本發(fā)明涉及充電樁，具體涉及一種電動汽車充電樁系統(tǒng)的控制方法及系統(tǒng)。

背景技術(shù)：

1、隨著全球?qū)Νh(huán)保和節(jié)能的日益關(guān)注，電動汽車作為一種清潔、高效的交通工具，正逐漸受到廣大消費(fèi)者的青睞。然而，電動汽車的普及與推廣，離不開其配套設(shè)施——充電樁的完善與發(fā)展；充電樁作為電動汽車的能量補(bǔ)給站，其性能與穩(wěn)定性直接關(guān)系到電動汽車的使用體驗(yàn)與安全性。

2、在現(xiàn)有的電動汽車充電樁系統(tǒng)中，雖然已經(jīng)實(shí)現(xiàn)了基本的充電功能，但傳統(tǒng)的充電樁系統(tǒng)缺乏監(jiān)控和故障診斷功能，一旦發(fā)生故障，難以進(jìn)行智能處理，給用戶的充電體驗(yàn)帶來不便；因此，研究一種電動汽車充電樁系統(tǒng)的控制方法及系統(tǒng)對提高了充電樁的智能化管理具有重要意義。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是為了解決上述問題，設(shè)計(jì)了一種電動汽車充電樁系統(tǒng)的控制方法及系統(tǒng)。

2、本發(fā)明第一方面提供一種電動汽車充電樁系統(tǒng)的控制方法，所述電動汽車充電樁系統(tǒng)的控制方法包括以下步驟：

3、通過車輛與充電樁的通信接口，獲取電動汽車的充電需求信息，其中所述充電需求信息至少包括電池類型、剩余電量、充電功率需求；

4、實(shí)時監(jiān)測充電樁的工作過程，基于充電樁的工作過程收集充電樁的運(yùn)行數(shù)據(jù)，根據(jù)所述運(yùn)行數(shù)據(jù)采用充電樁狀態(tài)預(yù)測模型檢測充電樁的運(yùn)行狀態(tài)，預(yù)測充電樁是否發(fā)生故障；

5、若充電樁發(fā)生故障，則得到相應(yīng)的故障信息，并生成充電任務(wù)分配指令，基于所述充電任務(wù)分配指令調(diào)度空閑充電樁，生成調(diào)度充電信息，上傳所述故障信息和調(diào)度充電信息至終端，其中調(diào)度充電信息至少包括充電樁的空閑時間、充電功率輸出能力；

6、充電完成后，充電樁系統(tǒng)自動停止充電，并獲取充電數(shù)據(jù)，基于充電數(shù)據(jù)進(jìn)行結(jié)算。

7、可選的，在本發(fā)明第一方面的第一種實(shí)現(xiàn)方式中，所述實(shí)時監(jiān)測充電樁的工作過程，基于充電樁的工作過程收集充電樁的運(yùn)行數(shù)據(jù)，根據(jù)所述運(yùn)行數(shù)據(jù)采用充電樁狀態(tài)預(yù)測模型檢測充電樁的運(yùn)行狀態(tài)，預(yù)測充電樁是否發(fā)生故障，包括：

8、通過安裝傳感器和數(shù)據(jù)采集設(shè)備，實(shí)時收集充電樁工作過程中產(chǎn)生的運(yùn)行數(shù)據(jù)，其中所述運(yùn)行數(shù)據(jù)至少包括電流、電壓、溫度、功率；

9、對所述運(yùn)行數(shù)據(jù)進(jìn)行清洗、去噪和標(biāo)準(zhǔn)化處理，得到預(yù)處理后的運(yùn)行數(shù)據(jù)；

10、對預(yù)處理后的運(yùn)行數(shù)據(jù)進(jìn)行特征提取，得到目標(biāo)特征數(shù)據(jù)，并將所述目標(biāo)特征數(shù)據(jù)輸入充電樁狀態(tài)預(yù)測模型中，預(yù)測充電樁是否發(fā)生故障，并識別充電樁的故障模式。

11、可選的，在本發(fā)明第一方面的第二種實(shí)現(xiàn)方式中，對所述運(yùn)行數(shù)據(jù)進(jìn)行清洗、去噪和標(biāo)準(zhǔn)化處理，得到預(yù)處理后的運(yùn)行數(shù)據(jù)，包括：

12、獲取充電樁的運(yùn)行數(shù)據(jù)，采用插值法填補(bǔ)所述運(yùn)行數(shù)據(jù)中的缺失值，得到第一數(shù)據(jù)；

13、根據(jù)充電樁的正常運(yùn)行范圍，采用grubbs檢驗(yàn)方法識別所述第一數(shù)據(jù)中的異常值，并進(jìn)行數(shù)據(jù)清洗，得到第二數(shù)據(jù)；

14、采用滑動平均濾波方法對所述第二數(shù)據(jù)進(jìn)行平滑處理，并采用中值濾波方法進(jìn)行進(jìn)一步處理，得到第三數(shù)據(jù)；

15、對所述第三數(shù)據(jù)進(jìn)行z-score標(biāo)準(zhǔn)化處理，得到預(yù)處理后的運(yùn)行數(shù)據(jù)。

