CN117207905B - 一种新能源汽车的电源运维方法、系统及存储介质 - Google Patents
一种新能源汽车的电源运维方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117207905B CN117207905B CN202311485959.4A CN202311485959A CN117207905B CN 117207905 B CN117207905 B CN 117207905B CN 202311485959 A CN202311485959 A CN 202311485959A CN 117207905 B CN117207905 B CN 117207905B
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- information
- equipment
- new energy
- acquiring
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012423 maintenance Methods 0.000 title claims abstract description 36
- 238000005265 energy consumption Methods 0.000 claims abstract description 258
- 230000001105 regulatory effect Effects 0.000 claims abstract description 11
- 230000002159 abnormal effect Effects 0.000 claims description 83
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 16
- 230000001276 controlling effect Effects 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 4
- 230000015556 catabolic process Effects 0.000 abstract description 3
- 238000006731 degradation reaction Methods 0.000 abstract description 3
- 230000000630 rising effect Effects 0.000 abstract description 2
- 230000005856 abnormality Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种新能源汽车的电源运维方法、系统及存储介质，属于电源运维技术领域，本发明通过根据相关的影响因子数据生成相关的调控措施，最后通过监测新能源汽车中实时充电设备的充电数据信息，并根据新能源汽车中实时充电设备的充电数据信息生成相关的预警信息。本发明通过对新能源汽车中各设备的能耗数据进行预测，能够预测由于设备退化而导致的能耗数据上升，从而对新能源汽车的电源在预设时间之内各设备的预测能耗数据信息进行分析，以确定是外部因素或者内部因素所导致的，提高了能耗分析的精确度，从而根据能耗分析数据进行调控，避免新能源汽车过多的消耗电量，进一步优化新能源汽车的续航能力。
Description
技术领域
本发明涉及电源运维技术领域，尤其涉及一种新能源汽车的电源运维方法、系统及存储介质。
背景技术
新能源汽车是指采用非常规的车用燃料作为动力来源（或使用常规的车用燃料、采用新型车载动力装置），综合汽车的动力驱动和行驶功能，按新型道路汽车标准设计，具有较好的经济性和动力性的汽车。新能源汽车是国家重点扶持和发展的项目，也是未来汽车产业发展的方向。随着国家政策对新能源汽车发展的大力支持，各大车企在新能源汽车领域也进行了更深入的研究和开发。然而，新能源的电源的管理还有待提高，如在车辆的电源在使用的过程中，由于内部因素以及外部因素，容易出现耗电异常，就会过多消耗电源中的电量，导致新能源汽车的续航能力变差。
发明内容
本发明克服了现有技术的不足，提供了一种新能源汽车的电源运维方法、系统及存储介质。
为达上述目的，本发明采用的技术方案为：
本发明第一方面提供了一种新能源汽车的电源运维方法，包括以下步骤：
构建设备能耗预测模型，根据设备能耗预测模型获取新能源汽车的电源在预设时间之内各耗电设备的预测能耗数据信息；
通过对新能源汽车的电源在预设时间之内各设备的预测能耗数据信息进行分析，获取存在异常能耗的设备；
通过对存在异常能耗的设备进行影响因子数据分析，获取相关的影响因子数据，并根据相关的影响因子数据生成相关的调控措施；
监测新能源汽车中实时充电设备的充电数据信息，并根据新能源汽车中实时充电设备的充电数据信息生成相关的预警信息。
进一步的，在本方法中，构建设备能耗预测模型，根据设备能耗预测模型获取新能源汽车的电源在预设时间之内各耗电设备的预测能耗数据信息，具体包括：
