本发明涉及充电设备预警,特别涉及一种电动汽车充电设备安全预警系统及方法。
背景技术:
1、随着充电技术的不断成熟,电动汽车市场占有量逐年上升,充电站的建设规模也逐年扩大。目前充电桩的运维主要依靠人工巡检,工作量大,无法做到及时有效。现有的智能监控系统大多通过监控充电过程的电流、电压、温度等参数,并结合视频监控,实现充电参数监测。存在的问题是无法预判充电状态,在可能发生故障或者火灾前进行预警,生成预警信息,降低巡检工作量和发生事故的概率。
技术实现思路
1、本发明要解决的技术问题是提供一种电动汽车充电设备安全预警系统及方法,可以根据当前充电参数预判充电状态,从而进行预警,可有效降低巡检工作量和发生事故的概率。
2、为了解决上述技术问题,本发明提供一种电动汽车充电设备安全预警系统,包括中央控制单元以及与其连接的预警单元、云管理平台和若干个充电状态监测单元;所述充电状态监测单元包括充电参数监测单元、充电时长统计单元、电池温度监测单元和电池电量监测单元;
3、所述充电参数监测单元用于实时监测本次充电的充电桩温度;所述充电时长统计单元用于对单位周期t内该充电桩的累计充电时长和本次充电时长;所述电池电量监测单元用于监测电池的实时电量,并计算单位周期t内任意时刻相比于初始状态的电池电量增量;所述中央控制单元用于根据充电时长统计单元监测到的累计充电时长、本次充电时长和电池电量监测单元计算得到的电池电量增量、充电参数监测单元监测到的充电桩温度、电池温度监测单元监测到的电池温度判断当前充电状态;所述当前充电状态的判断方法为:
4、(1)中央控制单元获取云管理平台的历史充电数据,分别建立本次充电时长和电池电量增量、电池温度的模型的历史关系曲线,累计充电时长和充电桩温度的历史关系曲线,采用k-means算法对上述三种曲线分别进行聚类分析,每种类型的曲线均得到若干个聚类曲线,得到每个聚类的数据中心点,并计算对应的阈值;
5、(2)中央控制单元实时获取累计充电时长、本次充电时长、电池电量增量、充电桩温度、电池温度,判断当前充电状态属于哪一种聚类曲线,并将当前数据与对应的聚类曲线的数据中心点进行比较,分析比较结果,若超出任意一种聚类曲线的阈值,则判断为高风险状态,发送故障信息给预警单元。
6、进一步的,所述中央控制单元还用于设置安全阈值,所述安全阈值小于所述阈值;当比较结果为没有超出安全阈值,则判断为正常状态;若比较结果为超出安全阈值,但没有超出阈值,判定为中风险状态,发送警惕信息给预警单元。
7、进一步的,不同的所述聚类曲线的安全阈值可以通过人为设定;所述安全阈值=k*阈值,k≦1。
8、进一步的,所述中央控制单元还用于根据云管理平台的历史充电数据,作为训练样本集,以累计充电时长、本次充电时长、电池电量增量、充电桩温度、电池温度作为输入特征,预测发生充电故障的概率p;将预测的概率p与预设的[p1,p2]比较;并根据p的比较结果,结合聚类的比较结构综合判断当前充电状态:
9、(1)当p≧p2,或当前数据对应的三种聚类曲线的比较结果中任意一个为高风险状态时,则综合判断为高风险状态,
10、(2)当p≦p1,且当前数据对应的三种聚类曲线的比较结果均为正常状态时,则综合判断为正常状态;
11、(3)除以上情况外,综合判断为中风险状态。
12、进一步的,所述充电参数监测单元还用于实时监测本次充电的电压和电流;所述输入特征还包括电压和电流。
13、进一步的,还包括环境温湿度监测单元;所述环境温湿度监测单元用于实时监测环境的温度和湿度;所述输入特征还包括温度和湿度。
14、进一步的,若综合判断结果为正常状态,但是最终却发生了充电故障或者火灾,则降低p1和安全阈值的数值;若综合判断结果为中风险状态,但是最终却发生了充电故障或者火灾,则降低p2和安全阈值的数值。
15、本发明还提供了一种电动汽车充电设备安全预警系统的电动汽车充电设备安全预警方法,包括如下步骤:
16、(1)中央控制单元获取云管理平台的历史充电数据,分别建立本次充电时长和电池电量增量、电池温度的模型的历史关系曲线,累计充电时长和充电桩温度的历史关系曲线,采用k-means算法对上述三种曲线分别进行聚类分析,每种类型的曲线均得到若干个聚类曲线,得到每个聚类的数据中心点,并计算对应的阈值;
17、(2)中央控制单元实时获取累计充电时长、本次充电时长、电池电量增量、充电桩温度、电池温度,判断当前充电状态属于哪一种聚类曲线,并将当前数据与对应的聚类曲线的数据中心点进行比较,分析比较结果:若超出阈值,则判断为高风险状态,发送故障信息给预警单元;当比较结果为没有超出安全阈值,则判断为正常状态;若比较结果为超出安全阈值,但没有超出阈值,判定为中风险状态,发送警惕信息给预警单元;所述安全阈值小于所述阈值。
18、进一步的,所述不同的所述聚类曲线的安全阈值可以通过人为设定。
19、进一步的,所述安全阈值=k*阈值,k≦1。
20、进一步的,所述中央控制单元还用于根据云管理平台的历史充电数据,作为训练样本集,以累计充电时长、本次充电时长、电池电量增量、充电桩温度、电池温度、本次充电的电压和电流、环境的温度和湿度作为输入特征,预测发生充电故障的概率p;将预测的概率p与预设的[p1,p2]比较;并根据p的比较结果,结合聚类的比较结构综合判断当前充电状态:
21、(1)当p≧p2,或当前数据对应的三种聚类曲线的比较结果中任意一个为高风险状态时,则综合判断为高风险状态,
22、(2)当p≦p1,且当前数据对应的三种聚类曲线的比较结果均为正常状态时,则综合判断为正常状态;
23、(3)除以上情况外,综合判断为中风险状态;
24、(4)若综合判断结果为正常状态,但是最终却发生了充电故障或者火灾,则降低p1和安全阈值的数值;若综合判断结果为中风险状态,但是最终却发生了充电故障或者火灾,则降低p2和安全阈值的数值。
25、本发明有益效果:
26、本发明以云管理平台中存储的大量的充电数据,分别建立本次充电时长和电池电量增量、电池温度的模型的历史关系曲线,累计充电时长和充电桩温度的历史关系曲线,采用k-means算法对上述三种曲线分别进行聚类分析,并计算对应的阈值。中央控制单元实时获取累计充电时长、本次充电时长、电池电量增量、充电桩温度、电池温度,判断当前充电状态属于哪一种聚类曲线,并将当前数据与对应的聚类曲线的数据中心点进行比较,分析比较结果,若超出任意一种聚类曲线的阈值,则判断为高风险状态,发送故障信息给预警单元。本发明可以根据当前充电参数预判充电状态,从而进行预警,可以有效降低巡检工作量和发生事故的概率。
1.一种电动汽车充电设备安全预警系统,其特征在于:包括中央控制单元以及与其连接的预警单元、云管理平台和若干个充电状态监测单元;所述充电状态监测单元包括充电参数监测单元、充电时长统计单元、电池温度监测单元和电池电量监测单元;
2.根据权利要求1所述的电动汽车充电设备安全预警系统,其特征在于:所述中央控制单元还用于设置安全阈值,所述安全阈值小于所述阈值;当比较结果为没有超出安全阈值,则判断为正常状态;若比较结果为超出安全阈值,但没有超出阈值,判定为中风险状态,发送警惕信息给预警单元。
3.根据权利要求2所述的电动汽车充电设备安全预警系统,其特征在于:不同的所述聚类曲线的安全阈值可以通过人为设定;所述安全阈值=k*阈值,k≦1。
4.根据权利要求2所述的电动汽车充电设备安全预警系统,其特征在于:所述中央控制单元还用于根据云管理平台的历史充电数据,作为训练样本集,以累计充电时长、本次充电时长、电池电量增量、充电桩温度、电池温度作为输入特征,预测发生充电故障的概率p;将预测的概率p与预设的[p1,p2]比较;并根据p的比较结果,结合聚类的比较结构综合判断当前充电状态:
5.根据权利要求4所述的电动汽车充电设备安全预警系统,其特征在于:所述充电参数监测单元还用于实时监测本次充电的电压和电流;所述输入特征还包括电压和电流。
6.根据权利要求5所述的电动汽车充电设备安全预警系统,其特征在于:还包括环境温湿度监测单元;所述环境温湿度监测单元用于实时监测环境的温度和湿度;所述输入特征还包括温度和湿度。
7.根据权利要求4-6任意一项所述的电动汽车充电设备安全预警系统,其特征在于:若综合判断结果为正常状态,但是最终却发生了充电故障或者火灾,则降低p1和安全阈值的数值;若综合判断结果为中风险状态,但是最终却发生了充电故障或者火灾,则降低p2和安全阈值的数值。
8.应用于权利要求1-7所述的电动汽车充电设备安全预警系统的电动汽车充电设备安全预警方法,其特征在于:包括如下步骤:
9.根据权利要求8所述电动汽车充电设备安全预警方法,其特征在于:所述不同的所述聚类曲线的安全阈值可以通过人为设定,所述安全阈值=k*阈值,k≦1。
10.根据权利要求8或9所述电动汽车充电设备安全预警方法,其特征在于:所述中央控制单元还用于根据云管理平台的历史充电数据,作为训练样本集,以累计充电时长、本次充电时长、电池电量增量、充电桩温度、电池温度、本次充电的电压和电流、环境的温度和湿度作为输入特征,预测发生充电故障的概率p;将预测的概率p与预设的[p1,p2]比较;并根据p的比较结果,结合聚类的比较结构综合判断当前充电状态: