基于人工智能的新能源充电桩充电过程预警系统技术方案

本发明专利技术公开了一种基于人工智能的新能源充电桩充电过程预警系统，涉及新能源汽车充电预警技术领域，用于解决现有充电桩的使用场景多样化且环境条件复杂，对于易出现异常的充电桩无法进行提前规避，因此导致充电桩的充电过程出现异常数据较为频繁的问题，本发明专利技术包括数据获取模块

【技术实现步骤摘要】
基于人工智能的新能源充电桩充电过程预警系统


[0001]本专利技术涉及新能源汽车充电预警
，具体为一种基于人工智能的新能源充电桩充电过程预警系统
。

技术介绍

[0002]当前，随着新能源汽车的快速发展，充电桩作为新能源汽车的重要充电设备，其安全性和可靠性问题日益凸显
。
然而，现有的新能源充电桩大多仅能提供简单的充电功能，无法实时监测和预警充电过程中可能出现的异常情况，导致存在一定的安全隐患
。
[0003]目前已存在的充电桩预警系统主要基于对实时数据进行监测和分析，以识别一些常见的故障情况，如过载
、
短路等
。
然而，这些预警系统仅依赖于已获得的数据进行判断，并且处理问题的方式相对简单
。
因此，其无法提前预测避免一些隐患和复杂问题的出现，限制了充电桩的性能和安全
。
[0004]在实际应用中，由于充电桩的使用场景多样化且环境条件复杂，对于易出现异常的充电桩无法进行提前规避，因此导致充电桩的充电过程出现异常数据较为频繁，浪费了大量的人力物力进行预警处理维护
。
[0005]为了解决上述缺陷，现提供一种技术方案
。

