CN117002309A - 一种充电桩的故障智能预警方法及*** - Google Patents
一种充电桩的故障智能预警方法及*** Download PDFInfo
- Publication number
- CN117002309A CN117002309A CN202311282115.XA CN202311282115A CN117002309A CN 117002309 A CN117002309 A CN 117002309A CN 202311282115 A CN202311282115 A CN 202311282115A CN 117002309 A CN117002309 A CN 117002309A
- Authority
- CN
- China
- Prior art keywords
- state
- current
- baseline
- voltage
- temperature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 claims abstract description 123
- 238000004458 analytical method Methods 0.000 claims abstract description 71
- 230000005856 abnormality Effects 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000012795 verification Methods 0.000 claims description 44
- 238000011156 evaluation Methods 0.000 claims description 29
- 238000010438 heat treatment Methods 0.000 claims description 22
- 230000000750 progressive effect Effects 0.000 claims description 17
- 238000007599 discharging Methods 0.000 claims description 16
- 238000012512 characterization method Methods 0.000 claims description 12
- 230000003213 activating effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/30—Constructional details of charging stations
- B60L53/31—Charging columns specially adapted for electric vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供了一种充电桩的故障智能预警方法及***,涉及故障预警技术领域,包括:根据充电桩工作模式标定继电器接线拓扑,采集充电历史数据,包括工作线路状态记录值和元件状态记录值,进行基线状态分析,生成工作线路电流基线参数和元件电压基线参数,获取环境温度信息进行温度基线分析,生成线路温度基线参数和元件温度基线参数,采集线路监测电流、线路监测温度、元件监测电压、元件监测温度,通过趋势系数分析算法,计算状态趋向系数,当满足预设状态时生成状态异常预警信号发送至用户端。本发明解决了传统的充电桩故障预警方法无法准确地检测出潜在故障,并且不能全面了解***的状态趋向,导致准确性和有效性差的技术问题。
Description
技术领域
本发明涉及故障预警技术领域,具体涉及一种充电桩的故障智能预警方法及***。
背景技术
随着电动汽车数量的不断增加,充电桩也面临着更频繁的使用和各种环境条件的挑战,为了保证充电过程的安全和可靠性,以及提高用户体验,充电桩故障预警技术应运而生,通过对充电桩的实时监测和数据分析,故障预警***能够及时发现并报警故障,帮助维护人员迅速定位问题并进行修复,这不仅提高了充电设施的运行效率,同时也节省了维护成本,推动了电动汽车产业的发展。然而,传统的充电桩故障预警方法通常基于阈值或规则来判断是否存在故障,这种方法往往无法准确地检测出潜在故障,并可能产生误报或漏报的情况;并且传统的故障预警方法主要关注单一参数或特定事件,缺乏对多个监测参数和其变化趋势的综合分析,使得不能全面了解***的状态趋向,也无法提前发现潜在的故障或异常情况。
因此,对于充电桩的故障预警还存在着一定的可提升空间。
发明内容
本申请通过提供了一种充电桩的故障智能预警方法及***,旨在解决传统的充电桩故障预警方法无法准确地检测出潜在故障,并且不能全面了解***的状态趋向,无法提前发现潜在的故障,导致故障预警的准确性和有效性差的技术问题。
鉴于上述问题,本申请提供了一种充电桩的故障智能预警方法及***。
本申请公开的第一个方面,提供了一种充电桩的故障智能预警方法,应用于充电桩的故障智能预警***,所述***和充电桩通信连接,充电桩包括温度监测端子、电压检测仪、电流检测仪,所述***包括用户端,所述方法包括:根据充电桩工作模式,标定继电器接线拓扑,其中,所述继电器接线拓扑包括工作线路拓扑和元件分布拓扑;接收充电桩传输的充电桩控制参数,对所述工作线路拓扑和所述元件分布拓扑采集充电历史数据,其中,所述充电历史数据包括工作线路状态记录值和元件状态记录值;根据所述工作线路状态记录值和所述元件状态记录值进行基线状态分析,生成工作线路电流基线参数和元件电压基线参数;获取环境温度信息,对所述工作线路状态记录值和所述元件状态记录值进行温度基线分析,生成线路温度基线参数和元件温度基线参数;激活温度监测端子、电压检测仪和电流检测仪,采集线路监测电流、线路监测温度、元件监测电压、元件监测温度;遍历所述线路监测电流、所述线路监测温度、所述元件监测电压、所述元件监测温度,结合所述工作线路电流基线参数、所述元件电压基线参数、所述线路温度基线参数和所述元件温度基线参数通过趋势系数分析算法,计算状态趋向系数;当所述状态趋向系数满足预设状态时,生成状态异常预警信号发送至用户端的通知界面。
