一种新能源汽车充电桩智能充电检测系统及方法技术方案

本发明专利技术涉及新能源汽车充电桩领域，公开了一种新能源汽车充电桩智能充电检测系统和方法，预测式充电管理模块，包括数据采集单元、数据预处理单元和预测调度单元，智能安全保护模块，包括电气安全保护单元、防盗安全保护单元、环境安全保护单元和操作安全保护单元，绿色环保性模块，包括能源节约单元和环境补偿单元，用户友好度模块，包括UI单元、实时监控与反馈单元、安全保障单元和数据管理和服务单元，更好的服务有充电需求的车主，合理利用充电资源，实现提高充电过程中能源的利用效率，考虑不同用户的操作习惯和需求，为用户提供个性化、智能化的操作服务。智能化的操作服务。智能化的操作服务。

【技术实现步骤摘要】
一种新能源汽车充电桩智能充电检测系统及方法


[0001]本专利技术涉及新能源汽车充电桩领域，适用于一种新能源汽车充电桩智能充电检测系统及方法。

技术介绍

[0002]根据中国电动汽车百人会的统计数据，截至2019年底，中国公共充电桩数量已经超过50万个，其中快充桩约为30万个，随着新能源汽车的普及，充电桩数量增长迅速，充电桩的需求量增长迅速。但是充电桩网络分布不平衡：充电桩网络在城市中心较为集中，而在一些偏远地区和农村地区却存在着充电桩数量不足的问题，这为新能源汽车的推广带来了一定的制约，充电桩产业链逐步完善，目前已经形成了一定规模的产业链。主要涉及充电桩制造、软硬件开发、运营管理等方面；但是目前市场上的充电桩普遍存在着充电效率低、充电速度慢、充电安全性差等问题，这些问题严重制约了新能源汽车的发展。如何提高充电桩的充电效率和充电速度，提高充电安全性，成为了当前亟待解决的问题，
[0003]例如现有的授权公告号为CN108973715B的中国专利公开了新能源汽车智能充电桩，公开了一种充电桩包括充电主体和充电装的防盗装置；通过充电桩主体一侧开设插槽，充电桩主体上的充电枪能够插入至插槽内，来实现给汽车充电，通过设置防盗门来防止不法分子通过不法活动窃取客片，且工作人员打开防盗门后能够很方便的向矩形槽内放置卡片。
[0004]上述专利主要功能是防盗，但是充电桩普遍存在着充电效率低、充电速度慢、充电安全性差，充电桩密度远不能满足用户充电需求的问题，且可再生能源的开发利用未利用至充电桩，对用户的意见收集不足，无法设计出更贴合贴切满足人们需求的充电桩。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]为解决上述技术问题，本专利技术的主要目的在于提供一种新能源汽车充电桩充电检测系统，由预测式充电管理模块、智能安全保护模块、绿色环保性模块和用户友好度模块四大模块组成；
[0007]预测式充电管理模块，包括采集相关数据的数据采集单元，包括对相关数据进行清洗并建立车主充电预测模型的数据预处理单元，以及预测调度单元，车主充电预测模型通过预测调度单元对车主充电进行调度；
[0008]智能安全保护模块，包括对防盗安全保护单元、环境安全保护单元和操作安全保护单元进行保护的电气安全保护单元；
[0009]绿色环保性模块，包括可集成可再生能源进行发电的能源节约单元，以及对湿度、温度、电压和通信进行补偿的环境补偿单元；
[0010]用户友好度模块，包括分别与预测调度单元构成充电区域选择选项、禹智能安全保护模块构成充电功能选项的UI单元，包括实时监控与反馈单元、安全保障单元和上传数据管理和服务单元；
[0011]其中，数据采集单元采集相关数据后通过实时监控与反馈单元上传数据管理和服务单元并实时反馈车主充电情况，智能安全保护模块与安全保障单元相配合。
[0012]能够有效解决
技术介绍
中的问题：利用深度学习卷积网络挖掘用户使用充电桩信息，利用可再生能源减少环境污染和缓解能源压力，具有高安全性、高充电效率、高人性化的特点，进而提高用户体验感，增加对新能源汽车电池的监察力度，通过设置预测式充电管理模块、智能安全保护模块、绿色环保性模块、用户友好度模块相互配合。提高充电过程中能源的利用效率，考虑不同用户的操作习惯和需求，为用户提供个性化、智能化的操作服务。
[0013]为实现上述目的，专利技术了一种新能源汽车充电桩充电检测系统：
[0014]作为本专利技术一种新能源汽车充电桩充电检测系统的一种优选方案，其中：所述相关数据包括充电需求、车辆的电量信息、充电时间、充电地点、车主的出行计划、新能源汽车电池的电流电压信号和充电桩所提供电流电压信号；
[0015]其中，车辆的电量信息、充电时间、充电地点、以及车主的出行计划用于建立车主充电预测模型，新能源汽车电池的电流电压信号和充电桩的电流电压信号通过实时监控与反馈单元上传至数据管理和服务单元，并且实时反馈车主充电情况。
[0016]作为本专利技术一种新能源汽车充电桩充电检测系统的一种优选方案，其中：所述数据预处理单元采用机器学习技术并使用聚类算法从相关数据中提取数据特征，构建车主充电预测模型，所述车主充电预测模型通过预测调度单元对车主未来的充电需求进行预测。
[0017]作为本专利技术一种新能源汽车充电桩充电检测系统的一种优选方案，其中：所述车主充电预测模型通过目标函数、数据清洗过滤器、约束函数、预测约束函数、训练模型、修剪层和模型调优函数建立；
[0018]其中，目标函数是车主充电初始模型，表达式如下：
[0019]L(θ)＝E
(x,y)～D
L(f(x|θ),y)
[0020]其中，x为充电数据输入，y为标签量，D为车主充电情况数据分布，L(f(x|θ),y)为损失函数，θ＝{θ1，......，θ
K
}为目标函数训练的权值，它们均是K维的向量组，k取序数，表示数据的维数，每个维表示一个滤波器的权值，E为作用域，L(θ)为车主充电原始模型；
[0021]f(x|θ)用于表示神经网络性能的指标，以损失函数为线索寻找最优权重参数，表达式如下所示：
[0022][0023]其中，y
k
为神经网络的输出，t
k
为监督数据，k表示数据的维数；
[0024]数据清洗过滤器用于消除重复数据、冗余数据、过期数据和错误数据，表达式如下：
[0025][0026]S.L.C(z)≤ζ
[0027]其中，L为似然函数，θ
*
为预先目标函数训练的权值，θ为目标函数训练的权值，z为约束函数，ζ为迭代函数，C(z)为资源使用函数，S.L为计数；
[0028]约束函数用于修剪数据，表达式如下：
[0029]z＝(z1，......，z
K
)
[0030]其中，z为约束函数，是一个K维的指标向量，若数据清洗过滤器修剪一次则z
K
＝0，若未修剪则z
K
＝1；
[0031]建立车主充电预测模型首先将预测约束函数以及资源使用函数进行初始化处理，初始化处理分别如下：
[0032]C(z)＝1
[0033]ζ
(0)
＝C(1)
[0034]其中，C(1)为初始化后的资源使用函数，ζ
(0)
为预测约束函数初始化；
[0035]修剪层用于修剪车主充电预测模型所需要的数据，预测约束函数用于优化车主充电预测模型，表达式如下：
[0036]z
(i)
＝C(1)*L(θ)＝θ
(i+1)
+tζ
(i+1)
[0037]其中，C(1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新能源汽车充电桩智能充电检测系统，其特征在于：预测式充电管理模块，包括采集相关数据的数据采集单元，包括对相关数据进行清洗并建立车主充电预测模型的数据预处理单元，以及预测调度单元，车主充电预测模型通过预测调度单元对车主充电进行调度；智能安全保护模块，包括对防盗安全保护单元、环境安全保护单元和操作安全保护单元进行保护的电气安全保护单元；绿色环保性模块，包括对可再生能源进行集成并进行发电的能源节约单元，以及对湿度、温度、电压和通信进行补偿的环境补偿单元；用户友好度模块，包括分别与预测调度单元构成充电区域选择选项、与智能安全保护模块构成充电功能选项的UI单元，包括实时监控与反馈单元、安全保障单元和数据管理和服务单元；其中，数据采集单元采集相关数据后通过实时监控与反馈单元上传数据管理和服务单元并实时反馈车主充电情况，智能安全保护模块与安全保障单元相配合。2.根据权利要求1所述的一种新能源汽车充电桩智能充电检测系统，其特征在于：所述相关数据包括充电需求、车辆的电量信息、充电时间、充电地点、车主的出行计划、新能源汽车电池的电流电压信号和充电桩所提供电流电压信号；其中，车辆的电量信息、充电时间、充电地点、以及车主的出行计划用于建立车主充电预测模型，新能源汽车电池的电流电压信号和充电桩的电流电压信号通过实时监控与反馈单元上传至数据管理和服务单元，并且实时反馈车主充电情况。3.根据权利要求2所述的一种新能源汽车充电桩智能充电检测系统，其特征在于：所述数据预处理单元采用机器学习技术并使用聚类算法从相关数据中提取数据特征，构建车主充电预测模型，所述车主充电预测模型通过预测调度单元对车主未来的充电需求进行预测。4.根据权利要求3所述的一种新能源汽车充电桩智能充电检测系统，其特征在于：所述车主充电预测模型通过目标函数、数据清洗过滤器、约束函数、预测约束函数、训练模型、修剪层和模型调优函数建立；其中，目标函数是车主充电初始模型，表达式如下：L(θ)＝E
(x,y)～D
L(f(x|θ),y)其中，x为充电数据输入，y为标签量，D为车主充电情况数据分布，L(f(x|θ),y)为损失函数，θ＝{θ1，......，θ
K
}为目标函数训练的权值，它们均是K维的向量组，k取序数，表示数据的维数，每个维表示一个滤波器的权值，E为作用域，L(θ)为车主充电原始模型；f(x|θ)用于表示神经网络性能的指标，以损失函数为线索寻找最优权重参数，表达式如下所示：其中，y
k
为神经网络的输出，t
k
为监督数据，k表示数据的维数；数据清洗过滤器用于消除重复数据、冗余数据、过期数据和错误数据，表达式如下：
S.L
.C(z)≤ζ其中，L为似然函数，θ
*
为预先目标函数训练的权值，θ为目标函数训练的权值，z为约束函数，ζ为迭代函数，C(z)为资源使用函数，S.L为计数；约束函数用于修剪数据，表达式如下：z＝(z1，......，z
K
)其中，z为约束函数，是一个K维的指标向量，若数据清洗过滤器修剪一次则z
K
＝0，若未修剪则z
K
＝1；建立车主充电预测模型首先将预测约束函数以及资源使用函数进行初始化处理，初始化处理分别如下...

【专利技术属性】
技术研发人员：朱孝山，
申请(专利权)人：江苏鸿冠新能源科技有限公司，
类型：发明
国别省市：