CN117633660A - 充电桩健康状态评估方法、装置、存储介质和电子设备 - Google Patents
充电桩健康状态评估方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN117633660A CN117633660A CN202410105097.6A CN202410105097A CN117633660A CN 117633660 A CN117633660 A CN 117633660A CN 202410105097 A CN202410105097 A CN 202410105097A CN 117633660 A CN117633660 A CN 117633660A
- Authority
- CN
- China
- Prior art keywords
- fault
- target
- determining
- charging pile
- reliability
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 123
- 230000036541 health Effects 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000012360 testing method Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims description 78
- 238000004364 calculation method Methods 0.000 claims description 56
- 230000003862 health status Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000036449 good health Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本公开涉及充电桩健康状态评估方法、装置、存储介质和电子设备。上述方法包括获取目标充电桩中每一器件对应的参数信息,参数信息包括寿命测试数据集、故障次数、故障时间、运行次数和运行时间和器件配置参数;基于每一器件对应的寿命测试数据集、运行时间和预设可靠性预测模型确定每一器件对应的可靠性评估值;基于每一器件对应的故障次数、故障时间、运行次数和运行时间确定每一器件对应的故障概率;基于每一器件对应的故障概率、可靠性评估值和器件配置参数确定目标充电桩的健康状态评估值。本公开可以对充电桩的健康状态进行准确的评估和监测,提前发现即将发生的故障或可能发生的故障,减少设备发生后造成的损失,提高服务效率和质量。
Description
技术领域
本公开涉及充电技术领域,尤其涉及充电桩健康状态评估方法、装置、存储介质和电子设备。
背景技术
现有技术中,充电站中的大部分充电桩均是具备基本的故障检测和告警检测,告知用户充电桩的基本状态,且仅在使用过程中或待机中检测到故障后进行提示提醒,不会对即将发生的故障或概率发生的故障进行预警提示,导致等到故障发生时到售后、运维人员处理时会出现一段时间差,该时段内不仅使得充电站点运营产生损失,也会导致对用户的体验感变差,更甚者会造成人员或设备的安全危害。
发明内容
为了解决上述提出的至少一个技术问题,本公开提出了充电桩健康状态评估方法、装置、存储介质和电子设备。
根据本公开的一方面,提供了一种充电桩健康状态评估方法,其包括:
获取目标充电桩中每一器件对应的参数信息,所述参数信息包括寿命测试数据集、故障次数、故障时间、运行次数和运行时间和器件配置参数,所述器件配置参数包括故障告警等级;
基于所述每一器件对应的寿命测试数据集、所述每一器件对应的运行时间和预设可靠性预测模型确定所述每一器件对应的可靠性评估值;
基于所述每一器件对应的故障次数、故障时间、运行次数和运行时间确定每一器件对应的故障概率;
基于所述每一器件对应的故障概率、可靠性评估值和故障告警等级确定所述每一器件对应的器件失效概率;
基于所述每一器件对应的器件失效概率和器件配置参数确定所述目标充电桩的健康状态评估值。
在一些可能的实施方式中,所述基于所述每一器件对应的寿命测试数据集、所述每一器件对应的运行时间和预设可靠性预测模型确定所述每一器件对应的可靠性评估值,包括:
基于第一目标器件对应的寿命测试数据集进行平均值计算处理,得到所述第一目标器件对应的平均寿命值,所述第一目标器件为所述目标充电桩中的任一器件;
基于所述第一目标器件对应的平均寿命值更新所述预设可靠性预测模型的比例参数;
基于所述第一目标器件对应的寿命测试数据集进行拟合处理,得到所述第一目标器件对应的形状参考值;
基于所述第一目标器件对应的形状参考值更新所述预设可靠性预测模型的形状参数;
基于所述第一目标器件对应的运行时间、所述预设可靠性预测模型的比例参数和形状参数确定所述第一目标器件对应的可靠性评估值。
在一些可能的实施方式中,所述基于所述第一目标器件对应的运行时间、所述预设可靠性预测模型的比例参数和形状参数确定所述第一目标器件对应的可靠性评估值,包括:
将所述第一目标器件对应的运行时间与所述预设可靠性预测模型的比例参数进行除法运算处理,得到第一计算结果;
基于所述第一计算结果和所述预设可靠性预测模型的形状参数进行乘方处理,得到第二计算结果;
基于所述第二计算结果和预设值进行乘方处理,得到所述第一目标器件对应的可靠性评估值。
在一些可能的实施方式中,所述参数信息还包括预设可靠性值,所述方法还包括:
基于所述第一目标器件对应的预设可靠性值、所述预设可靠性预测模型的比例参数和形状参数确定所述第一目标器件对应的寿命预测值。
在一些可能的实施方式中,所述基于所述第一目标器件对应的预设可靠性值、所述预设可靠性预测模型的比例参数和形状参数确定所述第一目标器件对应的寿命预测值,包括:
基于预设单位值和所述预设可靠性值作差处理,得到第三计算结果;
基于所述第三计算结果的对数和所述形状参数的倒数进行乘方处理,得到第四计算结果;
基于所述比例参数和所述第四计算结果进行乘法处理,得到所述第一目标器件对应的寿命预测值。
在一些可能的实施方式中,所述基于所述每一器件对应的故障次数、故障时间、运行次数和运行时间确定每一器件对应的故障概率,包括:
基于所述每一器件对应的故障时间和运行时间进行除法运算处理,得到所述每一器件对应的故障时长比值;