获取新能源汽车各设备的历史能耗数据信息，基于深度神经网络构建设备能耗预测模型，并构建时间戳，融合时间戳以及新能源汽车各设备的历史能耗数据信息生成基于时间序列的历史能耗数据信息；
根据基于时间序列的历史能耗数据信息构建特征矩阵，并将特征矩阵输入到设备能耗预测模型中进行编码学习，融入循环空间注意力机制；
通过循环空间注意力机制将注意力集中在特征矩阵的历史能耗数据信息中，并更新隐含层的状态，当设备能耗预测模型的模型参数达到预设训练要求之后，输出设备能耗预测模型；
通过设备能耗预测模型获取新能源汽车的电源在预设时间之内各耗电设备的预测能耗数据信息。
进一步的，在本方法中，通过对新能源汽车的电源在预设时间之内各设备的预测能耗数据信息进行分析，获取存在异常能耗的设备，具体包括：
获取新能源汽车的电源在预设之内各设备的实时能耗数据信息，并将各设备的实时预测能耗数据信息与预测能耗数据信息进行对比，得到偏差率，并预设偏差率阈值；
判断偏差率是否大于偏差率阈值，当偏差率大于偏差率阈值时，则将对应的设备作为由于外部因素导致的存在异常能耗的设备；
预设能耗阈值信息，当偏差率不大于偏差率阈值时，则进一步判断各设备的预测能耗数据信息是否大于能耗阈值信息；
当预测能耗数据信息大于能耗阈值信息时，则将对应的设备作为由于内部因素导致的存在异常能耗的设备，并根据由于外部因素导致的存在异常能耗的设备以及由于内部因素导致的存在异常能耗的设备生成存在异常能耗的设备。
进一步的，在本方法中，通过对存在异常能耗的设备进行影响因子数据分析，获取相关的影响因子数据，具体包括：
通过大数据获取各影响因子数据之下的设备能耗信息，并引入图神经网络，将影响因子数据作为第一图节点，将设备能耗信息作为第二图节点；
根据第一图节点以及第二图节点通过有向边描述，构建设备能耗拓扑结构图，基于设备能耗拓扑结构图生成邻接矩阵，并引入注意力机制，通过注意力机制计算每一邻接矩阵的注意力分数；
构建数据库，根据邻接矩阵的注意力分数进行排序，获取排序结果，基于排序结果将邻接矩阵依次输入到数据库中进行存储，并获取存在异常能耗的设备的能耗信息；
获取环境中的影响因子数据信息，并将存在异常能耗的设备的能耗信息以及环境中的影响因子数据信息输入到数据库中进行匹配，获取相关的影响因子数据。
进一步的，在本方法中，据相关的影响因子数据生成相关的调控措施，具体包括：
获取相关的影响因子数据的实时参数信息，并通过大数据获取设备能耗正常的参数信息，根据相关的影响因子数据的实时参数信息以及设备能耗正常的参数信息计算偏差参数；
根据偏差参数生成相关的调控信息，并获取新能源汽车的车载环境调控设备的工作参数信息，根据关的调控信息对新能源汽车的车载环境调控设备的工作参数信息进行调控；
当偏差参数大于预设偏差参数时，对相关的影响因子数据的实时参数信息进行持续调控，直至偏差参数不大于预设偏差参数；
当偏差参数不大于预设偏差参数时，生成停止调控指令，并根据停止调控指令对车载环境调控设备进行控制。
进一步的，在本方法中，监测新能源汽车中实时充电设备的充电数据信息，并根据新能源汽车中实时充电设备的充电数据信息生成相关的预警信息，具体包括：
获取能源汽车中实时充电设备的充电数据信息，根据充电数据信息获取温度信息，并预设第一阈值信息，判断温度信息是否大于第一阈值信息；
当温度信息大于第一阈值信息时，则通过大数据获取在温度信息之下的异常概率值，当异常概率值大于预设异常概率值时，生成相关的预警信息；
基于充电数据信息获取实时充电设备的充电量信息，并判断充电量信息是否大于预设充电量信息；
当充电量信息大于预设充电量信息时，生成相关的提示信息，将相关的预警信息以及相关的提示信息按照预设方式进行显示。
本发明第二方面提供了一种新能源汽车的电源运维系统，系统包括存储器以及处理器，存储器中包括新能源汽车的电源运维方法程序，新能源汽车的电源运维方法程序被处理器执行时，实现如下步骤：
构建设备能耗预测模型，根据设备能耗预测模型获取新能源汽车的电源在预设时间之内各耗电设备的预测能耗数据信息；
通过对新能源汽车的电源在预设时间之内各设备的预测能耗数据信息进行分析，获取存在异常能耗的设备；
通过对存在异常能耗的设备进行影响因子数据分析，获取相关的影响因子数据，并根据相关的影响因子数据生成相关的调控措施；
监测新能源汽车中实时充电设备的充电数据信息，并根据新能源汽车中实时充电设备的充电数据信息生成相关的预警信息。
进一步的，在本系统中，获取新能源汽车的电源在预设之内各设备的实时能耗数据信息，并将各设备的实时预测能耗数据信息与预测能耗数据信息进行对比，得到偏差率，并预设偏差率阈值；
判断偏差率是否大于偏差率阈值，当偏差率大于偏差率阈值时，则将对应的设备作为由于外部因素导致的存在异常能耗的设备；
预设能耗阈值信息，当偏差率不大于偏差率阈值时，则进一步判断各设备的预测能耗数据信息是否大于能耗阈值信息；
当预测能耗数据信息大于能耗阈值信息时，则将对应的设备作为由于内部因素导致的存在异常能耗的设备，并根据由于外部因素导致的存在异常能耗的设备以及由于内部因素导致的存在异常能耗的设备生成存在异常能耗的设备。
进一步的，在本系统中，通过对存在异常能耗的设备进行影响因子数据分析，获取相关的影响因子数据，具体包括：
通过大数据获取各影响因子数据之下的设备能耗信息，并引入图神经网络，将影响因子数据作为第一图节点，将设备能耗信息作为第二图节点；
