[发明专利]一种电动汽车充电设施运行状态评估方法和系统

权利要求书

1.一种电动汽车充电设施运行状态评估方法，其特征在于：

所述方法包括以下步骤：

步骤1：根据电动汽车充电设施运行状态特性，筛选能够反映充电设施整体运行状态的状态特征量，区分离散状态特征量与连续状态特征量，并划分充电设施运行状态类别，所述充电设施运行状态类别包括正常工作状态、异常预警状态和严重告警状态；

所述充电设备包括整流柜及内部整流模块、充电桩体和充电枪线；

其中，反映整流柜及整流模块运行状态的状态特征量包括但不限于：输入交流三相平均电压、输入交流三相平均电流、频率、谐波含量等级、交流侧断路器开关状态、正常工作模块个数、输出直流电压、输出直流电流、柜内温度、接触器开关状态和滤波器工作状态；

反映充电桩体运行状态的状态特征量包括但不限于：在线状态、读卡器通讯状态、电能表通讯状态、辅助电源电压、BMS通讯状态、避雷器状态、TCU与充电控制器通讯状态和充电桩内温度；

反映充电枪线运行状态的状态特征量包括但不限于：外皮磨损状态、枪头绝缘情况、枪头卡扣情况和枪头温度；

步骤2：采集电动汽车充电设施历史运行数据和试验数据，对每条数据进行离散状态特征量或连续状态特征量的评定，并将采集的所有数据划分为训练数据集和验证数据集；

步骤3：以信息增益率的计算为基础，建立针对电动汽车充电设施运行状态评估的决策树评估模型；

步骤4：修整决策树评估模型中的部分节点，以防止模型的过拟合性，提升决策树评估模型的泛化性；

步骤5：采集电动汽车充电设施的实时运行数据，基于修整后的决策树评估模型，对电动汽车充电设施运行状态进行评估。

2.根据权利要求1所述的一种电动汽车充电设施运行状态评估方法，其特征在于：

所述方法还包括：在步骤4中，针对修整后的决策树评估模型，选取一组新的运行数据作为测试数据集，对修整后决策树评估模型的正确率、召回率和F1值进行验证。

3.根据权利要求2所述的一种电动汽车充电设施运行状态评估方法，其特征在于：

所述正确率指能够被正确分类的样本数占整体样本数的比例，用于验证决策树评估模型的整体分类效果；

所述召回率指各个分类标签中被正确分类的样本数占该分类标签下所有样本数的比例，用于度量决策树评估模型分类方式的有效性。

所述F1值为综合衡量正确率和召回率的精度召回调和平均值。

4.根据权利要求1所述的一种电动汽车充电设施运行状态评估方法，其特征在于：

在步骤1中，正常工作状态代表充电设施处于稳定运行的范围内，状态特征量都维持在正常的数据范围内；异常预警状态代表充电设施虽然仍可以继续进行充电，但部分元器件已偏离正常运行状态，不能够长时间持续运行，应安排运维人员远程或现场进行检查；严重告警状态代表此时充电设施的运行数据已越限，应立即对充电桩进行停运，并安排运维人员现场停电检修。

5.根据权利要求1所述的一种电动汽车充电设施运行状态评估方法，其特征在于：

步骤3所述以信息增益率的计算为基础，建立针对电动汽车充电设施运行状态评估的决策树评估模型，具体为：

计算训练数据集信息熵后，计算训练数据集中所有状态特征量的信息增益率，选取信息增益率值最大的状态特征作为根节点的最佳划分属性，并根据该状态特征的取值建立第二层子集节点；

在第二层子集节点上继续计算信息增益率，并对当前节点的最佳划分属性进行选择，以此不断对下层子集节点进行划分，直到完成所有内部节点的分类，形成针对电动汽车充电设施运行状态评估的决策树评估模型。

6.根据权利要求5所述的一种电动汽车充电设施运行状态评估方法，其特征在于：

步骤3中，计算训练数据集信息熵后，对于离散状态特征量，直接计算信息增益率；对于连续状态特征量，采用二分法首先划分多个中位点作为候选点，然后依次计算各点的信息增益率。