本申请公开的另一个方面,提供了一种充电桩的故障智能预警***,所述***和充电桩通信连接,充电桩包括温度监测端子、电压检测仪、电流检测仪,所述***包括用户端,所述***应用于上述方法,所述***包括:接线拓扑标定模块,所述接线拓扑标定模块用于根据充电桩工作模式,标定继电器接线拓扑,其中,所述继电器接线拓扑包括工作线路拓扑和元件分布拓扑;历史数据采集模块,所述历史数据采集模块用于接收充电桩传输的充电桩控制参数,对所述工作线路拓扑和所述元件分布拓扑采集充电历史数据,其中,所述充电历史数据包括工作线路状态记录值和元件状态记录值;基线状态分析模块,所述基线状态分析模块用于根据所述工作线路状态记录值和所述元件状态记录值进行基线状态分析,生成工作线路电流基线参数和元件电压基线参数;温度基线分析模块,所述温度基线分析模块用于获取环境温度信息,对所述工作线路状态记录值和所述元件状态记录值进行温度基线分析,生成线路温度基线参数和元件温度基线参数;线路数据采集模块,所述线路数据采集模块用于激活温度监测端子、电压检测仪和电流检测仪,采集线路监测电流、线路监测温度、元件监测电压、元件监测温度;趋向系数计算模块,所述趋向系数计算模块用于遍历所述线路监测电流、所述线路监测温度、所述元件监测电压、所述元件监测温度,结合所述工作线路电流基线参数、所述元件电压基线参数、所述线路温度基线参数和所述元件温度基线参数通过趋势系数分析算法,计算状态趋向系数;预警信号生成模块,所述预警信号生成模块用于当所述状态趋向系数满足预设状态时,生成状态异常预警信号发送至用户端的通知界面。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过建立基线参数和采用趋势系数分析算法,可以更准确地判断充电桩的工作状态趋向,通过计算状态趋向系数,可以及时发现偏离正常状态的情况,并准确地进行故障预警;综合线路检测电流、线路监测温度、元件监测电压和元件监测温度等多个监测参数,并结合其基线参数进行分析,这种综合分析可以提供全面的充电桩状态信息,更好地了解***运行情况并预测潜在故障;当状态趋向系数满足预设的状态,***生成状态异常预警信号并发送到用户端通知界面,以便用户能够及时采取必要的措施,避免进一步的故障或损坏;综上所述,该充电桩的故障智能预警方法通过改进故障检测准确性和实现多参数综合分析,提高了故障预警的准确性和有效性,具有更好的响应速度和用户体验,从而保障充电桩的安全运行和可靠性。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种充电桩的故障智能预警方法流程示意图;
图2为本申请实施例提供了一种充电桩的故障智能预警***结构示意图。
附图标记说明:接线拓扑标定模块10,历史数据采集模块20,基线状态分析模块30,温度基线分析模块40,线路数据采集模块50,趋向系数计算模块60,预警信号生成模块70。
具体实施方式
本申请实施例通过提供一种充电桩的故障智能预警方法,解决了传统的充电桩故障预警方法无法准确地检测出潜在故障,并且不能全面了解***的状态趋向,无法提前发现潜在的故障,导致故障预警的准确性和有效性差的技术问题。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种充电桩的故障智能预警方法,应用于充电桩的故障智能预警***,所述***和充电桩通信连接,充电桩包括温度监测端子、电压检测仪、电流检测仪,所述***包括用户端,所述方法包括:
根据充电桩工作模式,标定继电器接线拓扑,其中,所述继电器接线拓扑包括工作线路拓扑和元件分布拓扑;
本申请实施例提供的一种充电桩的故障智能预警方法应用于充电桩的故障智能预警***,所述***和充电桩通信连接,充电桩包括温度监测端子、电压检测仪、电流检测仪,所述***包括用户端。
进一步而言,根据充电桩工作模式,标定继电器接线拓扑,包括:
根据所述充电桩工作模式,匹配闭合继电器编号进行接线电压校验,生成接线电压校验结果;当所述接线电压校验结果生成校验通过信号,获取所述继电器接线拓扑;当所述接线电压校验结果生成校验未通过信号,生成继电器接线故障报警信号,发送至用户端的通知界面。
通过读取充电桩的配置参数获取充电桩的工作模式,包括交流充电模式、支流充电模型和放电模式等。根据得到的工作模式,匹配相应的闭合继电器编号,不同的工作模式下使用的闭合继电器编号不同,用于表示继电器的连接方式,对于每个闭合继电器,依次进行接线电压校验,根据每个继电器的校验结果,生成整体的接线电压校验结果,校验结果包括通过和未通过两种情况。
当接线电压校验结果生成校验通过信号时,说明继电器接线连接正确,将通过校验的继电器进行标定,默认为闭合状态,对已标定的闭合继电器进行连线分析,确定继电器之间的连接关系,形成继电器接线拓扑,所述继电器接线拓扑包括工作线路拓扑和元件分布拓扑,分别描述了充电桩内部工作线路以及各个继电器之间的连接方式,包括继电器的并联,用于后续故障检测和分析。
当校验未通过,表示检测到继电器接线故障,触发并生成继电器接线故障报警信号,该信号用于表明出现了继电器接线故障,通过App推送、短信、邮件等方式,将生成的继电器接线故障报警信号发送至用户端的通知界面,确保用户能够及时收到继电器接线故障的通知。
进一步而言,根据所述充电桩工作模式,匹配闭合继电器编号进行接线电压校验,生成接线电压校验结果,包括:
所述充电桩包括总正继电器、总负继电器、整流继电器、充电继电器、放电继电器和加热继电器;当所述充电桩工作模式为交流充电模式,所述闭合继电器编号包括总正继电器编号、总负继电器编号、整流继电器编号和加热继电器编号;当所述充电桩工作模式为直流充电模式,所述闭合继电器编号包括所述总正继电器编号、所述总负继电器编号、充电继电器编号和所述加热继电器编号;当所述充电桩工作模式为放电模式,所述闭合继电器编号包括所述总正继电器编号、所述总负继电器编号、放电继电器编号和所述加热继电器编号;