根据第一图节点以及第二图节点通过有向边描述，构建设备能耗拓扑结构图，基于设备能耗拓扑结构图生成邻接矩阵，并引入注意力机制，通过注意力机制计算每一邻接矩阵的注意力分数；
构建数据库，根据邻接矩阵的注意力分数进行排序，获取排序结果，基于排序结果将邻接矩阵依次输入到数据库中进行存储，并获取存在异常能耗的设备的能耗信息；
获取环境中的影响因子数据信息，并将存在异常能耗的设备的能耗信息以及环境中的影响因子数据信息输入到数据库中进行匹配，获取相关的影响因子数据。
本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质中包括新能源汽车的电源运维方法程序，新能源汽车的电源运维方法程序被处理器执行时，实现任一项新能源汽车的电源运维方法的步骤。
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
本发明通过构建设备能耗预测模型，根据设备能耗预测模型获取新能源汽车的电源在预设时间之内各耗电设备的预测能耗数据信息，进而通过对新能源汽车的电源在预设时间之内各设备的预测能耗数据信息进行分析，获取存在异常能耗的设备，从而通过对存在异常能耗的设备进行影响因子数据分析，获取相关的影响因子数据，并根据相关的影响因子数据生成相关的调控措施，最后通过监测新能源汽车中实时充电设备的充电数据信息，并根据新能源汽车中实时充电设备的充电数据信息生成相关的预警信息。本发明通过对新能源汽车中各设备的能耗数据进行预测，能够预测由于设备退化而导致的能耗数据上升，从而对新能源汽车的电源在预设时间之内各设备的预测能耗数据信息进行分析，以确定是外部因素或者内部因素所导致的，提高了能耗分析的精确度，从而根据能耗分析数据进行调控，避免新能源汽车过多的消耗电量，进一步优化新能源汽车的续航能力。
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，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地介绍，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他实施例的附图。
图1示出了新能源汽车的电源运维方法的整体方法流程图；
图2示出了新能源汽车的电源运维方法的第一方法流程图；
图3示出了新能源汽车的电源运维方法的第二方法流程图；
图4示出了新能源汽车的电源运维系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示，本发明第一方面提供了一种新能源汽车的电源运维方法，包括以下步骤：
S102:构建设备能耗预测模型，根据设备能耗预测模型获取新能源汽车的电源在预设时间之内各耗电设备的预测能耗数据信息；
S104:通过对新能源汽车的电源在预设时间之内各设备的预测能耗数据信息进行分析，获取存在异常能耗的设备；
S106:通过对存在异常能耗的设备进行影响因子数据分析，获取相关的影响因子数据，并根据相关的影响因子数据生成相关的调控措施；
S108:监测新能源汽车中实时充电设备的充电数据信息，并根据新能源汽车中实时充电设备的充电数据信息生成相关的预警信息。
需要说明的是，本发明通过对新能源汽车中各设备的能耗数据进行预测，能够预测由于设备退化而导致的能耗数据上升，从而对新能源汽车的电源在预设时间之内各设备的预测能耗数据信息进行分析，以确定是外部因素或者内部因素所导致的，提高了能耗分析的精确度，从而根据能耗分析数据进行调控，避免新能源汽车过多的消耗电量，进一步优化新能源汽车的续航能力。
进一步的，在本方法中，构建设备能耗预测模型，根据设备能耗预测模型获取新能源汽车的电源在预设时间之内各耗电设备的预测能耗数据信息，具体包括：
获取新能源汽车各设备的历史能耗数据信息，基于深度神经网络构建设备能耗预测模型，并构建时间戳，融合时间戳以及新能源汽车各设备的历史能耗数据信息生成基于时间序列的历史能耗数据信息；
根据基于时间序列的历史能耗数据信息构建特征矩阵，并将特征矩阵输入到设备能耗预测模型中进行编码学习，融入循环空间注意力机制；
通过循环空间注意力机制将注意力集中在特征矩阵的历史能耗数据信息中，并更新隐含层的状态，当设备能耗预测模型的模型参数达到预设训练要求之后，输出设备能耗预测模型；
通过设备能耗预测模型获取新能源汽车的电源在预设时间之内各耗电设备的预测能耗数据信息。
需要说明的是，设备包括充电设备、显示设备等，由于设备在运行到一定的年限之后就会产生一定的退化，从而导致设备在单位时间之内的能耗增大，通过融入循环空间注意力机制，注意力集中在特征矩阵的历史能耗数据信息中，能够抑制多尺度信息对模型训练的干扰，从而来提高预测精度，通过本方法能够预测设备的退化而导致的设备能耗数据，从而识别出实时的能耗异常是外部因素导致的还是内部因素导致的，提高对能耗异常设备的识别精度。
如图2所示，进一步的，在本方法中，通过对新能源汽车的电源在预设时间之内各设备的预测能耗数据信息进行分析，获取存在异常能耗的设备，具体包括：
S202:获取新能源汽车的电源在预设之内各设备的实时能耗数据信息，并将各设备的实时预测能耗数据信息与预测能耗数据信息进行对比，得到偏差率，并预设偏差率阈值；
