CN116488302A

CN116488302A - 一体化智能快充充电器及数据智能监测系统

Info

Publication number: CN116488302A
Application number: CN202310605591.4A
Authority: CN
Inventors: 王斌
Original assignee: Shenzhen Fengyuda Technology Co ltd
Current assignee: Shenzhen Fengyuda Technology Co ltd
Priority date: 2023-05-26
Filing date: 2023-05-26
Publication date: 2023-07-25

Abstract

本发明提供一体化智能快充充电器及数据智能监测系统，涉及充电器系统技术领域，包括动态功率分配模块和智能优化模块，动态功率分配模块包括：输入功率监测模块、电池需求监测模块、功率管理芯片、功率分配控制模块，智能优化模块包括用户行为学习模块、充电模式预测模块、网络连接模块、充电策略调整模块，采用一体化智能快充充电器采用动态功率分配和智能优化算法，能够根据电池状态、电网负荷等因素实时调整充电功率，以提高充电效率，缩短充电时间，从而满足用户快速充电的需求，采用数据智能监测和分析模块，一体化智能快充充电器能够对充电过程中的各项参数进行实时监测和分析，智能调整充电策略，延长电池寿命。

Description

一体化智能快充充电器及数据智能监测系统

技术领域

本发明涉及充电器系统技术领域，具体为一体化智能快充充电器及数据智能监测系统。

背景技术

随着电动汽车的普及和充电需求的增加，一体化智能快充充电器的开发成为一项重要的研究和发展领域，传统充电器往往存在充电速度慢、能效低、操作复杂等问题，而一体化智能快充充电器通过集成智能化、快速充电和数据监测等技术，旨在提供更高效、智能化的充电解决方案。

发明内容

解决的技术问题

针对现有技术的不足，本发明提供了一体化智能快充充电器及数据智能监测系统，解决了技术问题提出的问题。

技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一体化智能快充充电器及数据智能监测系统，包括动态功率分配模块和智能优化模块，所述动态功率分配模块包括：

输入功率监测模块：监测充电器的输入功率；

电池需求监测模块：实时监测电池的充电需求；

功率管理芯片：接收输入功率和电池需求的数据，进行功率分配；

功率分配控制模块：接受功率管理芯片的指令，电性连接充电电路的开关和调节元件；

所述智能优化模块包括：

用户行为学习模块：收集充电数据，进行行为建模；

充电模式预测模块：基于用户行为学习模块的数据，预测充电模式；

网络连接模块：与云端服务器/移动应用的电性连接；

充电策略调整模块：根据预测的充电模式和实时数据，调整充电策略。

优选的，所述功率分配控制模块和充电器控制芯片相互电性连接。

优选的，所述用户行为学习模块和充电器控制芯片相互电性连接。

优选的，所述充电模式预测模块和功率分配控制模块、充电器控制芯片相互电性连接。

优选的，所述充电策略调整模块功率分配控制模块、用户行为学习模块、充电器控制芯片相互电性连接。

优选的，所述数据智能监测系统包括如下模块：

数据采集模块：所述数据采集模块包括传感器，传感器包括电流传感器、电压传感器、温度传感器及功能传感器；

数据处理模块：所述数据处理模块包括数据采集和处理模块、数据滤波和校准模块和数据存储模块；

数据分析模块：所述数据分析模块和数据采集模块、数据处理模块之间相互电性连接，且数据分析模块和云服务器之间相互电性连接；

可视化和报告模块：所述可视化和报告模块包括显示器和控制终端；

远程访问和控制模块：所述远程访问和控制模块包括云服务器和信号收发器。

优选的，所述数据采集模块包括以下模块：

电流/电压传感器子模块：采集电流/电压信号；

温度传感器子模块：采集充电设备温度信息；

其他传感器子模块：包括环境信息传感器和信号采集和数据处理电子元件。

优选的，所述数据处理模块还包括数据滤波和平滑子模块以及数据传输和通信子模块。

优选的，所述数据分析模块还包括实时数据分析子模块、趋势分析子模块、异常检测和故障诊断子模块、数据关联分析子模块和充电效果评估子模块。

优选的，所述远程访问和控制模块包括用户身份验证子模块、远程访问接口子模块、远程监测子模块、远程控制子模块和报警和通知子模块。

有益效果

本发明提供了一体化智能快充充电器及数据智能监测系统。具备以下有益效果：

1、本发明采用一体化智能快充充电器采用动态功率分配和智能优化算法，能够根据电池状态、电网负荷等因素实时调整充电功率，以提高充电效率，缩短充电时间，从而满足用户快速充电的需求。

