CN111461475A - 一种电动汽车充电设备性能状态评价方法 - Google Patents

Abstract

本发明为了适应电动汽车充电设备现场高效运行维护的需求，综合考虑评估要素和评价指标，设计了充电设备现场运维的状态评价体系，提供了一种用于电动汽车充电设备性能状态的评价方法，量化了充电设备性能状态。根据充电设备类型的不同选取评级指标体系，首先将层次分析法和熵权法联合确定各指标的综合权重，进而应用模糊综合评判对充电设备性能进行评分得出充电设备健康状态的评价值。根据状态评价结果，明确充电设备的健康水平，为制订充电设备的运行维护方案提供依据，从而，提高充电设备现场运维效率，保障充电设备安全可靠运行。

Description

一种电动汽车充电设备性能状态评价方法

技术领域

本发明涉及电动汽车充电设备检测技术领域，特别涉及一种用于电动汽车充电设备性能状态的评价方法。

背景技术

当今化石能源危机不断加剧和生态环境不断恶化，采用新的能源方式替代燃油车以减少大气污染越发显得十分必要。电动汽车将电能转化为机械动力环保节能，实现了汽车尾气零排放的突破，成为当下许多人新一代的代步工具，其发展前景广阔并有取代燃油车的趋势。充换电设备作为和其配套的基础设施，与电动汽车的发展相辅相成，其安全、可靠、便捷的运行方式是维持电动汽车可持续发展的基础。

随着我国电动汽车的规模化发展，电动汽车充电设备也如雨后春笋般壮大起来，在此背景下我国电动汽车充电设备监测评估体系还不够完善。现如今由于不能对充电设备性能指标异常做出及时的处理而引发的充电事故时有发生。因此，如何提供一种用于电动汽车充电设备性能状态的评价方法，对充电设备存在的问题做到及时、准确的发现并应用于现场运维，保障充电设备安全可靠运行，是本领域技术人员亟待解决的技术问题。

发明内容

鉴于此，本发明提出一种用于电动汽车充电设备性能状态的评价方法，能够及时发现充电设备缺陷并为充电设备的现场运维提供依据，保障充电设备的安全可靠运行，具体技术方案如下。

一种用于电动汽车充电设备性能状态评价方法，其特征在于构建了一种电动汽车充电设备性能状态评价指标体系，采用层次分析法与熵值法确定综合权重，并运用模糊综合评判法对充电设备进行评价，根据评价结果可行迅速对充电设备性能状态做出判断并为现场运维提供依据。

本发明提供电动汽车充电设备性能状态评价指标体系，包括评价目标层、评价准则层以及评价指标层；

所述的评价目标层，对充电设备性能状态进行评估，用户可以根据评估结果判断充电设备的性能状态；

所述的评价准则层，用户根据具体的充电设备类型，选择所需的能够反映充电设备性能状态的性能指标；

所述的评价指标层，根据充电设备确定的性能指标，选择所需的能够反映充电设备性能状态的评价指标，评价指标包括定性指标和定量指标。

所述的评估结果采用百分制的方式进行管理，即分值的取值范围为0-100分，将60分做为故障的阈值，满分100分作为对充电设备状态评分。具体细分可表述为：评价结果在90-100区间内，表示充电设备处于“良好状态”；评价结果在80-90区间内，表示充电设备处于“正常状态”；评价结果在70-80区间内，表示充电设备处于“注意状态”；评价结果在60-70区间内，表示充电设备处于“异常状态”；评价结果在0-60区间内，表示充电设备处于“故障或不可用状态”。

所述的电动汽车充电设备性能状态评价指标体系中具体性能指标包括一般性能、电气性能、安全性能。

所述的电动汽车充电设备评价指标体系中的定性指标是一种开关量，根据指标状态是否满足测量或实验要求做出判断，如果满足则为1，否则为0；定量指标是评价指标满足数值要求，采用分段函数的模式进行评分。