S204:判断偏差率是否大于偏差率阈值，当偏差率大于偏差率阈值时，则将对应的设备作为由于外部因素导致的存在异常能耗的设备；
S206:预设能耗阈值信息，当偏差率不大于偏差率阈值时，则进一步判断各设备的预测能耗数据信息是否大于能耗阈值信息；
S208:当预测能耗数据信息大于能耗阈值信息时，则将对应的设备作为由于内部因素导致的存在异常能耗的设备，并根据由于外部因素导致的存在异常能耗的设备以及由于内部因素导致的存在异常能耗的设备生成存在异常能耗的设备。
需要说明的是，当偏差率不大于偏差率阈值时，说明设备的预测能耗以及实时能耗是相近或者是一致的，不存在外部因素的影响。而当差率大于偏差率阈值时，则将对应的设备作为由于外部因素导致的存在异常能耗的设备，如充电设备由于整体受潮而导致车载充电设备发热，从而将电源的电量大部分转换为热量，导致电量大量损失，通过本方法能够进一步提高识别设备异常的精度。
如图3所示，进一步的，在本方法中，通过对存在异常能耗的设备进行影响因子数据分析，获取相关的影响因子数据，具体包括：
S302:通过大数据获取各影响因子数据之下的设备能耗信息，并引入图神经网络，将影响因子数据作为第一图节点，将设备能耗信息作为第二图节点；
S304:根据第一图节点以及第二图节点通过有向边描述，构建设备能耗拓扑结构图，基于设备能耗拓扑结构图生成邻接矩阵，并引入注意力机制，通过注意力机制计算每一邻接矩阵的注意力分数；
S306:构建数据库，根据邻接矩阵的注意力分数进行排序，获取排序结果，基于排序结果将邻接矩阵依次输入到数据库中进行存储，并获取存在异常能耗的设备的能耗信息；
S308:获取环境中的影响因子数据信息，并将存在异常能耗的设备的能耗信息以及环境中的影响因子数据信息输入到数据库中进行匹配，获取相关的影响因子数据。
需要说明的是，影响因子数据包括温度、湿度等数据，通过图神经网络根据第一图节点以及第二图节点通过有向边描述，构建设备能耗拓扑结构图，将各数据信息进行绑定，从而根据邻接矩阵的注意力分数进行排序，获取排序结果，基于排序结果将邻接矩阵依次输入到数据库中进行存储，能够提高数据查询的效率，识别出主要的影响因子，从而来对车载环境进行智能调控。
进一步的，在本方法中，据相关的影响因子数据生成相关的调控措施，具体包括：
获取相关的影响因子数据的实时参数信息，并通过大数据获取设备能耗正常的参数信息，根据相关的影响因子数据的实时参数信息以及设备能耗正常的参数信息计算偏差参数；
根据偏差参数生成相关的调控信息，并获取新能源汽车的车载环境调控设备的工作参数信息，根据关的调控信息对新能源汽车的车载环境调控设备的工作参数信息进行调控；
当偏差参数大于预设偏差参数时，对相关的影响因子数据的实时参数信息进行持续调控，直至偏差参数不大于预设偏差参数；
当偏差参数不大于预设偏差参数时，生成停止调控指令，并根据停止调控指令对车载环境调控设备进行控制。
需要说明的是，设备能耗正常的参数信息包括正常时的温度参数、湿度参数等。通过本方法能够根据停止调控指令对车载环境调控设备进行控制，使得设备的工作环境（如车载充电设备的工作环境）符合预设要求，从而来根据停止调控指令对车载环境调控设备进行控制，降低设备由于外界因素而导致的能耗，提高汽车的续航能力。
进一步的，在本方法中，监测新能源汽车中实时充电设备的充电数据信息，并根据新能源汽车中实时充电设备的充电数据信息生成相关的预警信息，具体包括：
获取能源汽车中实时充电设备的充电数据信息，根据充电数据信息获取温度信息，并预设第一阈值信息，判断温度信息是否大于第一阈值信息；
当温度信息大于第一阈值信息时，则通过大数据获取在温度信息之下的异常概率值，当异常概率值大于预设异常概率值时，生成相关的预警信息；
基于充电数据信息获取实时充电设备的充电量信息，并判断充电量信息是否大于预设充电量信息；
当充电量信息大于预设充电量信息时，生成相关的提示信息，将相关的预警信息以及相关的提示信息按照预设方式进行显示。
需要说明的是 ，当温度信息大于第一阈值信息时，说明充电设备发生了异常，通过大数据获取在温度信息之下的异常概率值（如识别充电设备的爆炸概率、损坏的概率等），以及在充电的过程中，能够与汽车控制终端进行通信，电量充满之后能够生成提示信息，将相关的预警信息以及相关的提示信息按照预设方式进行显示，提示用户停止充电，避免异常情况的发生。
此外，本方法还可以包括以下步骤：
构建物联网平台，通过大数据获取各电磁特性数据之下的新能源汽车产生行驶异常的概率值，并将所述新能源汽车产生行驶异常的概率值输入到所述物联网平台中进行存储；
通过电磁干扰感知设备获取目标区域之内的电磁特性数据，将所述目标区域之内的电磁特性数据输送到物联网平台，获取当前目标区域之内的电磁特性数据之下的新能源汽车产生行驶异常的概率值；
预设异常概率阈值，判断所述当前目标区域之内的电磁特性数据之下的新能源汽车产生行驶异常的概率值是否大于所述异常概率阈值；
当所述当前目标区域之内的电磁特性数据之下的新能源汽车产生行驶异常的概率值大于所述异常概率阈值时，将目标区域作为危险行驶区域，并根据所述危险行驶区域制定新的行驶路线。
需要说明的是，电磁特性数据包括电磁波的类型、电磁波的频率、波长等数据，由于电磁波的影响会严重干扰汽车的相关安全驾驶系统和智能驾驶系统的正常工作，甚至导致安全事故。通过本方法能够识别出危险的行驶区域给用户，从而根据所述危险行驶区域制定新的行驶路线。
