一种V2G充电桩信息诊断与安全防护方法技术

本发明专利技术公开了一种V2G充电桩信息诊断与安全防护方法。该方法首先根据充电桩状态信息参数的特征与故障情况的联系提出了故障检测流程，接着在进行数据处理后建立了充电桩故障情况与状态参数的模型，然后进行故障情况预测和安全防护方法选择，最后通过模型评估与对比分析，验证了本发明专利技术提出的方法具有较高的精确度和可行性。本发明专利技术提出的方法可利用充电桩自身量测设备实时测量得到的状态参数，判断其故障情况，并为下一步的充电桩检修工作和故障排除工作提供支撑。工作提供支撑。工作提供支撑。

【技术实现步骤摘要】
一种V2G充电桩信息诊断与安全防护方法


[0001]本专利技术属于充电桩信息诊断与安全防护
，特别涉及一种V2G充电桩信息诊断与安全防护方法。

技术介绍

[0002]随着电动汽车分布范围的扩大和数量的增长，V2G充电桩呈现出数量庞大、分布范围广的特点。V2G充电桩日常运行、维护及检测工作量巨大，而以人工记录检测数据为主的现场检测管理方式耗费了大量时间成本和人力成本，且难以做到故障实时诊断并采取相应安全防护措施，造成充电桩故障停电时间过长、可靠性不足等问题，限制了电动汽车行业的发展。因此亟需研究并提出针对V2G充电桩的自动化故障实时诊断方法，并根据诊断结果采取相应安全防护措施。