电动汽车充电设备性能状态评价方法，主要步骤如下：

第一步，选择具体准则层性能指标。用户根据充电设备的类型，选择反映充电设备性能的具体性能指标；

第二步，选择具体的评价指标。根据选取的充电设备性能指标，选择反映充电机性能的评价指标，这包括定性指标和定量指标；

第三步，采集数据。根据第二步所确立的评价指标，采集充电设备对应指标的测试数据；

第四步，统一评价指标值。根据第二步所确定的定性指标和定量指标，将其量化；

第五步，确定主观权重。根据第一步和第二步所确定的性能指标和评价指标，采用层次分析法确定出各指标的主观权重；

第六步，确定客观权重。根据第一步和第二步所确定的指标和第四步指标的量化值，采用熵权法确定指标的客观权重；

第七部，确定综合权重。根据第五步和第六步得到的主观权重和客观权重值，通过权重组合，得出充电设备指标的综合权重；

第八步，确定评价指标模糊评分矩阵。选取评语集衡量电动汽车充电设备的性能水平，确立评价指标的隶属函数，根据第四步得到的评分值带入所述的隶属函数得到的模糊评分矩阵。所述的模糊评分矩阵中的行数表示评价指标量个数，列向量表示各指标的在评语集中的隶属度。所述的评语集为“良好、正常、注意、异常、故障”五种状态，充电设备的评价结果采用百分制，评价结果在90-100区间内，表示充电设备处于“良好状态”；评价结果在80-90 区间内，表示充电设备处于“正常状态”；评价结果在70-80区间内，表示充电设备处于“注意状态”；评价结果在60-70区间内，表示充电设备处于“异常状态”；评价结果在0-60区间内，表示充电设备处于“故障或不可用状态”；

第九步，确定评价指标的模糊综合评价向量。将第八步得到评价指标的模糊评分矩阵和第七步得出的综合权重进行模糊综合评判，得出的模糊综合评价向量即为性能指标的隶属度；所述的模糊综合评判方法为评价指标的综合权重与模糊评分矩阵的乘积。

第十步，得出评价结果。首先将第九步得出的性能指标层的模糊评价向量组合形成评价准则层的模糊评分矩阵，其次将模糊评分矩阵和准则层的综合权重进行模糊综合评判得到目标层充电设备的评语集隶属度向量，最后将充电设备的评语集向量进行反模糊运算得出充电设备性能状况的得分。所述的模糊评分矩阵的行对应准则层指标，列对应指标的在评语集中的隶属度。

第四步中所述定量指标的量化采用各指标给出的线性分段函数模型进行量化。

第四步中所述的定性指标量化过程为：y＝100*x，其中x为评价指标量化前的原始值， y为指标量化后的得分。

第七部所述的综合权重组合计算过程为：a_j＝δq_i+(1-δ)w_i，其中其中，q_i是评价指标的主观权重，w_i是评价指标的客观权重，δ是评价指标的主观权重的偏好系数。0≤δ≤1，此处取δ＝0.5，即充电机各指标的综合权重为主观权重和客观权重的算术平均值。

第十步中所述指标评语中个评价等级的隶属度计算公式为：

其中，μ^k(x)含义为评语为k的隶属函数，k＝{1，2，3，4，5}分别表示评语为良好、正常、注意、异常、故障的五个等级。

第十步中所述的反模糊化计算过程为：其中，反模糊化的计算公式为：

v₂＝10×(x+5.5)

v₃＝10×(x+6.5)

v₄＝10×(x+7.5)

v₅＝15x+85

其中v₁，v₂，v₃，v₄，v₅，此处x为评语集B_T中的隶属度元素为充电设备状态对应于评语等级“故障、异常、注意、异常、正常”的隶属度，构成V_T，将B_T与V_T运算得出充电机的综合评分F，其运算公式为：

附图说明

图1本发明电动汽车充电设备性能状态评价体系示意图；

图2本发明电动汽车充电设备性能状态评价方法的流程图；

图3本发明具体实施例充电机的评价示意图。

具体实施方式

为了审查员更好的了解本发明的技术特征、技术内容及达到的技术效果，下面结合附图进行更详细的说明。

在图1中，电动汽车充电设备性能状态评价体系包括：评价目标层、评价准则层以及评价指标层。

所述评价目标层，对充电设备进行评价，用户根据设备评价结果得分判断充电设备性能水平；

所述的评价准则层，用户根据具体的充电设备类型，选择所需的能够反映充电设备性能状态的性能指标；

所述的评价指标层，根据充电设备确定的性能指标，选择所需的能够反映充电设备性能状态的评价指标，评价指标包括定性指标和定量指标。

所述的评价结果采用百分制的方式进行量化，即指标得分值的取值范围为0-100分，将60分作为故障阈值，满分100分作为对充电机最佳状态评分。具体细分可表述为：评价结果在90-100区间内，表示充电设备性能状态处于“良好状态”；评价结果在80-90区间内，表示充电设备性能状态处于“正常状态”；评价结果在70-80区间内，表示充电设备性能状态处于“注意状态”；评价结果在60-70区间内，表示充电设备性能状态处于“异常状态”；评价结果在0-60区间内，表示充电设备性能状态处于“故障或不可用状态”。