16、可選的，在本發(fā)明第一方面的第三種實(shí)現(xiàn)方式中，所述對預(yù)處理后的運(yùn)行數(shù)據(jù)進(jìn)行特征提取，得到目標(biāo)特征數(shù)據(jù)，包括：

17、獲取預(yù)處理后的運(yùn)行數(shù)據(jù)，對預(yù)處理后的運(yùn)行數(shù)據(jù)進(jìn)行數(shù)據(jù)特征初步處理，得到與充電樁故障有關(guān)的特征數(shù)據(jù)；

18、將所有與充電樁故障有關(guān)的特征數(shù)據(jù)都分配一個類標(biāo)簽，初始化螳螂優(yōu)化算法的種群數(shù)量、覓食上界和下界、k鄰近算法的參數(shù)；

19、利用隨機(jī)k值訓(xùn)練k鄰近算法，并計(jì)算適應(yīng)度函數(shù)的精度，根據(jù)適應(yīng)度函數(shù)計(jì)算每個螳螂的位置,如果螳螂當(dāng)前位置優(yōu)于其先前的最佳位置則更新螳螂的位置；

20、根據(jù)螳螂先前的最佳位置確定種群中的最優(yōu)位置，將螳螂移動并更新位置，重復(fù)更新，直到達(dá)到最大迭代次數(shù)，并輸出選出的特征子集，其中所述特征子集包括目標(biāo)特征數(shù)據(jù)。

21、可選的，在本發(fā)明第一方面的第四種實(shí)現(xiàn)方式中，所述獲取預(yù)處理后的運(yùn)行數(shù)據(jù)，對預(yù)處理后的運(yùn)行數(shù)據(jù)進(jìn)行數(shù)據(jù)特征初步處理，得到與充電樁故障有關(guān)的特征數(shù)據(jù)，包括：

22、獲取預(yù)處理后的運(yùn)行數(shù)據(jù)，將預(yù)處理后的運(yùn)行數(shù)據(jù)拆分成多個分段樣本，并獲取每段樣本的一維數(shù)據(jù)，得到一維均值；

23、計(jì)算各分段樣本中樣本點(diǎn)一維數(shù)據(jù)與其對應(yīng)一維均值的差值，構(gòu)建數(shù)據(jù)矩陣，并獲取所述數(shù)據(jù)矩陣對應(yīng)的轉(zhuǎn)置矩陣，將所述數(shù)據(jù)矩陣和轉(zhuǎn)置矩陣相乘，得到對稱矩陣；

24、將得到的多個對稱矩陣進(jìn)行加法處理，得到散布矩陣，通過jacobi算法計(jì)算所述散布矩陣的特征值和對應(yīng)特征向量，并依照降序排列；

25、將各分段樣本的數(shù)據(jù)投影至特征值最大的特征向量上，得到投影坐標(biāo)，選定其中一點(diǎn)，計(jì)算其對應(yīng)投影坐標(biāo)，將該投影坐標(biāo)作為搜索中心，計(jì)算在全部樣本中與該搜索中心距離最近的n個點(diǎn)，以得到與充電樁故障有關(guān)的特征數(shù)據(jù)。

26、可選的，在本發(fā)明第一方面的第五種實(shí)現(xiàn)方式中，將所述目標(biāo)特征數(shù)據(jù)輸入充電樁狀態(tài)預(yù)測模型中，預(yù)測充電樁是否發(fā)生故障，并識別充電樁的故障模式，包括：

27、將所述目標(biāo)特征數(shù)據(jù)輸入充電樁狀態(tài)預(yù)測模型中，其中所述充電樁狀態(tài)預(yù)測模型包括cnn模塊和bigru模塊，cnn模塊至少由5層一維卷積層、和mish激活函數(shù)組成，bigru模塊至少包括2層bigru層和1層merge層；

28、通過卷積層提取所述目標(biāo)特征數(shù)據(jù)的局部特征，使用mish激活函數(shù)數(shù)和批歸一化操作進(jìn)行特征提取，得到特征數(shù)據(jù)；

29、將所述特征數(shù)據(jù)輸入到第1層bigru網(wǎng)絡(luò)中進(jìn)行時序特征學(xué)習(xí)，學(xué)習(xí)到的時序特征作為第2層bigru網(wǎng)絡(luò)的輸入，并學(xué)習(xí)時序特征，并連接到全連接層；

30、采用merge層將經(jīng)過網(wǎng)絡(luò)處理后輸出的表征特征拼接起來，組成一個多特征融合的表征特征；

31、將多特征融合層中的所有特征連接一個全連接層，對融合的表征特征進(jìn)行深度特征提取，并將多特征提取層的輸出經(jīng)過全連接回歸層的學(xué)習(xí)將特征降維，完成充電樁預(yù)測結(jié)果的輸出。

32、本發(fā)明第二方面提供了一種電動汽車充電樁系統(tǒng)的控制系統(tǒng)，所述電動汽車充電樁系統(tǒng)的控制系統(tǒng)包括信息獲取模塊、數(shù)據(jù)收集模塊、智能調(diào)度模塊和結(jié)算模塊，其中，

