【技术实现步骤摘要】
本专利技术涉及电动汽车安全，尤其涉及一种电动汽车充电安全监测方法及装置。
技术介绍
1、目前，环境和能源问题日益严峻，传统燃油汽车环境污染严重，能源消耗大，给我国建设环境资源型社会造成了巨大压力，引起人们越来越多的关注与担忧。而电动汽车通过“电能”替代“燃油”来提供动力，比传统燃油汽车具有排放污染小、噪声低、能源利用率高等优点，大力发展电动汽车是缓解环境污染和能源消耗压力的有效途径，是推动汽车产业可持续发展的重要举措，也是我国汽车产业转型升级、培育新的经济增长点、实现新的跨越式发展和提升国际竞争力的战略需求。
2、电动汽车的快速发展带动了整个产业链，特别是充电产业的迅速发展。充电设施作为电动汽车能源补给的主要方式，其规划和建设必须兼顾产业发展进度和经济性，因此电动汽车的智能充电服务网络建设发展迅速，主动响应充电需求，通过充电机、电池管理系统和电网之间的主动协同实现有序充电，形成了具备网络化、智能化、标准化特征的广域覆盖的服务网络。
3、但是，近年来电动汽车安全事故增多，充电故障原因十分复杂，由于当前车-桩智能化和信息互联化程度不高，充电运营平台无法对充电桩故障进行实时分析和处理，导致充电设施运维人员无法针对性地进行检修与改进，严重制约了电动汽车健康快速发展。专利文本cn(111942186a)公开了一种电动汽车充电过程安全风险预警方法和系统，包括：获取充电机充电回路的绝缘电阻值以及充电信息监测终端监测的电动汽车与充电桩的电池组交互信息和单体电池交互信息；根据电动汽车与充电桩的电池组交互信息和单体电池交互信
技术实现思路
1、本专利技术提供了一种电动汽车充电安全监测方法及装置，能够对电动汽车进行故障预测和寿命预测。
2、一种电动汽车充电安全监测方法，包括：
3、采集待监测电动汽车的历史充电数据和实时充电数据；
4、通过大数据平台获取与所述待监测电动汽车同类型的电动汽车的充电电池发生故障的故障充电数据；
5、将所述历史充电数据与故障充电数据进行同步，获得故障案例；
6、根据所述故障案例建立故障预测模型，基于所述故障预测模型计算所述待监测电动汽车的充电电池的故障概率；
7、根据所述实时充电数据和预先建立的充电map表，确定待监测电动汽车的充电参数；
8、根据所述故障充电数据提取健康影响因子作为样本，对卷积神经网络进行训练，获得寿命预测模型；
9、对所述待监测电动汽车的历史充电数据提取特征，将所述特征输入至寿命预测模型，获得所述待监测电动汽车的预测寿命。
10、进一步地，所述历史充电数据包括待监测电动汽车的充电电池的使用时长，所述故障充电数据包括同类型发生故障的电动汽车的充电电池的使用时长；
11、将所述历史充电数据与故障充电数据进行同步，获得故障案例，包括；
12、选取与待监测电动汽车的充电电池的使用时长相同的同类型电动汽车充电电池对应的故障充电数据作为故障案例。
13、进一步地，根据所述故障案例建立故障预测模型，包括：
14、获取所述故障案例中发生故障的充电电池对应的故障参数和安全参数，根据所述故障参数和安全参数计算平均故障率；
15、计算各个故障的充电电池不同的安全参数之间差异的标准偏差；
16、根据所述平均故障率和标准偏差，建立所述故障预测模型。
17、进一步地，所述实时充电数据包括充电电池soc；所述充电map表包括充电温度、soc以及充电电流之间的映射关系；
18、根据所述实时充电数据和预先建立的充电map表，确定待监测电动汽车的充电参数，包括：
19、检测所述待监测电动汽车的充电电池中各个电芯的温度；
20、选取所有电芯中的最小温度作为初始充电温度；
21、根据所述初始充电温度、充电电池soc以及所述充电map表，确定下一个充电周期的充电电流；
22、充电过程中，采集待监测电动汽车的充电电池各个电芯的实时温度，并选择最小实时温度作为当前温度，根据所述当前温度、充电电池soc以及所述充电map表，确定下一个充电周期的充电电流。
23、进一步地，所述故障充电数据包括电池容量和电池运行参数；
24、根据所述故障充电数据提取健康影响因子作为样本，对卷积神经网络进行训练，获得寿命预测模型，包括：
25、根据所述故障充电数据，构建关于电池容量的初始关联度模型；