总正继电器用于控制电池连接的正极电路,它的闭合、断开影响电池的允许或禁止供电;总负继电器用于控制电池连接的负极电路,它的闭合与断开同样影响电池供电;整流继电器用于控制充电桩是否进行直流充电,当充电桩在交流充电模式时,整流继电器处于断开状态;充电继电器用于控制充电过程中电能的传输和转换,它的关闭与打开决定了电能是否被输送到电动汽车的电池中;放电继电器用于控制充电桩在放电模式下电能的传输和转换,它的闭合与断开决定了电能是否从电动车电池中释放;加热继电器用于控制充电桩内部的加热元件,如加热电阻,通过打开或关闭加热继电器,可以调节充电桩的温度。
在交流充电模式下,充电桩闭合总正继电器、总负继电器、整流继电器和加热继电器这些继电器,其中,总正继电器和总负继电器用于控制电池连接的正极和负极电路,整流继电器在交流充电模式下进行整流过程,将交流电转换为直流电,加热继电器用于调节充电桩的温度。
在直流充电模式下,充电桩闭合总正继电器、总负继电器、充电继电器和加热继电器这些继电器,其中,总正继电器和总负继电器用于控制电池连接的正极和负极电路,充电继电器用于控制直流充电过程中电能的传输,决定电能是否从充电桩传输到电动车电池中,加热继电器用于调节充电桩的温度。
在放电模式下,充电桩闭合总正继电器、总负继电器、放电继电器和加热继电器这些继电器,其中,总正继电器和总负继电器用于控制电池连接的正极和负极电路,放电继电器用于控制从电动汽车电池向外部释放电能的过程,决定了是否可以将电能从电池中放电出来,加热继电器用于调节充电桩的温度。
这些闭合继电器编号的控制与状态变化将影响充电桩在各种模式下各个回路的操作行为。
其中,所述接线电压校验包括:
和待充电池电连接后,遍历所述闭合继电器编号的进行后端电压监测,获取闭合电压监测结果,分别与待充电池电压求偏差,获取多个电压校验偏差;当所述多个电压校验偏差全部小于预设校验偏差,生成所述校验通过信号;当所述多个电压校验偏差的任意一个大于或等于所述预设校验偏差,生成所述校验未通过信号。
将待充电池连接到充电桩的电源***中,对于每个闭合的继电器编号,依次进行后端电压监测,具体的,通过电压传感器,对闭合继电器所连接的回路进行电压监测,获取闭合电压监测结果,将闭合电压监测结果与待充电池的电压进行比较,通过计算两者之间的差值,得到多个电压校验偏差。
根据实际需要设置预设校验偏差,用于对电压校验偏差进行判断,对于每个所得到的电压校验偏差,逐一与预设校验偏差进行比较,如果所有的电压校验偏差都小于预设的校验偏差值,表示所有检测的电压值与待充电池电压趋于一致,符合校验条件,生成校验通过信号,该信号表示接线电压校验通过,没有发现异常情况。
如果存在任意一个电压校验偏差大于或等于预设的校验偏差,表示有至少一个检测的电压值与待充电池电压偏离较大,不符合校验条件,生成校验未通过信号,该信号表示接线电压校验未通过,存在异常情况。
接收充电桩传输的充电桩控制参数,对所述工作线路拓扑和所述元件分布拓扑采集充电历史数据,其中,所述充电历史数据包括工作线路状态记录值和元件状态记录值;
建立与充电桩的通信连接,接收充电桩传输的充电桩控制参数,包括充电桩当前的状态、操作指令、电流电压需求以及其他相关信息。根据工作线路拓扑,对充电桩的工作线路进行实时监测并采集相关数据,例如,通过电流传感器来检测工作线路的电流值,通过温度传感器来检测工作线路的温度值等,将这些记录下来的值作为工作线路状态记录值;根据元件分布拓扑,对充电桩内部的各个元件进行实时监测并采集相关数据,例如,通过电压检测仪来检测元件的电压值,通过温度监测端子来检测元件的温度值等,将这些记录下来的值作为元件状态记录值。将采集到的工作线路状态记录值和元件状态记录值保存为充电历史数据。
通过该步骤,实现了实时监测充电桩的运行状态,为故障预警***提供必要的信息和数据支持。
根据所述工作线路状态记录值和所述元件状态记录值进行基线状态分析,生成工作线路电流基线参数和元件电压基线参数;
确定用于基线状态分析的状态分析指标,包括电流指标和电压指标等,以评估工作线路和元件的状态,根据电流指标,对工作线路状态记录值进行基线状态分析,生成工作线路电流基线参数;根据电压指标,对元件状态记录值进行基线状态分析,生成元件电压基线参数。基线参数的确定可帮助判断充电桩是否出现故障或异常情况,并为后续的智能预警提供准确的基准值。
进一步而言,根据所述工作线路状态记录值和所述元件状态记录值进行基线状态分析,生成工作线路电流基线参数和元件电压基线参数,包括:
加载状态分析指标,其中,所述状态分析指标包括电流指标和电压指标;基于所述电流指标对所述工作线路状态记录值进行基线状态分析,生成所述工作线路电流基线参数;基于所述电压指标对所述元件状态记录值进行基线状态分析,生成所述元件电压基线参数。
根据需要,确定合适的电流指标和电压指标,用于描述和分析工作线路的状态,例如,电流指标可以是平均电流、峰值电流、波动范围等;电压指标可以是平均电压、峰值电压、电压波动范围等。
针对选取的电流指标,在记录值序列上进行统计和分析,示例性的,计算记录值序列的平均电流值,来描述正常工作时期内的电流水平;寻找记录值序列中的最大电流峰值,通过比较不同时间段的峰值可获取正常工作条件下的电流峰值范围;计算记录值序列的电流波动范围,如最大波动幅度、标准差等,以识别工作线路电流的稳定性和异常情况。根据基线状态分析得到的统计数据,生成工作线路电流基线参数,用来描述电流的基本特征和工作状态。
采用前述相同的方法,生成元件电压基线参数,用来描述元件电压的基本特征和工作状态。
在一种优选的实施例中,基于所述电流指标对所述工作线路状态记录值进行基线状态分析,生成所述工作线路电流基线参数,包括:
根据所述工作线路状态记录值,获取多个电流指标波动序列;遍历所述多个电流指标波动序列,提取电流指标波动极值集合;对所述电流指标波动极值集合,基于预设电流偏差进行聚类分析,生成电流极值聚类结果;计算极大电流值聚类结果支持度和极小电流值聚类结果支持度,其中,支持度表征某个聚类结果的状态记录值的类内数量比例;当所述极大电流值聚类结果支持度大于或等于支持度阈值,将极大电流值设为波动基线上阈值;当所述极小电流值聚类结果支持度大于或等于所述支持度阈值,将极小电流值设为波动基线下阈值;根据所述波动基线上阈值和所述波动基线下阈值,构建所述工作线路电流基线参数;当所述极大电流值聚类结果支持度小于所述支持度阈值,将极大电流值聚类结果从所述电流极值聚类结果中清洗,再进行基线状态分析,生成所述工作线路电流基线参数;当所述极小电流值聚类结果支持度小于所述支持度阈值,将极小电流值聚类结果从所述电流极值聚类结果中清洗,再进行基线状态分析,生成所述工作线路电流基线参数。
