备能够及时准确地诊断故障的电动汽车故障诊断系统,将成为未来电动汽车发展的趋势。
电动汽车故障智能诊断的目的是根据实际检测数据对系统中的故障进行检测,由计算机利用系统解析功能,及时完成故障分析,并采取有效的措施对故障进行排查,同时对整个系统的性能和状态做出一个正确甚至精确的评估,为运营指挥人员和驾驶人员提供决策依据,以确保电动汽车的正常运行。然而当前业界的很多工作都聚焦于电池本身的安全研究,尚未见到在动力电池、充电设备安全方面以及供电层面进行一体化安全方面开展研究,也没有形成有效的一体化安全预警体系。
发明内容
发明目的:本发明的目的是提供一种电动汽车充电故障智能诊断系统及方法,形成电池、充电、供电一体化充电安全预警,对提升充电安全系统评估效果,保障电动汽车充电安全,推动电动汽车的发展有着重要的支撑作用。
技术方案:根据本发明的第一方面,提供一种电动汽车充电故障智能诊断系统,包括信息采集模块、故障判断模块和故障处理模块,所述信息采集模块用于获取动力电池、充电桩、供电设备的故障代码、通断状态信息以及运行状态信息,并发送至故障判断模块;所述故障判断模块根据信息采集模块传递的信息判断故障所在位置,其中对于故障代码信息直接根据该故障代码的提示进行判断,对于通断状态信息根据是否收到此类信息进行判断,对于运行状态信息基于预先建立的电动汽车充电过程多级设备一体化故障树进行判断;所述故障处理模块根据故障判断模块的判断结果进行告警提示或切断相应供电电路。
进一步地,所述信息采集模块利用电池的BMS系统和充电桩控制器获取信息,其中故障代码包括电池故障代码、充电桩故障代码、配电网故障代码;通断状态信息包括电池与充电桩是否连接、充电桩与配电网是否连接,当BMS不能收到来自充电桩的报文时,表示未建立正常连接;运行状态信息包括电池的电压、电流、温度和SOC,充电桩的电压、电流、温度,以及配电网的电压、电流。
进一步地,所述故障判断模块基于运行状态信息进行故障诊断的过程如下:
对于采集的电压、电流、温度、SOC信息,故障判断模块首先判断采集的这些指标是否符合预设的预警指标值,当符合时下发指令指示故障处理模块进行预警提示;同时故障判断模块根据电动汽车充电过程多级设备一体化故障树判断故障所在位置,定位故障点后下发指令至故障处理模块执行相应动作,
其中所述电动汽车充电过程多级设备一体化故障树包括动力电池、充电设施和供电设施三个一级故障源,所述动力电池一级故障源下包括SOC降低、过充过放、过温、自燃四个二级故障源;所述充电设施一级故障源下包括机械故障、电气故障、软件故障、通信故障四个二级故障源;所述供电设施一级故障源下包括配电预警和配电故障两个二级故障源。
进一步地,所述故障处理模块包括预警提示单元和动作执行单元,所述预警提示单元用于根据预警指示以信息推送的方式进行故障指示,提醒维护人员进行查看和处理;当由采集到的故障信息被故障判断模块诊断为动力电池故障时,动作执行单元用于执行断开充电连接器,当由采集到的故障信息被故障判断模块诊断为充电桩故障时,动作执行单元用于执行切除充电桩开关,当由采集到的故障信息被故障判断模块诊断为配电网故障时,动作执行单元用于执行切除配电台区开关。
进一步地,所述系统还包括云端服务器,所述云端服务器用于存储各信息采集模块和故障判断模块所采集和处理过程中产生的信息,并记录故障处理模块的告警提示和执行动作,所存储和记录的信息用于大数据分析。
根据本发明的第二方面,提供一种电动汽车充电故障智能诊断方法,所述方法包括以下步骤:
获取动力电池、充电桩、供电设备的故障代码、通断状态信息以及运行状态信息;
根据获取的信息判断故障所在位置,其中对于故障代码信息直接根据该故障代码的提示进行判断,对于通断状态信息根据是否收到此类信息进行判断,对于运行状态信息基于预先建立的电动汽车充电过程多级设备一体化故障树进行判断;
根据故障判断结果进行告警提示或执行切断相应供电电路的动作。
进一步地,所述电动汽车充电过程多级设备一体化故障树的建立方法如下:
收集动力电池、充电桩、配电网在充电过程中的历史故障信息,分析整理出各自的故障现象;
利用信息流模型来建立故障现象与故障结论之间的相关性,将上述故障现象作为评价因素,对其进行标准化处理消除量纲、数量级和因素类型的影响后,按照一定属性分类,利用单层次模糊分析对每一类因素进行综合评价,然后再对各类评估结果进行多层次综合评估,利用信息熵赋权方法确定各故障权重系数,确立多级设备一体化故障诊断优先级,从而建立多级设备一体化故障树。
进一步地,所述动力电池故障现象包括电池组容量降低、充电电压过高、电池组充不进电、放电电压低、自放电大、局部高温、单体电压一致性差、电池打弧击穿、单体电池损坏;充电桩故障现象包括充电枪故障、充电机程序判别异常、BMS报告异常、充电机内部通信故障、电压电流故障、与BMS通信终端故障、电子锁分合故障、过温故障、充电模块机械故障;配电网故障包括发电机故障、变压器故障和输电线故障。
进一步地,所述运行状态信息包括电池的电压、电流、温度和SOC,充电桩的电压、电流、温度,以及配电网的电压、电流,所述基于预先建立的电动汽车充电过程多级设备一体化故障树进行判断过程如下:首先判断采集的电压、电流、温度、SOC信息是否符合预设的预警指标值,当符合时进行预警提示;同时根据电动汽车充电过程多级设备一体化故障树判断故障所在位置,定位故障点后下发指令执行相应动作,当由采集到的故障信息被诊断为动力电池故障时,断开充电连接器,当由采集到的故障信息被诊断为充电桩故障时,切除充电桩开关,当由采集到的故障信息被诊断为配电网故障时,切除配电台区开关。
有益效果:本发明通过分析动力电池、充电桩、供电设备之间一体化安全作用机理,并根据故障影响类型,进行相应的安全决策和控制执行,能够及时将充电故障的位置、故障原因和故障解决方法以诊断结果的形式反馈出来,快速实现电动汽车充电故障的诊断,形成电池、充电、供电一体化充电安全故障诊断方法,对提升充电安全系统评估效果,保障电动汽车充电安全,推动电动汽车的发展有着重要的支撑作用。
附图说明
图1为根据本发明实施例的电动汽车充电故障智能诊断系统结构框图;
