CN116749812B - 一种新能源充电设备的自适应充电方法 - Google Patents

Abstract

本发明涉及充电桩技术领域，具体涉及一种新能源充电设备的自适应充电方法。该方法包括：获得每两个公交车之间的状态相似度，基于每两个公交车之间的状态相似度对公交车进行分组，得到预设数量的组别；获得每个组别公交车的标准电流序列和标准电压序列；利用一个组别的一辆公交车从开始充电到当前时刻的时间段内多个时刻的充电电流和电压与该组别的标准电流序列、标准电压序列中对应的多个时刻的充电电流和电压的差异判断当前时刻公交车充电是否异常；若判断当前时刻公交车充电出现异常，利用充电桩介入自适应调节充电电流和充电电压。本发明能够准确判断公交车充电时发生异常的时刻，及时对充电电流和电压进行调整保证公交车的充电安全。

Description

一种新能源充电设备的自适应充电方法

技术领域

本发明涉及充电桩技术领域，具体涉及一种新能源充电设备的自适应充电方法。

背景技术

目前电动汽车逐渐成为汽车行业领域的重点研究方向，新能源汽车的销量也越来越高，无论是家用轿车或是货车或特种车辆新能源车辆占比越来越大。电动汽车中最重要的结构是电池、电机、电控，统称为“三电”。其技术水平直接影响电动汽车的速度、续航里程等情况。只有当三种技术有效协调、相互配合，才能够为电动汽车安全运行提供保障。电控技术是电池管理系统中最核心的功能，也称为BMS系统，BMS系统能够保证所有电池在可运行范围内有序工作，避免电池组出现温度过高、过充和过放问题。

在利用充电桩对电动汽车进行充电时，由BMS系统控制着充电的输入功率，BMS系统会根据车辆电池的状态而调整输入功率，但BMS系统可能会有一定的几率会出现问题，出现问题时就会对电动汽车的状态识别错误，此时若充电桩还以之前时刻的功率进行充电，会导致充电的功率过高或者过低，功率过低时，会导致充电的效率变低，对电池组造成损失，功率过高时，轻则造成过充问题，导致电池组状态的衰减，重则会导致电池组的温度异常，引发车辆自燃。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种新能源充电设备的自适应充电方法，所采用的技术方案具体如下：

本发明一个实施例提供了一种新能源充电设备的自适应充电方法：获取每个公交车预设时段内行驶的平均里程数；获取每个公交车行驶的总里程数；在预设时长内每个时刻采集一次公交车行驶的速度，组成速度序列；在公交车最近一次的充电过程中每个时刻采集一次公交车的电量、充电电流、充电电压和电池温度，分别组成电量变化序列、电流序列、电压序列和温度序列；

基于公交车预设时段内行驶的平均里程数、速度序列的均值以及公交车行驶的总里程数获得公交车的放电时长；基于速度序列中各时刻公交车速度的波动情况获得公交车的行驶指数；利用每两个公交车之间放电时长、行驶指数和温度序列的差异获得每两个公交车之间的状态相似度；基于每两个公交车之间的状态相似度对公交车进行分组，得到预设数量的组别；基于公交车的电量变化序列、电流序列、电压序列和温度序列中相邻元素的差值分别获得公交车每个时刻的电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度；

基于每个组别内所有公交车每个时刻的公交车的电量、充电电流、充电电压、电池温度、电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度获得每个组别公交车的标准电流序列和标准电压序列；利用一个组别的一辆公交车从开始充电到当前时刻的时间段内多个时刻的充电电流、充电电压与该组别的标准电流序列、标准电压序列中对应的多个时刻的充电电流、充电电压的差异判断当前时刻公交车充电是否异常。

优选地，基于公交车预设时段内行驶的平均里程数、速度序列的均值以及公交车行驶的总里程数获得公交车的放电时长，包括：将公交车行驶的总里程数与公交车预设时段内行驶的平均里程数的比值记为第一比值；将公交车预设时段内的行驶的平均里程数与公交车的速度序列的均值的比值记为第二比值；第一比值和第二比值的乘积为公交车的放电时长。

优选地，行驶指数为：

其中，表示第n辆公交车的行驶指数；/>表示自然常数；/>表示第n辆公交车的速度序列中第t时刻的速度；/>表示第n辆公交车的速度序列中第t-1时刻的速度；/>表示第n辆公交车的速度序列中第t-2时刻的速度；/>表示第n辆公交车的速度序列；表示第n辆公交车的速度序列的方差。