对于每个电流指标,使用工作线路状态记录值计算相应的波动序列,例如,针对每个时间段的平均电流值,计算其与整体平均电流的差值,形成平均电流波动序列;遍历记录值序列,提取每个时间段内的峰值电流,并形成峰值电流波动序列;根据记录值序列,计算每个时间段内的电流标准差,并形成电流标准差波动序列。对于每个定义的电流指标,按照相应的计算方法,逐一获取其波动序列,生成多个电流指标波动序列。
对于每个电流指标的波动序列,寻找波动序列中的极大值和极小值,这些极值是波动的边界,用于确定电流指标的波动范围,将所有波动序列的极大值和极小值整合起来,形成电流指标波动极值集合。
所述预设电流偏差用于确定聚类的距离度量方式,使用聚类算法来对波动极值集合进行聚类分析,例如,选择K-means(k均值聚类)算法,根据数据的相似性将波动极值集合分为不同的类别,即将相似的波动极值归为同一类别并形成电流极值聚类结果。
极大电流值聚类结果表示极大值电流所在的聚类;极小电流值聚类结果表示极小值电流所在的聚类。支持度反映了该聚类所包含的状态记录值的类内数量比例,通过计算类别中极大电流值的数量与总状态记录值的数量的比值,获取极大电流值聚类结果支持度;同样的,计算类别中极小电流值的数量与总状态记录值的数量的比值,获取极小电流值聚类结果支持度。其中,支持度高表示聚类结果中有更多的状态记录值符合极大或极小电流值的条件,支持度低则表示聚类结果中的状态记录值较少符合极大或极小电流值的条件。
支持度阈值用于对支持度进行判断,当所述极大电流值聚类结果支持度大于或等于支持度阈值,说明极大电流值聚类结果中的状态记录值符合预设的偏差范围并占据足够的比例,则将这个聚类结果的极大电流值作为波动基线的上阈值。
同样地,当极小电流值聚类结果的支持度大于或等于所述支持度阈值,说明极小电流值聚类结果中的状态记录值符合预设的偏差范围并占据足够的比例,则将该聚类结果的极小电流值作为波动基线的下阈值。
通过基于支持度阈值来确定波动基线的上下阈值,实现了选择具备较高类内数量比例的聚类结果,并将其用作波动基线的参考范围。
将波动基线上阈值视为工作线路电流的上限,在正常工作条件下,工作线路的电流不应超过该上限;将波动基线下阈值视为工作线路电流的下限,在正常工作条件下,工作线路的电流不应低于该下限。将波动基线上阈值和下阈值结合起来,形成工作线路电流的基线参数,该基线参数描述了工作线路电流的上下限范围,用于判断是否处于正常工作状态,通过与实际测量的电流进行比较以检测异常情况。
如果极大电流值聚类结果的支持度低于阈值,或者极小电流值聚类结果的支持度低于阈值,将其从电流极值聚类结果中清洗掉,并保留剩余的聚类结果,使用经过清洗后的电流极值聚类结果,再次进行基线状态分析,生成工作线路电流的基线参数。
获取环境温度信息,对所述工作线路状态记录值和所述元件状态记录值进行温度基线分析,生成线路温度基线参数和元件温度基线参数;
通过温度传感器,获取周围环境的温度信息,包括充电桩周围的室温、气温等环境温度,将工作线路状态记录值与环境温度信息相结合,再将元件状态记录值与环境温度信息相结合,通过温度参数对状态记录值进行二次筛选,然后再进行基线分析,生成线路温度基线参数和元件温度基线参数。这样可以为后续的故障智能预警提供基准温度值,用于判断充电桩是否出现温度异常情况,并进行相应的预警处理。
激活温度监测端子、电压检测仪和电流检测仪,采集线路监测电流、线路监测温度、元件监测电压、元件监测温度;
启动温度监测端子,使其可以开始工作并进行温度监测,温度监测端子包括温度传感器等,用于实时监测线路或元件的温度,获取线路监测温度、元件监测温度;启动电压检测仪,使其可以接收电信号并进行电压测量,电压检测仪用于实时监测元件的电压值,获取元件监测电压;启动电流检测仪,使其可以接收电流信号并进行电流测量,电流检测仪用于实时监测线路的电流值,获取线路监测电流。这样可以获取到实时的充电桩工作状态信息,为后续的故障智能预警分析提供必要的数据基础。
遍历所述线路监测电流、所述线路监测温度、所述元件监测电压、所述元件监测温度,结合所述工作线路电流基线参数、所述元件电压基线参数、所述线路温度基线参数和所述元件温度基线参数通过趋势系数分析算法,计算状态趋向系数;
依次遍历线路监测电流、线路监测温度、元件监测电压和元件监测温度的数据序列,将遍历到的每个数据点与相应的基线参数进行比较和分析,通过趋势系数分析算法,如线性回归方法,将当前的数据点与基线参数结合起来,得到相应的状态趋向系数,以确定不同参数之间的关系以及其与基线值的差别。
进一步而言,遍历所述线路监测电流、所述线路监测温度、所述元件监测电压、所述元件监测温度,结合所述工作线路电流基线参数、所述元件电压基线参数、所述线路温度基线参数和所述元件温度基线参数通过趋势系数分析算法,计算状态趋向系数,包括:
所述状态趋向系数包括极值偏离系数、状态时序递进系数和状态波动均衡系数中的一个或多个;基于所述趋势系数分析算法,获取极值偏离评估函数、状态时序递进评估函数和状态波动均衡评估函数;激活所述极值偏离评估函数、所述状态时序递进评估函数和所述状态波动均衡评估函数,遍历所述线路监测电流、所述线路监测温度、所述元件监测电压、所述元件监测温度,结合所述工作线路电流基线参数、所述元件电压基线参数、所述线路温度基线参数和所述元件温度基线参数,计算所述状态趋向系数。
极值偏离系数用于评估监测参数是否偏离正常范围的程度;状态时序递进系数用于评估监测参数在时间上的变化趋势是否递进或倒退;状态波动均衡系数用于评估监测参数的波动程度。这些系数可以根据具体的应用需求进行选择和组合,例如,在电力***中,极值偏离系数可用于判断是否存在异常的电流、温度或电压值,状态时序递进系数可用于发现设备逐渐衰减的趋势,状态波动均衡系数可用于衡量设备运行的稳定性和波动程度。
所述极值偏离评估函数用于确定监测参数与其基线参数之间的差异程度,根据差异程度,可以判断是否超出了极限范围,公式为:
;
;
其中,表征极值偏离系数,/>表征第i时序的状态值和基线基值的偏差,表征状态基线上阈值,/>表征状态基线下阈值,基线基值为状态基线下阈值和状态基线上阈值的平均值,/>表征第i时序的状态值,/>表征时序总数,/>表征视为偏离的极值状态阈值;
