一种大功率制造技术

本发明专利技术涉及一种大功率

【技术实现步骤摘要】
一种大功率SiC电动汽车的充电安全监测系统及预警系统


[0001]本专利技术涉及新能源电动汽车的充电安全，是一种大功率
SiC
电动汽车的充电安全监测系统及预警系统
。

技术介绍

[0002]目前，碳化硅材料
(SiC)
由于具有较高的热导率决定了其高电流密度的特性，因此其具有高温工作
、
高阻断电压
、
低损耗
、
开关速度等优点，从而在相同的功率等级下，设备中功率器件的数量
、
散热器的体积
、
滤波元件体积都能大大减小，同时效率也有大幅度的提升
。
现有一些新能电动汽车采用上述碳化硅材料制成部分碳化硅元件，如中国专利文献中披露的申请号
202110242856.X
，申请公布日
2021.05.25
，专利技术名称“一种宽输入范围的高效率
SiC
电动汽车电源变换器系统”；这些新能电动汽车的碳化硅元件易产生热失控故障的部件，容易发现故障隐患
。
另外，现有对于大功率电动汽车充放电的安全监测，如中国专利文献刊载的申请号
202110659399.4
，授权公告日
2022.09.16
，专利技术名称“基于规模化大功率电动汽车充放电的配电网综合评价方法
、
设备
、
系统及存储介质”；但上述现有大功率电动汽车的充电安全监测系统及预警较少针对碳化硅元件的特殊性进行充电安全监测系统及预警，较少通过结合当地气候环境存在高温
、
高湿和高盐的数据，并通过联网的充电桩，进一步地对电动汽车的充电进行安全监测及预警
。

技术实现思路

[0003]为克服上述不足，本专利技术的目的是向本领域提供一种大功率
SiC
电动汽车的充电安全监测系统及预警系统，使其主要解决现有充电桩或电动汽车缺少对大功率
SiC
电动汽车的充电安全监测系统设计和预警系统的科学设计，特别是缺少当地气候环境存在高温
、
高湿和高盐的数据结合，以及较少通过联网的充电桩对电动汽车的充电进行安全监测及预警的技术问题
。
其目的是通过如下技术方案实现的
。
[0004]一种大功率
SiC
电动汽车的充电安全监测系统，该充电安全监测系统根据电动汽车与充电桩连接充电时建立交互信息识别，交互信息识别设置于充电信息监测终端，充电信息监测终端设置于充电桩或电动汽车内，充电信息监测终端的交互信息识别包括出行模式数据和充电模式数据，出行模式数据和充电模式数据包括充电前一刻的行驶里程数量
、
充电时长
、
充电前一刻的剩余电量
、
充电开始时间和充电结束时间；其特征在于所述充电信息监测终端的交互信息识别结合当地气候环境存在高温
、
高湿和高盐的数据，电动汽车设置电池剩余寿命，得出车辆安全阈值，当所述电动汽车充电危险程度达到车辆安全阈值时，所述充电桩或电动汽车停止充电，并通过充电桩的摄像头对电动汽车进行拍摄，得到充电画面，提取并识别所述充电画面中的车牌号码，电动汽车发出车辆检修报警；当所述电动汽车充电危险程度低于车辆安全阈值时，所述充电桩或电动汽车开始充电，并记录充电信息，充电信息包括充电时间
、
充电时长
、
充电量
、
充电功率和充电温度变化
。
[0005]所述充电信息监测终端的交互信息识别采用
CNN
‑
LSTM
电动汽车充电负荷估算模
型；
[0006]步骤
s1
，
CNN
模型计算公式为：
c
t
＝
f(W
CNN
×
n
t
+b
CNN
)
，其中，
W
CNN
表示电动汽车大功率充电数据卷积中滤波器的权重系数，即卷积核；
n
t
表示
t
时刻的电动汽车充电数据；
b
CNN
表示电动汽车充电数据卷积运算的偏差系数；
c
t
为经过卷积之后提取的电动汽车充电数据序列；
f
表示电动汽车充电数据卷积运算的激活函数；
[0007]LSTM
模型计算公式为：
[0008]其中，
h
t
、h
i
分别表示单
LSTM
的前向
、
后向隐藏层的状态，隐含层单元数量为
n
，经过
LSTM
处理后，在
LSTM
的隐含层单元数量为
n
，最后隐含层输出
n
×
m
的特征向量；
[0009]步骤
s2
，所述充电模式的计算，包括充电开始
、
充电结束时间和充电地点；公式为：
[0010][0011]其中，
△
T
为时间精度，设为半个小时，
δ
(Li(u)
，
Lj(v))
是一个重合性公式，当两个用户的充电桩重合时，值为1，否则为0；如果
COL
大于
1/3
，那么说明电动汽车在同一个充电桩内进行充电，假设有
n
个用户在某个
△
T
为时间精度内充电；
[0012]步骤
s3
，所述剩余电量的计算，在充电模式下，剩余电量与日行驶距离；
[0013]公式为：
Q
r,u
(t)
＝
Q
0,u
‑
d
u
(t)w
u
；
[0014]其中，
Q
0,u
其实电池电量，
Q
r,u
(t)
充电前一个时刻的剩余电量；接着，通过大数据的方法，统计每一周每一个时刻，以半小时为一个统计周期；
[0015]某一个充电桩的所有电动汽车充电前一个时刻的平均剩余电量；
[0016]公式为：
[0017]某一个充电桩的站点在某一个时刻的充电负荷统计，获取该充电桩的开始充电到该时刻结束时用户充电的平均时长；公式为：
[0018]其中，
C
表示
△
T
时间精度结束时刻时
n
个用户电池的平均容量，当
△
T
取
30
分钟，每个
△
T
开始时刻认为
i
是1，每个
△
T...