基于所述每一器件对应的故障次数和运行次数进行除法运算处理,得到所述每一器件对应的故障率比值;
基于所述故障时长比值和所述故障率比值进行加法运算处理,得到所述每一器件对应的故障概率。
在一些可能的实施方式中,所述基于所述每一器件对应的故障概率、可靠性评估值和故障告警等级确定所述每一器件对应的器件失效概率,包括:
基于所述每一器件对应的故障概率和故障告警等级进行乘法运算,得到第一处理结果;
基于所述每一器件对应的可靠性评估值确定所述每一器件对应的故障评估值;
基于所述每一器件的故障评估值和所述第一处理结果进行乘方运处理,得到第二处理结果;
基于所述第二处理结果确定所述每一器件对应的器件失效概率。
在一些可能的实施方式中,所述器件配置参数包括失效概率阈值,所述基于所述每一器件对应的器件失效概率和器件配置参数确定所述目标充电桩的健康状态评估值,包括:
确定所述目标充电桩中的第二目标器件,所述第二目标器件为所述器件失效概率大于或等于所述失效概率阈值;
基于所述第二目标器件对应的器件失效概率确定所述第二目标器件对应的器件可靠性概率;
基于所述第二目标器件对应的器件可靠性概率确定所述目标充电桩的设备失效概率。
在一些可能的实施方式中,所述参数信息还包括预警参数,所述方法还包括:
响应于所述目标充电桩中任一器件对应的可靠性评估值小于等于所述器件对应的预警参数、任一器件对应的器件失效概率大于或等于所述器件对应的失效概率阈值或所述目标充电桩的健康状态评估值小于等于预设告警阈值的情况下,基于预设提示音或/和预设提示信息进行报警提示。
根据本公开的第二方面,提供了一种充电桩健康状态评估装置,所述装置包括:
参数获取模块,用于获取目标充电桩中每一器件对应的参数信息,所述参数信息包括寿命测试数据集、故障次数、故障时间、运行次数和运行时间和器件配置参数,所述器件配置参数包括故障告警等级;
可靠性评估值确定模块,用于基于所述每一器件对应的寿命测试数据集、所述每一器件对应的运行时间和预设可靠性预测模型确定所述每一器件对应的可靠性评估值;
故障概率确定模块,用于基于所述每一器件对应的故障次数、故障时间、运行次数和运行时间确定每一器件对应的故障概率;
器件失效概率确定模块,用于基于所述每一器件对应的故障概率、可靠性评估值和故障告警等级确定所述每一器件对应的器件失效概率;
健康状态评估值确定模块,用于基于所述每一器件对应的器件失效概率和器件配置参数确定所述目标充电桩的健康状态评估值。
根据本公开的第三方面,提供了一种电子设备,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令实现如第一方面中任意一项所述的充电桩健康状态评估方法。
根据本公开的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如第一方面中任意一项所述的充电桩健康状态评估方法。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
实施本公开,具有以下有益效果:
获取目标充电桩中每一器件对应的参数信息,参数信息包括寿命测试数据集、故障次数、故障时间、运行次数和运行时间和器件配置参数;以根据每一器件对应的参数信息对该器件进行故障评估,实现对目标充电桩中所有器件的故障评估;基于每一器件对应的寿命测试数据集、每一器件对应的运行时间和预设可靠性预测模型确定每一器件对应的可靠性评估值,实现对每一器件的可靠性进行准确评估;基于每一器件对应的故障次数、故障时间、运行次数和运行时间确定每一器件对应的故障概率,实现对目标充电桩中每一器件故障概率的确定,以更准确的评估和监测充电桩的健康状态。基于每一器件对应的故障概率、可靠性评估值和器件配置参数确定目标充电桩的健康状态评估值。可以对充电桩的健康状态进行准确的评估,提前发现即将发生的故障或可能发生的故障,减少设备发生后造成的损失,提高服务效率和质量。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
为了更清楚地说明本申请的技术方案,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的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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示出根据本公开实施例的一种充电桩健康状态评估方法的流程示意图;
图2示出根据本公开实施例的预设可靠性预测模型参数更新方法的流程示意图;
图3示出根据本公开实施例的可靠性评估值确定方法的流程示意图;
图4示出根据本公开实施例的寿命预测值确定方法的流程示意图;
图5示出根据本公开实施例的寿命预测值计算方法的流程示意图;
图6示出根据本公开实施例的故障概率确定方法的流程示意图;
图7示出根据本公开实施例的器件失效概率确定方法的流程示意图;
图8示出根据本公开实施例的健康状态评估值计算方法的流程示意图;
图9示出根据本公开实施例的充电桩系统的结构示意图;
图10示出根据本公开实施例的一种充电桩健康状态评估装置的结构示意图;
图11示出根据本公开实施例的一种电子设备的框图。
具体实施方式
下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动的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。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开实施例的一种充电桩健康状态评估方法的流程示意图,如图1所示,上述方法包括:
S101、获取目标充电桩中每一器件对应的参数信息,参数信息包括寿命测试数据集、故障次数、故障时间、运行次数和运行时间和器件配置参数,所述器件配置参数包括故障告警等级;
目标充电桩设备由多种不同类型的器件组成,其中,充电桩的器件包括核心器件和非核心器件,核心器件是可以影响充电桩设备正常使用的器件,非核心器件是影响充电桩设备部分功能,但仍可正常使用的器件。每个器件的品类和参数信息又各不相同。参数信息包括寿命测试数据集,寿命测试数据集是针对该类器件使用寿命的测试数据集合;故障次数用于表征目标充电桩中该器件出现故障的次数;故障时间用于表征目标充电桩中该器件出现故障的时间;运行次数用于表征目标充电桩中该器件使用的次数;运行时间用于表征目标充电桩中该器件已使用的时间,器件配置参数包括该器件对应的故障告警等级和失效概率阈值。