33、信息獲取模塊，用于通過車輛與充電樁的通信接口，獲取電動汽車的充電需求信息，其中所述充電需求信息至少包括電池類型、剩余電量、充電功率需求；

34、數(shù)據(jù)收集模塊，用于實(shí)時監(jiān)測充電樁的工作過程，基于充電樁的工作過程收集充電樁的運(yùn)行數(shù)據(jù)，根據(jù)所述運(yùn)行數(shù)據(jù)采用充電樁狀態(tài)預(yù)測模型檢測充電樁的運(yùn)行狀態(tài)，預(yù)測充電樁是否發(fā)生故障；

35、智能調(diào)度模塊，用于若充電樁發(fā)生故障，則得到相應(yīng)的故障信息，并生成充電任務(wù)分配指令，基于所述充電任務(wù)分配指令調(diào)度空閑充電樁，生成調(diào)度充電信息，上傳所述故障信息和調(diào)度充電信息至終端，其中調(diào)度充電信息至少包括充電樁的空閑時間、充電功率輸出能力；

36、結(jié)算模塊，用于充電完成后，充電樁系統(tǒng)自動停止充電，并獲取充電數(shù)據(jù)，基于充電數(shù)據(jù)進(jìn)行結(jié)算。

37、可選的，在本發(fā)明第二方面的第一種實(shí)現(xiàn)方式中，所述數(shù)據(jù)收集模塊包括實(shí)時收集子模塊、數(shù)據(jù)處理子模塊和特征提取子模塊，其中，

38、實(shí)時收集子模塊，用于通過安裝傳感器和數(shù)據(jù)采集設(shè)備，實(shí)時收集充電樁工作過程中產(chǎn)生的運(yùn)行數(shù)據(jù)，其中所述運(yùn)行數(shù)據(jù)至少包括電流、電壓、溫度、功率；

39、數(shù)據(jù)處理子模塊，用于對所述運(yùn)行數(shù)據(jù)進(jìn)行清洗、去噪和標(biāo)準(zhǔn)化處理，得到預(yù)處理后的運(yùn)行數(shù)據(jù)；

40、特征提取子模塊，用于對預(yù)處理后的運(yùn)行數(shù)據(jù)進(jìn)行特征提取，得到目標(biāo)特征數(shù)據(jù)，并將所述目標(biāo)特征數(shù)據(jù)輸入充電樁狀態(tài)預(yù)測模型中，預(yù)測充電樁是否發(fā)生故障，并識別充電樁的故障模式。

41、可選的，在本發(fā)明第二方面的第二種實(shí)現(xiàn)方式中，所述數(shù)據(jù)處理子模塊包括填補(bǔ)單元、識別單元、平滑處理單元和標(biāo)準(zhǔn)化處理單元，其中，

42、填補(bǔ)單元，用于獲取充電樁的運(yùn)行數(shù)據(jù)，采用插值法填補(bǔ)所述運(yùn)行數(shù)據(jù)中的缺失值，得到第一數(shù)據(jù)；

43、識別單元，用于根據(jù)充電樁的正常運(yùn)行范圍，采用grubbs檢驗(yàn)方法識別所述第一數(shù)據(jù)中的異常值，并進(jìn)行數(shù)據(jù)清洗，得到第二數(shù)據(jù)；

44、平滑處理單元，用于采用滑動平均濾波方法對所述第二數(shù)據(jù)進(jìn)行平滑處理，并采用中值濾波方法進(jìn)行進(jìn)一步處理，得到第三數(shù)據(jù)；

45、標(biāo)準(zhǔn)化處理單元，用于對所述第三數(shù)據(jù)進(jìn)行z-score標(biāo)準(zhǔn)化處理，得到預(yù)處理后的運(yùn)行數(shù)據(jù)。

46、本發(fā)明提供的技術(shù)方案中，通過車輛與充電樁的通信接口，獲取電動汽車的充電需求信息；實(shí)時監(jiān)測充電樁的工作過程，基于充電樁的工作過程收集充電樁的運(yùn)行數(shù)據(jù)，根據(jù)所述運(yùn)行數(shù)據(jù)采用充電樁狀態(tài)預(yù)測模型檢測充電樁的運(yùn)行狀態(tài)，預(yù)測充電樁是否發(fā)生故障；若充電樁發(fā)生故障，則得到相應(yīng)的故障信息，并生成充電任務(wù)分配指令，基于所述充電任務(wù)分配指令調(diào)度空閑充電樁，生成調(diào)度充電信息，上傳所述故障信息和調(diào)度充電信息至終端；充電完成后，充電樁系統(tǒng)自動停止充電，并獲取充電數(shù)據(jù)，基于充電數(shù)據(jù)進(jìn)行結(jié)算；本發(fā)明實(shí)現(xiàn)了充電樁的智能化、自動化和遠(yuǎn)程化管理，及時發(fā)現(xiàn)和解決充電樁的故障問題，提高了系統(tǒng)的可靠性和穩(wěn)定性。