其中，根据所述危险行驶区域制定新的行驶路线，具体包括：
获取当前新能源汽车的实时行驶路线信息，并通过对所述当前新能源汽车的实时行驶路线信息进行存在电磁波的危险行驶区域进行识别，获取相关的危险行驶区域；
通过地图软件重新生成若干条行驶路线，并判断每条行驶路线中是否存在电磁波的危险行驶区域，当所述行驶路线中不存在电磁波的危险行驶区域，则将对应的行驶路线作为最终的行驶路线；
当所述行驶路线中存在电磁波的危险行驶区域，则引入遗传算法，通过遗传算法设置迭代代数，并根据所述迭代代数对行驶路线进行迭代运算；
当所述行驶路线中不存在电磁波的危险行驶区域，输出对应的行驶路线作为最终的行驶路线，并通过物联网平台进行信息传送。
需要说明的是，通过本方法能够规避存在电磁波的危险行驶区域的行驶路线，从而降低因电磁波而导致的车辆事故发生。
如图4所示，本发明第二方面提供了一种新能源汽车的电源运维系统4，系统4包括存储器41以及处理器42，存储器41中包括新能源汽车的电源运维方法程序，新能源汽车的电源运维方法程序被处理器42执行时，实现如下步骤：
构建设备能耗预测模型，根据设备能耗预测模型获取新能源汽车的电源在预设时间之内各耗电设备的预测能耗数据信息；
通过对新能源汽车的电源在预设时间之内各设备的预测能耗数据信息进行分析，获取存在异常能耗的设备；
通过对存在异常能耗的设备进行影响因子数据分析，获取相关的影响因子数据，并根据相关的影响因子数据生成相关的调控措施；
监测新能源汽车中实时充电设备的充电数据信息，并根据新能源汽车中实时充电设备的充电数据信息生成相关的预警信息。
进一步的，在本系统中，获取新能源汽车的电源在预设之内各设备的实时能耗数据信息，并将各设备的实时预测能耗数据信息与预测能耗数据信息进行对比，得到偏差率，并预设偏差率阈值；
判断偏差率是否大于偏差率阈值，当偏差率大于偏差率阈值时，则将对应的设备作为由于外部因素导致的存在异常能耗的设备；
预设能耗阈值信息，当偏差率不大于偏差率阈值时，则进一步判断各设备的预测能耗数据信息是否大于能耗阈值信息；
当预测能耗数据信息大于能耗阈值信息时，则将对应的设备作为由于内部因素导致的存在异常能耗的设备，并根据由于外部因素导致的存在异常能耗的设备以及由于内部因素导致的存在异常能耗的设备生成存在异常能耗的设备。
进一步的，在本系统中，通过对存在异常能耗的设备进行影响因子数据分析，获取相关的影响因子数据，具体包括：
通过大数据获取各影响因子数据之下的设备能耗信息，并引入图神经网络，将影响因子数据作为第一图节点，将设备能耗信息作为第二图节点；
根据第一图节点以及第二图节点通过有向边描述，构建设备能耗拓扑结构图，基于设备能耗拓扑结构图生成邻接矩阵，并引入注意力机制，通过注意力机制计算每一邻接矩阵的注意力分数；
构建数据库，根据邻接矩阵的注意力分数进行排序，获取排序结果，基于排序结果将邻接矩阵依次输入到数据库中进行存储，并获取存在异常能耗的设备的能耗信息；
获取环境中的影响因子数据信息，并将存在异常能耗的设备的能耗信息以及环境中的影响因子数据信息输入到数据库中进行匹配，获取相关的影响因子数据。
本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质中包括新能源汽车的电源运维方法程序，新能源汽车的电源运维方法程序被处理器执行时，实现任一项的新能源汽车的电源运维方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的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，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种新能源汽车的电源运维方法，其特征在于，包括以下步骤：
构建设备能耗预测模型，根据所述设备能耗预测模型获取新能源汽车的电源在预设时间之内各耗电设备的预测能耗数据信息；
通过对所述新能源汽车的电源在预设时间之内各设备的预测能耗数据信息进行分析，获取存在异常能耗的设备；
通过对所述存在异常能耗的设备进行影响因子数据分析，获取相关的影响因子数据，并根据所述相关的影响因子数据生成相关的调控措施；
监测新能源汽车中实时充电设备的充电数据信息，并根据所述新能源汽车中实时充电设备的充电数据信息生成相关的预警信息；
通过对所述新能源汽车的电源在预设时间之内各设备的预测能耗数据信息进行分析，获取存在异常能耗的设备，具体包括：
获取新能源汽车的电源在预设之内各设备的实时能耗数据信息，并将各设备的实时预测能耗数据信息与所述预测能耗数据信息进行对比，得到偏差率，并预设偏差率阈值；
判断所述偏差率是否大于所述偏差率阈值，当所述偏差率大于所述偏差率阈值时，则将对应的设备作为由于外部因素导致的存在异常能耗的设备；
预设能耗阈值信息，当所述偏差率不大于所述偏差率阈值时，则进一步判断所述各设备的预测能耗数据信息是否大于所述能耗阈值信息；
当所述预测能耗数据信息大于所述能耗阈值信息时，则将对应的设备作为由于内部因素导致的存在异常能耗的设备，并根据由于外部因素导致的存在异常能耗的设备以及由于内部因素导致的存在异常能耗的设备生成存在异常能耗的设备；