2、本发明采用数据智能监测和分析模块，一体化智能快充充电器能够对充电过程中的各项参数进行实时监测和分析，根据用户需求和设备条件，智能调整充电策略，如根据电池状态优化充电电流和电压，以最大程度地延长电池寿命。

3、本发明采用数据智能监测系统能够远程访问和控制充电器，用户可以通过手机App、网页等方式实时监测充电状态、调整充电参数，提供便捷的充电服务和管理。

4、本发明采用数据智能监测模块，充电器能够实时监测电流、电压、温度等参数，一旦出现异常情况，系统能够自动触发报警并向用户发送警报通知，提高充电安全性和可靠性。

5、本发明采用数据采集、处理和分析模块，系统可以收集大量的充电数据，对充电过程进行深入分析，发现充电模式和能效等方面的优化潜力，为未来的充电设备和充电网络规划提供有益的参考。

附图说明

图1为本发明的方案示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

具体实施例一：

如图所示，一体化智能快充充电器及数据智能监测系统，

一体化智能快充充电器及数据智能监测系统，包括动态功率分配模块和智能优化模块，动态功率分配模块包括：

输入功率监测模块：监测充电器的输入功率；

电池需求监测模块：实时监测电池的充电需求；

智能优化模块包括：

用户行为学习模块：收集充电数据，进行行为建模；

网络连接模块：与云端服务器/移动应用的电性连接；

功率分配控制模块和充电器控制芯片相互电性连接。

用户行为学习模块和充电器控制芯片相互电性连接。

充电模式预测模块和功率分配控制模块、充电器控制芯片相互电性连接。

充电策略调整模块功率分配控制模块、用户行为学习模块、充电器控制芯片相互电性连接。

数据智能监测系统包括如下模块：

数据采集模块：数据采集模块包括传感器，传感器包括电流传感器、电压传感器、温度传感器及功能传感器；

数据处理模块：数据处理模块包括数据采集和处理模块、数据滤波和校准模块和数据存储模块；

数据分析模块：数据分析模块和数据采集模块、数据处理模块之间相互电性连接，且数据分析模块和云服务器之间相互电性连接；

可视化和报告模块：可视化和报告模块包括显示器和控制终端；

远程访问和控制模块：远程访问和控制模块包括云服务器和信号收发器。

数据采集模块包括以下模块：

电流/电压传感器子模块：采集电流/电压信号；

温度传感器子模块：采集充电设备温度信息；

数据处理模块还包括数据滤波和平滑子模块以及数据传输和通信子模块。

数据分析模块还包括实时数据分析子模块、趋势分析子模块、异常检测和故障诊断子模块、数据关联分析子模块和充电效果评估子模块。

远程访问和控制模块包括用户身份验证子模块、远程访问接口子模块、远程监测子模块、远程控制子模块和报警和通知子模块。

数据采集模块：

电流传感器：使用高精度电流传感器监测充电过程中的电流变化。

电压传感器：采用精准的电压传感器测量充电过程中的电压情况。

温度传感器：安装温度传感器，实时监测充电器和充电设备的温度。

其他传感器：根据需要，可能还需要其他传感器来监测充电器的状态和环境信息（如湿度、气压等）。

数据处理模块：

数据采集和处理：将传感器获取到的原始数据进行采集和处理，以便后续的分析和应用。

数据滤波和校准：对采集到的数据进行滤波和校准，提高数据的准确性和可靠性。

数据存储：将处理后的数据存储到数据库或文件中，以便后续的查询和分析。

数据分析模块：

实时数据分析：对实时采集的数据进行实时分析，以监测充电过程中的参数变化。

趋势分析：通过对历史数据的统计和分析，了解充电行为的趋势和规律。

异常检测：利用机器学习或统计方法，检测并识别充电过程中的异常情况，如过电流、过温等。

数据关联分析：对充电器的数据和用户行为数据进行关联分析，发现相关的模式和规律。

可视化和报告模块：

数据可视化：将分析结果以图表、曲线图或仪表盘的形式呈现，提供直观的数据展示。

实时监控界面：提供实时监控界面，显示充电器和充电设备的状态和参数。

报告生成：生成详细的充电报告，包括充电行为、能效评估、充电效果等方面的数据和分析结果。

远程访问和控制模块：

云端连接：通过网络连接模块将充电器数据上传至云端服务器，实现远程访问和管理。

移动应用或网页端：提供移动应用或网页端界面，用户可以通过手机或电脑远程访问和控制充电器。

远程控制功能：通过远程访问接口，用户可以调整充电参数、启停充电、设置充电模式等。

具体实施例二：

一体化智能快充充电器及数据智能监测系统，进一步给出的技术方案，

人工智能算法和数据矩阵算法来实现动态功率分配和智能优化。以下是一个可能的控制程序和控制方案的示例：

控制程序：

a. 初始化：启动充电器系统，加载算法模型和数据矩阵。

b. 实时数据获取：定时获取输入功率、电池状态和环境信息等实时数据。

c. 功率分配决策：