所述的评价准则层指标包括一般性能、电气性能以及安全性能。

所述的定性指标是一种开关量，根据指标状态是否满足测量或实验要求做出判断，如果满足则为1，否则为0；定量指标是评价指标量满足数值要求，采用线性分段函数的模式进行评分。

图2为本发明评价方法流程，本发明提供的评价方法具体步骤如下：

第一步，选择具体性能指标。用户根据充电设备的类型，选择反映充电设备性能状态的具体性能指标；

第二步，选择具体的评价指标。根据选取的充电设备性能状态指标，选择反映充电机性能的评价指标，这包括定性指标和定量指标；

第三步，采集数据。根据第二步所确立的评价指标，采集充电设备对应指标的测试数据；

第四步，量化指标值。根据第二步所确定的定性指标和定量指标，将其量化；

所述的定量指标量化依据对应的线性分段函数确定，各指标评分对应的评分函数如下：

稳压精度得分和精度值满足分段函数

其中，x为稳压精度的百分比即充电机稳压精度为x％，y为量化后的评分值。

稳流精度得分和精度值满足分段函数

其中，x为稳流精度的百分比即充电机稳流精度为x％，y为量化后的评分值。

纹波系数得分和精度值满足分段函数

其中，x为纹波系数百分比即充电机稳压精度为x％，y为量化后的评分值。

输出电压整定误差得分和精度值满足分段函数

其中，x为输出电压整定误差的百分比即充电机稳压精度为x％，y为量化后的评分值。

输出电流整定误差得分和精度值满足分段函数

其中，x为输出电流整定误差的百分比即充电机稳流精度为x％，y为量化后的评分值。

效率得分和精度值满足分段函数

际值，y为量化后的评分值

功率因数得分和精度值满足分段函数

其中，x为功率因数实际值，y为量化后的评分值。

所述的定性指标量化过程为：y＝100*x，其中，x为指标测量的原始数据，y为量化后的评分值。

第五步，确定主观权重。根据第一步和第二步所确定的性能指标和评价指标，采用层次分析法确定出各指标的主观权重Q；

第六步，确定客观权重。根据第一步和第二步所确定的指标和第四步指标的量化值，采用熵权法确定指标的客观权重W；

第七部，确定综合权重。根据第五步和第六步得到的主观权重和客观权重值，分别计算各指标主观权重和客观权重的算术平均值，即为指标的综合权重A；

综合权重计算公式a_j＝δq_i+(1-δ)w_i

其中，δ取值为0.5，表示主观权重的偏好系数。

第八步，确定评价指标模糊评分矩阵。选取评语集衡量电动汽车充电设备的性能水平，根据第四步得到的评分值带入隶属函数得到的模糊评分矩阵。所述的模糊评分矩阵中的行数表示评价指标量个数，列向量表示各指标的在评语集中的隶属度。

所述的评语集为“良好、正常、注意、异常、故障”五种状态，充电设备的评价结果采用百分制，评价结果在90-100区间内，表示充电设备性能状态处于“良好状态”；评价结果在80-90区间内，表示充电设备性能状态处于“正常状态”；评价结果在70-80区间内，表示充电设备性能状态处于“注意状态”；评价结果在60-70区间内，表示充电设备性能状态处于“异常状态”；评价结果在0-60区间内，表示充电设备性能状态处于“故障或不可用状态”；

所述指标评语中个评价等级的隶属度计算过程：

其中，μ^k(x)含义为评价指标对应于评语为k的隶属度，k＝{1，2，3，4，5}分别表示评语为良好、正常、注意、异常、故障的五个等级。

第九步，确定评价指标的模糊综合评价向量。将第八步得到评价指标的模糊评分矩阵和第七步得出的综合权重进行评价指标的模糊综合评判，得出的模糊综合评价向量即为准则层性能指标的隶属度；

所述的模糊综合评判方法为评价指标的综合权重与模糊评分矩阵的乘积，计算公式为：

其中，“。”为模糊算子符号，本运算选择乘积算子；由上式得出的B₁、B₂、B₃为准则层性能指标评价等级的隶属度。将模糊评价向量B₁、B₂、B₃组合得到评价准则层的模糊评分矩阵R_T，将模糊评分矩阵R_T和准则层的综合权重A_T进行模糊综合评判得到目标层充电设备性能状态的评语集隶属度向量B_T。

第十步，计算充电设备综合评分。将充电设备性能状态的评语集向量B_T进行反模糊运算得出充电设备性能状况的得分。

所述反模糊运算计算过程的反模糊化的计算公式为

v₂＝10×(x+5.5)

v₃＝10×(x+6.5)

v₄＝10×(x+7.5)

v₅＝15x+85

其中v₁，v₂，v₃，v₄，v₅，此处x为评语集B_T中的隶属度元素为充电设备性能状态对应于评语等级“故障、异常、注意、异常、正常”的隶属度，构成V_T，利用公式

计算出充电机得分F。

图3为实施例充电机的评价体系示意图，以下以充电机性能状态为例具体说明本发明公开的充电设备性能状态评价体系：充电机的评价体系中评价目标层为充电机性能状态，其中准则层充电机性能主要包括一般性能、电气性能、安全性能；充电机的评价指标层包括外观状况、IP防护等级、噪声指数、稳压精度、稳流精度、输出电压误差、输出电流误差、纹波系数、充电机效率、功率因数、输入过压保护、输入欠压保护、输出过压保护、输出过流保护、限压特性、限流特性、安全告警以及绝缘等级。其中外观状况、IP防护等级、噪声指数属于评价指标层的一般性能；稳流精度、稳压精度、输出电压误差、输出电流误差、纹波系数、充电机效率以及功率因数属于评价指标层的电气性能；其中输入过压保护、输入欠压保护、输出电压保护输出电流保护、限压特性、限流特性、安全告警、以及绝缘等级属于准则层的安全性能。

本说明所描述的以上内容仅是对本发明所做的举例说明。本发明所述技术领域的技术人员可以对所描述的具体实施例做各种修改或补充或采用类似的方式替代，只要不偏离本发明说明书的内容或者超越本权利要求书所定义的范围，均应属于本发明保护的范围。

Claims (10)

1.一种电动汽车充电设备性能状态评价指标体系，其特征在于：包括评价目标层、评价准则层以及评价指标层；

所述的评价目标层，对充电设备性能状态进行评估，用户可以根据评估结果判断充电设备的性能状态；

所述的评价准则层，用户根据具体的充电设备类型，选择所需的能够反映充电设备性能状态的性能指标；

所述的评价指标层，根据充电设备确定的性能指标，选择所需的能够反映充电设备性能状态的评价指标，评价指标包括定性指标和定量指标。

2.根据权利要求1所述的电动汽车充电设备性能状态评价指标体系，其特征在于：由电动汽车充电设备性能状态评价方法得出的评估结果采用百分制的方式进行管理，即分值的取值范围为0-100分，将60分做为故障的阈值，满分100分作为对充电机的状态评分。具体细分可表述为：评价结果在90-100区间内，表示充电设备处于“良好状态”；评价结果在80-90区间内，表示充电设备处于“正常状态”；评价结果在70-80区间内，表示充电设备处于“注意状态”；评价结果在60-70区间内，表示充电设备处于“异常状态”；评价结果在0-60区间内，表示充电设备处于“故障或不可用状态”。

3.根据权利要求1所述的电动汽车充电设备性能状态评价指标体系，其特征在于：所述的具体性能指标包括一般性能、电气性能、安全性能。

4.根据权利要求1所述的电动汽车充电设备性能状态评价指标体系，其特征在于：所述的定性指标是一种开关量，根据指标状态是否满足测量或实验要求作出判断，如果满足则为1，否则为0；所述定量指标是评价指标满足数值要求，采用分段函数的模式进行评分。