26、对所述初始关联度模型进行矩阵转换，获得最终关联度模型；
27、根据所述最终关联度模型获得电池运行参数两两之间的第一关联系数；
28、将电池运行参数和电池容量作为指标，基于层次分析法获得各个指标的权重，根据各个指标的权重建立权重矩阵，根据所述权重矩阵获得第二关联系数；
29、根据所述第二关联系数选择相关的电池运行参数作为初始关联影响因子；
30、选取第一关联系数大于第一预设阈值的初始关联影响因子作为健康影响因子；
31、将所述健康影响因子与对应的电池寿命进行标记，获得样本，将所述样本输入至卷积神经网络进行训练，获得寿命预测模型。
32、进一步地，所述故障充电数据包括不同时间段下各个运行参数对应的电池容量；
33、所述初始关联度模型如下所示：
34、
35、式中，qi(k)表示电池运行参数i在第k个时间段对应的历史电池容量，qj(k-1)表示电池运行参数j在第k-1个时间段对应的历史电池容量，αji表示电池运行参数j在第k-1个时间段对应的历史电池容量数据对电池运行参数i在第k个时间段对应的历史电池容量数据的影响程度，βi为常数，γi(k)表示误差。
36、进一步地，第一关联系数通过以下公式确定：
37、
38、式中，rij表示电池运行参数i对电池运行参数j的关联系数，λ为可调参数，n为时间段的数量；ρi(t)表示电池运行参数i在第t个时间段对应的电池容量占原始总电池容量的比重。
39、进一步地，根据所述第二关联系数选择相关的电池运行参数作为初始关联影响因子，包括：
40、将大于第二预设阈值的所述第二关联系数对应的电池运行参数作为初始关联影响因子。
41、进一步地，根据所述第二关联系数选择相关的电池运行参数作为初始关联影响因子，包括：
42、将所述第二关联系数进行降序排序，并选取排序靠前的预设数量个第二关联系数对应的电池运行参数作为初始关联影本文档来自技高网...
【技术保护点】
1.一种电动汽车充电安全监测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述历史充电数据包括待监测电动汽车的充电电池的使用时长，所述故障充电数据包括同类型发生故障的电动汽车的充电电池的使用时长；
3.根据权利要求2所述的方法，其特征在于，根据所述故障案例建立故障预测模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述实时充电数据包括充电电池SOC；所述充电MAP表包括充电温度、SOC以及充电电流之间的映射关系；
5.根据权利要求1所述的方法，其特征在于，所述故障充电数据包括电池容量和电池运行参数；
6.根据权利要求5所述的方法，其特征在于，所述故障充电数据包括不同时间段下各个运行参数对应的电池容量；
7.根据权利要求6所述的方法，其特征在于，第一关联系数通过以下公式确定：
8.根据权利要求6所述的方法，其特征在于，根据所述第二关联系数选择相关的电池运行参数作为初始关联影响因子，包括：
9.根据权利要求6所述的方法，其特征在于，根据所述第二关联系数选择相关
10.一种电动汽车充电安全监测装置，其特征在于，包括：
...【技术特征摘要】
1.一种电动汽车充电安全监测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述历史充电数据包括待监测电动汽车的充电电池的使用时长，所述故障充电数据包括同类型发生故障的电动汽车的充电电池的使用时长；
3.根据权利要求2所述的方法，其特征在于，根据所述故障案例建立故障预测模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述实时充电数据包括充电电池soc；所述充电map表包括充电温度、soc以及充电电流之间的映射关系；
5.根据权利要求1所述的方法，其特征在于，所述故障充电数...
【专利技术属性】
技术研发人员：宋恒，鞠玲，刘志宾，冯唯，刘振扬，李磊，栾忠飞，孙语珂，蔡慎，耿德霁，张虔，刘雨欣，符瑞，
申请(专利权)人：国网江苏省电力有限公司泰州供电分公司，
类型：发明
国别省市：
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。