优选地，每两个公交车之间的状态相似度为：

其中，表示公交车x和公交车y的状态相似度；/>和/>分别表示公交车x和公交车y的放电时长；/>和/>分别表示公交车x和公交车y的行驶指数；/>表示自然常数；和/>分别表示公交车x和公交车y的温度序列；/>表示公交车x和公交车y的温度序列的皮尔逊相关性系数；/>表示取绝对值。

优选地，基于每两个公交车之间的状态相似度对公交车进行分组，得到预设数量的组别，包括：以第一预设值与每两个公交车之间的状态相似度的差值作为每两个公交车之间的状态距离；基于每两个公交车之间的状态距离利用K-medoids聚类算法对所有公交车进行聚类获得预设数量的组别。

优选地，获得公交车每个时刻的电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度，包括：获得公交车电量变化序列中相邻时刻中后一时刻的元素与前一时刻的元素的差值，所述差值与第二预设值的比值为相邻时刻中前一时刻的电量变化幅度；获得公交车电流序列中相邻时刻中后一时刻的元素与前一时刻的元素的差值，所述差值与第二预设值的比值为相邻时刻中前一时刻的电流变化幅度；获得公交车电压序列中相邻时刻中后一时刻的元素与前一时刻的元素的差值，所述差值与第二预设值的比值为相邻时刻中前一时刻的电压变化幅度；获得公交车温度序列中相邻时刻中后一时刻的元素与前一时刻的元素的差值，所述差值与第二预设值的比值为相邻时刻中前一时刻的温度变化幅度。

优选地，获得每个组别公交车的标准电流序列和标准电压序列，包括：利用任意一个组别的所有公交车每个时刻的电量、充电电流、充电电压、电池温度、电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度训练BP神经网络获得该组别对应的训练完成的BP神经网络；将任意一个组别中所有公交车多个时刻的电量、充电电流、充电电压、电池温度、电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度输入该组别对应的训练完成的BP神经网络，输出对应的多个时刻的充电电流、充电电压，分别组成该组别的公交车的标准电流序列和标准电压序列。

优选地，判断当前时刻公交车充电是否异常，包括：设定差异阈值，当前时刻为第c时刻；获得公交车从开始充电到第c时刻的时间段内每个时刻的充电电流和充电电压，分别组成待分析电流序列和待分析电压序列；获取该公交车所属的组别对应的标准电流序列和标准电压序列中第一时刻到第c时刻的充电电流和充电电压，分别组成标准电流子序列和标准电压子序列；计算待分析电流序列、待分析电压序列和标准电流子序列、标准电压子序列的相似度，记为异常判断指标：

其中，表示异常判断指标；/>表示自然常数；/>表示利用DTW算法计算待分析电压序列/>和标准电压子序列/>的距离/>表示利用DTW算法计算待分析电流序列/>和标准电流子序列/>的距离；

若异常判断指标小于差异阈值时，说明当前时刻公交车充电出现异常。

优选地，在判断当前时刻公交车充电是否异常后还包括：若判断当前时刻公交车充电出现异常，利用充电桩介入自适应调节充电电流和充电电压。

优选地，所述差异阈值设置为0.87。

本发明实施例至少具有如下有益效果：

1.本发明通过对公交车的状态进行分析获得公交车的放电时长和行驶指数，基于每两个公交车的放电时长、行驶指数和温度序列的差异对公交车进行分组，将车辆状态和电池衰减程度相近的公交车分在一组，获得8组车辆状态和电池衰减程度不相同的公交车，将公交车进行了细分，使得后续在对公交车的充电过程判断时能够根据公交车所属的组别自适应的利用相应的标准电流序列和标准电压序列进行判断，排除了公交车车辆状态不同和电池衰减状态的干扰，能够使得判断的结果更加准确；

2.本发明通过标准电流序列、标准电压序列中的充电电流和充电电压与公交车实际充电过程中实际的充电电流和充电电压对比判断当前时刻公交车充电是否异常，若异常则利用充电桩介入调节充电电流和充电电压，准确的获得了充电桩介入的时机，能够及时的对充电过程中因BMS系统出错导致的充电异常进行调整，防止公交车充电事故的发生，在利用BMS系统保证充电安全的前提上，又通过充电桩对公交车的充电安全增加了一层保障。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明提供的一种新能源充电设备的自适应充电方法的方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种新能源充电设备的自适应充电方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种新能源充电设备的自适应充电方法的具体方案。