所述状态时序递进评估函数用于判断监测参数在时间上的变化趋势,是递进(上升)还是倒退(下降),根据参数的变化趋势,可以提前发现设备是否出现潜在问题或衰减的情况,公式为:
;
其中,表征状态时序递进系数,/>表征时序i,/>表征监测状态的时序总数,表征第i时序状态值与第i-1时序状态值的偏差;
所述状态波动均衡评估函数为监测状态的方差计算函数,状态的方差衡量了监测状态值的变动程度,方差越大,表示状态值的波动幅度越大;而方差较小,则表示状态值相对稳定。通过计算状态的方差,可以获得关于监测状态变化的信息,进而了解***或设备是否正常运行、是否存在异常情况。
遍历线路监测电流、线路监测温度、元件监测电压和元件监测温度等参数,对于每个参数,结合工作线路电流基线参数、元件电压基线参数、线路温度基线参数和元件温度基线参数,分别对应的输入极值偏离评估函数、状态时序递进评估函数、状态波动均衡评估函数,进行计算,获取极值偏离系数、状态时序递进系数和状态波动均衡系数,将这些系数结合起来,示例性的,可以为不同的评估函数设置权重,根据实际需求进行加权汇总,生成状态趋向系数。这样可以综合考虑多个方面的信息,评估线路和元件的状态趋向性,并据此作出相应的决策或预警。
当所述状态趋向系数满足预设状态时,生成状态异常预警信号发送至用户端的通知界面。
根据实际情况设置预设状态,可以是一个阈值,用于在监测到的状态趋向系数数据上进行判定,如果状态趋向系数超过预设的阈值,就认为发生了状态异常,其中,每个系数都具有对应的阈值,只有都满足时才算作无异常,否则需要进行预警。当发现状态异常,***生成相应的异常预警信号,并通过App推送、短信、邮件等方式发送至用户端的通知界面,以便用户能够及时得知充电桩的异常情况,帮助用户快速响应和处理异常,确保充电设备的正常运行和安全性。
综上所述,本申请实施例所提供的一种充电桩的故障智能预警方法及***具有如下技术效果:
通过建立基线参数和采用趋势系数分析算法,可以更准确地判断充电桩的工作状态趋向,通过计算状态趋向系数,可以及时发现偏离正常状态的情况,并准确地进行故障预警;
综合线路检测电流、线路监测温度、元件监测电压和元件监测温度等多个监测参数,并结合其基线参数进行分析,这种综合分析可以提供全面的充电桩状态信息,更好地了解***运行情况并预测潜在故障;
当状态趋向系数满足预设的状态,***生成状态异常预警信号并发送到用户端通知界面,以便用户能够及时采取必要的措施,避免进一步的故障或损坏;
综上所述,该充电桩的故障智能预警方法通过改进故障检测准确性和实现多参数综合分析,提高了故障预警的准确性和有效性,具有更好的响应速度和用户体验,从而保障充电桩的安全运行和可靠性。
实施例二
基于与前述实施例中一种充电桩的故障智能预警方法相同的发明构思,如图2所示,本申请提供了一种充电桩的故障智能预警***,所述***和充电桩通信连接,充电桩包括温度监测端子、电压检测仪、电流检测仪,所述***包括用户端,所述***包括:
接线拓扑标定模块10,所述接线拓扑标定模块10用于根据充电桩工作模式,标定继电器接线拓扑,其中,所述继电器接线拓扑包括工作线路拓扑和元件分布拓扑;
历史数据采集模块20,所述历史数据采集模块20用于接收充电桩传输的充电桩控制参数,对所述工作线路拓扑和所述元件分布拓扑采集充电历史数据,其中,所述充电历史数据包括工作线路状态记录值和元件状态记录值;
基线状态分析模块30,所述基线状态分析模块30用于根据所述工作线路状态记录值和所述元件状态记录值进行基线状态分析,生成工作线路电流基线参数和元件电压基线参数;
温度基线分析模块40,所述温度基线分析模块40用于获取环境温度信息,对所述工作线路状态记录值和所述元件状态记录值进行温度基线分析,生成线路温度基线参数和元件温度基线参数;
线路数据采集模块50,所述线路数据采集模块50用于激活温度监测端子、电压检测仪和电流检测仪,采集线路监测电流、线路监测温度、元件监测电压、元件监测温度;
趋向系数计算模块60,所述趋向系数计算模块60用于遍历所述线路监测电流、所述线路监测温度、所述元件监测电压、所述元件监测温度,结合所述工作线路电流基线参数、所述元件电压基线参数、所述线路温度基线参数和所述元件温度基线参数通过趋势系数分析算法,计算状态趋向系数;
预警信号生成模块70,所述预警信号生成模块70用于当所述状态趋向系数满足预设状态时,生成状态异常预警信号发送至用户端的通知界面。
进一步而言,所述接线拓扑标定模块10还包括如下操作步骤:
根据所述充电桩工作模式,匹配闭合继电器编号进行接线电压校验,生成接线电压校验结果;
当所述接线电压校验结果生成校验通过信号,获取所述继电器接线拓扑;
当所述接线电压校验结果生成校验未通过信号,生成继电器接线故障报警信号,发送至用户端的通知界面。
进一步而言,所述接线拓扑标定模块10还包括如下操作步骤:
所述充电桩包括总正继电器、总负继电器、整流继电器、充电继电器、放电继电器和加热继电器;
当所述充电桩工作模式为交流充电模式,所述闭合继电器编号包括总正继电器编号、总负继电器编号、整流继电器编号和加热继电器编号;
当所述充电桩工作模式为直流充电模式,所述闭合继电器编号包括所述总正继电器编号、所述总负继电器编号、充电继电器编号和所述加热继电器编号;
当所述充电桩工作模式为放电模式,所述闭合继电器编号包括所述总正继电器编号、所述总负继电器编号、放电继电器编号和所述加热继电器编号;
其中,所述接线电压校验包括:
和待充电池电连接后,遍历所述闭合继电器编号的进行后端电压监测,获取闭合电压监测结果,分别与待充电池电压求偏差,获取多个电压校验偏差;
当所述多个电压校验偏差全部小于预设校验偏差,生成所述校验通过信号;
当所述多个电压校验偏差的任意一个大于或等于所述预设校验偏差,生成所述校验未通过信号。
进一步而言,所述基线状态分析模块30还包括如下操作步骤:
加载状态分析指标,其中,所述状态分析指标包括电流指标和电压指标;
基于所述电流指标对所述工作线路状态记录值进行基线状态分析,生成所述工作线路电流基线参数;
基于所述电压指标对所述元件状态记录值进行基线状态分析,生成所述元件电压基线参数。
进一步而言,所述基线状态分析模块30还包括如下操作步骤:
根据所述工作线路状态记录值,获取多个电流指标波动序列;
遍历所述多个电流指标波动序列,提取电流指标波动极值集合;
对所述电流指标波动极值集合,基于预设电流偏差进行聚类分析,生成电流极值聚类结果;
计算极大电流值聚类结果支持度和极小电流值聚类结果支持度,其中,支持度表征某个聚类结果的状态记录值的类内数量比例;
当所述极大电流值聚类结果支持度大于或等于支持度阈值,将极大电流值设为波动基线上阈值;
当所述极小电流值聚类结果支持度大于或等于所述支持度阈值,将极小电流值设为波动基线下阈值;
根据所述波动基线上阈值和所述波动基线下阈值,构建所述工作线路电流基线参数;
当所述极大电流值聚类结果支持度小于所述支持度阈值,将极大电流值聚类结果从所述电流极值聚类结果中清洗,再进行基线状态分析,生成所述工作线路电流基线参数;
当所述极小电流值聚类结果支持度小于所述支持度阈值,将极小电流值聚类结果从所述电流极值聚类结果中清洗,再进行基线状态分析,生成所述工作线路电流基线参数。
进一步而言,所述趋向系数计算模块60还包括如下操作步骤:
所述状态趋向系数包括极值偏离系数、状态时序递进系数和状态波动均衡系数中的一个或多个;
基于所述趋势系数分析算法,获取极值偏离评估函数、状态时序递进评估函数和状态波动均衡评估函数;
激活所述极值偏离评估函数、所述状态时序递进评估函数和所述状态波动均衡评估函数,遍历所述线路监测电流、所述线路监测温度、所述元件监测电压、所述元件监测温度,结合所述工作线路电流基线参数、所述元件电压基线参数、所述线路温度基线参数和所述元件温度基线参数,计算所述状态趋向系数。
进一步而言,所述趋向系数计算模块60还包括如下操作步骤:
所述极值偏离评估函数为:
;
;
其中,表征极值偏离系数,/>表征第i时序的状态值和基线基值的偏差,表征状态基线上阈值,/>表征状态基线下阈值,基线基值为状态基线下阈值和状态基线上阈值的平均值,/>表征第i时序的状态值,/>表征时序总数,/>表征视为偏离的极值状态阈值;
所述状态时序递进评估函数为:
;
其中,表征状态时序递进系数,/>表征时序i,/>表征监测状态的时序总数,表征第i时序状态值与第i-1时序状态值的偏差;
所述状态波动均衡评估函数为监测状态的方差计算函数。
本说明书通过前述对一种充电桩的故障智能预警方法的详细描述,本领域技术人员可以清楚得知道本实施例中一种充电桩的故障智能预警方法及***,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种充电桩的故障智能预警方法,其特征在于,应用于充电桩的故障智能预警***,所述***和充电桩通信连接,充电桩包括温度监测端子、电压检测仪、电流检测仪,所述***包括用户端,所述方法包括:
根据充电桩工作模式,标定继电器接线拓扑,其中,所述继电器接线拓扑包括工作线路拓扑和元件分布拓扑;
接收充电桩传输的充电桩控制参数,对所述工作线路拓扑和所述元件分布拓扑采集充电历史数据,其中,所述充电历史数据包括工作线路状态记录值和元件状态记录值;
根据所述工作线路状态记录值和所述元件状态记录值进行基线状态分析,生成工作线路电流基线参数和元件电压基线参数;
获取环境温度信息,对所述工作线路状态记录值和所述元件状态记录值进行温度基线分析,生成线路温度基线参数和元件温度基线参数;
激活温度监测端子、电压检测仪和电流检测仪,采集线路监测电流、线路监测温度、元件监测电压、元件监测温度;
遍历所述线路监测电流、所述线路监测温度、所述元件监测电压、所述元件监测温度,结合所述工作线路电流基线参数、所述元件电压基线参数、所述线路温度基线参数和所述元件温度基线参数通过趋势系数分析算法,计算状态趋向系数;
当所述状态趋向系数满足预设状态时,生成状态异常预警信号发送至用户端的通知界面。
2.如权利要求1所述的方法,其特征在于,根据充电桩工作模式,标定继电器接线拓扑,包括:
根据所述充电桩工作模式,匹配闭合继电器编号进行接线电压校验,生成接线电压校验结果;
当所述接线电压校验结果生成校验通过信号,获取所述继电器接线拓扑;
当所述接线电压校验结果生成校验未通过信号,生成继电器接线故障报警信号,发送至用户端的通知界面。
3.如权利要求2所述的方法,其特征在于,根据所述充电桩工作模式,匹配闭合继电器编号进行接线电压校验,生成接线电压校验结果,包括:
所述充电桩包括总正继电器、总负继电器、整流继电器、充电继电器、放电继电器和加热继电器;
当所述充电桩工作模式为交流充电模式,所述闭合继电器编号包括总正继电器编号、总负继电器编号、整流继电器编号和加热继电器编号;
当所述充电桩工作模式为直流充电模式,所述闭合继电器编号包括所述总正继电器编号、所述总负继电器编号、充电继电器编号和所述加热继电器编号;
当所述充电桩工作模式为放电模式,所述闭合继电器编号包括所述总正继电器编号、所述总负继电器编号、放电继电器编号和所述加热继电器编号;
其中,所述接线电压校验包括:
和待充电池电连接后,遍历所述闭合继电器编号的进行后端电压监测,获取闭合电压监测结果,分别与待充电池电压求偏差,获取多个电压校验偏差;
当所述多个电压校验偏差全部小于预设校验偏差,生成所述校验通过信号;
当所述多个电压校验偏差的任意一个大于或等于所述预设校验偏差,生成所述校验未通过信号。
4.如权利要求1所述的方法,其特征在于,根据所述工作线路状态记录值和所述元件状态记录值进行基线状态分析,生成工作线路电流基线参数和元件电压基线参数,包括:
加载状态分析指标,其中,所述状态分析指标包括电流指标和电压指标;
基于所述电流指标对所述工作线路状态记录值进行基线状态分析,生成所述工作线路电流基线参数;
基于所述电压指标对所述元件状态记录值进行基线状态分析,生成所述元件电压基线参数。
5.如权利要求4所述的方法,其特征在于,基于所述电流指标对所述工作线路状态记录值进行基线状态分析,生成所述工作线路电流基线参数,包括:
根据所述工作线路状态记录值,获取多个电流指标波动序列;
遍历所述多个电流指标波动序列,提取电流指标波动极值集合;
对所述电流指标波动极值集合,基于预设电流偏差进行聚类分析,生成电流极值聚类结果;
计算极大电流值聚类结果支持度和极小电流值聚类结果支持度,其中,支持度表征某个聚类结果的状态记录值的类内数量比例;