在一些实施例中,获取目标充电桩中各个器件的参数信息。其中,目标充电桩中的器件包括但不限于直流电源模块、充电枪、接触器、电能计量表、开关电源、熔断器、控制板、防雷器、交流断路器、触摸屏、指示灯、读卡器、打印机和POS机,其中,核心器件包括但不限于直流电源模块、充电枪、接触器、电能计量表、开关电源、熔断器、控制板、防雷器和交流断路器。非核心器件包括但不限于触摸屏、指示灯、读卡器、打印机和POS机。其中,接触器包括直流接触器和交流接触器,直流接触器包括并联接触器和主回路直流接触器,交流接触器包括主交流接触器和子交流接触器;电能计量表包括直流电能表和交流电能表;开关电源包括供电电源和辅助电源,控制板包括计费控制单元、充电控制单元、功率控制器、环境监控板、开关控制器和通信转换板。
S102、基于每一器件对应的寿命测试数据集、每一器件对应的运行时间和预设可靠性预测模型确定每一器件对应的可靠性评估值;
获取目标充电桩中其中任一器件的寿命测试数据集,根据该器件对应的寿命测试数据集进行平均寿命估算处理,得到该器件对应的平均寿命值,根据该器件的平均寿命值和预设可靠性预测模型确定该器件对应的可靠性预测模型的比例参数;根据该器件对应的运行时间和平均寿命值进行次方运算,得到该器件对应的可靠性评估值。
在一些实施例中,获取并联接触器的寿命测试数据集,根据并联接触器的寿命测试数据集计算并联接触器的寿命平均值,并根据并联接触器的寿命平均值确定并联接触器对应的可靠性预测模型的比例参数,根据并联接触器对应的可靠性预测模型的比例参数和并联接触器的运行时间进行次方运算,得到并联接触器的可靠性评估值。
S103、基于每一器件对应的故障次数、故障时间、运行次数和运行时间确定每一器件对应的故障概率;
基于某一器件的故障次数、故障时间、运行次数和运行时间进行故障率估算处理,得到该器件对应的故障概率。
在一些实施例中,根据并联接触器的故障次数、并联接触器的故障时间、并联接触器的运行次数和并联接触器的运行时间进行故障率估算处理,得到并联接触器对应的故障概率。
S104、基于所述每一器件对应的故障概率、可靠性评估值和故障告警等级确定所述每一器件对应的器件失效概率;
S105、基于所述每一器件对应的器件失效概率和器件配置参数确定所述目标充电桩的健康状态评估值
计算目标充电桩中所有器件对应的器件失效概率,根据所有器件对应的器件失效概率计算目标充电桩的设备失效概率,再根据目标充电桩的设备失效概率计算目标充电桩的健康状态评估值。
故障告警等级用于表征器件故障对目标充电桩的影响程度,故障告警等级包括0级、1级、2级和3级,0级表示该器件故障的影响程度可以忽略,1级表示该器件故障的影响程度为一般,2级表示该器件故障的影响程度为严重,3级用于表征该器件故障的影响程度为致命。示例性的,核心器件故障等级为3,而非核心器件故障等级为2。
在一些实施例中,根据目标充电桩中每一器件对应的故障概率、可靠性评估值和故障告警等级计算每一器件对应的器件失效概率,其中,每个器件的失效是相互独立的,使用失效概率的乘法法则,再根据目标充电桩中器件失效概率大于器件配置参数中失效概率阈值的器件对应的器件失效概率计算目标充电桩的设备失效概率;根据目标充电桩的设备失效概率确定目标充电桩的健康状态评估值。
上述技术方案,基于每一器件对应的故障概率、可靠性评估值和器件配置参数确定目标充电桩的健康状态评估值。可以对充电桩的健康状态进行准确的评估,提前发现即将发生的故障或可能发生的故障,减少设备发生后造成的损失,提高服务效率和质量,根据每个器件对目标充电桩的影响程度计算器件的失效概率,准确计算每个器件对目标充电桩失效概率影响的器件失效概率,从而提高对目标充电桩的健康状态评估的准确性。
请参阅图2,在一些实施例中,基于每一器件对应的寿命测试数据集、每一器件对应的运行时间和预设可靠性预测模型确定每一器件对应的可靠性评估值,包括:
S1021、基于第一目标器件对应的寿命测试数据集进行平均值计算处理,得到第一目标器件对应的平均寿命值,第一目标器件为目标充电桩中的任一器件;
S1022、基于第一目标器件对应的平均寿命值更新预设可靠性预测模型的比例参数;
S1023、基于第一目标器件对应的寿命测试数据集进行拟合处理,得到第一目标器件对应的形状参考值;
S1024、基于第一目标器件对应的形状参考值更新预设可靠性预测模型的形状参数;
S1025、基于第一目标器件对应的运行时间、预设可靠性预测模型的比例参数和形状参数确定第一目标器件对应的可靠性评估值。
基于第一目标器件对应的平均寿命值更新预设可靠性预测模型的比例参数后,得到的即为第一目标器件对应的可靠性预测模型的比例参数,基于第一目标器件对应的形状参考值更新预设可靠性预测模型的形状参数,得到的即为第一目标器件对应的可靠性预测模型的形状参数,更新预设可靠性预测模型的比例参数和形状参数后,得到的是属于第一目标器件的可靠性预测模型。
在一些实施例中,将第一目标器件对应的寿命测试数据集中每一寿命测试数据进行求和,并除以寿命测试数据集中寿命测试数据的数量,得到第一目标器件对应的平均寿命值,将第一目标器件对应的平均寿命值作为第一目标器件对应的可靠性预测模型的比例参数。将第一目标器件对应的寿命测试数据集中每一寿命测试数据和平均寿命值的比值分别进行平方处理后,进行累加计算,得到第一总值,将第一总值和寿命测试数据集中寿命测试数据的数量的比值进行开方,得到第一目标器件对应的形状参考值,将第一目标器件对应的形状参考值作为第一目标器件对应的可靠性预测模型的形状参数;根据第一目标器件对应的运行时间、可靠性预测模型的比例参数和形状参数计算第一目标器件对应的可靠性评估值。
在一些实施例中,预设可靠性预测模型可以采用韦伯分布(Weibulldistribution)构件,韦伯分布是连续性的概率分布,其概率密度为:
其中,x是随机变量,λ>0是比例参数(scale parameter),k>0是形状参数(shapeparameter)。
上述技术方案,根据目标充电桩中每一器件的寿命测试数据集确定目标充电桩对应的预设可靠性预测模型的比例参数和形状参数,建立每个器件唯一对应的可靠性预测模型,从而实现对每个器件的可靠性进行评估。
请参阅图3,在一些实施例中,基于第一目标器件对应的运行时间、预设可靠性预测模型的比例参数和形状参数确定第一目标器件对应的可靠性评估值,包括:
S10251、将第一目标器件对应的运行时间与预设可靠性预测模型的比例参数进行除法运算处理,得到第一计算结果;
S10252、基于第一计算结果和预设可靠性预测模型的形状参数进行乘方处理,得到第二计算结果;
S10253、基于第二计算结果和预设值进行乘方处理,得到第一目标器件对应的可靠性评估值。
将第一目标器件对应的运行时间除以第一目标器件对应的可靠性预测模型的比例参数,得到第一计算结果;将第一计算结果与第一目标器件对应的可靠性预测模型的形状参数进行乘方处理,得到第二计算结果,求预设值的第二计算结果的乘方,得到第一目标器件对应的可靠性评估值,其中,预设值可以为自然对数e。可靠性评估值reliability 的计算公式如下:
其中,t为第一目标器件对应的运行时间,为第一目标器件对应的可靠性预测模型的比例参数,k为第一目标器件对应的可靠性预测模型的形状参数。
上述技术方案,通过器件对应的可靠性预测模型的比例参数和形状参数以及器件的运行时间准确快速地计算器件的可靠性评估值。
请参阅图4,在一些实施例中,参数信息还包括预设可靠性值,方法还包括:
S201、基于第一目标器件对应的预设可靠性值、预设可靠性预测模型的比例参数和形状参数确定第一目标器件对应的寿命预测值。
每一器件的参数信息还包括每一器件对应的预设可靠性值,每一器件对应的预设可靠性值可以相同,也可以不同,根据实际情况而定。根据韦伯分布的特点,基于每一器件对应的可靠性预测模型的比例参数和形状参数计算出每一器件在预设可靠性值下的寿命预测值。
在一些实施例中,第一目标器件的预设可靠性值可以为90%,根据每一器件对应的可靠性预测模型的比例参数和形状参数计算出每一器件在90%可靠性下的寿命预测值。
上述技术方案,根据每一器件对应的可靠性预测模型的比例参数和形状参数准确快速地计算在预设可靠性下的寿命预测值。
请参阅图5,在一些实施例中,基于第一目标器件对应的预设可靠性值、预设可靠性预测模型的比例参数和形状参数确定第一目标器件对应的寿命预测值,包括:
S2011、基于预设单位值和预设可靠性值作差处理,得到第三计算结果;
S2012、基于第三计算结果的对数和形状参数的倒数进行乘方处理,得到第四计算结果;
S2013、基于比例参数和第四计算结果进行乘法处理,得到第一目标器件对应的寿命预测值。
将预设单位值减去预设可靠值,得到第三计算结果,将第三计算结果进行求对数处理,得到第一中间值,将第一目标器件对应的形状参数进行求倒数处理,得到第二中间值,将第一中间值和第二中间值进行乘方处理,得到第四计算结果,将第四计算结果和第一目标器件对应的比例参数进行乘法处理,得到第一目标器件对应的寿命预测值。
在一些实施例中,预设单位值可以为1,第一目标器件在预设可靠性值为90%下的对应的寿命预测值predicted_lifetime的计算公式如下:
其中,为第一目标器件对应的可靠性预测模型的比例参数,k为第一目标器件对应的可靠性预测模型的形状参数。
上述技术方案,通过每一器件对应的可靠性预测模型的比例参数和形状参数计算每一器件对应的寿命预测值,使得目标充电桩的运维人员能够清楚充电桩中每个器件的使用寿命,提前做出应对措施。
请参阅图6,在一些实施例中,基于每一器件对应的故障次数、故障时间、运行次数和运行时间确定每一器件对应的故障概率,包括:
S1031、基于每一器件对应的故障时间和运行时间进行除法运算处理,得到每一器件对应的故障时长比值;
S1032、基于每一器件对应的故障次数和运行次数进行除法运算处理,得到每一器件对应的故障率比值;
S1033、基于故障时长比值和故障率比值进行加法运算处理,得到每一器件对应的故障概率。
将目标充电桩中的任一器件对应的故障时间除以该器件的运行时间,得到该器件对应的故障时长比值;将该器件的故障次数除以该器件的运行次数,得到该器件对应的故障率比值;将故障时长比值和故障率比值进行相乘处理,得到故障概率。如此,计算出目标充电桩中每一器件的故障概率。
在一些实施例中,通过目标充电桩中每个器件的运行次数、故障次数、运行时间、故障时间计算得到目标充电桩中每个器件的故障时长比值、故障率比值,计算方式如下:
故障时长比值 = 故障时间/运行时间
故障率比值= 故障次数/运行次数
根据故障时长比值、故障率比值得到实际的故障概率应为:
故障概率 = 故障时长比值*故障率比值
上述技术方案,根据每一器件对应的故障时间、运行时间、故障次数和运行次数准确快速地计算每一器件的故障概率,以方便对目标充电桩的健康状态进行准确估算。
请参阅图7,在一些实施例中,基于每一器件对应的故障概率、可靠性评估值和故障告警等级确定每一器件对应的器件失效概率,包括:
S10411、基于每一器件对应的故障概率和故障告警等级进行乘法运算,得到第一处理结果;
S10412、基于每一器件对应的可靠性评估值确定每一器件对应的故障评估值;
S10413、基于每一器件的故障评估值和第一处理结果进行乘方运处理,得到第二处理结果;
S10414、基于第二处理结果确定每一器件对应的器件失效概率。
将目标充电桩中任一器件对应的故障概率和故障告警等级进行乘法处理,得到第一处理结果,利用1减去该器件的可靠性评估值,得到该器件的故障评估值,将该器件的故障评估值和第一处理结果进行乘方处理,得到第二处理结果,利用1减去该器件的第二处理结果,得到该器件对应的器件失效概率,如此,利用上述方法计算出目标充电桩中每一器件的器件失效概率。
具体地,器件的器件失效概率a计算方式如下:
a = 1 - (1 - reliability )^(b * c)
其中,reliability为该器件的可靠性评估值,b为该器件的故障概率,c为该器件的故障告警等级。
上述技术方案,通过根据每个器件的故障概率、故障告警等级以及可靠性评估值计算出目标充电桩中每个器件的器件失效概率,从而根据所有器件的失效概率准确估算目标充电桩的健康状态。
请参阅图8,在一些实施例中,器件配置参数包括失效概率阈值,基于每一器件对应的器件失效概率和器件配置参数确定目标充电桩的健康状态评估值,包括:
S10421、确定目标充电桩中的第二目标器件,第二目标器件为器件失效概率大于或等于失效概率阈值;
S10422、基于第二目标器件对应的器件失效概率确定目标充电桩的健康状态评估值。
器件配置参数包括失效概率阈值,失效概率阈值用于表征器件失效概率的告警阈值。将目标充电桩中器件失效概率大于等于失效概率阈值的器件作为第二目标器件,第二目标器件可以为0个、1个或多个。