图2为根据本发明实施例的电动汽车充电过程多级设备一体化故障树;
图3为根据本发明实施例的电动汽车充电故障智能诊断方法流程图;
图4为根据本发明实施例建立的电动汽车充电故障相关性信息流模型。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等同形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示,根据本发明的一个实施例,电动汽车充电故障智能诊断系统包括:信息采集模块、故障判断模块和故障处理模块,信息采集模块用于获取动力电池、充电桩、供电设备的故障代码、通断状态信息以及运行状态信息,并发送至故障判断模块,故障判断模块根据信息采集模块传递的信息判断故障所在位置以及故障级别,故障处理模块根据故障判断模块的判断结果进行告警提示或切断供电电路。
现阶段我国电动汽车主要充电设备类型主要分为交流与直流两大类型。交流充电设备一般由桩体、电气模块、计量模块等组成,一般具有人机交互功能、计量功能、外部通信功能以及软升级功能等。人机交互界面提供人机交互功能,主要包括显示输入,可显示各种状态下设备相关信息,可提供手动设置参数等功能。计量模块提供对输出电能的计量,充电设备控制单元带有与外部通信的接口,并具备系统软件升级等功能。交流充电设备电气系统中,一般的输入保护断路器、交流控制接触器、交流智能电表以及充电接口连接器构成电气主回路。主回路的输入保护断路器具备短路、过载以及漏电保护的功能;交流控制接触器可以控制电源的通断;交流智能电表主要是进行充电量的计量;充电接口连接器提供设备和电动汽车连接的充电接口,并且带有锁紧装置以及防误操作等功能。控制器继电器、运行状态指示灯、急停按钮、充电设备智能控制器以及人机交互模块构成电气二次回路。二次回路的充电设备智能控制器以及继电器控制充电的输出,并提供启停控制以及急停功能;运行状态指示灯提供“充电”、“充满”、“待机”等状态指示;人机交互设备则提供刷卡、充电方式选择以及启停控制操作。
常见的直流充电设备系统主要由充电设备控制器、人机交互界面、IC卡读写器、功率变换模块以及智能管理模块、计量计费等部分构成。各子模块主要功能如下:1)充电设备主控制器对各子模块进行协调控制,通过接收多种输入命令来实现控制充电功率模块输出以及切换充电设备的工作状态等功能;2)人机交互子模块包括了IC卡读写器以及人机交互界面等,可实现用户与充电设备的交互,以此完成对用户的身份证鉴定、充电需求信息输入、充电数据显示以及用户控制输入等功能;3)功率变换模块包括交流输入单元、充电功率模块以及有源滤波模块,充电模块可实现并联时自主均流,可由一种标准功率模块并联组成多种规格的充电设备;4)智能管理模块包括数据处理、数据存储以及与运营管理系统的通信接口等,与充电设备主控制器交互来实现各种运营管理策略;5)计量计费单元采用成熟的计量技术进行电费计量。工作原理如下:充电站电气系统的三相交流电经过整流滤波电路进行整流滤波后,变成直流输入电压供给驱动电路控制的高频的DC/DC功率变换器,然后通过功率变换器中的高频变压器进行电气隔离,而后再一次通过滤波得到直流输出,如果滤波后的直流电达不到要求通过闭环反馈来进行控制最终的输出直流电,以此来对电池组进行充电,系统提供如输出过压、过温、短路等电气保护。
在本发明的方案中,信息采集模块利用电池的BMS系统和充电桩控制器获取信息,其中故障代码包括电池故障代码、充电桩故障代码、配电网故障代码,分别如下表1-3所示,这些故障代码和当前已经形成的国家电网充电桩故障代码保持一致并参考了国标GB/T27930《电动汽车非车载充电机与电池管理系统的通信协议》标准中定义的充电设备的故障分类。
表1电池故障代码
表2充电桩故障代码
表3配电网故障代码
故障代码含义 | 故障代码详解 |
台变故障 | 变压器发生故障,切除 |
台变电压越上限故障 | 电压大于最大工作电压,切除 |
台变电压低于下限故障 | 电压小于最小工作电压,切除 |
储能故障 | 储能发生故障,切除 |
新能源故障 | 新能源发生故障,切除 |
电网断电 | 电网短路跳闸,孤岛运行 |
电网谐波冲击 | 次谐波过量 |
通断状态信息包括电池与充电桩是否连接、充电桩与配电网是否连接,当BMS不能收到来自充电桩的报文时,则BMS系统提示未建立正常连接或连接断开,如果充电桩与配电网未正常连接,则充电桩的显示屏上会有相应提示。
运行状态信息包括电池的电压、电流、温度和SOC,充电桩的电压、电流、温度,以及配电网的电压、电流。其中电动汽车在充电过程中动力电池和充电桩的电压电流是一样的,电池的信息由BMS系统展示,充电桩的信息由充电桩控制器采集得到,展示在充电桩电流表上。
信息采集模块将获取的数据发送至故障判断模块,故障判断模块判断故障所在位置以及故障级别。对于采集的电压、电流、温度、SOC信息,故障判断模块首先判断采集的这些指标是否符合预设的预警指标值,当符合时下发指令指示故障处理模块进行预警提示;同时故障判断模块根据电动汽车充电过程多级设备一体化故障树判断故障所在位置,定位故障点后下发指令至故障处理模块执行相应动作。
其中预设的预警指标值在本发明中设置如下表4所示,根据状态内容的变化设置了不同的警报级别。其中模块指的是电池组包内的电池单体。这里所给出的状态分类和处理措施是基于状态内容的初步建议,是针对动力电池的。
表4电池预警指标