当所述极大电流值聚类结果支持度大于或等于支持度阈值,将极大电流值设为波动基线上阈值;
当所述极小电流值聚类结果支持度大于或等于所述支持度阈值,将极小电流值设为波动基线下阈值;
根据所述波动基线上阈值和所述波动基线下阈值,构建所述工作线路电流基线参数;
当所述极大电流值聚类结果支持度小于所述支持度阈值,将极大电流值聚类结果从所述电流极值聚类结果中清洗,再进行基线状态分析,生成所述工作线路电流基线参数;
当所述极小电流值聚类结果支持度小于所述支持度阈值,将极小电流值聚类结果从所述电流极值聚类结果中清洗,再进行基线状态分析,生成所述工作线路电流基线参数。
6.如权利要求1所述的方法,其特征在于,遍历所述线路监测电流、所述线路监测温度、所述元件监测电压、所述元件监测温度,结合所述工作线路电流基线参数、所述元件电压基线参数、所述线路温度基线参数和所述元件温度基线参数通过趋势系数分析算法,计算状态趋向系数,包括:
所述状态趋向系数包括极值偏离系数、状态时序递进系数和状态波动均衡系数中的一个或多个;
基于所述趋势系数分析算法,获取极值偏离评估函数、状态时序递进评估函数和状态波动均衡评估函数;
激活所述极值偏离评估函数、所述状态时序递进评估函数和所述状态波动均衡评估函数,遍历所述线路监测电流、所述线路监测温度、所述元件监测电压、所述元件监测温度,结合所述工作线路电流基线参数、所述元件电压基线参数、所述线路温度基线参数和所述元件温度基线参数,计算所述状态趋向系数。
7.如权利要求6所述的方法,其特征在于,基于所述趋势系数分析算法,获取极值偏离评估函数、状态时序递进评估函数和状态波动均衡评估函数,包括:
所述极值偏离评估函数为:
;
;
其中,表征极值偏离系数,/>表征第i时序的状态值和基线基值的偏差,/>表征状态基线上阈值,/>表征状态基线下阈值,基线基值为状态基线下阈值和状态基线上阈值的平均值,/>表征第i时序的状态值,/>表征时序总数,/>表征视为偏离的极值状态阈值;
所述状态时序递进评估函数为:
;
其中,表征状态时序递进系数,/>表征时序i,/>表征监测状态的时序总数,表征第i时序状态值与第i-1时序状态值的偏差;
所述状态波动均衡评估函数为监测状态的方差计算函数。
8.一种充电桩的故障智能预警***,其特征在于,所述***和充电桩通信连接,充电桩包括温度监测端子、电压检测仪、电流检测仪,所述***包括用户端,用于实施权利要求1-7任一项所述的一种充电桩的故障智能预警方法,包括:
接线拓扑标定模块,所述接线拓扑标定模块用于根据充电桩工作模式,标定继电器接线拓扑,其中,所述继电器接线拓扑包括工作线路拓扑和元件分布拓扑;
历史数据采集模块,所述历史数据采集模块用于接收充电桩传输的充电桩控制参数,对所述工作线路拓扑和所述元件分布拓扑采集充电历史数据,其中,所述充电历史数据包括工作线路状态记录值和元件状态记录值;
基线状态分析模块,所述基线状态分析模块用于根据所述工作线路状态记录值和所述元件状态记录值进行基线状态分析,生成工作线路电流基线参数和元件电压基线参数;
温度基线分析模块,所述温度基线分析模块用于获取环境温度信息,对所述工作线路状态记录值和所述元件状态记录值进行温度基线分析,生成线路温度基线参数和元件温度基线参数;
线路数据采集模块,所述线路数据采集模块用于激活温度监测端子、电压检测仪和电流检测仪,采集线路监测电流、线路监测温度、元件监测电压、元件监测温度;
趋向系数计算模块,所述趋向系数计算模块用于遍历所述线路监测电流、所述线路监测温度、所述元件监测电压、所述元件监测温度,结合所述工作线路电流基线参数、所述元件电压基线参数、所述线路温度基线参数和所述元件温度基线参数通过趋势系数分析算法,计算状态趋向系数;
预警信号生成模块,所述预警信号生成模块用于当所述状态趋向系数满足预设状态时,生成状态异常预警信号发送至用户端的通知界面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311282115.XA CN117002309B (zh) | 2023-10-07 | 2023-10-07 | 一种充电桩的故障智能预警方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311282115.XA CN117002309B (zh) | 2023-10-07 | 2023-10-07 | 一种充电桩的故障智能预警方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117002309A true CN117002309A (zh) | 2023-11-07 |
CN117002309B CN117002309B (zh) | 2023-11-28 |
Family
ID=88562189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311282115.XA Active CN117002309B (zh) | 2023-10-07 | 2023-10-07 | 一种充电桩的故障智能预警方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117002309B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117436006A (zh) * | 2023-12-22 | 2024-01-23 | 圣道天德电气(山东)有限公司 | 一种智慧环网柜故障实时监测方法及*** |
CN117849536A (zh) * | 2024-03-07 | 2024-04-09 | 江苏中恩网络科技有限公司 | 一种电网配电线路故障在线监测方法及*** |
CN117850403A (zh) * | 2024-03-06 | 2024-04-09 | 西安晟昕科技股份有限公司 | 用于发控***的动态检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114655050A (zh) * | 2022-04-21 | 2022-06-24 | 深圳市遵诚科技有限公司 | 一种新能源充电桩充电用安全充电方法 |