利用1减去第二目标器件的器件失效概率,得到第二目标器件的器件可靠性概率,将每个第二目标器件的器件可靠性概率进行相乘处理,得到目标充电桩的健康状态评估值。
具体地,当目标充电桩中某个器件的器件失效概率P低于该器件对应的的失效概率阈值时,确定该器件处于良好的健康状态,不再参与目标充电桩的健康状态评估值的计算,如此,目标充电桩的健康状态评估值ESOH的计算方式如下:
ESOH=(1 - P1) * (1 - P2) * ... * (1 - Pn)
其中,P1为第一个第二目标器件的器件失效概率,P2为第二个第二目标器件的器件失效概率,Pn为第n个第二目标器件的器件失效概率。
上述技术方案,综合考虑了目标充电桩中每个器件的可靠性评估值、故障告警等级、故障率比值、故障概率、器件失效概率、以及失效概率阈值这些参数,准确快速的计算出目标充电桩的健康状态评估值,提前发现即将发生的故障或可能发生的故障,减少设备发生后造成的损失,提高服务效率和质量。
在一些实施例中,参数信息还包括预警参数,方法还包括:
响应于目标充电桩中任一器件对应的可靠性评估值小于等于器件对应的预警参数、任一器件对应的器件失效概率大于或等于器件对应的失效概率阈值或目标充电桩的健康状态评估值小于等于预设告警阈值的情况下,基于预设提示音或/和预设提示信息进行报警提示。
预警参数用于表征器件的可靠性评估值的警告阈值,若目标充电桩中任一器件对应的可靠性评估值小于等于该器件对应的预警参数,或目标充电桩中任一器件对应的器件失效概率大于或等于该器件的失效概率阈值,又或者目标充电桩的健康状态评估值小于等于预设告警阈值时,将自动上传预警信息值运维平台或是人机界面,基于预设提示音或/和预设提示信息进行报警提示。
运维平台可以为云平台,如图9所示,云平台根据充电桩的所处地域和所属运维人员实时将预警信息传达到特定的运维人员或者是用户手中,以通知相关人员目标充电桩存在的问题,而相关人员可预警信息提前制定应对措施,在风险发生之前或风险刚发生时及时进行处理,减小损失,保证充电桩运行的稳定性。
请参阅图10,根据本公开的第二方面,提供了一种充电桩健康状态评估装置,装置包括:
参数获取模块10,用于获取目标充电桩中每一器件对应的参数信息,参数信息包括寿命测试数据集、故障次数、故障时间、运行次数和运行时间和器件配置参数;
可靠性评估值确定模块20,用于基于每一器件对应的寿命测试数据集、每一器件对应的运行时间和预设可靠性预测模型确定每一器件对应的可靠性评估值;
故障概率确定模块30,用于基于每一器件对应的故障次数、故障时间、运行次数和运行时间确定每一器件对应的故障概率;
器件失效概率确定模块40,用于基于所述每一器件对应的故障概率、可靠性评估值和故障告警等级确定所述每一器件对应的器件失效概率;
健康状态评估值确定模块50,用于基于所述每一器件对应的器件失效概率和器件配置参数确定所述目标充电桩的健康状态评估值。
在一些实施例中,可靠性评估值确定模块20,包括:
平均寿命值确定单元,用于基于第一目标器件对应的寿命测试数据集进行平均值计算处理,得到第一目标器件对应的平均寿命值,第一目标器件为目标充电桩中的任一器件;
比例参数更新单元,用于基于第一目标器件对应的平均寿命值更新预设可靠性预测模型的比例参数;
形状参考值确定单元,用于基于第一目标器件对应的寿命测试数据集进行拟合处理,得到第一目标器件对应的形状参考值;
形状参数更新单元,用于基于第一目标器件对应的形状参考值更新预设可靠性预测模型的形状参数;
目标器件可靠性评估值确定单元,用于基于第一目标器件对应的运行时间、预设可靠性预测模型的比例参数和形状参数确定第一目标器件对应的可靠性评估值。
在一些实施例中,目标器件可靠性评估值确定单元,包括:
第一计算单元,用于将第一目标器件对应的运行时间与预设可靠性预测模型的比例参数进行除法运算处理,得到第一计算结果;
第二计算单元,用于基于第一计算结果和预设可靠性预测模型的形状参数进行乘方处理,得到第二计算结果;
第一乘方处理单元,用于基于第二计算结果和预设值进行乘方处理,得到第一目标器件对应的可靠性评估值。
在一些实施例中,参数信息还包括预设可靠性值,装置还包括:
寿命预测值确定模块,用于基于第一目标器件对应的预设可靠性值、预设可靠性预测模型的比例参数和形状参数确定第一目标器件对应的寿命预测值。
在一些实施例中,寿命预测值确定模块,包括:
第三计算单元,用于基于预设单位值和预设可靠性值作差处理,得到第三计算结果;
第四计算单元,用于基于第三计算结果的对数和形状参数的倒数进行乘方处理,得到第四计算结果;
第一乘法处理单元,用于基于比例参数和第四计算结果进行乘法处理,得到第一目标器件对应的寿命预测值。
在一些实施例中,故障概率确定模块30,包括:
第一除法运算单元,用于基于每一器件对应的故障时间和运行时间进行除法运算处理,得到每一器件对应的故障时长比值;
第二除法运算单元,用于基于每一器件对应的故障次数和运行次数进行除法运算处理,得到每一器件对应的故障率比值;
第一加法运算单元,用于基于故障时长比值和故障率比值进行加法运算处理,得到每一器件对应的故障概率。
在一些实施例中,器件配置参数包括故障告警等级,健康状态评估值确定模块40,包括:
器件失效概率确定单元,用于基于每一器件对应的故障概率、可靠性评估值和故障告警等级确定每一器件对应的器件失效概率;
健康状态评估单元,用于基于每一器件对应的器件失效概率和器件配置参数确定目标充电桩的健康状态评估值。
在一些实施例中,器件失效概率确定单元,包括:
第一处理结果确定单元,用于基于每一器件对应的故障概率和故障告警等级进行乘法运算,得到第一处理结果;
故障评估值确定单元,用于基于每一器件对应的可靠性评估值确定每一器件对应的故障评估值;
第二处理结果确定单元,用于基于每一器件的故障评估值和第一处理结果进行乘方运处理,得到第二处理结果;
失效概率确定单元,用于基于第二处理结果确定每一器件对应的器件失效概率。
在一些实施例中,器件配置参数包括失效概率阈值,健康状态评估单元,包括:
第二目标器件确定单元,用于确定目标充电桩中的第二目标器件,第二目标器件为器件失效概率大于或等于失效概率阈值;
健康状态确定单元,用于基于第二目标器件对应的器件失效概率确定目标充电桩的健康状态评估值。
在一些实施例中,参数信息还包括预警参数,装置还包括:
预警模块,用于响应于目标充电桩中任一器件对应的可靠性评估值小于等于器件对应的预警参数、任一器件对应的器件失效概率大于或等于器件对应的失效概率阈值或目标充电桩的健康状态评估值小于等于预设告警阈值的情况下,基于预设提示音或/和预设提示信息进行报警提示。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本申请实施例提供了一种充电桩健康状态评估设备,该设备可以为终端或服务器,该充电桩健康状态评估设备包括处理器和存储器,该存储器中存储有至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的充电桩健康状态评估方法。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、功能所需的应用程序等;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器还可以包括存储器控制器,以提供处理器对存储器的访问。
本申请实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置等电子设备中执行。图11是本申请实施例提供的一种充电桩健康状态评估方法的电子设备的硬件结构框图。如图11所示,该电子设备900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(Central Processing Units,CPU)910(处理器910可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器930,一个或一个以上存储应用程序923或数据922的存储介质920(例如一个或一个以上海量存储设备)。其中,存储器930和存储介质920可以是短暂存储或持久存储。存储在存储介质920的程序可以包括一个或一个以上模块,每个模块可以包括对电子设备中的一系列指令操作。更进一步地,中央处理器910可以设置为与存储介质920通信,在电子设备900上执行存储介质920中的一系列指令操作。电子设备900还可以包括一个或一个以上电源960,一个或一个以上有线或无线网络接口950,一个或一个以上输入输出接口940,和/或,一个或一个以上操作系统921,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
输入输出接口940可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括电子设备900的通信供应商提供的无线网络。在一个实例中,输入输出接口940包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,输入输出接口940可以为射频(RadioFrequency,RF)模块,其用于通过无线方式与互联网进行通讯。
本领域普通技术人员可以理解,图11所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,电子设备900还可包括比图11中所示更多或者更少的组件,或者具有与图11所示不同的配置。
本申请的实施例还提供了一种计算机可读存储介质,存储介质可设置于电子设备之中以保存用于实现方法实施例中一种充电桩健康状态评估方法相关的至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的充电桩健康状态评估方法。
可选地,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的方法。
由上述本申请提供的充电桩健康状态评估方法、装置、设备、终端、服务器、存储介质或计算机程序的实施例可见,本申请获取目标充电桩中每一器件对应的参数信息,参数信息包括寿命测试数据集、故障次数、故障时间、运行次数和运行时间和器件配置参数;以根据每一器件对应的参数信息对该器件进行故障评估,实现对目标充电桩中所有器件的故障评估;基于每一器件对应的寿命测试数据集、每一器件对应的运行时间和预设可靠性预测模型确定每一器件对应的可靠性评估值,实现对每一器件的可靠性进行准确评估;基于每一器件对应的故障次数、故障时间、运行次数和运行时间确定每一器件对应的故障概率,实现对目标充电桩中每一器件故障概率的确定,以更准确的评估充电桩的健康状态。基于每一器件对应的故障概率、可靠性评估值和器件配置参数确定目标充电桩的健康状态评估值。可以对充电桩的健康状态进行准确的评估,提前发现即将发生的故障或可能发生的故障,减少设备发生后造成的损失,提高服务效率和质量。
需要说明的是:上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。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。
本申请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。尤其,对于装置、设备和存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指示相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种充电桩健康状态评估方法,其特征在于,所述方法包括:
获取目标充电桩中每一器件对应的参数信息,所述参数信息包括寿命测试数据集、故障次数、故障时间、运行次数和运行时间和器件配置参数,所述器件配置参数包括故障告警等级;
基于所述每一器件对应的寿命测试数据集、所述每一器件对应的运行时间和预设可靠性预测模型确定所述每一器件对应的可靠性评估值;
基于所述每一器件对应的故障次数、故障时间、运行次数和运行时间确定每一器件对应的故障概率;
基于所述每一器件对应的故障概率、可靠性评估值和故障告警等级确定所述每一器件对应的器件失效概率;
基于所述每一器件对应的器件失效概率和器件配置参数确定所述目标充电桩的健康状态评估值。
2.根据权利要求1所述的方法,其特征在于,所述基于所述每一器件对应的寿命测试数据集、所述每一器件对应的运行时间和预设可靠性预测模型确定所述每一器件对应的可靠性评估值,包括:
基于第一目标器件对应的寿命测试数据集进行平均值计算处理,得到所述第一目标器件对应的平均寿命值,所述第一目标器件为所述目标充电桩中的任一器件;
基于所述第一目标器件对应的平均寿命值更新所述预设可靠性预测模型的比例参数;
基于所述第一目标器件对应的寿命测试数据集进行拟合处理,得到所述第一目标器件对应的形状参考值;