然而电动汽车充电设施故障涉及到众多因素,在正常工作状态下,电动汽车动力电池通过充电站从区域电网获取电能,满足充电需求。若电池发生故障时,会直接造成车对桩的影响如烧坏桩的电力电子保护器件,或者造成车对电网的影响如产生电压冲击、电压越限、降低电能质量等,或者间接由桩对电网造成影响。当充电桩发生故障时,会对车造成影响如过压、过流、过充、自燃等,或者对网造成影响。当区域电网故障时(尽管概率相对较小,但也存在可能性),也会直接对桩和车造成影响,或者由桩对车造成间接影响。仅对动力电池本身进行监测和控制无法满足一体化安全决策和控制的目的。本发明中故障处理模块同时根据采集的运行状态信息来判断故障所在位置,首先分析动力电池故障特点,主要包括的故障现象有电池组容量降低、充电电压过高、电池组充不进电、放电电压低、自放电大、局部高温、单体电压一致性差、电池打弧击穿、单体电池损坏等;其次分析交直流充电设备故障特点,主要包括的故障现象有充电枪故障、充电机程序判别异常、BMS报告异常、充电机内部通信故障、电压电流故障、与BMS通信终端故障、电子锁分合故障、过温故障、充电模块机械故障等;然后分析配电网故障特点,影响电力系统安全性的因素很多,从配电网系统的主要元件故障的角度,配电网故障可以分为发电机故障、变压器故障和输电线故障。然后利用信息流模型来建立故障现象与故障结论之间的相关性,基于模糊层次综合分析方法,利用信息熵赋权方法确定故障权重系数,确立了多级设备一体化故障诊断优先级,从而建立多级设备一体化故障树,为电动汽车充电过程中故障信息的快速获取及诊断提供依据。具体建立方法在下文中描述。
参照图2,本发明中建立的电动汽车充电过程多级设备一体化故障树包括动力电池、充电设施和供电设施三个一级故障源,动力电池一级故障源下包括SOC降低、过充过放、过温、自燃四个二级故障源;充电设施一级故障源下包括机械故障、电气故障、软件故障、通信故障四个二级故障源;供电设施一级故障源下包括配电预警和配电故障两个二级故障源。对于电池的电压、电流、温度、SOC信息,充电桩的电压、电流、温度信息,配电网的电压、电流信息,故障判断模块根据故障树定位故障类别。例如,正常的电池放电时有一个电压范围,但是如果检测到的放电电压下降快、电压低,如单体电压≤2.5V且还在放电,充电电压上升快、电压高,如单体电压≥3.65V且还在充电,则根据故障树能定位到电池过放故障。又例如,检测到电池SOC为1时,电池电流还没达到额定值,充电温度上升快,则故障判断模块依据故障树判断为电池过温故障;再例如,检测到充电桩充电电压上升快、电压高,充电桩电流超过额定值,充电温度上升快,则故障判断模块依据故障树判断为充电桩电气故障;再例如,检测到配网电压高,配网电流超过额定值,则故障判断模块依据故障树判断为配网预警故障。
故障处理模块包括预警提示单元和动作执行单元,预警提示单元用于以信息推送的方式进行故障指示,提醒维护人员进行查看和处理,当由采集到的故障信息被故障一体化判断模块诊断为动力电池故障时,动作执行单元用于执行断开充电连接器,当由采集到的故障信息被故障一体化判断模块诊断为充电桩故障时,动作执行单元用于执行切除充电桩开关,当由采集到的故障信息被故障一体化判断模块诊断为配电网故障时,动作执行单元用于执行切除配电台区开关。
作为优选方案,该诊断系统还包括云端服务器,用于存储各信息采集模块和故障判断模块所采集和处理过程中产生的信息,并记录故障处理模块的告警提示和执行动作,所存储和记录的信息用于后续大数据分析。
参照图3,根据本本发明的另一实施例,一种电动汽车充电故障智能诊断方法包括以下步骤:
S1、获取动力电池、充电桩、供电设备的故障代码、通断状态信息以及运行状态信息,其中通断状态信息包括电池与充电桩是否连接、充电桩与配电网是否连接,运行状态信息包括电池的电压、电流、温度和SOC,充电桩的电压、电流、温度,以及配电网的电压、电流;
S2、根据获取的信息判断故障所在位置以及故障级别,其中对于故障代码信息直接根据该故障代码的提示进行判断,故障代码具体内容同上述系统实施例中所述,此处不再赘述;对于通断状态信息根据是否收到此类信息进行判断,例如,BMS系统收到来自充电桩的报文则表示连接正常,未收到则表示未建立连接,若充电桩与配电网未正常连接,则充电桩显示屏会有相应提示;对于运行状态信息基于预先建立的电动汽车充电过程多级设备一体化故障树进行判断;
S3、根据故障判断结果进行告警提示或执行切断供电电路的动作。
在步骤S2中使用了故障树,故障树分析是一种系统可靠性分析的方法,具体表现是自上而下由总到分地以图形的形式展开,将故障按包含和被包含关系以树状图的形式展现。其涉及原则是:首先收集系统可能产生的故障(包括软、硬件故障),然后通过调查实际案例分析产生这些故障的原因(系统内在因素和外部因素),利用故障树标准符号(包括事件符号、逻辑门符号和转移符号等)对故障和原因的因果关系以树形图表示,来明确系统故障原因的各种组合方式,以达到对故障的分类和给出相应处理操作,提高系统可维护性。本发明基于对电动汽车充电过程多级设备的特点分析,利用信息流模型来建立故障现象与故障结论之间的相关性,针对前面分析的车桩网可能存在的故障类型,建立其相关性信息流模型,ti为故障序号,共分为SOC故障、过充过放、过温、自燃、通信、软件、机械、电气、配网等故障,以及配网预警等,配网断电故障将不会为电动汽车充电配网预警相对孤立。如图4所示。
通过采用综合模糊分析法对电动汽车充电过程实时监控数据进行综合分析,有助于建立多级设备一体化故障树。
(1)单层次模糊分析模型
将充电过程中动力电池、充电设备及配电网设备等被预测对象按某种原则或属性划分为n个评价因素论域,其中预测对象指各种故障现象,原则或属性指科学性原则、全面性原则、可操作性原则、独立性原则等,评价因素是指故障现象:
U={Ui},i=1,2,…,n (1)
式(1)中,Ui表示被评估系统中第i个因素。对评价因素集合Ui按某种属性(故障严重程度,例如严重故障、较轻故障、一般故障、无故障)划分成m个子集,有
Ui={uij},j=1,2,…,m (2)
式(2)中,uij表示模型第i个预测因素的第j个子因素(即二级故障指标)。确定被预测对象可能的评价等级集合,每一个因素最终预测结果对应一个评价等级,即
V={vk},k=1,2,…,s (3)
式(3)中,vk表示第k个评价等级,共有s个评价等级。对各评价因素的权重进行分配,有
Wi=[wi1,wi2,…,wim] (4)
式(4)中,Ai是Ui上的一个模糊子集,且满足如下条件:
假定第i个因素Ui的单因素评估预测结果为
则单级预测模型为
Bi=Wi×Ri=[bi1,bi2,…,bik,…,bis] (7)
式(7)中,bik为第i个因素第k个评价等级评估预测结果,有
(2)多层次综合模糊分析模型