技术实现思路

[0003]为了解决相关技术问题，本申请的目的是提供一种V2G充电桩信息诊断与安全防护方法。
[0004]为了实现本申请的目的，本申请提供的技术方案如下：
[0005]一种V2G充电桩信息诊断与安全防护方法，包括以下步骤：
[0006]步骤一：获取V2G充电桩状态信息参数及故障情况；
[0007]步骤二：处理对获取的V2G充电桩状态信息参数及故障情况的数据；
[0008]步骤三：建立V2G充电桩的故障检测模型，所述故障检测模型基于改进型RNN神经网络；
[0009]步骤四：预测V2G充电桩故障情况；
[0010]步骤五：选择相应的V2G充电桩安全防护方法。
[0011]其中，步骤一中，所述V2G充电桩状态信息参数包括K1K2驱动信号、电子锁驱动信号、急停信号、门禁信号以及电压总谐波失真THDV
‑
M和电流总谐波失真THDI
‑
M；在某一时刻，通过现场采集，得到V2G充电桩状态信息参数，可表示为：
[0012]X
i
＝[X1,X2,
…
,X
m
]ꢀꢀꢀꢀꢀꢀ
(1)
[0013]其中m为状态信息参数个数；
[0014]由此通过多次采集，可得到V2G充电桩状态信息参数矩阵，如下式(2)：
[0015][0016]其中n为有效数据样本数，m为状态信息参数个数，通过多次采集，亦可得到故障情况向量：
[0017]Y＝[Y1,Y2,
…
,Y
n
]T
ꢀꢀꢀꢀꢀꢀ
(3)
[0018]其中，Y
i
(1≤i≤n)取0或1，0代表第i个样本中的V2G充电桩处于正常状态，1则代表V2G充电桩处于异常状态。
[0019]其中，步骤二中，所述处理V2G充电桩状态信息参数及故障情况的数据处理，包括数据粗筛、异常值检测和处理、顺序异常值修正、分离数据中的故障边缘数据的波动趋势、采用多维KDE方法估计粗筛后辨识参数的统计中心。
[0020]其中，步骤三中，基于循环神经网络建立充电桩的故障检测模型，其主体是一个神经网络块，由输入表示状态信息参数x
t
经过循环得到输出故障情况o
t
，循环可以使信息从网络的上一步传递到下一步中。
[0021]其中，步骤五中，根据V2G充电桩故障情况，采取相应的安全防护措施，包括下述一种或几种：报警、自锁、断电。
[0022]与现有技术相比，本专利技术的有益效果为：
[0023]针对充电设施的日常运行、维护及检测工作量巨大的问题，该方法分析了多项状态信息参数与充电桩故障情况的联系，首先根据充电桩状态参数的特征与故障情况的联系提出了故障检测流程，然后建立了充电桩故障情况与状态参数的模型，再进行故障情况预测及安全防护方法选择，最后进行模型评估与对比分析。本专利技术提出的方法可利用充电桩自身量测设备实时测量得到的状态信息参数，判断其故障情况，并为下一步的充电桩检修工作和故障排除工作提供支撑。在本专利技术所述的诊断方法中，充分考虑历史数据存在样本数量大、各状态信息参数间差异大、故障样本与正常样本间在状态信息参数上缺乏明显的界限、缺乏与故障情况联系最紧密的若干个状态信息参数的问题。基于该方法建立的充电桩故障模型能较为客观地反映电桩状态信息参数与故障情况的联系。本专利技术提出的方法具有较高的可行性和实时性，其实际精确度可达98％以上。
附图说明
[0024]图1所示为基于改进的RNN的V2G充电桩故障检测流程示意图；
[0025]图2所示为V2G充电桩的历史数据处理架构图；
[0026]图3所示为本申请中循环神经网络结构图；
[0027]图4所示为本申请采用RNN神经网络变换后的投影图。
具体实施方式
[0028]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0029]以下结合附图和具体实施例对本专利技术作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0030]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用属于“包含”和/或“包括”时，其指明存在特征、步骤、操作、部件或者模块、组件和/或它们的组合。
[0031]应该理解，当本申请文件中称部件被“连接”到另一部件时，它可以直接连接到其他元件，或者也可以存在中间部件。这里使用的措辞“和/或”包括一个或更多个相关联的列
出项的任一单元和全部组合。
[0032]本专利技术在分析了V2G充电桩故障的特征后，提出了一种基于改进型RNN神经网络的V2G充电桩信息诊断与安全防护方法。该方法首先根据充电桩状态信息参数的特征与故障情况的联系提出了故障检测流程，接着在进行数据处理后建立了充电桩故障情况与状态参数的模型，然后进行故障情况预测和安全防护方法选择，最后通过模型评估与对比分析，验证了本专利技术提出的方法具有较高的精确度和可行性。本专利技术提出的方法可利用充电桩自身量测设备实时测量得到的状态参数，判断其故障情况，并为下一步的充电桩检修工作和故障排除工作提供支撑。
[0033]本申请基于改进的RNN的V2G充电桩故障检测流程如图1所示。在专利技术所述的诊断方法中，充分考虑历史数据存在样本数量大、各状态信息参数间差异大、故障样本与正常样本间在状态信息参数上缺乏明显的界限、缺乏与故障情况联系最紧密的若干个状态信息参数的问题。从而使用经过经改进的RNN算法分析各种状态信息参数和故障情况的关联性。该方法用机器学习的方法构建充电桩的故障监测模型，可在实现V2G充电桩信息实时诊断，并采取后续安全防护措施，从而提升充电设备的安全可靠性。
[0034]本申请方法具体包括如下步骤：
[0035]步骤一：获取V2G充电桩状态信息及故障情况
[0036]V2G充电桩状态信息参数包括K1K2驱动信号,电子锁驱动信号,急停信号,门禁信号,电压总谐波失真THDV
‑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种V2G充电桩信息诊断与安全防护方法，其特征在于，包括以下步骤：步骤一：获取V2G充电桩状态信息参数及故障情况；步骤二：处理对获取的V2G充电桩状态信息参数及故障情况的数据；步骤三：建立V2G充电桩的故障检测模型，所述故障检测模型基于改进型RNN神经网络；步骤四：预测V2G充电桩故障情况；步骤五：选择相应的V2G充电桩安全防护方法。2.根据权利要求1所述的一种V2G充电桩信息诊断与安全防护方法，其特征在于，步骤一中，所述V2G充电桩状态信息参数包括K1K2驱动信号、电子锁驱动信号、急停信号、门禁信号以及电压总谐波失真THDV
‑
M和电流总谐波失真THDI
‑
M；在某一时刻，通过现场采集，得到V2G充电桩状态信息参数，可表示为：X
i
＝[X1,X2,
…
,X
m
]
ꢀꢀꢀꢀꢀꢀ
(1)其中m为状态信息参数个数；由此通过多次采集，可得到V2G充电桩状态信息参数矩阵，如下式(2)：其中n为有效数据样本数，m为状态信息参数个数，通过多次采集，亦可得到故障情况向量：Y＝[Y1,...

【专利技术属性】
技术研发人员：张剑，李磊，刘伟东，李晓辉，张卫欣，梁彬，李丹，谢秦，王浩柱，白银明，杨景禄，
申请(专利权)人：国网天津市电力公司国网天津市电力公司营销服务中心，
类型：发明
国别省市：