实施例

本发明的主要应用场景为：本发明适用于城市电动公交充电站，即所充电的车辆型号都相同，而且电池容量较大，容量衰减严重，平均三年衰减近15%，且电控系统的制定标准相对落后。充电站中的充电桩中安装有智能处理器，通过信息传输模将车辆ECU以及BMS系统中的信息传输到充电桩的处理器中，计算当前时刻的充电功率。需要说明的是本实施例分析过程中所有公交车的充电过程中未出现异常，都是正常充电状态，也即是采集的数据是公交车正常充电的数据。

请参阅图1，其示出了本发明实施例提供的一种新能源充电设备的自适应充电方法的方法流程图，该方法包括以下步骤：

步骤S1，获取每个公交车预设时段内行驶的平均里程数；获取每个公交车行驶的总里程数；在预设时长内每个时刻采集一次公交车行驶的速度，组成速度序列；在公交车最近一次的充电过程中每个时刻采集一次公交车的电量、充电电流、充电电压和电池温度，分别组成电量变化序列、电流序列、电压序列和温度序列。

首先，公交车不同程度的使用情况，电池的衰减情况不同，例如行驶里程长的公交车电池的衰减会更加严重，因此需要采集公交车行驶的里程数；需要说明的是，本发明实施例中公交车的配置都是相同的。通过公交车ECU读取每天的行驶里程，一共获取预设时段内每天的行驶里程，优选地，本实施例中预设时段的长度为30天，且是距离当前最近的30天，实施者在实施时可根据具体情况进行调整。每个公交车预设时段内的行驶的平均里程数为，n表示第n辆公交车，同时获取公交车从投入使用到现在一共行驶的总里程数/>。

进一步的，每辆公交车与驾驶员都是相匹配的，没有特殊情况不会随意为一辆公交车更换驾驶员，由于不同驾驶员的驾驶习惯不同，有些喜欢激烈驾驶，有些喜欢平稳驾驶，则电池的放电过程不一，激烈驾驶的车辆其动力电池放电功率更高更频繁，这也是造成车辆电池之间衰减程度不同的原因。

通过公交车读取车辆预设时长内的速度变化情况，优选地，本实施例中预设时长为驾驶员驾驶公交车的任意一天，实施者在具体实施时可以根据实际情况进行调整，以2秒采集1次进行采集，采集每个时刻的速度，组成速度序列；/>表示第n辆公交车的速度序列中第t时刻的速度，/>表示第n辆公交车的速度序列。

接着，需要采集公交车充电过程中电量的变化以及充电电流和充电电压的变化情况，需要说明的是采集的是最近一次充电过程中电量的变化以及充电电流和充电电压的变化情况，同样的2秒采集1次，通过BMS系统读取充电过程中电量的百分比，组成电量变化序列，/>表示第n辆公交车的电量变化序列，/>表示第n辆公交车第t时刻的电量。同理获得电流序列/>，/>表示第n辆公交车的电流序列，/>表示第n辆公交车第t时刻的充电电流；获得电压序列/>，/>表示第n辆公交车的电压序列，/>表示第n辆公交车第t时刻的充电电压。

最后，充电过程中温度对充电的影响是十分大的，充电过程中电池的温度会发生变化，衰减程度不同的电池会造成充电时间不同，充电时的电池的温升和温降也有所不同，采集电池温度变化情况；通过BMS系统读取电池的温度变化情况，将数据传输给充电桩的处理器，采集频率同样是2秒采集1次，采集每个时刻的电池温度，获得温度序列，其中充电过程统一为电量从10%充到100%的阶段。/>表示第n辆公交车的温度序列，/>第n辆公交车第t时刻的电池温度。需要说明的是，采集的电池温度也是公交车最近一次的充电过程中电池温度。

步骤S2，基于公交车预设时段内行驶的平均里程数、速度序列的均值以及公交车行驶的总里程数获得公交车的放电时长；基于速度序列中各时刻公交车速度的波动情况获得公交车的行驶指数；利用每两个公交车之间放电时长、行驶指数和温度序列的差异获得每两个公交车之间的状态相似度；基于每两个公交车之间的状态相似度对公交车进行分组，得到预设数量的组别；基于公交车的电量变化序列、电流序列、电压序列和温度序列中相邻元素的差值分别获得公交车每个时刻的电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度。