针对复杂的电动汽车一体化充电系统,需要考虑的评价预测因素较多,且各因素处于不同的层次,如果应用单层次模糊评估分析不会得出精确的评估结果。因此,需要对评价因素按照一定属性分类,先对每一类进行综合评价,然后再对各类评估结果进行多层次综合评估。所述一定属性分类是指先分成车、桩、网三类,指对车、桩、网各自的故障分类评价,然后三者综合在一起再评价。
给出n个因素中所有子因素的权重分配矩阵,为
针对故障影响因素,给出故障预测评价指标集,为方便起见评价集设为
V={v1,v2,v3,v4,v5} (10)
式(10)中,v1为绝对安全,v2为安全,v3为一般,v4为危险,v5为非常危险。实际预测过程中,为了计算方便,五个等级将被量化。
根据专家经验打分建立每个影响因素的预测评价矩阵Ri。根据加权系数及预测评价矩阵,求解各影响因素的综合评价决策矩阵为
Bi=Wi·Ri (11)
建立目标预测评价矩阵B,如下式
B=[B1,B2,…Bn] (12)
式(12)即为U到V的一个模糊评价关系。故障风险预测的总的得分公式为
f=B×VT (13)
式(13)既为评价系统U的综合评判结果,也是U中的所有评价因素的综合评估结果。多层次的模糊综合分析模型,不仅可以反映评价因素的不同层次,而且避免了由于因素过多而难于分配权重的弊病。
为避免多与依赖专家经验的主观因素,客观的反映各状态因素的权重。采用熵值法确定各因素的权重。
(1)构建数据矩阵
式中Uij为第i个状态量中第j个因素的数值,本发明中针对的是故障指标,每个指标的数值有一个范围,例如动力电池里面SOC降低,SOC降低也是有一个范围的。
(2)数据的标准化处理
电动汽车充电设施故障涉及到众多评价因素,由于评价因素之间一般存在不可度量性。因此,不能直接利用单个状态量的初试因素进行模糊综合分析,而是需要先消除单个状态量的量纲、数量级和因素类型的影响后,再进行模糊综合分析,即标准化处理。
对于正向指标(例如对评估电池故障不严重方向的指标,表示为正向指标)
对于负向指标(例如对评估电池故障严重方向的指标,表示为负向指标)
(3)计算第j综合状态量下第i因素占该指标的比重
(4)计算第j项指标的信息熵及熵冗余度
信息熵
熵的冗余度
dj=1-ej (19)
(5)故障权重系数
熵值法估算各指标的权重,其本质是利用该因素信息的价值系数来计算的,其价值系数越高,对评价的重要性就越大,这是一种客观赋权法,避免了人为因素带来的偏差。
基于模糊层次综合分析方法,利用信息熵赋权方法确定故障权重系数,确立了多级设备一体化故障诊断优先级,具体而言谁的权重大,谁就具有更高的优先级,则该故障就在故障树的上层,一层一层就建立起来了故障树。树的节点是相当于分类的属性或者原则不同,他就被分到不同的树枝。从而建立了多级设备一体化故障树。
建立故障树后,对于采集的运行状态信息,首先判断采集的电压、电流、温度、SOC信息是否符合预设的预警指标值,当符合时进行预警提示;同时根据电动汽车充电过程多级设备一体化故障树判断故障所在位置,例如,正常的电池放电时有一个电压范围,但是如果检测到的放电电压下降快、电压低,如单体电压≤2.5V且还在放电,充电电压上升快、电压高,如单体电压≥3.65V且还在充电,则根据故障树能定位到电池过放故障。
在步骤S3中,定位故障点后下发指令执行相应动作,当由采集到的故障信息被诊断为动力电池故障时,断开充电连接器,当由采集到的故障信息被诊断为充电桩故障时,切除充电桩开关,当由采集到的故障信息被诊断为配电网故障时,切除配电台区开关。
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。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (9)
1.一种电动汽车充电故障智能诊断系统,其特征在于,包括信息采集模块、故障判断模块和故障处理模块,所述信息采集模块用于获取动力电池、充电桩、供电设备的故障代码、通断状态信息以及运行状态信息,并发送至故障判断模块;所述故障判断模块根据信息采集模块传递的信息判断故障所在位置,其中对于故障代码信息直接根据该故障代码的提示进行判断,对于通断状态信息根据是否收到此类信息进行判断,对于运行状态信息基于预先建立的电动汽车充电过程多级设备一体化故障树进行判断;所述故障处理模块根据故障判断模块的判断结果进行告警提示或切断相应供电电路。
2.根据权利要求1所述的电动汽车充电故障智能诊断系统,其特征在于,所述信息采集模块利用电池的BMS系统和充电桩控制器获取信息,其中故障代码包括电池故障代码、充电桩故障代码、配电网故障代码;通断状态信息包括电池与充电桩是否连接、充电桩与配电网是否连接,当BMS不能收到来自充电桩的报文时,表示未建立正常连接;运行状态信息包括电池的电压、电流、温度和SOC,充电桩的电压、电流、温度,以及配电网的电压、电流。
3.根据权利要求2所述的电动汽车充电故障智能诊断系统,其特征在于,所述故障判断模块基于运行状态信息进行故障诊断的过程如下:
对于采集的电压、电流、温度、SOC信息,故障判断模块首先判断采集的这些指标是否符合预设的预警指标值,当符合时下发指令指示故障处理模块进行预警提示;同时故障判断模块根据电动汽车充电过程多级设备一体化故障树判断故障所在位置,定位故障点后下发指令至故障处理模块执行相应动作,
其中所述电动汽车充电过程多级设备一体化故障树包括动力电池、充电设施和供电设施三个一级故障源,所述动力电池一级故障源下包括SOC降低、过充过放、过温、自燃四个二级故障源;所述充电设施一级故障源下包括机械故障、电气故障、软件故障、通信故障四个二级故障源;所述供电设施一级故障源下包括配电预警和配电故障两个二级故障源。
4.根据权利要求3所述的电动汽车充电故障智能诊断系统,其特征在于,所述故障处理模块包括预警提示单元和动作执行单元,所述预警提示单元用于根据预警指示以信息推送的方式进行故障指示,提醒维护人员进行查看和处理;当由采集到的故障信息被故障判断模块诊断为动力电池故障时,动作执行单元用于执行断开充电连接器,当由采集到的故障信息被故障判断模块诊断为充电桩故障时,动作执行单元用于执行切除充电桩开关,当由采集到的故障信息被故障判断模块诊断为配电网故障时,动作执行单元用于执行切除配电台区开关。
