电动汽车充电桩系统的控制方法及系统与流程
- 国知局
- 2024-09-19 14:38:27
本发明涉及充电桩,具体涉及一种电动汽车充电桩系统的控制方法及系统。
背景技术:
1、随着全球对环保和节能的日益关注,电动汽车作为一种清洁、高效的交通工具,正逐渐受到广大消费者的青睐。然而,电动汽车的普及与推广,离不开其配套设施——充电桩的完善与发展;充电桩作为电动汽车的能量补给站,其性能与稳定性直接关系到电动汽车的使用体验与安全性。
2、在现有的电动汽车充电桩系统中,虽然已经实现了基本的充电功能,但传统的充电桩系统缺乏监控和故障诊断功能,一旦发生故障,难以进行智能处理,给用户的充电体验带来不便;因此,研究一种电动汽车充电桩系统的控制方法及系统对提高了充电桩的智能化管理具有重要意义。
技术实现思路
1、本发明的目的是为了解决上述问题,设计了一种电动汽车充电桩系统的控制方法及系统。
2、本发明第一方面提供一种电动汽车充电桩系统的控制方法,所述电动汽车充电桩系统的控制方法包括以下步骤:
3、通过车辆与充电桩的通信接口,获取电动汽车的充电需求信息,其中所述充电需求信息至少包括电池类型、剩余电量、充电功率需求;
4、实时监测充电桩的工作过程,基于充电桩的工作过程收集充电桩的运行数据,根据所述运行数据采用充电桩状态预测模型检测充电桩的运行状态,预测充电桩是否发生故障;
5、若充电桩发生故障,则得到相应的故障信息,并生成充电任务分配指令,基于所述充电任务分配指令调度空闲充电桩,生成调度充电信息,上传所述故障信息和调度充电信息至终端,其中调度充电信息至少包括充电桩的空闲时间、充电功率输出能力;
6、充电完成后,充电桩系统自动停止充电,并获取充电数据,基于充电数据进行结算。
7、可选的,在本发明第一方面的第一种实现方式中,所述实时监测充电桩的工作过程,基于充电桩的工作过程收集充电桩的运行数据,根据所述运行数据采用充电桩状态预测模型检测充电桩的运行状态,预测充电桩是否发生故障,包括:
8、通过安装传感器和数据采集设备,实时收集充电桩工作过程中产生的运行数据,其中所述运行数据至少包括电流、电压、温度、功率;
9、对所述运行数据进行清洗、去噪和标准化处理,得到预处理后的运行数据;
10、对预处理后的运行数据进行特征提取,得到目标特征数据,并将所述目标特征数据输入充电桩状态预测模型中,预测充电桩是否发生故障,并识别充电桩的故障模式。
11、可选的,在本发明第一方面的第二种实现方式中,对所述运行数据进行清洗、去噪和标准化处理,得到预处理后的运行数据,包括:
12、获取充电桩的运行数据,采用插值法填补所述运行数据中的缺失值,得到第一数据;
13、根据充电桩的正常运行范围,采用grubbs检验方法识别所述第一数据中的异常值,并进行数据清洗,得到第二数据;
14、采用滑动平均滤波方法对所述第二数据进行平滑处理,并采用中值滤波方法进行进一步处理,得到第三数据;
15、对所述第三数据进行z-score标准化处理,得到预处理后的运行数据。
16、可选的,在本发明第一方面的第三种实现方式中,所述对预处理后的运行数据进行特征提取,得到目标特征数据,包括:
17、获取预处理后的运行数据,对预处理后的运行数据进行数据特征初步处理,得到与充电桩故障有关的特征数据;
18、将所有与充电桩故障有关的特征数据都分配一个类标签,初始化螳螂优化算法的种群数量、觅食上界和下界、k邻近算法的参数;
19、利用随机k值训练k邻近算法,并计算适应度函数的精度,根据适应度函数计算每个螳螂的位置,如果螳螂当前位置优于其先前的最佳位置则更新螳螂的位置;
20、根据螳螂先前的最佳位置确定种群中的最优位置,将螳螂移动并更新位置,重复更新,直到达到最大迭代次数,并输出选出的特征子集,其中所述特征子集包括目标特征数据。
21、可选的,在本发明第一方面的第四种实现方式中,所述获取预处理后的运行数据,对预处理后的运行数据进行数据特征初步处理,得到与充电桩故障有关的特征数据,包括:
22、获取预处理后的运行数据,将预处理后的运行数据拆分成多个分段样本,并获取每段样本的一维数据,得到一维均值;
23、计算各分段样本中样本点一维数据与其对应一维均值的差值,构建数据矩阵,并获取所述数据矩阵对应的转置矩阵,将所述数据矩阵和转置矩阵相乘,得到对称矩阵;
24、将得到的多个对称矩阵进行加法处理,得到散布矩阵,通过jacobi算法计算所述散布矩阵的特征值和对应特征向量,并依照降序排列;
