CN116215293B - 一种电动汽车充电桩运行状态预测方法及装置 - Google Patents
一种电动汽车充电桩运行状态预测方法及装置 Download PDFInfo
- Publication number
- CN116215293B CN116215293B CN202310505808.4A CN202310505808A CN116215293B CN 116215293 B CN116215293 B CN 116215293B CN 202310505808 A CN202310505808 A CN 202310505808A CN 116215293 B CN116215293 B CN 116215293B
- Authority
- CN
- China
- Prior art keywords
- temperature
- effect coefficient
- trend
- matrix
- charging pile
- 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
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
- B60L53/30—Constructional details of charging stations
- B60L53/31—Charging columns specially adapted for electric vehicles
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本申请公开了一种电动汽车充电桩运行状态预测方法及装置,方法包括:获取充电桩内部温度和环境温度的历史监测数据,并构建温度监测矩阵;基于时空尺度归一化的方式将温度监测矩阵转换为判断矩阵;根据判断矩阵计算温度趋势综合因素,并基于温度趋势综合因素确定温度趋势效应系数;根据判断矩阵计算温度累积相关参数,并基于温度累积相关参数确定温度累积效应系数;根据温度趋势效应系数和温度累积效应系数对充电桩的运行状态进行预测,得到状态预测结果,若状态预测结果为异常状态,则触发报警。本申请能解决现有技术都是针对充电桩事后表征进行状态监测,无法实现提前预警避免故障发生的技术问题。
Description
技术领域
本申请涉及电动汽车技术领域,尤其涉及一种电动汽车充电桩运行状态预测方法及装置。
背景技术
汽车领域作为化石能源消耗的重点领域。器件作为第三代半导体器件,是支撑电动汽车灵活取能的关键,更是制约电动汽车走向更大通勤范围的核心,但在对电动汽车进行充电时,器件产生的温升会对其寿命产生严重的影响,甚至会出现器件自燃,导致火灾发生。
现有通过红外成像技术产生的热成像图仅能从整体上反映充电桩和电动汽车的温度场分布特性,无法覆盖到器件层面。通过充电桩内部温度与预设告警温度之间的大小关系进行充电桩内部温度控制方法,其重点效用在于预警器件处于高温工作的状态,同时这种“是与否”的二值化判断方法效能偏低,属于事后表征。这些方法都不能预先掌握充电桩的工作状态,在异常情况来临之前及时报警,并及时处理,无法适用于实际场景中。
发明内容
本申请提供了一种电动汽车充电桩运行状态预测方法及装置,用于解决现有技术都是针对充电桩事后表征进行状态监测,无法实现提前预警避免故障发生的技术问题。
有鉴于此,本申请第一方面提供了一种电动汽车充电桩运行状态预测方法,包括:
获取充电桩内部温度和环境温度的历史监测数据,并构建温度监测矩阵;
基于时空尺度归一化的方式将所述温度监测矩阵转换为判断矩阵;
根据所述判断矩阵计算温度趋势综合因素,并基于所述温度趋势综合因素确定温度趋势效应系数,所述温度趋势综合因素包括平均变化速度、峰值偏移基准程度和定基发展速度;
根据所述判断矩阵计算温度累积相关参数,并基于所述温度累积相关参数确定温度累积效应系数,所述温度累积相关参数包括基准值和观测值;
根据所述温度趋势效应系数和所述温度累积效应系数对充电桩的运行状态进行预测,得到状态预测结果,若所述状态预测结果为异常状态,则触发报警。
优选地,所述基于时空尺度归一化的方式将所述温度监测矩阵转换为判断矩阵,包括:
对所述温度监测矩阵进行空间尺度的归一化处理,得到空间归一化矩阵;
对所述空间归一化矩阵进行时间尺度的归一化处理,得到判断矩阵。
优选地,所述根据所述判断矩阵计算温度趋势综合因素,并基于所述温度趋势综合因素确定温度趋势效应系数,包括:
根据所述判断矩阵的前预置列和剩余列分别计算平均变化速度的比值、峰值偏移基准程度的比值和定基发展速度的比值;
基于所述平均变化速度的比值、所述峰值偏移基准程度的比值和所述定基发展速度的比值确定温度趋势效应系数。
优选地,所述根据所述判断矩阵计算温度累积相关参数,并基于所述温度累积相关参数确定温度累积效应系数,包括:
根据所述判断矩阵分别计算出基准值和观测值;
基于所述基准值和所述观测值计算温度累积效应比值,得到温度累积效应系数。
优选地,所述根据所述温度趋势效应系数和所述温度累积效应系数对充电桩的运行状态进行预测,得到状态预测结果,若所述状态预测结果为异常状态,则触发报警,包括:
根据所述温度趋势效应系数、所述温度累积效应系数和异常参考范围对充电桩的运行状态进行分析预测,所述异常参考范围包括异常趋势范围和异常累积范围;
若所述温度趋势效应系数在所述异常趋势范围内,或所述温度累积效应系数在所述异常累积范围内,则得到的状态预测结果为异常状态,触发报警。
本申请第二方面提供了一种电动汽车充电桩运行状态预测装置,包括:
数据获取单元,用于获取充电桩内部温度和环境温度的历史监测数据,并构建温度监测矩阵;
矩阵处理单元,用于基于时空尺度归一化的方式将所述温度监测矩阵转换为判断矩阵;
趋势计算单元,用于根据所述判断矩阵计算温度趋势综合因素,并基于所述温度趋势综合因素确定温度趋势效应系数,所述温度趋势综合因素包括平均变化速度、峰值偏移基准程度和定基发展速度;
累积计算单元,用于根据所述判断矩阵计算温度累积相关参数,并基于所述温度累积相关参数确定温度累积效应系数,所述温度累积相关参数包括基准值和观测值;
状态预测单元,用于根据所述温度趋势效应系数和所述温度累积效应系数对充电桩的运行状态进行预测,得到状态预测结果,若所述状态预测结果为异常状态,则触发报警。
优选地,所述矩阵处理单元,具体用于:
对所述温度监测矩阵进行空间尺度的归一化处理,得到空间归一化矩阵;
对所述空间归一化矩阵进行时间尺度的归一化处理,得到判断矩阵。
优选地,所述趋势计算单元,具体用于:
根据所述判断矩阵的前预置列和剩余列分别计算平均变化速度的比值、峰值偏移基准程度的比值和定基发展速度的比值;
基于所述平均变化速度的比值、所述峰值偏移基准程度的比值和所述定基发展速度的比值确定温度趋势效应系数。
优选地,所述累积计算单元,具体用于:
根据所述判断矩阵分别计算出基准值和观测值;
基于所述基准值和所述观测值计算温度累积效应比值,得到温度累积效应系数。
优选地,所述状态预测单元,具体用于:
根据所述温度趋势效应系数、所述温度累积效应系数和异常参考范围对充电桩的运行状态进行分析预测,所述异常参考范围包括异常趋势范围和异常累积范围;
若所述温度趋势效应系数在所述异常趋势范围内,或所述温度累积效应系数在所述异常累积范围内,则得到的状态预测结果为异常状态,触发报警。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请中,提供了一种电动汽车充电桩运行状态预测方法,包括:获取充电桩内部温度和环境温度的历史监测数据,并构建温度监测矩阵;基于时空尺度归一化的方式将温度监测矩阵转换为判断矩阵;根据判断矩阵计算温度趋势综合因素,并基于温度趋势综合因素确定温度趋势效应系数,温度趋势综合因素包括平均变化速度、峰值偏移基准程度和定基发展速度;根据判断矩阵计算温度累积相关参数,并基于温度累积相关参数确定温度累积效应系数,温度累积相关参数包括基准值和观测值;根据温度趋势效应系数和温度累积效应系数对充电桩的运行状态进行预测,得到状态预测结果,若状态预测结果为异常状态,则触发报警。
本申请提供的电动汽车充电桩运行状态预测方法,通过采集的历史数据进行分析计算,分别确定出两种不同的表征参数,即温度趋势效应系数和温度累积效应系数;根据这两个系数对充电桩的运行状态进行分析预测,就可以提前明确充电桩的状态,在预测结果为异常状态时可以直接触发报警,能够在故障发生前避免故障运行造成的损失和风险。因此,本申请能够解决现有技术都是针对充电桩事后表征进行状态监测,无法实现提前预警避免故障发生的技术问题。
附图说明
图1为本申请实施例提供的一种电动汽车充电桩运行状态预测方法的流程示意图;
图2为本申请实施例提供的一种电动汽车充电桩运行状态预测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了便于理解,请参阅图1,本申请提供的一种电动汽车充电桩运行状态预测方法的实施例,包括:
步骤101、获取充电桩内部温度和环境温度的历史监测数据,并构建温度监测矩阵。
