一种充电桩寿命预测系统及其方法与流程

本发明涉及新能源设备监测，特别是一种充电桩寿命预测系统及其方法。

背景技术：

1、随着新能源汽车产业的蓬勃发展，充电基础设施建设规模持续扩大，充电网络规模快速扩张，设备使用年限不断增长，对充电桩的可靠性和使用寿命提出了更高要求。充电设施的健康状态监测与寿命预测已成为保障充电网络稳定运行的关键技术问题。然而，现有充电桩健康状态监测主要依赖单一数据源进行评估，如仅采集电气参数或温度参数，这种单一维度的监测方式无法全面反映设备的整体健康状态，容易形成监测盲区，最终导致评估结果的准确性和可靠性不足。

2、目前的评估方法多采用基于固定阈值的判别方法，无法适应设备在不同工况下的动态特性，特别是在高功率快速充电等极端工况下，设备劣化速率可能发生突变，而固化的评估方法对这种突变状态反应迟缓，缺乏必要的动态调整和优化机制。同时，由于缺乏对多源异构数据的有效处理方法，现有技术难以实现声学、热成像、电磁场等多维数据的深度融合，无法充分利用各类传感数据所包含的状态信息，影响预测结果的准确性。此外，当前的预测模型较少考虑设备劣化的动态特性，模型一旦建立就较少更新，无法适应设备状态和使用环境的动态变化，导致预测结果与实际情况产生偏差。现有技术还主要关注故障诊断和应急处理，缺乏面向全寿命周期的预测性维护方案，难以实现充电设施的经济高效运维。

技术实现思路

1、鉴于现有的充电桩寿命预测方法中存在的问题，本发明提出了一种充电桩寿命预测系统及其方法。

2、因此，本发明所要解决的问题在于缺乏面向全寿命周期的预测性维护方案，难以实现充电设施的经济高效运维。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明实施例提供了一种充电桩寿命预测方法，其包括，采集充电桩运行过程的多维度数据信号，根据预设的数据同步时间窗口进行时间对齐，构建完整的寿命特征指标体系；利用小波变换分析各类信号退化趋势，结合深度学习算法对采集的多源异构数据进行时空对齐和特征融合，建立劣化速率模型，实现寿命状态的特征提取和健康评估；基于劣化速率模型输出的结果进行寿命特征提取，构建寿命状态评估模型，根据寿命影响因素分析结果，输出设备使用优化建议。

5、作为本发明所述充电桩寿命预测方法的一种优选方案，其中：所述多维度数据信号包括振动频谱信号、温度分布信号、电磁场强度信号及电气参数信号，其中电气参数信号包括功率波动信号和电压电流信号。

6、作为本发明所述充电桩寿命预测方法的一种优选方案，其中：对所述振动频谱信号进行离散小波变换，得到振动特征频段，并基于振动特征频段提取振动幅度数据，表示为：

7、，

8、<mstyle displaystyle="true" mathcolor="#000000"><msub><mi>ϕ</mi><mrow><mi>j</mi><mi>,</mi><mi>k</mi></mrow></msub><mi>[</mi><mi>n</mi><mi>]</mi><mi>=</mi><msup><mn>2</mn><mrow><mi>−</mi><mfrac><mi>j</mi><mn>2</mn></mfrac></mrow></msup><mi>ϕ</mi><mi>(</mi><msup><mn>2</mn><mrow><mi>−</mi><mi>j</mi></mrow></msup><mi>n</mi><mi>−</mi><mi>k</mi><mi>)</mi></mstyle>，

9、其中，为分解尺度，为平移参数，<mstyle displaystyle="true" mathcolor="#000000"><mi>x</mi><mi>[</mi><mi>n</mi><mi>]</mi></mstyle>为离散时间序列，<mstyle displaystyle="true" mathcolor="#000000"><msub><mi>ϕ</mi><mrow><mi>j</mi><mi>,</mi><mi>k</mi></mrow></msub><mi>[</mi><mi>n</mi><mi>]</mi></mstyle>为离散小波基函数，由母小波函数经过尺度变换和平移得到；为母小波函数，为离散时间序列的索引；所述振动幅度的计算表示为：

10、，

11、其中，为采样点数，为振动幅值数据，为采样点序号；基于所述温度分布信号，建立温度梯度矩阵，并从所述温度梯度矩阵中提取温度应力数据，温度梯度的计算，表示为：

12、<mstyle displaystyle="true" mathcolor="#000000"><mi>∇</mi><mi>t</mi><mi>=</mi><mi>[</mi><mfrac><mrow><mi>∂</mi><mi>t</mi></mrow><mrow><mi>∂</mi><mi>x</mi></mrow></mfrac><mi>,</mi><mfrac><mrow><mi>∂</mi><mi>t</mi></mrow><mrow><mi>∂</mi><mi>y</mi></mrow></mfrac><mi>]</mi></mstyle>，

13、其中，表示温度梯度向量，表示方向温度变化率，表示方向温度变化率；所述温度应力的计算，表示为：

14、，

15、其中，为热应力值，为材料弹性模量，为线性热膨胀系数，为温度变化量；基于所述电磁场强度信号，获取电磁场畸变数据，并结合电磁场畸变数据形成电磁特征向量，其中电磁场畸变计算，表示为：

16、，

17、其中，为电磁场畸变率，第次谐波磁场强度，为基波磁场强度，为考虑的谐波最高次数；将所述功率波动信号和所述电压电流信号转换为电气特征序列，并从所述电气特征序列中提取功率因数数据和绝缘电阻数据，其中功率因数的计算表示为：

18、，

19、其中，为功率因数，为有功功率，为无功功率，为视在功率；所述绝缘电阻的判定，表示为：

20、，

21、其中，为绝缘电阻值，为测试电压，为漏电流。

22、作为本发明所述充电桩寿命预测方法的一种优选方案，其中：所述时间窗口设置为：

23、，

24、其中，为时间窗口长度，为振动信号采样频率，为温度信号采样频率，为电磁场采样频率，为电气参数采样频率，为窗口扩展系数；所述时间对齐采用线性插值算法，表示为：

25、，

26、其中，为插值后的数据值，表示相邻采样点的数据值，为插值时间点，为相邻采样时间点。

27、作为本发明所述充电桩寿命预测方法的一种优选方案，其中：基于所述小波变换对振动、温度、电磁场的多源信号进行时频分析，提取各类信号的退化特征，连续小波变换基本公式表示为：

28、，

29、其中，为连续小波变换系数矩阵，为连续时间信号，为连续小波基函数的共轭复数，为连续小波基函数，为连续尺度参数，控制小波的伸缩程度；为时间参数，控制小波的平移位置，表示时间位置；为能量归一化因子；基于时频分析，计算时频能量密度，表示为：

30、，

31、其中，为时频能量密度分布；提取退化特征，分析退化趋势，表示为：

32、，

33、其中，为第类信号的退化特征序列，为选取的频率尺度数量，为时间点，为第个尺度的权重系数，为第个尺度的能量值；通过注意力机制和深度神经网络实现多源异构数据的时空对齐，所述注意力机制包括时间注意力机制和空间注意力机制，所述时间注意力机制表示为：

34、，

35、其中，为时间维度的注意力权重，表示时间查询变换函数，表示时间键变换函数，为第个时间点的特征，为第个时间点的特征，为第个时间点的特征，为时间序列长度；所述空间注意力机制表示为：

36、，

37、其中，为空间维度的注意力权重，表示空间查询变换函数，表示空间键变换函数，为第个特征维度数据，为第个特征维度数据，为第个特征维度数据，为特征维度数。

38、作为本发明所述充电桩寿命预测方法的一种优选方案，其中：基于所述注意力机制进行时空对齐和特征融合，所述时空对齐的损失函数表示为：

39、，

40、，

41、，

42、其中，为总对齐损失，为时间对齐损失，为空间对齐损失，为平衡因子，为第个信号在时间的特征，为第个信号在特征维度的分布，为参考特征分布，为信号数量，为特征维度数；所述特征融合的公式表示为：

43、，

44、，

45、其中，为初始融合特征，为最终融合特征，为融合权重，为各类特征的隐层表示，为特征融合运算符，为注意力增强函数。

46、作为本发明所述充电桩寿命预测方法的一种优选方案，其中：所述劣化速率模型，表示为：

47、，

48、其中，为充电桩在时间的劣化速率，为特征敏感度参数用于控制特征影响程度，为多模态融合后的特征向量，为第个监测信号的状态量，为状态变量数量，为标准正态分布累积函数用于归一化输出，为环境参数的综合测量值，为系统状态标准差；基于所述劣化速率模型输出的结果进行寿命特征提取，构建寿命状态评估模型，公式表示为：

49、，

50、其中，为时刻的健康状态指数，为劣化速率，为劣化速率的变化量即，为劣化速率阈值，为sigmoid函数用于归一化处理。

51、第二方面，本发明实施例提供了一种充电桩寿命预测系统，其包括：采集模块，用于采集充电桩运行过程的多维度数据信号，根据预设的数据同步时间窗口进行时间对齐，构建完整的寿命特征指标体系；预测模块，利用小波变换分析各类信号退化趋势，结合深度学习算法对采集的多源异构数据进行时空对齐和特征融合，建立劣化速率模型，实现寿命状态的特征提取和健康评估；优化模块，基于劣化速率模型输出的结果进行寿命特征提取，构建寿命状态评估模型，根据寿命影响因素分析结果，输出设备使用优化建议。

52、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现上述的充电桩寿命预测方法的任一步骤。

53、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现上述的充电桩寿命预测方法的任一步骤。

54、本发明有益效果为本发明通过对采集的多源异构数据进行时空对齐和特征融合处理，建立参数劣化速率模型，实现对寿命状态的特征提取和健康评估，提高了寿命预测的准确性和可靠性，克服了单一数据源导致的预测偏差问题，实现了对充电桩健康状态的全方位监测和评估。不仅克服了传统单一数据源导致的预测偏差问题，还实现了对充电桩健康状态的全方位、多维度监测与评估。