5.根据权利要求1所述的电动汽车充电故障智能诊断系统,其特征在于,还包括云端服务器,所述云端服务器用于存储各信息采集模块和故障判断模块所采集和处理过程中产生的信息,并记录故障处理模块的告警提示和执行动作,所存储和记录的信息用于大数据分析。
6.一种电动汽车充电故障智能诊断方法,其特征在于,所述方法包括以下步骤:
获取动力电池、充电桩、供电设备的故障代码、通断状态信息以及运行状态信息;
根据获取的信息判断故障所在位置,其中对于故障代码信息直接根据该故障代码的提示进行判断,对于通断状态信息根据是否收到此类信息进行判断,对于运行状态信息基于预先建立的电动汽车充电过程多级设备一体化故障树进行判断;
根据故障判断结果进行告警提示或执行切断相应供电电路的动作。
7.根据权利要求6所述的电动汽车充电故障智能诊断方法,其特征在于,所述电动汽车充电过程多级设备一体化故障树的建立方法如下:
收集动力电池、充电桩、配电网在充电过程中的历史故障信息,分析整理出各自的故障现象;
利用信息流模型来建立故障现象与故障结论之间的相关性,将上述故障现象作为评价因素,对其进行标准化处理消除量纲、数量级和因素类型的影响后,按照一定属性分类,利用单层次模糊分析对每一类因素进行综合评价,然后再对各类评估结果进行多层次综合评估,利用信息熵赋权方法确定各故障权重系数,确立多级设备一体化故障诊断优先级,从而建立多级设备一体化故障树。
8.根据权利要求7所述的电动汽车充电故障智能诊断方法,其特征在于,所述动力电池故障现象包括电池组容量降低、充电电压过高、电池组充不进电、放电电压低、自放电大、局部高温、单体电压一致性差、电池打弧击穿、单体电池损坏;充电桩故障现象包括充电枪故障、充电机程序判别异常、BMS报告异常、充电机内部通信故障、电压电流故障、与BMS通信终端故障、电子锁分合故障、过温故障、充电模块机械故障;配电网故障包括发电机故障、变压器故障和输电线故障。
9.根据权利要求6所述的电动汽车充电故障智能诊断方法,其特征在于,所述运行状态信息包括电池的电压、电流、温度和SOC,充电桩的电压、电流、温度,以及配电网的电压、电流,所述基于预先建立的电动汽车充电过程多级设备一体化故障树进行判断过程如下:首先判断采集的电压、电流、温度、SOC信息是否符合预设的预警指标值,当符合时进行预警提示;同时根据电动汽车充电过程多级设备一体化故障树判断故障所在位置,定位故障点后下发指令执行相应动作,当由采集到的故障信息被诊断为动力电池故障时,断开充电连接器,当由采集到的故障信息被诊断为充电桩故障时,切除充电桩开关,当由采集到的故障信息被诊断为配电网故障时,切除配电台区开关。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911291762.0A CN111038291B (zh) | 2019-12-16 | 2019-12-16 | 一种电动汽车充电故障智能诊断系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911291762.0A CN111038291B (zh) | 2019-12-16 | 2019-12-16 | 一种电动汽车充电故障智能诊断系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111038291A true CN111038291A (zh) | 2020-04-21 |
CN111038291B CN111038291B (zh) | 2021-06-11 |
Family
ID=70236527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911291762.0A Active CN111038291B (zh) | 2019-12-16 | 2019-12-16 | 一种电动汽车充电故障智能诊断系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111038291B (zh) |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111490576A (zh) * | 2020-05-07 | 2020-08-04 | 广东电网有限责任公司广州供电局 | 一种适用于需求响应的充电站功率调配方法 |
CN111619399A (zh) * | 2020-06-10 | 2020-09-04 | 国网浙江电动汽车服务有限公司 | 基于电动汽车充电桩管理平台的动力电池安全评估装置 |
CN111983466A (zh) * | 2020-08-24 | 2020-11-24 | 哈尔滨市新量能电气技术有限公司 | 一种基于电压和温度特性的锂电池安全度估算方法及装置 |
CN112193112A (zh) * | 2020-10-16 | 2021-01-08 | 安徽继远软件有限公司 | 一种电动汽车充电场站充电桩智能管理方法及装置 |
CN112396358A (zh) * | 2021-01-18 | 2021-02-23 | 西南交通大学 | 基于熵算法改进的云模型和故障树古建筑风险分析方法 |
CN112428863A (zh) * | 2020-11-25 | 2021-03-02 | 中国第一汽车股份有限公司 | 充电系统故障的定位方法 |
CN112434826A (zh) * | 2020-11-13 | 2021-03-02 | 国网天津市电力公司营销服务中心 | 一种充电桩充电设施运维故障智能分析与预警系统 |
CN112445945A (zh) * | 2020-11-27 | 2021-03-05 | 杭州奥能电源设备有限公司 | 一种充电桩终端设备管理系统及管理方法 |
CN112572219A (zh) * | 2020-12-09 | 2021-03-30 | 广东劲天科技有限公司 | 基于saas模式的充电过程安全防护方法及系统、存储介质 |