本实施例获取的历史监测数据是指充电桩投运之日至今的数据,可以直接访问充电桩在线监测系统主站服务器直接获取;数据主要分为内部温度和环境温度,每个内部温度数据与对应的环境温度数据构成一组数据。根据获取的历史监测数据可以构建初始的温度监测矩阵。
在本实施例中,温度监测矩阵表达为,且/>,即该矩阵大小为2×1500,为了便于后续计算分析,本实施例将温度监测矩阵表达为/>,前300列表示保持投运后前面300组监测数据保持不变,后面1200列则达标最新的监测数据,可以基于时序采用分离滑窗采集变动。那么,温度监测矩阵可以表达为:
步骤102、基于时空尺度归一化的方式将温度监测矩阵转换为判断矩阵。
进一步地,步骤102,包括:
对温度监测矩阵进行空间尺度的归一化处理,得到空间归一化矩阵;
对空间归一化矩阵进行时间尺度的归一化处理,得到判断矩阵。
为了避免监测数据中存在较大的数据量差异,导致“小数吃大数”的情况,本实施例对温度监测矩阵进行归一化处理。空间尺度上的归一化处理过程表达为:
由于内部温度和环境温度对充电桩的影响具有叠加效应,所以需要对空间归一化矩阵继续进行时间尺度上的归一化处理,具体的处理方式为:
步骤103、根据判断矩阵计算温度趋势综合因素,并基于温度趋势综合因素确定温度趋势效应系数,温度趋势综合因素包括平均变化速度、峰值偏移基准程度和定基发展速度。
进一步地,步骤103,包括:
根据判断矩阵的前预置列和剩余列分别计算平均变化速度的比值、峰值偏移基准程度的比值和定基发展速度的比值;
基于平均变化速度的比值、峰值偏移基准程度的比值和定基发展速度的比值确定温度趋势效应系数。
基于平均变化速度的比值、峰值偏移基准程度的比值和定基发展速度的比值计算并确定温度趋势效应系数的过程表达为:
步骤104、根据判断矩阵计算温度累积相关参数,并基于温度累积相关参数确定温度累积效应系数,温度累积相关参数包括基准值和观测值。
进一步地,步骤104,包括:
根据判断矩阵分别计算出基准值和观测值;
基于基准值和观测值计算温度累积效应比值,得到温度累积效应系数。
基于基准值和观测值计算温度累积效应比值,可以得到温度累积效应系数,计算过程为:
那么,上述所有基于判断矩阵的计算都可以基于正向化转换后得到的正向化判断矩阵进行计算,具体的计算过程不变,在此不作赘述。
步骤105、根据温度趋势效应系数和温度累积效应系数对充电桩的运行状态进行预测,得到状态预测结果,若状态预测结果为异常状态,则触发报警。
进一步地,步骤105,包括:
根据温度趋势效应系数、温度累积效应系数和异常参考范围对充电桩的运行状态进行分析预测,异常参考范围包括异常趋势范围和异常累积范围;
若温度趋势效应系数在异常趋势范围内,或温度累积效应系数在异常累积范围内,则得到的状态预测结果为异常状态,触发报警。
异常参考范围包括异常趋势范围和异常累积范围,分别表示为:,以及。在工程实践中,对于温度趋势效应的判定是则:/>是正常运行状态;则是需要注意的运行状态;/>则是异常状态。对于温度累积效应的判定则是,/>是正常运行状态;/>是需要注意的运行状态;则是异常运行状态。
温度趋势效应系数和温度累积效应系数只要有一个在异常参考范围内,则认为充电桩处于异常运行状态,即状态预测结果就是异常,需要触发报警,通知维修人员进行处理,避免发生更大的故障,产生更深的影响。
本申请实施例提供的电动汽车充电桩运行状态预测方法,通过采集的历史数据进行分析计算,分别确定出两种不同的表征参数,即温度趋势效应系数和温度累积效应系数;根据这两个系数对充电桩的运行状态进行分析预测,就可以提前明确充电桩的状态,在预测结果为异常状态时可以直接触发报警,能够在故障发生前避免故障运行造成的损失和风险。因此,本申请实施例能够解决现有技术都是针对充电桩事后表征进行状态监测,无法实现提前预警避免故障发生的技术问题。
为了便于理解,请参阅图2,本申请提供了一种电动汽车充电桩运行状态预测装置的实施例,包括:
数据获取单元201,用于获取充电桩内部温度和环境温度的历史监测数据,并构建温度监测矩阵;
矩阵处理单元202,用于基于时空尺度归一化的方式将温度监测矩阵转换为判断矩阵;
趋势计算单元203,用于根据判断矩阵计算温度趋势综合因素,并基于温度趋势综合因素确定温度趋势效应系数,温度趋势综合因素包括平均变化速度、峰值偏移基准程度和定基发展速度;
累积计算单元204,用于根据判断矩阵计算温度累积相关参数,并基于温度累积相关参数确定温度累积效应系数,温度累积相关参数包括基准值和观测值;