基于所述第一目标器件对应的形状参考值更新所述预设可靠性预测模型的形状参数;
基于所述第一目标器件对应的运行时间、所述预设可靠性预测模型的比例参数和形状参数确定所述第一目标器件对应的可靠性评估值。
3.根据权利要求2所述的方法,其特征在于,所述基于所述第一目标器件对应的运行时间、所述预设可靠性预测模型的比例参数和形状参数确定所述第一目标器件对应的可靠性评估值,包括:
将所述第一目标器件对应的运行时间与所述预设可靠性预测模型的比例参数进行除法运算处理,得到第一计算结果;
基于所述第一计算结果和所述预设可靠性预测模型的形状参数进行乘方处理,得到第二计算结果;
基于所述第二计算结果和预设值进行乘方处理,得到所述第一目标器件对应的可靠性评估值。
4.根据权利要求2所述的方法,其特征在于,所述参数信息还包括预设可靠性值,所述方法还包括:
基于所述第一目标器件对应的预设可靠性值、所述预设可靠性预测模型的比例参数和形状参数确定所述第一目标器件对应的寿命预测值。
5.根据权利要求4所述的方法,其特征在于,所述基于所述第一目标器件对应的预设可靠性值、所述预设可靠性预测模型的比例参数和形状参数确定所述第一目标器件对应的寿命预测值,包括:
基于预设单位值和所述预设可靠性值作差处理,得到第三计算结果;
基于所述第三计算结果的对数和所述形状参数的倒数进行乘方处理,得到第四计算结果;
基于所述比例参数和所述第四计算结果进行乘法处理,得到所述第一目标器件对应的寿命预测值。
6.根据权利要求1所述的方法,其特征在于,所述基于所述每一器件对应的故障次数、故障时间、运行次数和运行时间确定每一器件对应的故障概率,包括:
基于所述每一器件对应的故障时间和运行时间进行除法运算处理,得到所述每一器件对应的故障时长比值;
基于所述每一器件对应的故障次数和运行次数进行除法运算处理,得到所述每一器件对应的故障率比值;
基于所述故障时长比值和所述故障率比值进行加法运算处理,得到所述每一器件对应的故障概率。
7.根据权利要求1所述的方法,其特征在于,所述基于所述每一器件对应的故障概率、可靠性评估值和故障告警等级确定所述每一器件对应的器件失效概率,包括:
基于所述每一器件对应的故障概率和故障告警等级进行乘法运算,得到第一处理结果;
基于所述每一器件对应的可靠性评估值确定所述每一器件对应的故障评估值;
基于所述每一器件的故障评估值和所述第一处理结果进行乘方运处理,得到第二处理结果;
基于所述第二处理结果确定所述每一器件对应的器件失效概率。
8.根据权利要求1所述的方法,其特征在于,所述器件配置参数包括失效概率阈值,所述基于所述每一器件对应的器件失效概率和器件配置参数确定所述目标充电桩的健康状态评估值,包括:
确定所述目标充电桩中的第二目标器件,所述第二目标器件为所述器件失效概率大于或等于所述失效概率阈值;
基于所述第二目标器件对应的器件失效概率确定所述目标充电桩的健康状态评估值。
9.根据权利要求8所述的方法,其特征在于,所述参数信息还包括预警参数,所述方法还包括:
响应于所述目标充电桩中任一器件对应的可靠性评估值小于等于所述器件对应的预警参数、任一器件对应的器件失效概率大于或等于所述器件对应的失效概率阈值或所述目标充电桩的健康状态评估值小于等于预设告警阈值的情况下,基于预设提示音或/和预设提示信息进行报警提示。
10.一种充电桩健康状态评估装置,其特征在于,所述装置包括:
参数获取模块,用于获取目标充电桩中每一器件对应的参数信息,所述参数信息包括寿命测试数据集、故障次数、故障时间、运行次数和运行时间和器件配置参数,所述器件配置参数包括故障告警等级;
可靠性评估值确定模块,用于基于所述每一器件对应的寿命测试数据集、所述每一器件对应的运行时间和预设可靠性预测模型确定所述每一器件对应的可靠性评估值;
故障概率确定模块,用于基于所述每一器件对应的故障次数、故障时间、运行次数和运行时间确定每一器件对应的故障概率;
器件失效概率确定模块,用于基于所述每一器件对应的故障概率、可靠性评估值和故障告警等级确定所述每一器件对应的器件失效概率;
健康状态评估值确定模块,用于基于所述每一器件对应的器件失效概率和器件配置参数确定所述目标充电桩的健康状态评估值。
11.一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存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-9中任意一项所述的充电桩健康状态评估方法。
12.一种电子设备,其特征在于,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令实现如权利要求1-9中任意一项所述的充电桩健康状态评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410105097.6A CN117633660B (zh) | 2024-01-25 | 2024-01-25 | 充电桩健康状态评估方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410105097.6A CN117633660B (zh) | 2024-01-25 | 2024-01-25 | 充电桩健康状态评估方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117633660A true CN117633660A (zh) | 2024-03-01 |
CN117633660B CN117633660B (zh) | 2024-05-07 |
Family
ID=90035834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410105097.6A Active CN117633660B (zh) | 2024-01-25 | 2024-01-25 | 充电桩健康状态评估方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117633660B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109154811A (zh) * | 2016-06-13 | 2019-01-04 | Abb瑞士股份有限公司 | 用于评估工业设备的健康状况的方法 |