CN112881933A (zh) * | 2021-01-04 | 2021-06-01 | 国网山东省电力公司泰安供电公司 | 一种充电桩充电模块检测设备 |
CN113002349A (zh) * | 2021-02-22 | 2021-06-22 | 福建星云电子股份有限公司 | 一种电动汽车充电故障诊断方法及系统 |
CN113022356A (zh) * | 2021-03-09 | 2021-06-25 | 开迈斯新能源科技有限公司 | 充电安全管理系统 |
CN113104061A (zh) * | 2021-03-29 | 2021-07-13 | 中车青岛四方机车车辆股份有限公司 | 轨道车辆故障处理方法、系统及轨道车辆 |
CN113175947A (zh) * | 2021-03-24 | 2021-07-27 | 北京中电飞华通信有限公司 | 充电站异常预警的方法、智能运维网关及预警系统 |
CN113276718A (zh) * | 2021-04-28 | 2021-08-20 | 国网上海市电力公司 | 一种基于深度学习技术的电动汽车充电桩故障预测方法 |
CN113415165A (zh) * | 2021-06-30 | 2021-09-21 | 中国第一汽车股份有限公司 | 一种故障诊断方法、装置、电子设备及存储介质 |
CN113467422A (zh) * | 2021-06-30 | 2021-10-01 | 度普(苏州)新能源科技有限公司 | 充电桩的诊断方法、诊断装置以及充电桩系统 |
CN113459867A (zh) * | 2021-07-19 | 2021-10-01 | 青岛科技大学 | 基于自适应深度置信网络的电动汽车充电过程故障预警方法 |
CN113567874A (zh) * | 2021-06-08 | 2021-10-29 | 北京科技大学 | 动力电池安全状态的监控检测方法及装置 |
CN113696794A (zh) * | 2021-08-27 | 2021-11-26 | 南京邮电大学 | 一种用于新能源汽车用燃料电池冷却的降温系统 |
CN113879147A (zh) * | 2021-11-03 | 2022-01-04 | 长春捷翼汽车零部件有限公司 | 一种电动车辆充电装置的故障反馈方法、装置及设备 |
CN114019392A (zh) * | 2022-01-06 | 2022-02-08 | 苏州氢澜科技有限公司 | 一种燃料电池系统单片电压一致性和故障干预系统 |
CN114184867A (zh) * | 2021-12-10 | 2022-03-15 | 清湖光旭数据科技(北京)有限公司 | 一种基于深度学习的充电设施故障检测方法及系统 |
CN114394006A (zh) * | 2022-02-11 | 2022-04-26 | 湖北德普电气股份有限公司 | 一种新能源汽车充电故障快速诊断方法 |
CN114490836A (zh) * | 2022-04-15 | 2022-05-13 | 国网天津市电力公司电力科学研究院 | 一种适用于电动汽车充电故障的数据挖掘处理方法 |
CN114905996A (zh) * | 2022-06-02 | 2022-08-16 | 广州弘信信息科技有限公司 | 有序充电的电动汽车分体式充电桩 |
CN114954127A (zh) * | 2022-06-22 | 2022-08-30 | 合众新能源汽车有限公司 | 一种传导式直流快充在线诊断方法及其系统 |
CN115078863A (zh) * | 2022-05-20 | 2022-09-20 | 中国第一汽车股份有限公司 | 充电设备的故障诊断方法、装置和车辆 |
CN115891741A (zh) * | 2022-09-30 | 2023-04-04 | 南京邮电大学 | 一种适用于电动汽车充电过程的远程故障预警方法及装置 |
CN116257039A (zh) * | 2023-05-16 | 2023-06-13 | 江西五十铃汽车有限公司 | 基于大数据的车辆故障诊断分级处理方法和程序产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2711236A2 (en) * | 2012-09-25 | 2014-03-26 | Nissan Motor Manufacturing (UK) Ltd. | Fault detection system and method |
CN108649622A (zh) * | 2018-04-19 | 2018-10-12 | 南京邮电大学 | 一种电动汽车充电一体化安全预警保护方案 |
CN108995550A (zh) * | 2018-07-18 | 2018-12-14 | 北京智充科技有限公司 | 一种电动汽车充电数据的呈现方法及系统 |
-
2019
- 2019-12-16 CN CN201911291762.0A patent/CN111038291B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2711236A2 (en) * | 2012-09-25 | 2014-03-26 | Nissan Motor Manufacturing (UK) Ltd. | Fault detection system and method |
CN108649622A (zh) * | 2018-04-19 | 2018-10-12 | 南京邮电大学 | 一种电动汽车充电一体化安全预警保护方案 |
CN108995550A (zh) * | 2018-07-18 | 2018-12-14 | 北京智充科技有限公司 | 一种电动汽车充电数据的呈现方法及系统 |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111490576A (zh) * | 2020-05-07 | 2020-08-04 | 广东电网有限责任公司广州供电局 | 一种适用于需求响应的充电站功率调配方法 |