根据所述相关的影响因子数据生成相关的调控措施，具体包括：
获取所述相关的影响因子数据的实时参数信息，并通过大数据获取设备能耗正常的参数信息，根据所述相关的影响因子数据的实时参数信息以及设备能耗正常的参数信息计算偏差参数；
根据所述偏差参数生成相关的调控信息，并获取新能源汽车的车载环境调控设备的工作参数信息，根据所述相关的调控信息对所述新能源汽车的车载环境调控设备的工作参数信息进行调控；
当所述偏差参数大于预设偏差参数时，对所述相关的影响因子数据的实时参数信息进行持续调控，直至所述偏差参数不大于预设偏差参数；
当所述偏差参数不大于预设偏差参数时，生成停止调控指令，并根据所述停止调控指令对车载环境调控设备进行控制；
其中，影响因子数据包括温度、湿度。
2.根据权利要求1所述的一种新能源汽车的电源运维方法，其特征在于，构建设备能耗预测模型，根据所述设备能耗预测模型获取新能源汽车的电源在预设时间之内各耗电设备的预测能耗数据信息，具体包括：
获取新能源汽车各设备的历史能耗数据信息，基于深度神经网络构建设备能耗预测模型，并构建时间戳，融合所述时间戳以及新能源汽车各设备的历史能耗数据信息生成基于时间序列的历史能耗数据信息；
根据所述基于时间序列的历史能耗数据信息构建特征矩阵，并将所述特征矩阵输入到所述设备能耗预测模型中进行编码学习，融入循环空间注意力机制；
通过所述循环空间注意力机制将注意力集中在特征矩阵的历史能耗数据信息中，并更新隐含层的状态，当所述设备能耗预测模型的模型参数达到预设训练要求之后，输出设备能耗预测模型；
通过所述设备能耗预测模型获取新能源汽车的电源在预设时间之内各耗电设备的预测能耗数据信息。
3.根据权利要求1所述的一种新能源汽车的电源运维方法，其特征在于，通过对所述存在异常能耗的设备进行影响因子数据分析，获取相关的影响因子数据，具体包括：
通过大数据获取各影响因子数据之下的设备能耗信息，并引入图神经网络，将所述影响因子数据作为第一图节点，将所述设备能耗信息作为第二图节点；
根据所述第一图节点以及第二图节点通过有向边描述，构建设备能耗拓扑结构图，基于所述设备能耗拓扑结构图生成邻接矩阵，并引入注意力机制，通过注意力机制计算每一邻接矩阵的注意力分数；
构建数据库，根据所述邻接矩阵的注意力分数进行排序，获取排序结果，基于所述排序结果将所述邻接矩阵依次输入到所述数据库中进行存储，并获取存在异常能耗的设备的能耗信息；
获取环境中的影响因子数据信息，并将所述存在异常能耗的设备的能耗信息以及环境中的影响因子数据信息输入到所述数据库中进行匹配，获取相关的影响因子数据。
4.根据权利要求1所述的一种新能源汽车的电源运维方法，其特征在于，监测新能源汽车中实时充电设备的充电数据信息，并根据所述新能源汽车中实时充电设备的充电数据信息生成相关的预警信息，具体包括：
获取能源汽车中实时充电设备的充电数据信息，根据所述充电数据信息获取温度信息，并预设第一阈值信息，判断所述温度信息是否大于第一阈值信息；
当所述温度信息大于所述第一阈值信息时，则通过大数据获取在所述温度信息之下的异常概率值，当所述异常概率值大于预设异常概率值时，生成相关的预警信息；
基于所述充电数据信息获取实时充电设备的充电量信息，并判断所述充电量信息是否大于预设充电量信息；
当所述充电量信息大于所述预设充电量信息时，生成相关的提示信息，将所述相关的预警信息以及相关的提示信息按照预设方式进行显示。
5.一种新能源汽车的电源运维系统，其特征在于，所述系统包括存储器以及处理器，所述存储器中包括新能源汽车的电源运维方法程序，所述新能源汽车的电源运维方法程序被所述处理器执行时，实现如下步骤：
构建设备能耗预测模型，根据所述设备能耗预测模型获取新能源汽车的电源在预设时间之内各耗电设备的预测能耗数据信息；
通过对所述新能源汽车的电源在预设时间之内各设备的预测能耗数据信息进行分析，获取存在异常能耗的设备；
通过对所述存在异常能耗的设备进行影响因子数据分析，获取相关的影响因子数据，并根据所述相关的影响因子数据生成相关的调控措施；
监测新能源汽车中实时充电设备的充电数据信息，并根据所述新能源汽车中实时充电设备的充电数据信息生成相关的预警信息；
通过对所述新能源汽车的电源在预设时间之内各设备的预测能耗数据信息进行分析，获取存在异常能耗的设备，具体包括：
获取新能源汽车的电源在预设之内各设备的实时能耗数据信息，并将各设备的实时预测能耗数据信息与所述预测能耗数据信息进行对比，得到偏差率，并预设偏差率阈值；
判断所述偏差率是否大于所述偏差率阈值，当所述偏差率大于所述偏差率阈值时，则将对应的设备作为由于外部因素导致的存在异常能耗的设备；
预设能耗阈值信息，当所述偏差率不大于所述偏差率阈值时，则进一步判断所述各设备的预测能耗数据信息是否大于所述能耗阈值信息；
当所述预测能耗数据信息大于所述能耗阈值信息时，则将对应的设备作为由于内部因素导致的存在异常能耗的设备，并根据由于外部因素导致的存在异常能耗的设备以及由于内部因素导致的存在异常能耗的设备生成存在异常能耗的设备；
根据所述相关的影响因子数据生成相关的调控措施，具体包括：
获取所述相关的影响因子数据的实时参数信息，并通过大数据获取设备能耗正常的参数信息，根据所述相关的影响因子数据的实时参数信息以及设备能耗正常的参数信息计算偏差参数；
