[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

说明书

本申请公开了一种电动汽车充电设施运行状态评估方法和系统，所述方法包括：根据电动汽车充电设施运行状态特性，筛选状态特征量，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；采集历史运行数据和试验数据，评定每条数据的运行状态类别并将采集的所有数据划分为训练数据集和验证数据集，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；修整决策树评估模型中的部分节点；采集电动汽车充电设施运行数据，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。本申请基于具有较强客观性与可读性的机器学习分类方法，建立了全面、准确、有效的状态评估模型。

技术领域

本发明属于电动汽车充电站的运行维护技术领域，涉及一种电动汽车充电设施运行状态评估技术，尤其涉及一种采用C4.5决策树对电动汽车充电设施运行状态进行分类的方法和系统。

背景技术

电动汽车的逐步普及，对提高国家能源安全、降低排放、环境保护以及促进智能电网发展具有重大的意义。近几年来在北京、上海、苏州等城市已经建成了大量的电动汽车充电站，电动汽车的推广应用已然进入关键时期。

电动汽车充电设施是维持电动汽车正常充电的必要条件，也是电动汽车产业链中重要的基础设施。电动汽车充电设施主要包括充电站及其附属设施，如整流模块、配电设备、充电站信息采集系统以及安全防护设施等。当前，由于充电设施生产工艺和设备质量参差不齐，且充电设施运行环境大多位于户外，环境温度、湿度、外力破坏等因素均不可控，其运行状态多变，对大规模电动汽车用户的充电需求造成了一定程度的影响。

随着电动汽车充电站的投入规模不断扩大，对充电设施的运行状态建立有效准确的评估模型具有很大的实际意义。状态评估结果不仅能为运维公司与运维人员的工作提供有力的信息支撑，也便于制定科学高效的运维计划，合理分配运维时间和运维资源。

电动汽车充电设施的状态评估模型实际上是一种以评估指标为输入，整体运行状态为输出的多分类任务模型。由于充电站内设备结构复杂，影响其运行状态的因素较多，传统评估方法过于依赖专家经验，很难处理样本特征与分类结果之间的非线性关系，无法建立全面、有效、准确的评估模型。

C4.5决策树(Decision Tree)算法是一种常见的监督学习(SupervisedLearning)模型，其节点划分依据为信息增益率(Information Gain Ratio)，常用于分类与回归问题，优点在于具有可读性，分类速度较快，且完全依靠历史客观运行数据和试验数据，能够克服传统经验评估带来的判断误差。

发明内容

为解决现有技术中的不足，本申请提供一种电动汽车充电设施运行状态评估方法和系统，基于充电设施分布结构与运行特性，以历史记录的海量大数据为学习样本，采用C4.5决策树算法，对电动汽车充电设施实时运行状态进行有效评估。

为了实现上述目标，本申请的第一件发明采用如下技术方案：

一种电动汽车充电设施运行状态评估方法，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；