一种充电站安全监控方法及系统技术方案

本发明专利技术涉及充电站监控技术领域，公开了一种充电站安全监控方法，包括以下步骤：步骤S1：使用决策树ID3算法采集充电站相关数据，根据相关数据判断安全事件及安全事件的需求场景，并以需求等级将安全事件进行分类；步骤S2：根据相关数据判断安全事件处于实时充电下的异常，并对电池健康进行诊断，当出现异常时通过AI监测技术进行动态预警；步骤S3：使用AI算法判断安全事件处于实时充电外的其他需求场景的异常，当出现异常时通过AI监测技术进行动态预警。本发明专利技术还公开了一种充电站安全监控系统。本发明专利技术用于监测场站实时情况，及时发现充电站、设备、车辆或人员已发生的安全事故。车辆或人员已发生的安全事故。车辆或人员已发生的安全事故。

【技术实现步骤摘要】
一种充电站安全监控方法及系统


[0001]本专利技术涉及充电站监控
，具体地说，是一种充电站安全监控方法及系统，用于监测场站实时情况，及时发现充电站、设备、车辆或人员已发生的安全事故和安全隐患。

技术介绍

[0002]在我国充电产业已经进入了告诉优胜劣汰的阶段，在电动车末端市场方面，电动汽车因其充电过程的漫长，每次都需要估算电池充电容量与行驶路程，因此对智能化的充电站的要求越来越高，因此，本专利技术提供了一种充电站安全监控方法及系统，通过大数据、AI和物联等智能监测技术手段及时发现安全隐患和安全事故。

技术实现思路

[0003]本专利技术的目的在于提供一种充电站安全监控方法及系统，用于监测场站实时情况，及时发现充电站、设备、车辆或人员已发生的安全事故。
[0004]本专利技术通过下述技术方案实现：一种充电站安全监控方法，包括以下步骤：步骤S1：使用决策树ID3算法采集充电站相关数据，根据相关数据判断安全事件及安全事件的需求场景，并以需求等级将安全事件进行分类；步骤S2：根据相关数据判断安全事件处于实时充电下的异常，并对电池健康进行诊断，当出现异常时通过AI监测技术进行动态预警；步骤S3：使用AI算法判断安全事件处于实时充电外的其他需求场景的异常，当出现异常时通过AI监测技术进行动态预警。
[0005]为了更好地实现本专利技术，进一步地，步骤S1中相关数据包括BMS数据、故障数据、实时充电数据、充电请求数据、车辆数据、环境数据和高压及输电数据。
[0006]为了更好地实现本专利技术，进一步地，步骤S1包括:对安全事件的需求按照需求权重比例从高到低依次分为P0、P1、P2和P3；将安全事件的类型分为事故类型或隐患类型；使用决策树ID3算法及时更新安全事件。
[0007]为了更好地实现本专利技术，进一步地，步骤S2包括:通过相关数据分析当前安全事件是否正常，如有异常，触发动态预警；通过分析相关数据判断车辆电池健康状况，形成车辆电池健康评分卡。
[0008]为了更好地实现本专利技术，进一步地，步骤S3中的AI算法包括烟火识别算法、设备外观监测算法、设备存放检测算法、吸烟打电话算法、区域入侵算法、跌倒检测算法、人和车体识别算法和车辆事故检测算法。
[0009]为了更好地实现本专利技术，进一步地，AI检测技术包括集成式AI监测技术、边缘计算技术和中心计算技术。
[0010]为了更好地实现本专利技术，进一步地，本专利技术还提供了一种充电站安全监控系统，7.
包括数据采集单元，动态预警单元和物联检测单元，其中：数据采集单元,用于使用决策树ID3算法采集充电站相关数据，根据相关数据判断安全事件及安全事件的需求场景，并以需求等级将安全事件进行分类；动态预警单元,用于根据相关数据判断安全事件处于实时充电下的异常，并对电池健康进行诊断；用于使用AI算法判断安全事件处于实时充电外的其他需求场景的异常；物联检测单元,用于出现异常时通过AI监测技术进行动态预警。
[0011]本专利技术与现有技术相比，具有以下优点及有益效果：（1）本专利技术能够通过智能监控来监测场站实时情况，及时发现充电站、设备、车辆或人员已发生的安全事故；（2）本专利技术使用决策树ID3算法可以随时增加其他安全问题，并对其他安全问题的严重程度进行更新；（3）本专利技术通过大数据、AI和物联等智能监测技术手段，远程视频监控及时发现安全隐患和安全事故；本专利技术能第一时间告知用户和相关人员；同时启动应急处置策略解决安全隐患和避免安全事故的扩大化；本专利技术事后形成隐患处置和事故报告；给用户和场站相关方发送安全报告，提升用户品牌忠诚度和合作信任度。
附图说明
[0012]本专利技术结合下面附图和实施例做进一步说明，本专利技术所有构思创新应视为所公开内容和本专利技术保护范围。
[0013]图1为本专利技术公开的一种充电站安全监控方法的流程示意图。
[0014]图2为本专利技术公开的一种充电站安全监控方法及系统中根据相关数据对安全事件进行分类后的示意图。
[0015]图3为本专利技术公开的一种充电站安全监控方法及系统中使用AI算法判断安全事件处于实时充电外的其他需求场景的示意图。
[0016]图4为本专利技术公开的一种充电站安全监控方法及系统中AI监测实现方式的几种类型示意图。
具体实施方式
[0017]为了更清楚地说明本专利技术实施例的技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，应当理解，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例，因此不应被看作是对保护范围的限定。基于本专利技术中的实施例，本领域普通技术工作人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0018]实施例1：本实施例的一种充电站安全监控方法，如图1所示，本实施例选用决策树ID3算法，决策树ID3算法是分类算法，因为充电站的特殊性及其所需参数，分类算法不同于聚类算法的不同之处在于类别在运算之前就已经是确定的。
[0019]决策树ID3算法是分类中的经典算法，决策树的每一层节点依照某一确定程度比较高的属性向下分子节点，每个子节点在根据其他确定程度相对较高的属性进行划分，直
到生成一个能完美分类训练样例的决策树或者满足某个分类终止条件为止。
[0020]实施例2：本实施例在实施例1的基础上做进一步优化，在本实施例中，BMS数据包括电池容量、内阻、充放电周期等BMS数据采集；故障数据包括充电桩故障、电池故障等异常数据采集；充电实时数据包括充电过程电流、电压、温度等实时数据采集；车辆数据包括品牌、车型、车龄、电池类型等车辆相关数据；环境数据包括气温、湿度、降水等环境数据；高压及输电数据按模型需求获取。
[0021]本实施例的其他部分与实施例1相同，故不再赘述。
[0022]实施例3：本实施例在上述实施例1或2的基础上做进一步优化，如图2所示，在本实施例中，以相关数据进行举例，以实时充电数据举例，根据决策树ID3算法模型，设信源分析指标（电流、电压曲线）X发出（充电曲线异常分析）a的概率p(a)，在收到偏离程度异常阈值a之前，将a的自信息量定义为I(a)=
‑
logp(a)，将信息熵，即实时充电数据是否偏离正常充电曲线定义为：H(X)=求和(p(ai) I(ai))。信源分析指标（电流、电压曲线）X，对应收到的信息Y，用条件熵H(X|Y)来描述收到Y后X的不确定性的估计。平均互信息量：用平均互信息量来表示信息Y所能提供的关于X的信息量的大小。互信息量I(X|Y)=H(X)
‑
H(X|Y) ，以此对同品牌车型历史数据，再用DTW等模型拟合该品牌车型正常的充电曲线，判断实时充电数据是否偏离正常充电曲线，根据偏离程度判定需求等级为P0、P1、P2、P3，其中考虑因素包括品牌车型、电池类型、车龄。所以，使用决策树ID3算法采集实时充电数据，可以在一些需求场景下，判断是事故类型还是隐患类型，并进行分类，让用户更放心，让监管更省心，提升合作方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种充电站安全监控方法，其特征在于，包括以下步骤：步骤S1：使用决策树ID3算法采集充电站相关数据，根据相关数据判断安全事件及安全事件的需求场景，并以需求等级将安全事件进行分类；步骤S2：根据相关数据判断安全事件处于实时充电下的异常，并对电池健康进行诊断，当出现异常时通过AI监测技术进行动态预警；步骤S3：使用AI算法判断安全事件处于实时充电外的其他需求场景的异常，当出现异常时通过AI监测技术进行动态预警。2.根据权利要求1所述的一种充电站安全监控方法，其特征在于，所述步骤S1中相关数据包括BMS数据、故障数据、实时充电数据、充电请求数据、车辆数据、环境数据和高压及输电数据。3.根据权利要求2所述的一种充电站安全监控方法，其特征在于，步骤S1包括:对安全事件的需求按照需求权重比例从高到低依次分为P0、P1、P2和P3；将安全事件的类型分为事故类型或隐患类型；使用决策树ID3算法及时更新安全事件。4.根据权利要求1所述的一种充电站安全监控方法，其特征在于，步骤S2包括:...

【专利技术属性】
技术研发人员：谢士明，唐强，刘韬，朱金成，胡琼芳，罗晶潇，李卓然，
申请(专利权)人：思极星能科技四川有限公司，
类型：发明
国别省市：