状态预测单元205,用于根据温度趋势效应系数和温度累积效应系数对充电桩的运行状态进行预测,得到状态预测结果,若状态预测结果为异常状态,则触发报警。
进一步地,矩阵处理单元202,具体用于:
对温度监测矩阵进行空间尺度的归一化处理,得到空间归一化矩阵;
对空间归一化矩阵进行时间尺度的归一化处理,得到判断矩阵。
进一步地,趋势计算单元203,具体用于:
根据判断矩阵的前预置列和剩余列分别计算平均变化速度的比值、峰值偏移基准程度的比值和定基发展速度的比值;
基于平均变化速度的比值、峰值偏移基准程度的比值和定基发展速度的比值确定温度趋势效应系数。
进一步地,累积计算单元204,具体用于:
根据判断矩阵分别计算出基准值和观测值;
基于基准值和观测值计算温度累积效应比值,得到温度累积效应系数。
进一步地,状态预测单元205,具体用于:
根据温度趋势效应系数、温度累积效应系数和异常参考范围对充电桩的运行状态进行分析预测,异常参考范围包括异常趋势范围和异常累积范围;
若温度趋势效应系数在异常趋势范围内,或温度累积效应系数在异常累积范围内,则得到的状态预测结果为异常状态,触发报警。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以通过一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种电动汽车充电桩运行状态预测方法,其特征在于,包括:
获取充电桩内部温度和环境温度的历史监测数据,并构建温度监测矩阵;
基于时空尺度归一化的方式将所述温度监测矩阵转换为判断矩阵;
根据所述判断矩阵计算温度趋势综合因素,并基于所述温度趋势综合因素确定温度趋势效应系数,所述温度趋势综合因素包括平均变化速度、峰值偏移基准程度和定基发展速度;
根据所述判断矩阵计算温度累积相关参数,并基于所述温度累积相关参数确定温度累积效应系数,所述温度累积相关参数包括基准值和观测值;
根据所述温度趋势效应系数和所述温度累积效应系数对充电桩的运行状态进行预测,得到状态预测结果,若所述状态预测结果为异常状态,则触发报警。
2.根据权利要求1所述的电动汽车充电桩运行状态预测方法,其特征在于,所述基于时空尺度归一化的方式将所述温度监测矩阵转换为判断矩阵,包括:
对所述温度监测矩阵进行空间尺度的归一化处理,得到空间归一化矩阵;
对所述空间归一化矩阵进行时间尺度的归一化处理,得到判断矩阵。
3.根据权利要求1所述的电动汽车充电桩运行状态预测方法,其特征在于,所述根据所述判断矩阵计算温度趋势综合因素,并基于所述温度趋势综合因素确定温度趋势效应系数,包括:
根据所述判断矩阵的前预置列和剩余列分别计算平均变化速度的比值、峰值偏移基准程度的比值和定基发展速度的比值;
基于所述平均变化速度的比值、所述峰值偏移基准程度的比值和所述定基发展速度的比值确定温度趋势效应系数。
4.根据权利要求1所述的电动汽车充电桩运行状态预测方法,其特征在于,所述根据所述判断矩阵计算温度累积相关参数,并基于所述温度累积相关参数确定温度累积效应系数,包括:
根据所述判断矩阵分别计算出基准值和观测值;
基于所述基准值和所述观测值计算温度累积效应比值,得到温度累积效应系数。
5.根据权利要求1所述的电动汽车充电桩运行状态预测方法,其特征在于,所述根据所述温度趋势效应系数和所述温度累积效应系数对充电桩的运行状态进行预测,得到状态预测结果,若所述状态预测结果为异常状态,则触发报警,包括:
根据所述温度趋势效应系数、所述温度累积效应系数和异常参考范围对充电桩的运行状态进行分析预测,所述异常参考范围包括异常趋势范围和异常累积范围;
若所述温度趋势效应系数在所述异常趋势范围内,或所述温度累积效应系数在所述异常累积范围内,则得到的状态预测结果为异常状态,触发报警。
6.一种电动汽车充电桩运行状态预测装置,其特征在于,包括:
数据获取单元,用于获取充电桩内部温度和环境温度的历史监测数据,并构建温度监测矩阵;
矩阵处理单元,用于基于时空尺度归一化的方式将所述温度监测矩阵转换为判断矩阵;
趋势计算单元,用于根据所述判断矩阵计算温度趋势综合因素,并基于所述温度趋势综合因素确定温度趋势效应系数,所述温度趋势综合因素包括平均变化速度、峰值偏移基准程度和定基发展速度;
累积计算单元,用于根据所述判断矩阵计算温度累积相关参数,并基于所述温度累积相关参数确定温度累积效应系数,所述温度累积相关参数包括基准值和观测值;
状态预测单元,用于根据所述温度趋势效应系数和所述温度累积效应系数对充电桩的运行状态进行预测,得到状态预测结果,若所述状态预测结果为异常状态,则触发报警。