根据所述偏差参数生成相关的调控信息，并获取新能源汽车的车载环境调控设备的工作参数信息，根据所述相关的调控信息对所述新能源汽车的车载环境调控设备的工作参数信息进行调控；
当所述偏差参数大于预设偏差参数时，对所述相关的影响因子数据的实时参数信息进行持续调控，直至所述偏差参数不大于预设偏差参数；
当所述偏差参数不大于预设偏差参数时，生成停止调控指令，并根据所述停止调控指令对车载环境调控设备进行控制；
其中，影响因子数据包括温度、湿度。
6.根据权利要求5所述的一种新能源汽车的电源运维系统，其特征在于，通过对所述存在异常能耗的设备进行影响因子数据分析，获取相关的影响因子数据，具体包括：
通过大数据获取各影响因子数据之下的设备能耗信息，并引入图神经网络，将所述影响因子数据作为第一图节点，将所述设备能耗信息作为第二图节点；
根据所述第一图节点以及第二图节点通过有向边描述，构建设备能耗拓扑结构图，基于所述设备能耗拓扑结构图生成邻接矩阵，并引入注意力机制，通过注意力机制计算每一邻接矩阵的注意力分数；
构建数据库，根据所述邻接矩阵的注意力分数进行排序，获取排序结果，基于所述排序结果将所述邻接矩阵依次输入到所述数据库中进行存储，并获取存在异常能耗的设备的能耗信息；
获取环境中的影响因子数据信息，并将所述存在异常能耗的设备的能耗信息以及环境中的影响因子数据信息输入到所述数据库中进行匹配，获取相关的影响因子数据。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括新能源汽车的电源运维方法程序，所述新能源汽车的电源运维方法程序被处理器执行时，实现如权利要求1-4任一项所述的新能源汽车的电源运维方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311485959.4A CN117207905B (zh) | 2023-11-09 | 2023-11-09 | 一种新能源汽车的电源运维方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311485959.4A CN117207905B (zh) | 2023-11-09 | 2023-11-09 | 一种新能源汽车的电源运维方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117207905A CN117207905A (zh) | 2023-12-12 |
| CN117207905B true CN117207905B (zh) | 2024-01-12 |
Family
ID=89037537
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311485959.4A Active CN117207905B (zh) | 2023-11-09 | 2023-11-09 | 一种新能源汽车的电源运维方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117207905B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112748340B (zh) * | 2020-12-31 | 2024-05-31 | 杭州拓深科技有限公司 | 一种电瓶车违规充电的检测方法 |
| CN118551327A (zh) * | 2024-07-26 | 2024-08-27 | 深圳市致尚信息技术有限公司 | 一种电商平台的运营管理方法、系统及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106596135A (zh) * | 2016-12-29 | 2017-04-26 | 吉林大学 | 一种纯电动汽车实际行驶能耗测试、评价和预测方法 |
| CN110414728A (zh) * | 2019-07-19 | 2019-11-05 | 上海博泰悦臻网络技术服务有限公司 | 新能源车辆的电量消耗预测方法、系统、及电子设备 |
| CN114043948A (zh) * | 2021-10-18 | 2022-02-15 | 岚图汽车科技有限公司 | 车辆能耗测算方法、装置、电子设备及存储介质 |
| CN114596693A (zh) * | 2022-03-10 | 2022-06-07 | 华晨宝马汽车有限公司 | 用于能源监控和管理的方法、系统、介质和程序产品 |
| CN115648942A (zh) * | 2022-10-11 | 2023-01-31 | 刘明 | 一种新能源汽车锂电池充放电管理系统及方法 |
| CN116311593A (zh) * | 2023-04-14 | 2023-06-23 | 陕西省君凯电子科技有限公司 | 一种能耗计算方法和系统 |
-
2023
- 2023-11-09 CN CN202311485959.4A patent/CN117207905B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106596135A (zh) * | 2016-12-29 | 2017-04-26 | 吉林大学 | 一种纯电动汽车实际行驶能耗测试、评价和预测方法 |