CN110738327A (zh) * | 2018-07-20 | 2020-01-31 | 国网电动汽车服务有限公司 | 一种快充桩设备风险评估方法及系统 |
CN113570231A (zh) * | 2021-07-22 | 2021-10-29 | 浙江幸福航天科技有限公司 | 一种电站健康管理系统 |
CN116028877A (zh) * | 2022-11-09 | 2023-04-28 | 北京四方继保工程技术有限公司 | 一种配电网主设备故障概率模型参数辨识方法及系统 |
CN116432978A (zh) * | 2023-04-27 | 2023-07-14 | 华北电力大学 | 一种计算高速公路自洽能源系统的供电可靠率指标的方法 |
CN116714469A (zh) * | 2023-06-29 | 2023-09-08 | 深圳市科华恒盛科技有限公司 | 充电桩健康监测方法、装置、终端及存储介质 |
CN117273528A (zh) * | 2023-09-21 | 2023-12-22 | 江西睿构科技有限公司 | 高速公路机电系统健康指数评估方法及系统 |
-
2024
- 2024-01-25 CN CN202410105097.6A patent/CN117633660B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109154811A (zh) * | 2016-06-13 | 2019-01-04 | Abb瑞士股份有限公司 | 用于评估工业设备的健康状况的方法 |
CN110738327A (zh) * | 2018-07-20 | 2020-01-31 | 国网电动汽车服务有限公司 | 一种快充桩设备风险评估方法及系统 |
CN113570231A (zh) * | 2021-07-22 | 2021-10-29 | 浙江幸福航天科技有限公司 | 一种电站健康管理系统 |
CN116028877A (zh) * | 2022-11-09 | 2023-04-28 | 北京四方继保工程技术有限公司 | 一种配电网主设备故障概率模型参数辨识方法及系统 |
CN116432978A (zh) * | 2023-04-27 | 2023-07-14 | 华北电力大学 | 一种计算高速公路自洽能源系统的供电可靠率指标的方法 |
CN116714469A (zh) * | 2023-06-29 | 2023-09-08 | 深圳市科华恒盛科技有限公司 | 充电桩健康监测方法、装置、终端及存储介质 |
CN117273528A (zh) * | 2023-09-21 | 2023-12-22 | 江西睿构科技有限公司 | 高速公路机电系统健康指数评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117633660B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3676625B1 (en) | Apparatus and methods for identifying anomaly(ies) in re-chargeable battery of equipment and connected component(s) | |
CN110134571B (zh) | 旋转型机械设备健康状态监测方法及装置 | |
US20180210037A1 (en) | Method for determining diagnosis frequency, method for diagnosing deterioration of storage cell, system for determining diagnosis frequency, and device for diagnosing deterioration of storage cell | |
CN113987960A (zh) | 基于大数据的电网设备监控系统和方法 | |
CN109284886B (zh) | 基于人工智能的用电安全管理方法及装置 | |
CN109934453A (zh) | 设备健康等级的确定方法及装置、存储介质、电子装置 | |
CN112700144A (zh) | 变电站运行状态风险评估方法、装置、设备以及存储介质 | |
CN117633660B (zh) | 充电桩健康状态评估方法、装置、存储介质和电子设备 | |
CN114777959A (zh) | 电缆沟状态监测方法及装置、存储介质、终端 | |
CN115801121A (zh) | 光缆设备异常检测方法及装置 | |
CN116739829A (zh) | 一种基于大数据的电力数据分析方法、系统及介质 | |
CN113676343A (zh) | 电力通信网故障源定位方法及装置 | |
CN112380759B (zh) | 基于深度学习和CoxPH模型的智能电表寿命预测方法 | |
CN111062503B (zh) | 一种电网监控告警处理方法、系统、终端及存储介质 | |
CN110598797B (zh) | 故障的检测方法及装置、存储介质和电子装置 | |
CN113268844B (zh) | 一种用于电力线路的故障设备获取方法、装置、设备 | |
CN116055291A (zh) | 节点的异常提示信息的确定方法、装置 | |
CN114967571A (zh) | 基于互联网的充气柜远程监控系统 | |
CN115097320A (zh) | 一种电池使用预估方法、装置、电子设备及可读存储介质 | |
CN113629714A (zh) | 一种基于稳控策略表的电网事故预判方法及系统 | |
CN113285847A (zh) | 一种智能换流站监测系统的通信网络异常检测方法及系统 | |
CN115951159B (zh) | 一种干式变压器的运行状态分析方法、装置及存储介质 | |
CN114422332B (zh) | 网络切片控制方法、装置、处理设备及存储介质 | |
CN110232482B (zh) | 基于神经网络的设备管理方法及装置 | |
CN116739348A (zh) | 一种电网设备安全状态的风险评估方法及系统 |
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 |