CN111619399A (zh) * | 2020-06-10 | 2020-09-04 | 国网浙江电动汽车服务有限公司 | 基于电动汽车充电桩管理平台的动力电池安全评估装置 |
CN111983466A (zh) * | 2020-08-24 | 2020-11-24 | 哈尔滨市新量能电气技术有限公司 | 一种基于电压和温度特性的锂电池安全度估算方法及装置 |
CN112193112A (zh) * | 2020-10-16 | 2021-01-08 | 安徽继远软件有限公司 | 一种电动汽车充电场站充电桩智能管理方法及装置 |
CN112434826A (zh) * | 2020-11-13 | 2021-03-02 | 国网天津市电力公司营销服务中心 | 一种充电桩充电设施运维故障智能分析与预警系统 |
CN112428863A (zh) * | 2020-11-25 | 2021-03-02 | 中国第一汽车股份有限公司 | 充电系统故障的定位方法 |
CN112445945A (zh) * | 2020-11-27 | 2021-03-05 | 杭州奥能电源设备有限公司 | 一种充电桩终端设备管理系统及管理方法 |
CN112572219A (zh) * | 2020-12-09 | 2021-03-30 | 广东劲天科技有限公司 | 基于saas模式的充电过程安全防护方法及系统、存储介质 |
CN112881933A (zh) * | 2021-01-04 | 2021-06-01 | 国网山东省电力公司泰安供电公司 | 一种充电桩充电模块检测设备 |
CN112396358A (zh) * | 2021-01-18 | 2021-02-23 | 西南交通大学 | 基于熵算法改进的云模型和故障树古建筑风险分析方法 |
CN113002349A (zh) * | 2021-02-22 | 2021-06-22 | 福建星云电子股份有限公司 | 一种电动汽车充电故障诊断方法及系统 |
CN113022356A (zh) * | 2021-03-09 | 2021-06-25 | 开迈斯新能源科技有限公司 | 充电安全管理系统 |
CN113022356B (zh) * | 2021-03-09 | 2022-09-30 | 开迈斯新能源科技有限公司 | 充电安全管理系统 |
CN113175947A (zh) * | 2021-03-24 | 2021-07-27 | 北京中电飞华通信有限公司 | 充电站异常预警的方法、智能运维网关及预警系统 |
CN113104061A (zh) * | 2021-03-29 | 2021-07-13 | 中车青岛四方机车车辆股份有限公司 | 轨道车辆故障处理方法、系统及轨道车辆 |
CN113276718A (zh) * | 2021-04-28 | 2021-08-20 | 国网上海市电力公司 | 一种基于深度学习技术的电动汽车充电桩故障预测方法 |
CN113567874A (zh) * | 2021-06-08 | 2021-10-29 | 北京科技大学 | 动力电池安全状态的监控检测方法及装置 |
CN113567874B (zh) * | 2021-06-08 | 2022-07-12 | 北京科技大学 | 动力电池安全状态的监控检测方法及装置 |
CN113415165A (zh) * | 2021-06-30 | 2021-09-21 | 中国第一汽车股份有限公司 | 一种故障诊断方法、装置、电子设备及存储介质 |
CN113467422A (zh) * | 2021-06-30 | 2021-10-01 | 度普(苏州)新能源科技有限公司 | 充电桩的诊断方法、诊断装置以及充电桩系统 |
CN113415165B (zh) * | 2021-06-30 | 2022-01-18 | 中国第一汽车股份有限公司 | 一种故障诊断方法、装置、电子设备及存储介质 |
CN113459867A (zh) * | 2021-07-19 | 2021-10-01 | 青岛科技大学 | 基于自适应深度置信网络的电动汽车充电过程故障预警方法 |
CN113696794A (zh) * | 2021-08-27 | 2021-11-26 | 南京邮电大学 | 一种用于新能源汽车用燃料电池冷却的降温系统 |
CN113696794B (zh) * | 2021-08-27 | 2022-07-08 | 南京邮电大学 | 一种用于新能源汽车用燃料电池冷却的降温系统 |
CN113879147A (zh) * | 2021-11-03 | 2022-01-04 | 长春捷翼汽车零部件有限公司 | 一种电动车辆充电装置的故障反馈方法、装置及设备 |
WO2023078303A1 (zh) * | 2021-11-03 | 2023-05-11 | 长春捷翼汽车科技股份有限公司 | 一种电动车辆充电装置的故障反馈方法、装置及设备 |
CN114184867A (zh) * | 2021-12-10 | 2022-03-15 | 清湖光旭数据科技(北京)有限公司 | 一种基于深度学习的充电设施故障检测方法及系统 |
CN114019392A (zh) * | 2022-01-06 | 2022-02-08 | 苏州氢澜科技有限公司 | 一种燃料电池系统单片电压一致性和故障干预系统 |
CN114019392B (zh) * | 2022-01-06 | 2022-04-08 | 苏州氢澜科技有限公司 | 一种燃料电池系统单片电压一致性和故障干预系统 |
CN114394006B (zh) * | 2022-02-11 | 2024-01-30 | 湖北德普电气股份有限公司 | 一种新能源汽车充电故障快速诊断方法 |