利用人工智能算法（如深度学习或强化学习）对实时数据进行处理和分析，以预测最佳的功率分配策略。

结合数据矩阵算法，将实时数据映射到相应的功率分配决策矩阵。

d. 功率分配调整：根据功率分配决策矩阵中的指导，调整充电电路中的开关和调节元件，实现动态功率分配。

e. 充电策略优化：

利用人工智能算法和数据矩阵算法，对用户行为模式和环境信息进行学习和分析。

根据学习结果和实时数据，预测最佳的充电模式、充电时间和充电方式。

通过智能优化模块的控制，调整充电策略，实现个性化的充电优化。

f. 实时监控和反馈：定期监测充电过程中的输入功率、电池状态和温度等关键参数，并将实时数据反馈给控制程序和云端服务器。

控制方案：

a. 人工智能算法：

应用深度学习算法，建立模型来预测充电设备的需求和充电状态。

利用强化学习算法，根据实时反馈和奖励机制，优化功率分配策略，实现高效充电。

b. 数据矩阵算法：

建立数据矩阵，将充电设备的需求和电池状态等关键数据映射到功率分配决策矩阵。

在实时数据获取阶段，将实时数据与数据矩阵进行匹配和映射，获得相应的功率分配决策。

c. 网络连接和云端服务：

通过网络连接模块，将实时数据传输到云端服务器。

在云端服务器上，利用大数据分析和智能优化算法，进一步优化充电策略并提供优化建议。

将优化建议传输回充电器，实现远程控制和个性化的充电优化。

该控制程序和控制方案结合了人工智能算法和数据矩阵算法，通过实时数据分析和优化，实现动态功率分配和智能优化。通过网络连接和云端服务，提供更高级的充电优化功能和个性化的用户体验。

基于Python的控制代码示例，用于实现动态功率分配和智能优化：

import time

# 初始化程序

def initialize():

# 加载算法模型和数据矩阵

load_model()

load_data_matrix()

# 实时数据获取

def get_realtime_data():

# 获取输入功率、电池状态和环境信息等实时数据

input_power = get_input_power()

battery_status = get_battery_status()

environment_info = get_environment_info()

return input_power, battery_status, environment_info

# 功率分配决策

def power_allocation_decision(input_power, battery_status,environment_info):

# 使用人工智能算法处理实时数据，预测最佳的功率分配策略

power_allocation_strategy = AI_algorithm(input_power, battery_status, environment_info)

# 结合数据矩阵算法，将实时数据映射到相应的功率分配决策矩阵

power_allocation_matrix = map_to_power_allocation_matrix(input_power, battery_status, environment_info)

# 根据决策矩阵中的指导，调整充电电路中的开关和调节元件，实现动态功率分配

adjust_power_allocation(power_allocation_strategy, power_allocation_matrix)

# 充电策略优化

def optimize_charging_strategy():

# 学习用户行为模式和环境信息，应用人工智能算法和数据矩阵算法进行优化

user_behavior = get_user_behavior()

environment_info = get_environment_info()

charging_strategy = optimize_charging(user_behavior, environment_info)

# 调整充电策略，实现个性化的充电优化

adjust_charging_strategy(charging_strategy)

# 控制主循环

def control_loop():

while True:

# 实时数据获取

input_power, battery_status, environment_info = get_realtime_data()

# 功率分配决策

power_allocation_decision(input_power, battery_status,environment_info)

# 充电策略优化

optimize_charging_strategy()

# 实时监控和反馈

monitor_and_feedback()