| CN110414728A (zh) * | 2019-07-19 | 2019-11-05 | 上海博泰悦臻网络技术服务有限公司 | 新能源车辆的电量消耗预测方法、系统、及电子设备 |
| CN114043948A (zh) * | 2021-10-18 | 2022-02-15 | 岚图汽车科技有限公司 | 车辆能耗测算方法、装置、电子设备及存储介质 |
| CN114596693A (zh) * | 2022-03-10 | 2022-06-07 | 华晨宝马汽车有限公司 | 用于能源监控和管理的方法、系统、介质和程序产品 |
| CN115648942A (zh) * | 2022-10-11 | 2023-01-31 | 刘明 | 一种新能源汽车锂电池充放电管理系统及方法 |
| CN116311593A (zh) * | 2023-04-14 | 2023-06-23 | 陕西省君凯电子科技有限公司 | 一种能耗计算方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117207905A (zh) | 2023-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117207905B (zh) | 一种新能源汽车的电源运维方法、系统及存储介质 | |
| CN112666464B (zh) | 电池健康状态预测方法、装置、电子设备和可读存储介质 | |
| Zhou et al. | Multi-step reinforcement learning for model-free predictive energy management of an electrified off-highway vehicle | |
| CN117040028B (zh) | 一种工商业园区光储充微电网的控制策略优化方法及系统 | |
| CN108303652A (zh) | 一种锂电池剩余寿命预测方法 | |
| CN114692926A (zh) | 车用电池的安全评估方法、系统、设备及可读存储介质 | |
| Hu et al. | Technology topic identification and trend prediction of new energy vehicle using LDA modeling | |
| CN112149908B (zh) | 车辆驾驶预测方法、系统、计算机设备及可读存储介质 | |
| CN117151417B (zh) | 基于数字孪生的港口运营管理方法、系统及存储介质 | |
| CN117688342B (zh) | 一种基于模型的设备状态预测方法、电子设备及存储介质 | |
| CN116523272B (zh) | 基于大数据分析的充电桩智能管理方法及系统 | |
| CN115238983A (zh) | 一种基于bp神经网络的充电安全状态评估方法及系统 | |
| CN116720324A (zh) | 基于预测模型的牵引变电所关键设备故障预警方法及系统 | |
| CN116340586A (zh) | 基于云平台的汽车故障管理方法、系统及存储介质 | |
| CN114462828A (zh) | 一种工程施工用安全预警监理系统及其监理方法 | |
| CN117932513A (zh) | 车辆电池异常电芯的识别方法、装置、设备及存储介质 | |
| CN116384775B (zh) | 一种污染场地监测设备的管理方法、系统及存储介质 | |
| CN117419913A (zh) | 一种用于电磁阀的智能检测装置及方法 | |
| CN116226787B (zh) | 商用车出险概率预测方法、设备和介质 | |
| CN117035374A (zh) | 一种应对突发事件的兵力协同调度方法、系统及介质 | |
| CN116184214A (zh) | 车用动力电池寿命在线快速预测方法、装置及存储介质 | |
| Purnomo | Incorporating deep learning data analytics techniques in the optimisation of capacitated planned maintenance | |
| US11809255B2 (en) | Method for predicting service life of a battery unit | |
| CN118277873B (zh) | 一种电池管理系统的监测数据分析方法及系统 | |
| Gao et al. | Research on dynamic multi-level warning method for thermal runaway charging of electric vehicles |
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 |