首先，需要通过公交车预设时段内的行驶的平均里程数、速度序列的均值以及公交车行驶的总里程数获得公交车的放电时长；具体的，将公交车行驶的总里程数与公交车预设时段内的行驶的平均里程数的比值记为第一比值，该比值用来预估公交车行驶的天数；将公交车预设时段内的行驶的平均里程数与公交车的速度序列的均值的比值记为第二比值，该比值用来预估公交车每天行驶的时间；将第一比值和第二比值相乘获得公交车的放电时长：

其中，表示第n辆公交车的放电时长，/>表示第n辆公交车的总里程数，/>表示第n辆公交车预设时段内的行驶的平均里程数，/>表示第n辆公交车的速度序列的均值，由此可以得到每辆公交车的放电时长，放电时长相近的公交车的电池的衰减情况是比较相似的。虽然这是一个预估的放电时长，但在一定程度上是可以表示公交车的放电时长。

进一步的，需要根据公交车的速度序列中记录的速度的变化情况确定驾驶员的驾驶习惯，驾驶激烈程度越大的驾驶员驾驶的公交车的电池的衰减程度越大，反之驾驶激烈程度越小的驾驶员驾驶的公交车的电池的衰减程度越小，因此为了比较公交车之间的电池的衰减程度是否相同，可以用不同公交车驾驶员的驾驶习惯来表征，由此基于速度序列中各时刻公交车速度的波动情况获得公交车的行驶指数：

其中，表示第n辆公交车的行驶指数，该值越大说明公交车的驾驶越激烈；/>表示自然常数；/>表示第n辆公交车的速度序列中第t时刻的速度；/>表示第n辆公交车的速度序列中第t-1时刻的速度；/>表示第n辆公交车的速度序列中第t-2时刻的速度，通过式中的/>可以表示第一个时刻、第二个时刻和第三个时刻之间速度变化量的差异，在一定程度上能够表示驾驶员的驾驶习惯是否激烈；/>表示第n辆公交车的速度序列；表示第n辆公交车的速度序列的方差，方差表示速度序列的速度的变化是否是平缓的，若是平缓的说明驾驶员的驾驶习惯是不激烈的，若不是平缓的，则说明驾驶员的驾驶习惯是激烈的。

接着，公交车的状态和电池的衰减程度有可能是不相同的，因此在充电过程中充电的功率是有区别的，可以通过公交车的放电时长、行驶指数和充电时温度的变化情况将不同状态的公交车区分开，这样在对公交车充电过程调整时能够更加精确。

计算每两个公交车之间的状态相似度：

其中，表示公交车x和公交车y的状态相似度；/>和/>分别表示公交车x和公交车y的放电时长，/>越小，/>的值越接近于1，两辆公交车的状态越相似；/>和/>分别表示公交车x和公交车y的行驶指数，/>越小，的值越接近于1，两辆公交车的状态越相似；/>表示自然常数；/>和/>分别表示公交车x和公交车y的温度序列；/>表示公交车x和公交车y的温度序列的皮尔逊相关性系数，当皮尔逊相关性系数越接近于1时，此时的值越接近于1，说明两辆公交车的状态越相似；/>表示取绝对值。当/>的值越接近于1时，说明两辆公交车的车辆状态和电池状态都较为接近。

最后，基于每两个公交车之间的状态相似度对公交车进行分组，得到预设数量的组别，每个组别内的公交车的车辆状态和电池状态都较为接近，分组的具体过程为：以第一预设值与每两个公交车之间的状态相似度的差值作为每两个公交车之间的状态距离D，其中第一预设值的取值为1，两公交车状态越不相同时，状态距离D越接近1，反之状态距离D越接近0；基于每两个公交车之间的状态距离利用K-medoids聚类算法对所有公交车进行聚类获得预设数量的公交车组别，K-medoids聚类算法为公知技术，在此不再展开叙述。优选地，在本实施例中考虑到城市中公交车的数量以及公交车的工作年限，将其分为8个组别，也即是预设数量的取值为8，在具体的实施过程中，实施者可以根据公交车的实际情况对组别的数量进行调整。获得8个组别的公交车后，后续根据每个组别的公交车的情况进行自适应的计算。

