一种基于人工智能的充电桩安全性检测方法技术

技术编号:43959779 阅读:14 留言:0更新日期:2025-01-07 21:43
本申请提供一种基于人工智能的充电桩安全性检测方法,包括:根据高压介电测试和局部放电检测的结果,采用支持向量机算法建立绝缘性能与环境参数之间的数学模型,通过模型预测充电桩在不同环境条件下的绝缘裕度;采用虚拟现实技术,将充电桩在不同环境条件下的绝缘性能测试结果进行可视化展示,根据绝缘裕度的高低,在虚拟场景中以不同颜色标识充电桩的绝缘状态;采用深度学习算法,对充电桩的局部放电信号进行特征提取和分类,判断局部放电的类型和严重程度,并根据分类结果优化充电桩的绝缘结构设计。

【技术实现步骤摘要】

本专利技术涉及信息,尤其涉及一种基于人工智能的充电桩安全性检测方法


技术介绍

1、充电桩在户外环境下长期工作,面临着高低温、湿热、盐雾、沙尘等多种恶劣环境的考验。这些环境因素可能导致充电桩绝缘性能下降,增加漏电和短路的风险,威胁使用安全。目前,针对充电桩绝缘性能的测试方法主要局限于单一环境条件下的测试,如高温、低温或湿热测试,无法全面评估充电桩在实际使用环境中的绝缘性能表现。此外,现有测试方法缺乏对充电桩使用场景的考虑,测试工况与实际工况存在差异,测试结果难以反映充电桩的真实绝缘水平。同时,绝缘性能测试数据的分析和可视化手段较为单一,不利于直观全面地评估充电桩的环境适应性。因此,亟需建立一套综合考虑多种环境因素、贴近实际使用场景、智能化的充电桩绝缘性能环境适应性测试体系,以提升测试结果的准确性、全面性和可解释性,为充电桩的安全可靠运行提供可靠依据。


技术实现思路

1、本专利技术提供了一种基于人工智能的充电桩安全性检测方法,主要包括:

2、根据充电桩的使用场景,采用机器学习算法自动生成多种极端环境本文档来自技高网...

【技术保护点】

1.一种基于人工智能的充电桩安全性检测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述根据充电桩的使用场景,采用机器学习算法自动生成多种极端环境下的测试工况,获取包括高低温、湿热、盐雾、沙尘、振动中的至少一种的环境参数,并将其作为复合环境试验箱的控制参数,包括:

3.根据权利要求1所述的方法,其特征在于,所述通过复合环境试验箱模拟充电桩在不同环境条件下的工作状态,在环境循环过程中,采用高压介电测试仪对充电桩的绝缘强度进行测试,通过局部放电检测仪检测绝缘缺陷引起的局部放电信号,包括:

4.根据权利要求1所述的方法,其特征在...

【技术特征摘要】

1.一种基于人工智能的充电桩安全性检测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述根据充电桩的使用场景,采用机器学习算法自动生成多种极端环境下的测试工况,获取包括高低温、湿热、盐雾、沙尘、振动中的至少一种的环境参数,并将其作为复合环境试验箱的控制参数,包括:

3.根据权利要求1所述的方法,其特征在于,所述通过复合环境试验箱模拟充电桩在不同环境条件下的工作状态,在环境循环过程中,采用高压介电测试仪对充电桩的绝缘强度进行测试,通过局部放电检测仪检测绝缘缺陷引起的局部放电信号,包括:

4.根据权利要求1所述的方法,其特征在于,所述根据高压介电测试和局部放电检测的结果,采用支持向量机算法建立绝缘性能与环境参数之...

【专利技术属性】
技术研发人员:孙学明朱建华陈显顾朱智勇班小鹏曹建彪
申请(专利权)人:深检集团东莞质量技术服务有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1