CN115065591A (zh) * | 2022-06-22 | 2022-09-16 | 广东电网有限责任公司广州供电局 | 基于状态空间模型的电动汽车充电桩故障预警***和方法 |
CN115149637A (zh) * | 2022-06-13 | 2022-10-04 | 北京天能继保电力科技有限公司 | 一种配电网的智能运维方法和运维、监测***和介质 |
CN115891741A (zh) * | 2022-09-30 | 2023-04-04 | 南京邮电大学 | 一种适用于电动汽车充电过程的远程故障预警方法及装置 |
-
2023
- 2023-10-07 CN CN202311282115.XA patent/CN117002309B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114655050A (zh) * | 2022-04-21 | 2022-06-24 | 深圳市遵诚科技有限公司 | 一种新能源充电桩充电用安全充电方法 |
CN115149637A (zh) * | 2022-06-13 | 2022-10-04 | 北京天能继保电力科技有限公司 | 一种配电网的智能运维方法和运维、监测***和介质 |
CN115065591A (zh) * | 2022-06-22 | 2022-09-16 | 广东电网有限责任公司广州供电局 | 基于状态空间模型的电动汽车充电桩故障预警***和方法 |
CN115891741A (zh) * | 2022-09-30 | 2023-04-04 | 南京邮电大学 | 一种适用于电动汽车充电过程的远程故障预警方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117436006A (zh) * | 2023-12-22 | 2024-01-23 | 圣道天德电气(山东)有限公司 | 一种智慧环网柜故障实时监测方法及*** |
CN117436006B (zh) * | 2023-12-22 | 2024-03-15 | 圣道天德电气(山东)有限公司 | 一种智慧环网柜故障实时监测方法及*** |
CN117850403A (zh) * | 2024-03-06 | 2024-04-09 | 西安晟昕科技股份有限公司 | 用于发控***的动态检测方法 |
CN117850403B (zh) * | 2024-03-06 | 2024-05-17 | 西安晟昕科技股份有限公司 | 用于发控***的动态检测方法 |
CN117849536A (zh) * | 2024-03-07 | 2024-04-09 | 江苏中恩网络科技有限公司 | 一种电网配电线路故障在线监测方法及*** |
CN117849536B (zh) * | 2024-03-07 | 2024-06-11 | 江苏中恩网络科技有限公司 | 一种电网配电线路故障在线监测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117002309B (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117002309B (zh) | 一种充电桩的故障智能预警方法及*** | |
CN114184229B (zh) | 一种开关柜运行环境监测*** | |
CN109186813B (zh) | 一种温度传感器自检装置及方法 | |
CN116879662B (zh) | 基于数据分析的变压器故障检测方法 | |
CN111823952B (zh) | 电芯温度的诊断方法、存储介质和电子设备 | |
KR102368324B1 (ko) | 충전케이블의 온도값을 이용한 전기자동차 충전기 이상상태 모니터링 장치 | |
CN111579121B (zh) | 在线诊断新能源汽车电池包内温度传感器故障的方法 | |
CN115864223B (zh) | 一种基于无人机巡视技术的电网全专业差异化运维方法 | |
CN117406026A (zh) | 一种适用于分布式电源的配电网故障检测方法 | |
CN116381324A (zh) | 一种智能电表 | |
CN114994460A (zh) | 一种电缆绝缘性能预测装置及方法 | |
CN114895163A (zh) | 一种基于电缆绝缘性能的电缆巡检定位装置及方法 | |
CN117284151A (zh) | 一种自适应新能源车辆电池电量监测方法及*** | |
CN112068006A (zh) | 一种基于云计算的实验室设备安全运行运维平台 | |
CN116190818A (zh) | 基于多维传感融合的锂电池装置、锂电池监测装置及方法 | |
CN116852996A (zh) | 一种电机控制器、检测方法及车辆 | |
CN114781165A (zh) | 多特征信息融合的电力变压器绕组健康诊断方法 | |
CN114706000A (zh) | 一种电池包动态测试评估方法及*** | |
CN117723994A (zh) | 用于识别技术设备的设备电池中的异常的方法和装置 | |
CN117007999B (zh) | 一种电池组故障诊断方法、装置及*** | |
CN117092541B (zh) | 一种直流充电大数据计算电池健康的分析方法 | |
US20240248138A1 (en) | Method and Apparatus for Predictive Diagnosis of a Device Battery of a Technical Device Using a Trace Graph Model | |
KR102595694B1 (ko) | 전기차 진단 및 예지 시스템 | |
CN111980900B (zh) | 一种基于多源数据融合分析的水泵故障诊断方法 | |
CN117169636B (zh) | 一种智能化耐高温铝电解电容器环境检测*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |