[发明专利]基于充电网的电动汽车大功率充电监控与多级预报警方法

说明书

本发明涉及电动汽车充电安全预警技术领域，具体设计了一种基于充电网的电动汽车大功率充电监控与多级预报警方法，包括：1、将设备端的电动汽车充电数据传送至云端数据库，划分数据集为历史数据和实时数据，并进行归一化处理；2、利用电动汽车历史数据构建CNN‑BiLSTM深度学习模型，对电动汽车的充电数据进行预测，并采用蚁群算法对模型进行寻优操作；3、设定评判模型预测精度的标准，通过滑动窗口法对模型预测值进行残差分析；4、确定电动汽车的故障预报警阈值，将其应用到实际电动汽车充电监测中，实现电动汽车的故障预报警；本发明设计的方法实时性高、适用性好，能够适应不同电动汽车车型的充电安全监控。

技术领域

本发明属于电动汽车充电预警技术领域，具体涉及一种基于充电网的电动汽车大功率充电监控与多级预报警方法。

背景技术

近十年来，保护环境降低排放逐渐成为社会主流意识，而新能源汽车技术的发展可以为目前能源紧缺和环境污染问题的解决提供一定的助力，因此受到了国家的高度重视，由于动力电池的自身特性、充电及使用期间存在的不稳定性，车载电池组可能会存在一些安全隐患，从而引发自燃事故，因此，构建电动汽车充电过程的预警模型，对电动汽车车载电池组进行实时监控和安全预警，实现提前防控，保障充电安全，有利于电动汽车行业的可持续发展。

随着大量电动汽车的投入运行，其充电可靠性和安全性逐渐成为关注的重点，不仅电动汽车车载电池组的日常运维检修不容忽视，电动汽车充电过程中的安全监控同样重要，根据公开资料不完全统计，在2011年—2016年全球电动汽车典型安全事故统计数据显示，在49例典型电动汽车着火事件中，充电导致的火灾事故为次高，占比约14％；根据中国充电联盟报道，对近5年发生的电动汽车起火事件原因进行统计的结果显示，在正常充电过程中发生的车辆起火事故占事故总量的14％。

深度学习作为机器学习领域的一种新兴方法，被成功应用于计算机视觉、安全预警以及故障诊断等领域，因此，本发明提出的基于充电网的电动汽车大功率充电监控与多级预报警方法研究具有实际技术支持，就电动汽车本身而言，动力电池系统是电动汽车的主要动力来源，其充放电流可高达上百安培，较高的充放电电流，会导致电池内部温度快速上升，若不能有效地对温度进行监控，将加速电池性能衰退甚至引发电池热失控等安全事故，另外，动力电池系统电压能够提高电动汽车的能量传输效率，且实现高压化是电动汽车动力电池系统的重要发展趋势，因此，从电动汽车电池的温度、电流、电压三方面进行分析是实现电动汽车安全监控的重要手段。

综上所述，为了实现电动汽车充电过程的可靠性和安全性，积极研究和开发一种基于深度学习的、高效的、能够多维度监控电动汽车电池实时充电状态和安全预警系统则显得非常重要。

发明内容

本发明提出了一种基于充电网的电动汽车大功率充电监控与多级预报警方法，该方法，首先利用CNN网络对电动汽车正常充电过程的历史数据进行深度挖掘，提取充电数据的深层次特征；其次利用BiLSTM网络将电动汽车充电过程的过去与未来数据结合分析，构建CNN-BiLSTM预警模型；然后在电动汽车充电过程中，根据国标实时采集的充电数据，预测电动汽车电池的温度变化趋势；通过蚁群算法对模型进行寻优操作；通过滑动窗口法分析该电动汽车残差，计算预报警阈值，进行多级安全预报警；最后将该模型应用到实际电动汽车上，进行实时监控，实现电动汽车的多级安全预报警。

本发明提供如下方案：基于充电网的电动汽车大功率充电监控与多级预报警方法，具体包括如下步骤：

步骤S1：传输电动汽车充电数据，进行数据预处理；

步骤S1.1：采集设备端的电动汽车充电数据传输至云端数据库；

步骤S1.2：将充电数据进行归一化预处理并划分为历史数据和实时数据；

步骤S2：训练神经网络组合模型，利用算法进行寻优操作；