需要对公交车充电过程中电量，充电电流，充电电压和电池温度的变化进行分析；具体为：获得公交车电量变化序列中相邻时刻中后一时刻的元素与前一时刻的元素的差值，所述差值与第二预设值的比值为相邻时刻中前一时刻的电量变化幅度：

其中，表示充电过程中第n辆公交车第t时刻的电量变化幅度；/>表示充电过程中第n辆公交车的电量变化序列中第t时刻的电量，/>表示充电过程中第n辆公交车的电量变化序列中第t-1时刻的电量；

获得公交车电流序列中相邻时刻中后一时刻的元素与前一时刻的元素的差值，所述差值与第二预设值的比值为相邻时刻中前一时刻的电流变化幅度：

其中，表示充电过程中第n辆公交车第t时刻的电流变化幅度；/>表示充电过程中第n辆公交车的电流序列中第t时刻的充电电流，/>表示充电过程中第n辆公交车的电流序列中第t-1时刻的充电电流；

获得公交车电压序列中相邻时刻中后一时刻的元素与前一时刻的元素的差值，所述差值与第二预设值的比值为相邻时刻中前一时刻的电压变化幅度：

其中，表示充电过程中第n辆公交车第t时刻的电压变化幅度；/>表示充电过程中第n辆公交车的电压序列中第t时刻的充电电压，/>表示充电过程中第n辆公交车的电压序列中第t-1时刻的充电电压；

获得公交车温度序列中相邻时刻中后一时刻的元素与前一时刻的元素的差值，所述差值与第二预设值的比值为相邻时刻中前一时刻的温度变化幅度：

其中，表示充电过程中第n辆公交车第t时刻的温度变化幅度；/>表示充电过程中第n辆公交车的温度序列中第t时刻的温度，/>表示充电过程中第n辆公交车的温度序列中第t-1时刻的温度。

步骤S3，基于每个组别内所有公交车每个时刻的公交车的电量、充电电流、充电电压、电池温度、电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度获得每个组别公交车的标准电流序列和标准电压序列；利用一个组别的一辆公交车从开始充电到当前时刻的时间段内多个时刻的充电电流、充电电压与该组别的标准电流序列、标准电压序列中对应的多个时刻的充电电流、充电电压的差异判断当前时刻公交车充电是否异常。

首先，在步骤S2中将公交车分为了8个组别，每个组别的公交车的状态和电池的情况都不相同，每个组别都需要结合组别中各公交车每个时刻的电量、充电电流、充电电压、电池温度、电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度通过BP神经网络拟合出来每个组别的公交车正常充电时每个时刻的充电电流和充电电压，然后用于后续对每个组别的公交车充电过程中是否发生异常进行判断。

进一步的，利用任意一个组别的所有公交车每个时刻的电量、充电电流、充电电压、电池温度、电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度训练BP神经网络，具体为：

将作为BP神经网络输入层八个节点，将作为输出层两个节点，其中/>和/>分别为通过BP神经网络输出的t+1时刻的充电电流和充电电压，将采集得到的组别中的公交车的t+1时刻的充电电流和充电电压与BP神经网络输出的/>和/>的差值作为误差函数。其中样本集为采集的组别内公交车的最近一次充电过程的数据。其中BP神经网络的隐藏层节点数设置为10，隐藏层的权系数和输出层的权系数根据实施过程中的实际情况进行调整，范围在/>，学习速率以及平滑因子可通过最速下降法调整，激活函数使用Sigmoid函数。

一个组别对应的BP神经网络训练过程中不断调整神经网络中的参数，直至误差函数收敛达到最小，即通过BP神经网络拟合出的充电电流和充电电压趋于实际采集的充电电流和充电电压，此时一个组别对应的BP神经网络训练完成，由此可以得到每个组别对应的训练完成的BP神经网络。以一个组别的公交车为例，将该组别内公交车多个时刻的电量、充电电流、充电电压、电池温度、电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度输入该组别对应的训练完成的BP神经网络，输出对应的多个时刻的充电电流、充电电压，分别组成该组别的公交车的标准电流序列和标准电压序列，例如将t时刻组别内所有公交车的电量、充电电流、充电电压、电池温度、电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度输入该组别对应的训练完成的BP神经网络，拟合出t+1时刻的充电电压和充电电流。至此可以得到8个组别的公交车各自对应的标准电流序列和标准电压序列。