【技术保护点】

【技术特征摘要】
1.
一种大功率
SiC
电动汽车的充电安全监测系统，该充电安全监测系统根据电动汽车与充电桩连接充电时建立交互信息识别，交互信息识别设置于充电信息监测终端，充电信息监测终端设置于充电桩或电动汽车内，充电信息监测终端的交互信息识别包括出行模式数据和充电模式数据，出行模式数据和充电模式数据包括充电前一刻的行驶里程数量
、
充电时长
、
充电前一刻的剩余电量
、
充电开始时间和充电结束时间；其特征在于所述充电信息监测终端的交互信息识别结合当地气候环境存在高温
、
高湿和高盐的数据，电动汽车设置电池剩余寿命，得出车辆安全阈值，当所述电动汽车充电危险程度达到车辆安全阈值时，所述充电桩或电动汽车停止充电，并通过充电桩的摄像头对电动汽车进行拍摄，得到充电画面，提取并识别所述充电画面中的车牌号码，电动汽车发出车辆检修报警；当所述电动汽车充电危险程度低于车辆安全阈值时，所述充电桩或电动汽车开始充电，并记录充电信息，充电信息包括充电时间
、
充电时长
、
充电量
、
充电功率和充电温度变化
。2.
根据权利要求1所述的大功率
SiC
电动汽车的充电安全监测系统，其特征在于所述充电信息监测终端的交互信息识别采用
CNN
‑
LSTM
电动汽车充电负荷估算模型；步骤
s1
，
CNN
模型计算公式为：
c
t
＝
f(W
CNN
×
n
t
+b
CNN
)
，其中，
W
CNN
表示电动汽车大功率充电数据卷积中滤波器的权重系数，即卷积核；
n
t
表示
t
时刻的电动汽车充电数据；
b
CNN
表示电动汽车充电数据卷积运算的偏差系数；
c
t
为经过卷积之后提取的电动汽车充电数据序列；
f
表示电动汽车充电数据卷积运算的激活函数；
LSTM
模型计算公式为：其中，
h
t
、h
i
分别表示单
LSTM
的前向
、
后向隐藏层的状态，隐含层单元数量为
n
，经过
LSTM
处理后，在
LSTM
的隐含层单元数量为
n
，最后隐含层输出
n
×
m
的特征向量；步骤
s2
，所述充电模式的计算，包括充电开始
、
充电结束时间和充电地点；公式为：其中，
△
T
为时间精度，设为半个小时，
δ
(Li(u)
，
Lj(v))
是一个重合性公式，当两个用户的充电桩重合时，值为1，否则为0；如果
COL
大于
1/3
，那么说明电动汽车在同一个充电桩内进行充电，假设有
n
个用户在某个
△
T
为时间精度内充电；步骤
s3
，所述剩余电量的计算，在充电模式下，剩余电量与日行驶距离；公式为：
Q
r,u
(t)
＝
Q
0,u
‑
d
u
(t)w
u
；其中，
Q
0,u
其实电池电量，
Q
r,u
(t)
充电前一个时刻的剩余电量；接着，通过大数据的方法，统计每一周每一个时刻，以半小时为一个统计周期；某一个充电桩的所有电动汽车充电前一个时刻的平均剩余电量；公式为：某一个充电桩的站点在某一个时刻的充电负荷统计，获取该充电桩的开始充电到该时
刻结束时用户充电的平均时长；公式为：其中，
C
表示
△
T
时间精度结束时刻时
n
个用户电池的平均容量，当
△
T
取
30
分钟，每个
△
T
开始时刻认为
i
是1，每个
△
T
结束时刻认为是
30
得出结束时刻时
n
个用户电池的平均容量；
η
时充电桩的充电效率，
Pc
是充电桩的平均功率；步骤
s4
，根据上述...

【专利技术属性】
技术研发人员：阮旭华，李发强，陈隆冠，陈珠超，王仕战，宋立明，吉书民，杨睿，黄蕾，黎培正，
申请(专利权)人：海南交控科技有限公司，
类型：发明
国别省市：