一种基于充电大数据的充电桩故障诊断方法技术

本发明专利技术公开了一种基于充电大数据的充电桩故障诊断方法，摈弃现有基于充电桩设备硬件自检进行故障诊断的数据模型，采用与充电桩硬件参数完全正交化的电网充电大数据进行故障诊断数据库的构建，得到完全独立于充电桩硬件自检模型的全新数据模型，数据源和数据模型的独立性使得新旧数据模型具有优良的互补性和协同性

【技术实现步骤摘要】
一种基于充电大数据的充电桩故障诊断方法


[0001]本专利技术涉及智能和信息化电网
，尤其是一种基于充电大数据的充电桩故障诊断数据模型
、
方法及其应用
。

技术介绍

[0002]随着电动汽车的普及，我国充电桩建设也进入了快车道
。
因为公共领域充电桩建设点多面广，大部分充电站都是无人值守的自助充电站
。
如果充电桩出现故障不能及时发现，不仅会给充电客户造成不便，也会影响充电设施运营商的营业收入和企业形象
。
[0003]目前，现有技术的缺陷和不足至少包括：为了及时发现充电桩的故障情况，大部分公共领域的充电桩设计了故障自检功能，可以自动检测充电桩离线故障
、
电度表异常故障等常见故障，并向平台发出故障告警信息
。
但是在我们实际工作中发现：一些充电桩，故障自检功能显示是正常的，但却不能正常完成充电，表现为充电桩无法正常启动或启动充电几秒钟后停止充电
。
我们分析造成这种充电桩自检功能显示设备正常，但不能充电的原因为：充电桩故障自检功能以充电桩状态参数的突变为基础进行判断，但对涉及充电桩充电过程中的一些充电中断情况，自检功能无法判断是车辆的原因
、
客户操作原因
、
还是充电桩原因，所以为了防止大量的故障误报，充电桩的故障自检功能必须对充电过程中发生的异常采取不上报的处理方式
。
这样就导致了一部分充电桩故障无法通过充电桩故障自检功能发现
。