最后，正常情况下，公交车充电时BMS系统控制着充电过程中参数的变化情况，充电桩只提供充电的电能，但当BMS系统的计算或识别出现异常时，此时充电过程中的充电电流和充电电压的数值，如果继续持续此过程极大可能造成过充甚至是自燃情况的发生，为了防止这种情况的发生，需要判断公交车当前时刻充电是否异常，若当前时刻充电出现异常，需要充电桩介入调节充电电流和充电电压。

利用每个组别的对应的标准电流序列和标准电压序列对属于每个组别的公交车充电时当前时刻是否出现异常，具体为：以一个公交车为例，首先获得该公交车所属的组别和该组别对应的标准电流序列和标准电压序列，设定差异阈值，优选地，本实施例中差异阈值的取值为0.87，当前时刻为第c时刻；获得公交车从开始充电到第c时刻的时间段内每个时刻的充电电流和充电电压，分别组成待分析电流序列和待分析电压序列/>；获取该公交车所属的组别对应的标准电流序列和标准电压序列中第一时刻到第c时刻的充电电流和充电电压，分别组成标准电流子序列/>和标准电压子序列/>；计算待分析电流序列、待分析电压序列和标准电流子序列、标准电压子序列的相似度，记为异常判断指标：

其中，表示异常判断指标；/>表示自然常数；/>表示利用DTW算法计算待分析电压序列/>和标准电压子序列/>的距离；/>表示利用DTW算法计算待分析电流序列/>和标准电流子序列/>的距离；若异常判断指标小于差异阈值时，说明当前时刻公交车充电出现异常，也即是第c时刻公交车充电出现异常。例如公交车充电的当前时刻为第10时刻，则获得公交车第1时刻到第10时刻的充电电流和充电电压组成的待分析电流序列和待分析电压序列，同时获得该公交车所属的组别对应的标准电流序列和标准电压序列中第1个元素到第10个元素组成的标准电流子序列和标准电压子序列，然后进行对比判断第10时刻是否发生异常。

需要说明的是，因为每两个时刻之间间隔2秒，所以异常判断指标的值也是间隔2秒更新一次，如果公交车当前时刻充电出现异常，说明BMS系统出现了异常，此时就需要充电桩介入自适应的调节充电的电流和电压，防止事故的发生，同时还需要提醒驾驶员对车辆进行检查。

另外，由于公交车的电池的状态会随着时间不断发生变化，所需需要间隔一段时间，基于公交车的各项数据对公交车进行一次重新聚类，也即是说需要对公交车的组别进行更新，这样做的目的是为了对公交车的分组更加准确且可靠。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种新能源充电设备的自适应充电方法，其特征在于，该方法包括：获取每个公交车预设时段内行驶的平均里程数；获取每个公交车行驶的总里程数；在预设时长内每个时刻采集一次公交车行驶的速度，组成速度序列；在公交车最近一次的充电过程中每个时刻采集一次公交车的电量、充电电流、充电电压和电池温度，分别组成电量变化序列、电流序列、电压序列和温度序列；

基于公交车预设时段内行驶的平均里程数、速度序列的均值以及公交车行驶的总里程数获得公交车的放电时长；基于速度序列中各时刻公交车速度的波动情况获得公交车的行驶指数；利用每两个公交车之间放电时长、行驶指数和温度序列的差异获得每两个公交车之间的状态相似度；基于每两个公交车之间的状态相似度对公交车进行分组，得到预设数量的组别；基于公交车的电量变化序列、电流序列、电压序列和温度序列中相邻元素的差值分别获得公交车每个时刻的电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度；

基于每个组别内所有公交车每个时刻的公交车的电量、充电电流、充电电压、电池温度、电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度获得每个组别公交车的标准电流序列和标准电压序列；利用一个组别的一辆公交车从开始充电到当前时刻的时间段内多个时刻的充电电流、充电电压与该组别的标准电流序列、标准电压序列中对应的多个时刻的充电电流、充电电压的差异判断当前时刻公交车充电是否异常。

2.根据权利要求1所述的一种新能源充电设备的自适应充电方法，其特征在于，所述基于公交车预设时段内行驶的平均里程数、速度序列的均值以及公交车行驶的总里程数获得公交车的放电时长，包括：将公交车行驶的总里程数与公交车预设时段内行驶的平均里程数的比值记为第一比值；将公交车预设时段内的行驶的平均里程数与公交车的速度序列的均值的比值记为第二比值；第一比值和第二比值的乘积为公交车的放电时长。