# 等待一段时间后继续循环

time.sleep(1)

# 主程序

def main():

# 初始化程序

initialize()

# 进入控制主循环

control_loop()

# 运行主程序

if __name__ == '__main__':

main()

请注意，以上代码仅为核心方案，具体的实现细节和功能需要根据实际需求进行适当修改和补充，还需要根据实际情况编写各个函数的具体代码， AI算法和数据矩阵算法的实现也需要额外训练。

具体实施例三：

进一步公开的技术方案：

数据采集模块的子模块方案，电流传感器子模块：

选择合适的电流传感器：根据充电器的功率和电流范围，选择适合的高精度电流传感器。

电流信号采集：使用模拟电路或专用电流传感器芯片，将电流传感器的输出信号转换为微控制器可读取的电压或数字信号。

数据校准和滤波：对采集到的电流数据进行校准，确保准确性和一致性。同时，可以应用滤波算法来降低噪声和干扰。

电压传感器子模块：

选择合适的电压传感器：根据充电器的电压范围，选择合适的高精度电压传感器。

电压信号采集：使用模拟电路或专用电压传感器芯片，将电压传感器的输出信号转换为微控制器可读取的电压或数字信号。

数据校准和滤波：对采集到的电压数据进行校准，确保准确性和一致性。同时，可以应用滤波算法来降低噪声和干扰。

温度传感器子模块：

选择合适的温度传感器：根据充电器和充电设备的温度范围，选择适合的温度传感器（例如热敏电阻、热电偶或数字温度传感器）。

温度信号采集：使用模拟电路或数字温度传感器芯片，将温度传感器的输出信号转换为微控制器可读取的温度值。

数据校准和滤波：对采集到的温度数据进行校准，确保准确性和一致性。同时，可以应用滤波算法来降低噪声和干扰。

其他传感器子模块：

根据需求选择合适的传感器：根据需要，选择其他传感器来监测充电器的状态和环境信息，例如湿度传感器、气压传感器等。

信号采集和数据处理：根据传感器的特性和接口，进行信号采集和数据处理，将采集到的数据转换为微控制器可读取的形式。

数据处理模块包括的子模块，数据采集子模块：

数据接收和存储：接收来自数据采集模块的原始数据，并将其存储在适当的数据结构中，如变量、数组、数据库等。

数据校准和校验：对采集到的数据进行校准，确保数据的准确性和一致性。同时，进行数据校验以检测数据传输错误或异常。

数据滤波和平滑子模块：

滤波算法：应用数字滤波算法对采集到的数据进行滤波，降低噪声和干扰的影响。

平滑算法：采用平滑算法对数据进行平滑处理，以消除数据中的突变或波动。

数据处理和计算子模块：

数据转换和单位转换：将原始数据转换为可理解和可应用的形式，如将电流和电压转换为功率，温度转换为摄氏或华氏度。

数据统计和分析：进行统计分析，如计算平均值、最大值、最小值、标准差等，以获得对充电过程的更深入理解。

实时数据处理：对实时数据进行处理和更新，以便后续的监测、控制和决策。

数据存储和管理子模块：

数据库管理：将处理后的数据存储到数据库中，以便后续的查询、分析和报告生成。

数据备份和恢复：实施数据备份策略，确保数据的安全性和可靠性，以防数据丢失或损坏。

数据传输和通信子模块：

数据传输协议：选择适当的数据传输协议，如串口通信、以太网、Wi-Fi、蓝牙等，以实现与其他系统或设备的数据交互。

数据通信接口：实现数据与其他系统或设备之间的有效通信和交互，如串口接口、网络接口等。

数据分析模块的子模块，实时数据分析子模块：

实时参数监测：对实时采集到的数据进行监测和分析，如实时电流、电压、温度等参数的变化趋势。

实时警报和异常检测：利用阈值或模式匹配等方法，实时检测充电过程中的异常情况，并触发警报或通知。

趋势分析子模块：

历史数据统计和分析：对历史数据进行统计和分析，如充电功率、能量消耗、充电时长等指标的趋势分析。

能效评估：基于充电数据和设备规格，计算能效指标，如充电效率、能量利用率等。

异常检测和故障诊断子模块：

异常检测算法：利用机器学习、异常检测技术等方法，识别和检测充电过程中的异常情况，如过电流、过温、电压波动等。

故障诊断和预警：根据异常情况和历史数据，进行故障诊断并提供相应的预警信息和建议。

数据关联分析子模块：