25、将各分段样本的数据投影至特征值最大的特征向量上,得到投影坐标,选定其中一点,计算其对应投影坐标,将该投影坐标作为搜索中心,计算在全部样本中与该搜索中心距离最近的n个点,以得到与充电桩故障有关的特征数据。
26、可选的,在本发明第一方面的第五种实现方式中,将所述目标特征数据输入充电桩状态预测模型中,预测充电桩是否发生故障,并识别充电桩的故障模式,包括:
27、将所述目标特征数据输入充电桩状态预测模型中,其中所述充电桩状态预测模型包括cnn模块和bigru模块,cnn模块至少由5层一维卷积层、和mish激活函数组成,bigru模块至少包括2层bigru层和1层merge层;
28、通过卷积层提取所述目标特征数据的局部特征,使用mish激活函数数和批归一化操作进行特征提取,得到特征数据;
29、将所述特征数据输入到第1层bigru网络中进行时序特征学习,学习到的时序特征作为第2层bigru网络的输入,并学习时序特征,并连接到全连接层;
30、采用merge层将经过网络处理后输出的表征特征拼接起来,组成一个多特征融合的表征特征;
31、将多特征融合层中的所有特征连接一个全连接层,对融合的表征特征进行深度特征提取,并将多特征提取层的输出经过全连接回归层的学习将特征降维,完成充电桩预测结果的输出。
32、本发明第二方面提供了一种电动汽车充电桩系统的控制系统,所述电动汽车充电桩系统的控制系统包括信息获取模块、数据收集模块、智能调度模块和结算模块,其中,
33、信息获取模块,用于通过车辆与充电桩的通信接口,获取电动汽车的充电需求信息,其中所述充电需求信息至少包括电池类型、剩余电量、充电功率需求;
34、数据收集模块,用于实时监测充电桩的工作过程,基于充电桩的工作过程收集充电桩的运行数据,根据所述运行数据采用充电桩状态预测模型检测充电桩的运行状态,预测充电桩是否发生故障;
35、智能调度模块,用于若充电桩发生故障,则得到相应的故障信息,并生成充电任务分配指令,基于所述充电任务分配指令调度空闲充电桩,生成调度充电信息,上传所述故障信息和调度充电信息至终端,其中调度充电信息至少包括充电桩的空闲时间、充电功率输出能力;
36、结算模块,用于充电完成后,充电桩系统自动停止充电,并获取充电数据,基于充电数据进行结算。
37、可选的,在本发明第二方面的第一种实现方式中,所述数据收集模块包括实时收集子模块、数据处理子模块和特征提取子模块,其中,
38、实时收集子模块,用于通过安装传感器和数据采集设备,实时收集充电桩工作过程中产生的运行数据,其中所述运行数据至少包括电流、电压、温度、功率;
39、数据处理子模块,用于对所述运行数据进行清洗、去噪和标准化处理,得到预处理后的运行数据;
40、特征提取子模块,用于对预处理后的运行数据进行特征提取,得到目标特征数据,并将所述目标特征数据输入充电桩状态预测模型中,预测充电桩是否发生故障,并识别充电桩的故障模式。
41、可选的,在本发明第二方面的第二种实现方式中,所述数据处理子模块包括填补单元、识别单元、平滑处理单元和标准化处理单元,其中,
42、填补单元,用于获取充电桩的运行数据,采用插值法填补所述运行数据中的缺失值,得到第一数据;
43、识别单元,用于根据充电桩的正常运行范围,采用grubbs检验方法识别所述第一数据中的异常值,并进行数据清洗,得到第二数据;
44、平滑处理单元,用于采用滑动平均滤波方法对所述第二数据进行平滑处理,并采用中值滤波方法进行进一步处理,得到第三数据;
45、标准化处理单元,用于对所述第三数据进行z-score标准化处理,得到预处理后的运行数据。
46、本发明提供的技术方案中,通过车辆与充电桩的通信接口,获取电动汽车的充电需求信息;实时监测充电桩的工作过程,基于充电桩的工作过程收集充电桩的运行数据,根据所述运行数据采用充电桩状态预测模型检测充电桩的运行状态,预测充电桩是否发生故障;若充电桩发生故障,则得到相应的故障信息,并生成充电任务分配指令,基于所述充电任务分配指令调度空闲充电桩,生成调度充电信息,上传所述故障信息和调度充电信息至终端;充电完成后,充电桩系统自动停止充电,并获取充电数据,基于充电数据进行结算;本发明实现了充电桩的智能化、自动化和远程化管理,及时发现和解决充电桩的故障问题,提高了系统的可靠性和稳定性。
本文地址:https://www.jishuxx.com/zhuanli/20240919/299316.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。