3.根据权利要求1所述的一种新能源充电设备的自适应充电方法，其特征在于，所述行驶指数为：

其中，表示第n辆公交车的行驶指数；/>表示自然常数；/>表示第n辆公交车的速度序列中第t时刻的速度；/>表示第n辆公交车的速度序列中第t-1时刻的速度；/>表示第n辆公交车的速度序列中第t-2时刻的速度；/>表示第n辆公交车的速度序列；/>表示第n辆公交车的速度序列的方差。

4.根据权利要求1所述的一种新能源充电设备的自适应充电方法，其特征在于，所述每两个公交车之间的状态相似度为：

其中，表示公交车x和公交车y的状态相似度；/>和/>分别表示公交车x和公交车y的放电时长；/>和/>分别表示公交车x和公交车y的行驶指数；/>表示自然常数；/>和分别表示公交车x和公交车y的温度序列；/>表示公交车x和公交车y的温度序列的皮尔逊相关性系数；/>表示取绝对值。

5.根据权利要求1所述的一种新能源充电设备的自适应充电方法，其特征在于，所述基于每两个公交车之间的状态相似度对公交车进行分组，得到预设数量的组别，包括：以第一预设值与每两个公交车之间的状态相似度的差值作为每两个公交车之间的状态距离；基于每两个公交车之间的状态距离利用K-medoids聚类算法对所有公交车进行聚类获得预设数量的组别。

6.根据权利要求1所述的一种新能源充电设备的自适应充电方法，其特征在于，所述获得公交车每个时刻的电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度，包括：获得公交车电量变化序列中相邻时刻中后一时刻的元素与前一时刻的元素的差值，所述差值与第二预设值的比值为相邻时刻中前一时刻的电量变化幅度；获得公交车电流序列中相邻时刻中后一时刻的元素与前一时刻的元素的差值，所述差值与第二预设值的比值为相邻时刻中前一时刻的电流变化幅度；获得公交车电压序列中相邻时刻中后一时刻的元素与前一时刻的元素的差值，所述差值与第二预设值的比值为相邻时刻中前一时刻的电压变化幅度；获得公交车温度序列中相邻时刻中后一时刻的元素与前一时刻的元素的差值，所述差值与第二预设值的比值为相邻时刻中前一时刻的温度变化幅度。

7.根据权利要求1所述的一种新能源充电设备的自适应充电方法，其特征在于，所述获得每个组别公交车的标准电流序列和标准电压序列，包括：利用任意一个组别的所有公交车每个时刻的电量、充电电流、充电电压、电池温度、电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度训练BP神经网络获得该组别对应的训练完成的BP神经网络；将任意一个组别中所有公交车多个时刻的电量、充电电流、充电电压、电池温度、电量变化幅度、电流变化幅度、电压变化幅度和温度变化幅度输入该组别对应的训练完成的BP神经网络，输出对应的多个时刻的充电电流、充电电压，分别组成该组别的公交车的标准电流序列和标准电压序列。

8.根据权利要求1所述的一种新能源充电设备的自适应充电方法，其特征在于，所述判断当前时刻公交车充电是否异常，包括：设定差异阈值，当前时刻为第c时刻；获得公交车从开始充电到第c时刻的时间段内每个时刻的充电电流和充电电压，分别组成待分析电流序列和待分析电压序列；获取该公交车所属的组别对应的标准电流序列和标准电压序列中第一时刻到第c时刻的充电电流和充电电压，分别组成标准电流子序列和标准电压子序列；计算待分析电流序列、待分析电压序列和标准电流子序列、标准电压子序列的相似度，记为异常判断指标：

其中，表示异常判断指标；/>表示自然常数；/>表示利用DTW算法计算待分析电压序列/>和标准电压子序列/>的距离；/>表示利用DTW算法计算待分析电流序列/>和标准电流子序列/>的距离；

若异常判断指标小于差异阈值时，说明当前时刻公交车充电出现异常。

9.根据权利要求1所述的一种新能源充电设备的自适应充电方法，其特征在于，在所述判断当前时刻公交车充电是否异常后还包括：若判断当前时刻公交车充电出现异常，利用充电桩介入自适应调节充电电流和充电电压。

10.根据权利要求8所述的一种新能源充电设备的自适应充电方法，其特征在于，所述差异阈值设置为0.87。