5.根据权利要求2所述的电动汽车充电设备性能状态评价指标体系，其特征在于：电动汽车充电设备性能状态评价方法主要步骤如下：

第一步，选择具体准则层性能指标。用户根据充电设备的类型，选择反映充电设备的具体性能指标；

第二步，选择具体的评价指标。根据选取的充电设备性能指标，选择反映充电机性能的评价指标，这包括定性指标和定量指标；

第三步，采集数据。根据第二步所确立的评价指标，采集充电设备对应指标的测试数据；

第四步，统一评价指标值。根据第二步所确定的定性指标和定量指标，将其量化；

第五步，确定主观权重。根据第一步和第二步所确定的性能指标和评价指标，采用层次分析法确定出各指标的主观权重；

第六步，确定客观权重。根据第一步和第二步所确定的指标和第四步指标的量化值，采用熵权法确定指标的客观权重；

第七部，确定指标综合权重。根据第五步和第六步得到的主观权重和客观权重值，通过权重组合，得出充电设备指标的综合权重；

第八步，确定评价指标模糊评分矩阵。选取评语集衡量电动汽车充电设备的性能水平，确立评价指标的隶属函数，根据第四步得到的评分值带入所述的隶属函数得到的模糊评分矩阵。所述的模糊评分矩阵中的行数表示评价指标量个数，列向量表示各指标的在评语集中的隶属度。所述的评语集为“良好、正常、注意、异常、故障”五种状态，充电设备的评价结果采用百分制，评价结果在90-100区间内，表示充电设备处于“良好状态”；评价结果在80-90区间内，表示充电设备处于“正常状态”；评价结果在70-80区间内，表示充电设备处于“注意状态”；评价结果在60-70区间内，表示充电设备处于“异常状态”；评价结果在0-60区间内，表示充电设备处于“故障或不可用状态”；

第九步，确定评价指标的模糊综合评价向量。将第八步得到评价指标的模糊评分矩阵和第七步得出的综合权重进二者进行模糊综合评判运算，得出的模糊综合评价向量即为指标的隶属度；所述的模糊综合评判方法为评价指标的综合权重与模糊评分矩阵的乘积。

第十步，得出评价结果。首先将第九步得出的性能指标层的模糊评价向量组合形成评价准则层的模糊评分矩阵，其次将模糊评分矩阵和准则层的综合权重进行模糊综合评判得到目标层充电设备的评语集隶属度向量，最后将充电设备的评语集向量进行反模糊运算得出充电设备性能状况的得分。所述的模糊评分矩阵的行对应准则层指标，列对应指标的在评语集中的隶属度。

6.根据权利要求5所述电动汽车充电设备性能状态的评价方法，其特征在于：第四步中所述定量指标的量化采用各指标给出的线性分段函数模型进行量化。

7.根据权利要求5所述电动汽车充电设备性能状态的评价方法，其特征在于：第四步中所述的定性指标量化过程为：y＝100*x，其中x为评价指标量化前的原始值，y为指标量化后的得分。

8.根据权利要求5所述电动汽车充电设备性能状态的评价方法，其特征在于：第七步所述的综合权重组合计算过程为：a_j＝δq_i+(1-δ)w_i，其中q_i是评价指标的主观权重，w_i是评价指标的客观权重，δ是评价指标的主观权重的偏好系数。0≤δ≤1，此处取δ＝0.5，即充电机各指标的综合权重为主观权重和客观权重的算术平均值。

9.根据权利要求5所述电动汽车充电设备性能状态的评价方法，其特征在于：第十步中所述指标评语中评价等级的隶属度计算公式为：

其中，μ^k(x)含义为评语为k的隶属函数，k＝{1，2，3，4，5}分别表示评语为良好、正常、注意、异常、故障的五个等级。

10.根据权利要求5所述电动汽车充电设备性能状态的评价方法，其特征在于：第十步中所述的反模糊化计算过程中，反模糊化的计算公式为

v₂＝10×(x+5.5)

v₃＝10×(x+6.5)

v₄＝10×(x+7.5)

v₅＝15x+85

其中v₁，v₂，v₃，v₄，v₅，此处x为评语集B_T中的隶属度元素为充电设备状态对应于评语等级“故障、异常、注意、正常、良好”的隶属度，构成V_T，将B_T与V_T运算得出充电机的综合评分F，其运算公式为：

Images