一种充电桩工况漂移辨识与动态均衡决策方法及系统与流程

摘要: 本申请属于工业大数据处理与作业资源优化调度,具体涉及一种充电桩工况漂移辨识与动态均衡决策方法及系统。背景技术:1、随着电动汽车充电网络规模爆发式增长,充电桩覆盖...
一种充电桩工况漂移辨识与动态均衡决策方法及系统与流程

本申请属于工业大数据处理与作业资源优化调度,具体涉及一种充电桩工况漂移辨识与动态均衡决策方法及系统。

背景技术:

1、随着电动汽车充电网络规模爆发式增长,充电桩覆盖范围从核心商圈延伸至偏远区域,充电设备运行工况差异越来越大,与此同时,专业运维人员增长相对滞后,充电桩数量激增与运维人力供给不足之间的矛盾越来越突出,且海量运行数据呈现多源、异构、高维特征,传统人工处理方式难以满足需求。随着规模扩大,运维人员增长滞后于设备增长,导致人均维护量激增,现场运维工作量与人力配置之间的缺口持续扩大,亟需高效的数据驱动决策手段。

2、目前,充电桩运维领域最相近的已有技术方案主要有两类。一种是基于固定阈值的规则监控法,即针对充电成功率、故障率等关键指标设定固定的报警阈值,当指标越限时自动生成运维工单。此种方案在实际应用中存在两方面问题:其一,对低频使用的小样本充电桩,因统计基数过小,单次随机失败即可导致成功率大幅波动并触发误报警;其二,对高频使用的大样本充电桩,故障数量的缓慢增长在成功率指标上反映微弱,难以触发阈值报警,导致故障累积扩大。另一种为基于深度学习的数据驱动预测法,即采集充电桩电压、电流等时序数据,通过lstm、transformer等模型训练故障分类器,实现对设备未来运行状态的预测评估。此类方法的应用受限于充电桩运维场景的特殊性,不同区域、不同投运时长的充电桩运行数据分布差异显著,模型在新投运或低频使用设备上的泛化能力不足,预测精度难以保证。

3、综上,现有方案在规模化少人化运维场景下,难以兼顾小样本误报抑制与大样本漏报识别,亦无法在有限算力条件下提供可解释的决策依据,亟需一种轻量化、可解释、自适应的工况漂移辨识与资源均衡调度方法。

技术实现思路

1、第一方面,本申请实施例提供一种充电桩工况漂移辨识与动态均衡决策方法,包括如下步骤:

2、s1.获取充电桩周运行数据集、充电桩现场作业反馈数据集和备品备件数据集作为输入数据;

3、s2.对输入数据进行预处理,计算单台充电桩的周工况特征值,根据周工况特征值计算单台充电桩的近期工况值,根据近期工况值计算工况漂移基准值,并根据近期工况值和工况漂移基准值计算各充电桩的工况偏离等级,形成工况偏离集合;

4、s3.根据工况偏离集合中的各工况偏离等级,从充电桩现场作业反馈数据集中提取各工况偏离等级对应的历史作业资源记录,建立各工况偏离等级与作业资源之间的映射关系,作为工况漂移识别结果;

5、s4.根据工况漂移识别结果,按照工况偏离等级从高到低对充电桩进行排序,将排序在前的充电桩标记为优先治理充电桩,并根据各作业人员的作业综合能力特征值和各备品备件的库存状态,为优先治理充电桩匹配对应的作业人员和备品备件;

6、s5.根据匹配的结果,结合预设的作业约束规则,计算各待处理充电桩作业任务的效用评分,并根据各作业人员的工作饱和度进行动态均衡决策,生成治理任务清单;

7、s6.采集治理任务清单的执行反馈数据,与预设目标进行比对,根据比对结果反向调整步骤s3至步骤s5中的至少一个处理环节的配置参数,完成闭环优化。

8、第二方面,本申请实施例还提供一种充电桩工况漂移辨识与动态均衡决策系统,包括:

9、数据获取模块,用于获取充电桩周运行数据集、充电桩现场作业反馈数据集和备品备件数据集作为输入数据;

10、数据预处理模块,用于对输入数据进行预处理,计算单台充电桩的周工况特征值,根据周工况特征值计算单台充电桩的近期工况值,根据近期工况值计算工况漂移基准值,并根据近期工况值和工况漂移基准值计算各充电桩的工况偏离等级,形成工况偏离集合;

11、工况漂移识别模块,用于根据工况偏离集合中的各工况偏离等级,从充电桩现场作业反馈数据集中提取各工况偏离等级对应的历史作业资源记录,建立各工况偏离等级与作业资源之间的映射关系,作为工况漂移识别结果;

12、资源匹配模块,用于根据工况漂移识别结果,按照工况偏离等级从高到低对充电桩进行排序,将排序在前的充电桩标记为优先治理充电桩,并根据各作业人员的作业综合能力特征值和各备品备件的库存状态,为优先治理充电桩匹配对应的作业人员和备品备件;

13、动态均衡决策模块,用于根据匹配的结果,结合预设的作业约束规则,计算各待处理充电桩作业任务的效用评分,并根据各作业人员的工作饱和度进行动态均衡决策,生成治理任务清单;

14、闭环反馈优化模块,用于采集治理任务清单的执行反馈数据,与预设目标进行比对,根据比对结果反向调整工况漂移识别模块、资源匹配模块和动态均衡决策模块中的至少一个模块的配置参数,完成闭环优化。

15、从以上技术方案可以看出,本申请具有以下优点:

16、本申请提供的充电桩工况漂移辨识与动态均衡决策方法及系统中,通过构建周工况特征值、近期工况值、工况漂移基准值、工况偏离等级进行递进式统计量化,解决了固定阈值法对小样本随机波动敏感和对大样本缓慢恶化不敏感的问题;通过基于历史数据自动建立工况偏离等级与作业资源的映射关系,结合人员综合能力评估与备件库存约束,实现了人力与物资在高偏离等级、高效用评分充电桩上的精准投放;通过任务效用评分与工作饱和度联动的动态均衡决策,确保了高价值任务优先执行、低价值任务主动释放、人员负荷维持在合理区间;通过执行反馈驱动的周度闭环参数迭代,使系统自适应优化能力,实现规模化少人化运维场景下的精准辨识与高效调度。

1.一种充电桩工况漂移辨识与动态均衡决策方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的充电桩工况漂移辨识与动态均衡决策方法,其特征在于,步骤s1具体步骤如下:

3.根据权利要求1所述的充电桩工况漂移辨识与动态均衡决策方法,其特征在于,步骤s2中,计算单台充电桩的周工况特征值,具体步骤如下:

4.根据权利要求3所述的充电桩工况漂移辨识与动态均衡决策方法,其特征在于,步骤s2中,根据周工况特征值计算单台充电桩的近期工况值,具体步骤如下:

5.根据权利要求4所述的充电桩工况漂移辨识与动态均衡决策方法,其特征在于,步骤s2中,根据近期工况值计算工况漂移基准值,具体步骤如下:

6.根据权利要求5所述的充电桩工况漂移辨识与动态均衡决策方法,其特征在于,步骤s3具体步骤如下:

7.根据权利要求6所述的充电桩工况漂移辨识与动态均衡决策方法,其特征在于,步骤s4具体步骤如下:

8.根据权利要求7所述的充电桩工况漂移辨识与动态均衡决策方法,其特征在于,步骤s5具体步骤如下:

9.根据权利要求8所述的充电桩工况漂移辨识与动态均衡决策方法,其特征在于,步骤s6具体步骤如下:

10.一种充电桩工况漂移辨识与动态均衡决策系统,其特征在于,包括: