摘要
目前新能源汽车充电桩的测试和运维仍采用工程师进行现场测试和维护的传统方式,这已无法满足充电桩爆发式增长的检测和运维需求。另一方面,虽然充电桩TCU单元可以与充电控制器进行CAN通信,并记录数据,但由于硬件设计缺陷无法进行高速采集,记录的信息十分简单,因此无法反映充电细节,更无法记录新能源汽车与充电桩之间真实的交互过程和信息。文中介绍了采用高速数据采集技术、机器学习技术对新能源汽车充电故障进行采集和识别,实现故障在线诊断、故障预测等功能。设计了一种安装在充电桩内部的故障监控系统,该系统采集电压、电流、门禁、急停等信号,并通过IoT技术上传到云服务器。结合数据处理技术,随机森林分类算法提出了一种充电桩在线诊断故障方法,最终实现充电桩的智能运维。文中简要介绍了随机森林思想及其核心算法,及其拓扑和训练过程,分析了训练结果的均方误差和训练损耗,并对模型进行优化,以提高精度,同时对避免过拟合等问题进行了探索,最后通过项目实际应用对比了故障预测与真实情况的误差,得到故障识别准确率超97%的结论。
出处
《物联网技术》
2022年第2期51-55,共5页
Internet of things technologies
基金
国家重点研发计划:新能源汽车充电设施检定和型式评价方法及标准化研究(2018YFE0208100)。