数据关联和相关性分析：将充电器的数据与用户行为数据或环境数据进行关联分析，发现数据之间的关系和相关性。

模式识别和规律挖掘：通过数据挖掘和机器学习方法，发现充电行为的模式和规律，为后续的优化和决策提供依据。

充电效果评估子模块：

充电效果评估算法：根据充电数据和目标要求，评估充电过程的效果，如充电速度、充电完成度等。

充电策略优化：基于充电效果评估结果，优化充电策略，提高充电效率和用户体验。

远程访问和控制模块的子模块：

用户身份验证子模块：

用户登录和注册：提供用户注册和登录功能，确保只有经过身份验证的用户可以远程访问和控制充电器。

用户权限管理：管理用户的权限级别和访问权限，确保用户只能访问和控制其拥有权限的充电器。

远程访问接口子模块：

网络通信协议：选择合适的网络通信协议，如HTTP、WebSocket等，用于与充电器建立远程连接。

安全加密：使用安全加密技术，如SSL/TLS，保护远程通信的安全性和隐私性。

连接管理：实现充电器的网络连接管理，包括建立连接、断开连接等操作。

远程监测子模块：

实时数据显示：将充电器的实时数据，如电流、电压、温度等，以可视化方式展示给用户，实时监测充电过程。

历史数据查询：提供查询接口，让用户能够查看历史充电数据，如充电记录、能耗统计等。

远程控制子模块：

充电参数调整：允许用户通过远程界面调整充电参数，如电流、电压、充电模式等，以满足不同的充电需求。

充电启停控制：用户可以远程启动或停止充电过程，实现对充电器的远程控制。

充电策略设置：用户可以设置充电策略，如定时充电、优化充电等，以实现个性化的充电需求。

报警和通知子模块：

异常报警：当充电过程中出现异常情况，如电流过高、温度异常等，系统能够自动触发报警，并向用户发送警报通知。

通知和提醒：通过短信、邮件、推送通知等方式，向用户发送充电状态、充电完成等重要信息和提醒。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个引用结构”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims

1.一体化智能快充充电器及数据智能监测系统，其特征在于：包括动态功率分配模块和智能优化模块，所述动态功率分配模块包括：

输入功率监测模块：监测充电器的输入功率；

电池需求监测模块：实时监测电池的充电需求；

所述智能优化模块包括：

用户行为学习模块：收集充电数据，进行行为建模；

网络连接模块：与云端服务器/移动应用的电性连接；

2.根据权利要求1所述的一体化智能快充充电器及数据智能监测系统，其特征在于：所述功率分配控制模块和充电器控制芯片相互电性连接。

3.根据权利要求1所述的一体化智能快充充电器及数据智能监测系统，其特征在于：所述用户行为学习模块和充电器控制芯片相互电性连接。

4.根据权利要求1所述的一体化智能快充充电器及数据智能监测系统，其特征在于：所述充电模式预测模块和功率分配控制模块、充电器控制芯片相互电性连接。

5.根据权利要求1所述的一体化智能快充充电器及数据智能监测系统，其特征在于：所述充电策略调整模块功率分配控制模块、用户行为学习模块、充电器控制芯片相互电性连接。

6.根据权利要求1所述的一体化智能快充充电器的数据智能监测系统，其特征在于：所述数据智能监测系统包括如下模块：

7.根据权利要求6所述的一体化智能快充充电器及数据智能监测系统，其特征在于：所述数据采集模块包括以下模块：

电流/电压传感器子模块：采集电流/电压信号；

温度传感器子模块：采集充电设备温度信息；

8.根据权利要求6所述的一体化智能快充充电器及数据智能监测系统，其特征在于：所述数据处理模块还包括数据滤波和平滑子模块以及数据传输和通信子模块。

9.根据权利要求6所述的一体化智能快充充电器及数据智能监测系统，其特征在于：所述数据分析模块还包括实时数据分析子模块、趋势分析子模块、异常检测和故障诊断子模块、数据关联分析子模块和充电效果评估子模块。

10.根据权利要求6所述的一体化智能快充充电器及数据智能监测系统，其特征在于：所述远程访问和控制模块包括用户身份验证子模块、远程访问接口子模块、远程监测子模块、远程控制子模块和报警和通知子模块。