CN114394006A (zh) * | 2022-02-11 | 2022-04-26 | 湖北德普电气股份有限公司 | 一种新能源汽车充电故障快速诊断方法 |
CN114490836A (zh) * | 2022-04-15 | 2022-05-13 | 国网天津市电力公司电力科学研究院 | 一种适用于电动汽车充电故障的数据挖掘处理方法 |
CN115078863A (zh) * | 2022-05-20 | 2022-09-20 | 中国第一汽车股份有限公司 | 充电设备的故障诊断方法、装置和车辆 |
CN114905996B (zh) * | 2022-06-02 | 2023-02-28 | 广州弘信信息科技有限公司 | 有序充电的电动汽车分体式充电桩 |
CN114905996A (zh) * | 2022-06-02 | 2022-08-16 | 广州弘信信息科技有限公司 | 有序充电的电动汽车分体式充电桩 |
CN114954127A (zh) * | 2022-06-22 | 2022-08-30 | 合众新能源汽车有限公司 | 一种传导式直流快充在线诊断方法及其系统 |
CN114954127B (zh) * | 2022-06-22 | 2023-12-05 | 合众新能源汽车股份有限公司 | 一种传导式直流快充在线诊断方法及其系统 |
CN115891741A (zh) * | 2022-09-30 | 2023-04-04 | 南京邮电大学 | 一种适用于电动汽车充电过程的远程故障预警方法及装置 |
CN115891741B (zh) * | 2022-09-30 | 2023-09-22 | 南京邮电大学 | 一种适用于电动汽车充电过程的远程故障预警方法及装置 |
CN116257039A (zh) * | 2023-05-16 | 2023-06-13 | 江西五十铃汽车有限公司 | 基于大数据的车辆故障诊断分级处理方法和程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN111038291B (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111038291B (zh) | 一种电动汽车充电故障智能诊断系统及方法 | |
CN103475059B (zh) | 多路输出协调控制电动汽车一体化充电机监控系统及方法 | |
US20230207905A1 (en) | Method and apparatus for dynamic management and control of lithium battery energy storage system, and electronic device therewith | |
CN101577438B (zh) | 基于远程监控平台的大容量后备电源的维护方法所用设备 | |
CN110707804B (zh) | 一种具有在线测试功能的储能备电装置及测试方法 | |
CN104331042B (zh) | 水电厂计算机监控系统的状态评价方法 | |
CN108674191A (zh) | 电动汽车故障诊断方法、装置和电动汽车 | |
CN104297691A (zh) | 电池组健康状态诊断系统和方法 | |
CN111799828A (zh) | 储能运行控制方法和装置 | |
CN111277008A (zh) | 蓄电池在线监控方法及其装置、设备、系统和存储介质 | |
CN108649622A (zh) | 一种电动汽车充电一体化安全预警保护方案 | |
CN114755518A (zh) | 一种储能系统控制逻辑的测试方法及测试平台 | |
CN114548809A (zh) | 一种电力储能系统管理方法及系统 | |
CN114204626B (zh) | 充电控制方法及相关设备 | |
CN117078113A (zh) | 一种基于数据分析的户外电池生产质量管理系统 | |
CN107742905A (zh) | 通讯基站后备能源系统及其管理方法 | |
CN111049131A (zh) | 一种地区电网在线故障处置预案生成方法及系统 | |
CN106501734A (zh) | 电池管理系统的电压采集故障处理方法及装置 | |
CN107768748A (zh) | 通讯基站移动能源调度方法及其调度系统 | |
CN112418638A (zh) | 站用直流电源系统运维风险的预警系统及预警方法 | |
CN116756966A (zh) | 一种电网故障预警方法、系统、终端设备及存储介质 | |
Wei et al. | Research on comprehensive evaluation of electric vehicle charging failures | |
CN117096976A (zh) | 铅酸电池电量监控系统、方法、电子设备和存储介质 | |
CN111525647A (zh) | 基于退役动力电芯模组再利用的储能电站及充、放电方法 | |
CN116794540A (zh) | 一种电池性能预判方法、装置及存储介质 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200421 Assignee: NANJING DAQO AUTOMATION TECHNOLOGY Co.,Ltd. Assignor: NANJING University OF POSTS AND TELECOMMUNICATIONS Contract record no.: X2022320000090 Denomination of invention: An intelligent diagnosis system and method for electric vehicle charging fault Granted publication date: 20210611 License type: Common License Record date: 20220607 |