技术实现思路

[0004]本专利技术要解决的技术问题是克服现有技术的种种不足，提供一种基于充电桩网络大数据对充电桩故障进行诊断及处理的方法，其具有全新的技术方案，为解决充电桩故障诊断提供了另一种可行的技术模型和数据模型
。
[0005]为解决上述技术问题，本专利技术所采取的技术方案如下
。
[0006]基于充电大数据的充电桩故障诊断数据库构建方法，该诊断数据库摈弃现有基于充电桩设备硬件自检进行故障诊断的数据模型，采用与充电桩硬件参数完全正交化的电网充电大数据进行故障诊断数据库的构建，得到完全独立于充电桩硬件自检模型的全新数据模型，数据源和数据模型的独立性使得新旧数据模型具有优良的互补性和协同性
。
[0007]作为本专利技术的一种优选技术方案，该方法具体包括如下构建步骤：
A、
从电网数据中台设定时间段内的充电桩的全量充电订单数据，作为底端数据库层；所述设定时间段内的终点为：构建或更新底端数据库层的当日数据减去2，所述设定时间段内的起点设定为：在指定终点的基础上设定时间段的时长数为
n
日，其中
n
是以
15
为中位数的一个数据区间，
n
的摆动半径
r
设定
r=5
‑
50
日；所述全量充电订单数据为获取时间范围内所有的订单数据，订单中至少包含充电桩身份编号
、
充电桩所在充电站名称
、
充电电量，所述充电桩身份编号是区分不同充电桩的编号信息，每个充电桩都有属于自己的唯一身份编号；
B、
基础累进数据层的构建：将步骤
A
中获取的底端数据库层中的全量充电订单数据进行累计分析，分析规则设定为：
B
‑
1、
底端数据库层所涵盖的地理化充电区域网络中各充电桩在设定时间段内的累计充电次数和累计充电量；
B
‑
2、
筛选出累计充电量小于等于电量故障阈值的充电桩作为累进数据层的基础故障数据节点，对应初步疑似故障桩；其中所述电量故障阈值设定为（0‑8）
kW
·
h
之间的任意数值，基于大数据模拟并与真实世界故障数据进行比对，目前设定为：直流快充电桩电量故障阈值以
2kW
·
h
为中位数据锚点或进行小幅摆动，交流慢充桩电量故障阈值以
0.5kW
·
h
为中位数据锚点或进行小幅摆动；其中，中位数据锚点及数据摆动幅度允许跟数据数据模型的更新和
/
或数据模型规模的变化而实时变更；额外在基础故障数据节点上外显绑定初步疑似故障桩信息所包含的累计充电次数和累计充电电量或其他信息；
C、
昨日累进数据层的融入：获取构建底端数据库层时的昨日的全量充电订单数据，所述订单数据包含正常充电的订单和异常结束的订单，订单中至少包含充电桩身份编号
、
充电桩所在充电站名称
、
充电电量；并将获取的昨日订单数据与步骤
B
中基础故障数据节点上的初步疑似故障充电桩进行累计分析，筛选出累计充电量小于等于所述电量故障阈值的充电桩信息并标记构建为昨日故障数据节点，包含截止至昨日的疑似故障充电桩信息；
D
：基于概率模型筛选构建故障数据层：对步骤
C
中筛选出的疑似故障桩信息进行依照如下规则进行数据分析：累计充电次数越多但累计充电量越少的充电桩为故障充电桩为故障充电桩的概率越高；基于预先的阈值赋予筛选出累计充电次数大于充电次数故障阈值且累计电量小于电量故障阈值的充电桩，构建为为故障数据层；基于故障数据层进行工单生成并传递给故障处理人员，工单内容包含充电桩身份编号
、
充电桩所属充电站信息或其他信息
。
[0008]作为本专利技术的一种优选技术方案，该方法还包括如下后续数据步骤：
E、
将步骤
C
筛选出的截止至昨日的疑似故障桩信息与日后一天的全量订单数据进行累加分析以得到最新的疑似故障桩信息，依次数据规则进行数据模型的日期化更新
。
[0009]作为本专利技术的一种优选技术方案，步骤
A
中，由于本数据模型构建源和呈现形式为大数据模型，则
n
的最终取值决定了大数据模型的规模，并满足模型越大准确率越高而数据载荷亦越高的数据规则，因此一般情况下
n
的取值以其中位数为准进行小幅摆动；换言之，在底端数据库层更新时，优先数据规则为：新进数据代替末端数据；备选数据规则为：新进数据融合累加
。
[0010]作为本专利技术的一种优选技术方案，步骤
D
中，所述充电次数故障阈值设定为（3‑
10
）之间的整数值，并以数值5为最优数据锚点；所述电量故障阈值设定为（0‑8）
kW
·
h
之间的任意数值，基于大数据模拟并与真实世界故障数据进行比对，目前设定为：直流快充电桩电量故障阈值以
2kW
·
h
为中位数据锚点或进行小幅摆动，交流慢充桩电量故障阈值以
0.5kW
·
h
为中位数据锚点或进行小幅摆动；其中，中位数据锚点及数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于充电大数据的充电桩故障诊断数据库构建方法，其特征在于：该诊断数据库摈弃现有基于充电桩设备硬件自检进行故障诊断的数据模型，采用与充电桩硬件参数完全正交化的电网充电大数据进行故障诊断数据库的构建，得到完全独立于充电桩硬件自检模型的全新数据模型，数据源和数据模型的独立性使得新旧数据模型具有优良的互补性和协同性
。2.
根据权利要求1所述的基于充电大数据的充电桩故障诊断数据库构建方法，其特征在于：该方法具体包括如下构建步骤：
A、
从电网数据中台设定时间段内的充电桩的全量充电订单数据，作为底端数据库层；所述设定时间段内的终点为：构建或更新底端数据库层的当日数据减去2，所述设定时间段内的起点设定为：在指定终点的基础上设定时间段的时长数为
n
日，其中
n
是以
15
为中位数的一个数据区间，
n
的摆动半径
r
设定
r=5
‑
50
日；所述全量充电订单数据为获取时间范围内所有的订单数据，订单中至少包含充电桩身份编号
、
充电桩所在充电站名称
、
充电电量，所述充电桩身份编号是区分不同充电桩的编号信息，每个充电桩都有属于自己的唯一身份编号；
B、
基础累进数据层的构建：将步骤
A
中获取的底端数据库层中的全量充电订单数据进行累计分析，分析规则设定为：
B
‑
1、
底端数据库层所涵盖的地理化充电区域网络中各充电桩在设定时间段内的累计充电次数和累计充电量；
B
‑
2、
筛选出累计充电量小于等于电量故障阈值的充电桩作为累进数据层的基础故障数据节点，对应初步疑似故障桩；其中所述电量故障阈值设定为（0‑8）
kW
·
h
之间的任意数值，基于大数据模拟并与真实世界故障数据进行比对，目前设定为：直流快充电桩电量故障阈值以
2kW
·
h
为中位数据锚点或进行小幅摆动，交流慢充桩电量故障阈值以
0.5kW
·
h
为中位数据锚点或进行小幅摆动；其中，中位数据锚点及数据摆动幅度允许跟数据数据模型的更新和
/
或数据模型规模的变化而实时变更；额外在基础故障数据节点上外显绑定初步疑似故障桩信息所包含的累计充电次数和累计充电电量或其他信息；
C、
昨日累进数据层的融入：获取构建底端数据库层时的昨日的全量充电订单数据，所述订单数据包含正常充电的订单和异常结束的订单，订单中至少包含充电桩身份编号
、
充电桩所在充电站名称
、
充电电量；并将获取的昨日订单数据与步骤
B
中基础故障数据节点上的初步疑似故障充电桩进行累计分析，筛选出累计充电量小于等于所述电量故障阈值的充电桩信息并标记构建为昨日故障数据节点，包含截止至昨日的疑似故障充电桩信息；
D
：基于概率模型筛选构建故障数据层：对步骤
C
中筛选出的疑似故障桩信息进行依照如下规则进行数据分析：累计充电次数越多但累计充电量越少的充电桩为故障充电桩为故障充电桩的概率越高；基于预先...

【专利技术属性】
技术研发人员：李志，孟飞，郭占伍，王永超，常征，张宇，李建军，陈思，郝如意，
申请(专利权)人：国网河北省电力有限公司国家电网有限公司，
类型：发明
国别省市：