技术实现思路

[0006]本专利技术的目的在于解决现有充电桩的使用场景多样化且环境条件复杂，对于易出现异常的充电桩无法进行提前规避，因此导致充电桩的充电过程出现异常数据较为频繁，浪费了大量的人力物力进行预警处理维护问题，而提出一种基于人工智能的新能源充电桩充电过程预警系统
。
[0007]本专利技术的目的可以通过以下技术方案实现：
[0008]一种基于人工智能的新能源充电桩充电过程预警系统，包括：
[0009]数据获取模块，用于获取充电站充电桩及汽车信息；
[0010]采集充电站充电桩的安全性相关数据，具体的包括：故障次数
、
每次出现故障的严重度
、
使用总时长及充电速度；
[0011]对进入充电桩区域充电的汽车信息进行获取，具体的包括车辆车牌
、
充电行为相关数据及车主手机号；
[0012]定级模块，用于获取充电桩安全性相关数据并对充电桩的安全性进行定级；
[0013]获取充电桩故障次数
、
每次出现故障的严重度
、
使用总时长及充电速度；
[0014]对充电桩每次出现故障的严重度进行验证，具体的获取充电桩出现故障时的故障持续时间
、
充电速度减慢百分比
、
维修金钱成本及维护时间；
[0015]将得到的充电桩出现故障时的故障持续时间
、
充电速度减慢百分比
、
维修金钱成本及维护时间分别标定为
SJ、JM、JQ
及
WS
，归一化处理后代入公式：以得到故重值
YZD
，再将充电桩多次故重值
YZD
计算均值，则
故重均替代充电桩的严重度；
[0016]再将获取的充电桩故障次数
、
使用总时长及充电速度及计算得到的故重均值分别标定为
GC、SZ、CS
及
YJD
，归一化处理后，将充电桩故障次数
GC、
使用总时长
SZ、
充电速度
CS
及计算得到的故重均值
YJD
代入以下公式：以得到充电桩的定级值
DJZ
，式中
α
为充电桩故障次数及故重均值的预设权重系数，取值为
1.332
；
β
为充电桩使用总时长的预设权重系数，取值为
0.993
；
χ
为充电速度的预设权重系数，取值为
1.254
；
[0017]再预设三个连续的定级值区间，三个定级值区间分别对应着三个相对应的风险级别，分别为低风险
、
中风险和高风险，并将计算得到的充电桩定级值
DJZ
与预设的三个定级值区间进行比对，确定充电桩定级值
DJZ
所属的定级值区间，从而确定充电桩的风险级别为低风险
、
中风险或高风险中的一个级别；
[0018]监测模块，用于对新能源汽车在充电桩充电过程中的相关数据监测；
[0019]预警模块，用于接收预警信令并执行预警操作；
[0020]车主评价模块，用于获取车主数据并对车主的充电行为进行评价；
[0021]分配模块，用于对不同排名名次的车主进行不同风险级别的充电桩的分配
。
[0022]进一步的，所述监测模块具体监测数据包括：
[0023]充电功率
、
充电电流
、
充电速度及实时温度；
[0024]将监测的实时数据按照横坐标为时间，纵坐标为数值分别建立功率曲线
、
电流曲线
、
速度曲线及温度曲线；
[0025]同时获取充电功率常值
、
充电电流常值
、
充电速度常值及温度常值，分别建立在功率曲线
、
电流曲线
、
速度曲线及温度曲线中，判断监测的充电功率
、
充电电流
、
充电速度及实时温度分别与充电功率常值
、
充电电流常值
、
充电速度常值及温度常值的差值，分别对得到的功率差值
、
电流差值
、
速度差值及温度差值进行监测；
[0026]当功率差值
、
电流差值
、
速度差值及温度差值中存在一个差值超过预设差值，则直接生成预警信令；
[0027]当监测的功率曲线
、
电流曲线
、
速度曲线及温度曲线中存在变化率超过预设变化率时，则同样生成预警信令
。
[0028]进一步的，所述预警模块的预警操作具体操作步骤如下：
[0029]警报通知：触发声光报警装置，警示周边的车主或附近管理人员；
[0030]向充电站管理人员移动终端发送文字通知信令，具体文字通知为出现异常数据的类型，如充电功率异常
、
充电电流异常
、
充电速度异常或实时温度异常，并提供异常充电桩的编号及位置，以便于充电站管理人员及时发现异常；
[0031]断电保护：持续监视充电站管理人员的回执，并设置等待时间，当超过预设的等待时间还未收到充电站管理人员的回执后，则自动启动断电程序，停止充电桩对汽车的充电作业；
[0032]车主告知：获取车主手机号，并通过短信或电话向车主通知充电中端及异常原因，同时通过充电站管理人员向车主进行短信或电话咨询挪车时间，并将挪车时间进行反馈；
[0033]故本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于人工智能的新能源充电桩充电过程预警系统，其特征在于，包括：数据获取模块，用于获取充电站充电桩及汽车信息；采集充电站充电桩的安全性相关数据，具体的包括：故障次数
、
每次出现故障的严重度
、
使用总时长及充电速度；对进入充电桩区域充电的汽车信息进行获取，具体的包括车辆车牌
、
充电行为相关数据及车主手机号；定级模块，用于获取充电桩安全性相关数据并对充电桩的安全性进行定级；获取充电桩故障次数
、
每次出现故障的严重度
、
使用总时长及充电速度；对充电桩每次出现故障的严重度进行验证，具体的获取充电桩出现故障时的故障持续时间
、
充电速度减慢百分比
、
维修金钱成本及维护时间；将得到的充电桩出现故障时的故障持续时间
、
充电速度减慢百分比
、
维修金钱成本及维护时间分别标定为
SJ、JM、JQ
及
WS
，归一化处理后代入公式：以得到故重值
YZD
，再将充电桩多次故重值
YZD
计算均值，则故重均替代充电桩的严重度；再将获取的充电桩故障次数
、
使用总时长及充电速度及计算得到的故重均值分别标定为
GC、SZ、CS
及
YJD
，归一化处理后，将充电桩故障次数
GC、
使用总时长
SZ、
充电速度
CS
及计算得到的故重均值
YJD
代入以下公式：以得到充电桩的定级值
DJZ
，式中
α
为充电桩故障次数及故重均值的预设权重系数，取值为
1.332
；
β
为充电桩使用总时长的预设权重系数，取值为
0.993
；
χ
为充电速度的预设权重系数，取值为
1.254
；再预设三个连续的定级值区间，三个定级值区间分别对应着三个相对应的风险级别，分别为低风险
、
中风险和高风险，并将计算得到的充电桩定级值
DJZ
与预设的三个定级值区间进行比对，确定充电桩定级值
DJZ
所属的定级值区间，从而确定充电桩的风险级别为低风险
、
中风险或高风险中的一个级别；监测模块，用于对新能源汽车在充电桩充电过程中的相关数据监测；预警模块，用于接收预警信令并执行预警操作；车主评价模块，用于获取车主数据并对车主的充电行为进行评价；分配模块，用于对不同排名名次的车主进行不同风险级别的充电桩的分配
。2.
根据权利要求1所述的基于人工智能的新能源充电桩充电过程预警系统，其特征在于，所述监测模块具体监测数据包括：充电功率
、
充电电流
、
充电速度及实时温度；将监测的实时数据按照横坐标为时间，纵坐标为数值分别建立功率曲线
、
电流曲线
、
速度曲线及温度曲线；同时获取充电功率常值
、
充电电流常值
、
充电速度常值及温度常值，分别建立在功率曲线
、
电流曲线
、
速度曲线及温度曲线中，判断监测的充电功率
、
充电电流
、
充电速度及实时温度分别与充电功率常值
、
充电电流常值
、
充电速度常值及温度常值的差值，分别对得到的功率差值
、
电流差值
、
速度差值及温度差值进行监测；当功率差值
、
电流差值
、
速度差值及温度差值中存在一个差值超过预设差值，则直接生
成预警信令；当监测的功率曲线
、
电流曲线
、
速度曲线及温度曲线...

【专利技术属性】
技术研发人员：杨辉，韩雅，廖春雷，邱世光，梁晓婷，周文迪，周术杰，刘良坤，陆家明，覃超升，练盛雄，何金莲，
申请(专利权)人：珠海康晋电气股份有限公司，
类型：发明
国别省市：