7.根据权利要求6所述的电动汽车充电桩运行状态预测装置,其特征在于,所述矩阵处理单元,具体用于:
对所述温度监测矩阵进行空间尺度的归一化处理,得到空间归一化矩阵;
对所述空间归一化矩阵进行时间尺度的归一化处理,得到判断矩阵。
8.根据权利要求6所述的电动汽车充电桩运行状态预测装置,其特征在于,所述趋势计算单元,具体用于:
根据所述判断矩阵的前预置列和剩余列分别计算平均变化速度的比值、峰值偏移基准程度的比值和定基发展速度的比值;
基于所述平均变化速度的比值、所述峰值偏移基准程度的比值和所述定基发展速度的比值确定温度趋势效应系数。
9.根据权利要求6所述的电动汽车充电桩运行状态预测装置,其特征在于,所述累积计算单元,具体用于:
根据所述判断矩阵分别计算出基准值和观测值;
基于所述基准值和所述观测值计算温度累积效应比值,得到温度累积效应系数。
10.根据权利要求6所述的电动汽车充电桩运行状态预测装置,其特征在于,所述状态预测单元,具体用于:
根据所述温度趋势效应系数、所述温度累积效应系数和异常参考范围对充电桩的运行状态进行分析预测,所述异常参考范围包括异常趋势范围和异常累积范围;
若所述温度趋势效应系数在所述异常趋势范围内,或所述温度累积效应系数在所述异常累积范围内,则得到的状态预测结果为异常状态,触发报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310505808.4A CN116215293B (zh) | 2023-05-08 | 2023-05-08 | 一种电动汽车充电桩运行状态预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310505808.4A CN116215293B (zh) | 2023-05-08 | 2023-05-08 | 一种电动汽车充电桩运行状态预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116215293A CN116215293A (zh) | 2023-06-06 |
CN116215293B true CN116215293B (zh) | 2023-07-04 |
Family
ID=86587598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310505808.4A Active CN116215293B (zh) | 2023-05-08 | 2023-05-08 | 一种电动汽车充电桩运行状态预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116215293B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02273835A (ja) * | 1989-04-14 | 1990-11-08 | Omron Corp | ファジィ推論装置 |
WO2012050262A1 (ko) * | 2010-10-15 | 2012-04-19 | 한국전력공사 | 에프에스브이알과 지엘알티를 이용한 발전소 계측기 성능감시 방법 및 시스템 |
CN115858609A (zh) * | 2022-08-05 | 2023-03-28 | 国网天津市电力公司 | 电动汽车充电桩状态监测方法、故障鉴定方法及电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7991580B2 (en) * | 2008-04-16 | 2011-08-02 | Honeywell International Inc. | Benchmarking diagnostic algorithms |
US11893487B2 (en) * | 2021-06-23 | 2024-02-06 | Oracle International Corporation | Trained models for discovering target device presence |
-
2023
- 2023-05-08 CN CN202310505808.4A patent/CN116215293B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02273835A (ja) * | 1989-04-14 | 1990-11-08 | Omron Corp | ファジィ推論装置 |
WO2012050262A1 (ko) * | 2010-10-15 | 2012-04-19 | 한국전력공사 | 에프에스브이알과 지엘알티를 이용한 발전소 계측기 성능감시 방법 및 시스템 |
CN115858609A (zh) * | 2022-08-05 | 2023-03-28 | 国网天津市电力公司 | 电动汽车充电桩状态监测方法、故障鉴定方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116215293A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3270250B1 (en) | Method and system for remote monitoring of power generation units | |
CN112763929A (zh) | 一种储能电站系统电池单体健康预测方法及装置 | |
EP2415209B1 (en) | Network analysis system | |
CN102252843B (zh) | 一种滚动轴承性能变异的评估方法 | |
EP3553044A1 (en) | System and method of remote object monitoring | |
Wang et al. | A linear mapping method for predicting accurately the RUL of rolling bearing | |
CN116215293B (zh) | 一种电动汽车充电桩运行状态预测方法及装置 | |
CN112861350A (zh) | 一种水冷式汽轮发电机定子绕组温度过热缺陷预警方法 | |
Zhang et al. | A novel battery abnormality detection method using interpretable Autoencoder | |
CN115128513A (zh) | 一种基于热量的电容器异常检测方法及相关装置 | |
CN110469461B (zh) | 一种风机齿带的断裂预估方法、其装置及可读存储介质 | |
CN116125300A (zh) | 一种电池包异常监测方法、装置、电子设备及存储介质 | |
Li et al. | A novel method for lithium-ion battery fault diagnosis of electric vehicle based on real-time voltage | |
Hong et al. | Collision-Caused thermal runaway investigation of li-ion battery in Real-World electric vehicles | |
CN113219330A (zh) | 一种隔离开关状态检测方法及系统 | |
Chen et al. | Data-driven modeling and fault diagnosis for fuel cell vehicles using deep learning | |
CN112836843B (zh) | 一种基站退服告警预测方法及装置 | |
CN111382937A (zh) | 一种基于fsae赛车的安全状态评估处理方法 | |
CN116142029A (zh) | 一种动力电池安全预警方法、装置及汽车 | |
CN114705998A (zh) | 电池异常的识别方法、装置、存储介质和车辆 | |
Wang et al. | Near-extreme system condition and near-extreme remaining useful time for a group of products | |
CN113971777A (zh) | 一种设备故障预测方法、装置及服务器 | |
CN113530619A (zh) | 基于润滑油系统参数相关性分析的汽机跳机征兆捕捉方法 | |
CN110989454A (zh) | 一种基于云平台的能耗管理系统及方法 | |
CN117390501B (zh) | 基于人工智能的工业燃气发电机组系统状态监测方法 |
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 |