一种远程故障诊断方法、系统及充电桩与流程

1.本发明涉及电力电子技术领域，尤其涉及一种远程故障诊断方法、系统及充电桩。


背景技术：

2.电动汽车作为新能源汽车的主要发展方向之一，越来越受到人们的重视。目前，通常使用充电系统对电动汽车完成充电作业。
3.当前业界的很多工作都聚焦于电池本身的安全研究，尚未见到在充电设备充电安全方面进行开展研究，也没有形成有效的充电安全预警体系。


技术实现要素：

4.为克服上述缺点，本发明的目的在于提供一种远程故障诊断方法、系统及充电桩，具有故障预警功能，用户可通过充光储一体化能源站充电系统的客户端实时查看所获取的故障原因，可根据给出的维修建议、维修单，用户有选择性地进行实地维修。
5.同时利用充电系统故障树对所获取的充电系统的数据信息进行诊断并定位，也代替了人工自行排查故障，大大提高了后期维修效率。
6.为了达到以上目的，本发明采用的技术方案是：一种远程故障诊断方法，所述方法包括以下步骤，
7.统计并分析历史故障数据，运用故障树分析法，构建充电系统故障树；
8.利用充电系统故障树对所获取的充电系统的数据信息进行诊断并定位，得到故障原因，给出维修建议，并生成维修单。
9.本发明一种远程故障诊断方法的有益效果是，具有故障预警功能，用户可通过充光储一体化能源站充电系统的客户端实时查看所获取的故障原因，可根据给出的维修建议、维修单，用户有选择性地进行实地维修。
10.同时利用充电系统故障树对所获取的充电系统的数据信息进行诊断并定位，也代替了人工自行排查故障，大大提高了后期维修效率。
11.作为本发明的进一步改进是，所述充电系统故障树包括充电桩故障树和/或配电故障树。
12.作为本发明的进一步改进是，所述充电桩故障树或配电故障树的构建包括以下步骤：
13.确定在充电过程中的顶事件；
14.从顶事件开始，向下逐层分解确定相应次级事件，直至底事件全部被确定，其中所述次级事件是通过分析顶事件的原因进行寻找获得的；
15.根据故障分类以及发生顶事件的原因，分析得出顶事件与底事件之间的关系。
16.作为本发明的进一步改进是，根据所述充电桩故障树，获取充电桩故障征兆集、充电桩故障原因集，运用模糊数学诊断法，分析所述充电桩故障征兆集、充电桩故障原因集；
17.或根据配电故障树，获取配电故障征兆集、配电故障原因集，运用模糊数学诊断
法，分析所述配电故障征兆集、配电故障原因集。
18.作为本发明的进一步改进是，所述充电桩故障征兆集表示为：
19.m＝{m1,m2,m3,...,mn}，
20.其中，mi(i＝1,2,3
…
,n)表示充电桩故障发生征兆；
21.所述充电桩故障原因集表示为：
22.x＝{x1,x2,x3,...,xk}，
23.其中，xi(i＝1,2,3
…
,k)表示充电桩故障发生原因。
24.作为本发明的进一步改进是，所述配电故障征兆集表示为：
25.n＝{n1,n2,n3,...,nn}，
26.其中，ni(i＝1,2,3
…
,n)表示配电室或配电柜故障发生征兆；
27.所述配电故障原因集表示为：
28.y＝{y1,y2,y3,...,yk}，
29.其中，yi(i＝1,2,3
…
,k)表示配电室或配电柜故障发生原因。
30.作为本发明的进一步改进是，根据所述充电桩故障征兆集、充电桩故障原因集，运用概率论方法计算得出充电故障概率；
31.或根据所述配电故障征兆集、配电故障原因集，运用概率论方法计算得出配电故障概率。
32.作为本发明的进一步改进是，首先，根据所述充电桩故障原因集，通过定性分析，利用下行法寻找所述充电桩故障树的割集；其次，通过定量计算得到所述充电桩故障概率表；最后，根据所述充电桩故障树的最小割集，得到结构函数，采用相斥近似的方法计算得出所述充电桩故障树的顶事件发生概率。
33.作为本发明的进一步改进是，根据所述充电桩故障征兆集、充电桩故障原因集，以及所述充电故障概率，获取所述充电桩故障树的底事件的概率重要度；
34.或根据所述配电故障征兆集、配电故障原因集，以及所述配电故障概率，获取所述配电故障树的底事件的概率重要度。
35.作为本发明的进一步改进是，所述概率重要度公式如下所示，
[0036][0037]
q(t)表示顶事件的发生概率，qi表示底事件的发生概率。
[0038]
为了达到以上目的，本发明采用的技术方案是：一种远程故障诊断系统，基于充电系统的故障树分析，建立充电系统的故障诊断专家系统，所述故障诊断专家系统包括知识库模块、推理机模块、解释模块、人机交互接口、知识获取模块和综合数据库，
[0039]
所述知识库模块与推理机模块、解释模块、知识获取模块相连，所述人机交互接口与综合数据库、解释模块、知识获取模块相连，所述推理机模块与综合数据库相连；
[0040]
所述故障诊断专家系统处理采用上述任一项所述的远程故障诊断方法。
[0041]
本发明一种远程故障诊断系统的有益效果是，具有故障预警功能，用户可通过充光储一体化能源站充电系统的客户端实时查看所获取的故障原因，可根据给出的维修建议、维修单，用户有选择性地进行实地维修。
[0042]
为了达到以上目的，本发明采用的技术方案是：一种充电桩，包括控制系统，所述
控制系统采用上述任一项所述的远程故障诊断方法。
附图说明
[0043]
图1为本发明实施例一的远程故障诊断方法的流程图；
[0044]
图2为本发明实施例一的充电桩故障树的结构图；
[0045]
图3为本发明实施例一的配电故障树的结构图；
[0046]
图4为本发明实施例二的远程故障诊断系统的流程图。
具体实施方式
[0047]
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
[0048]
实施例一
[0049]
参见附图1-3所示，本实施例的一种远程故障诊断方法，所述方法包括以下步骤，
[0050]
统计并分析历史故障数据，运用故障树分析法，构建充电系统故障树；
[0051]
通过充电设备监控程序获取充电系统的数据信息；
[0052]
利用充电系统故障树对所获取的数据信息进行诊断并定位，得到故障原因，给出维修建议，并生成维修单。
[0053]
通过云服务器进行云搭建得到云平台层，云服务器就是web服务器。云服务器上搭建有充电设备远程数据库和充电设备监控程序。
[0054]
充电设备远程数据库，用于分类、整理并存储充光储一体化能源站充电系统的数据信息，其是充电设备监控程序的数据仓库。
[0055]
充电设备监控程序，用于对全能源站进行实时数据和历史数据的监测和展示，还对全能源站范围内充电桩、锂电池、光伏发电板的数据信息进行了统计分析并做了合理展示。数据信息包括运行数据采集、本地在线统计分析、充电桩充电过程故障诊断、测试功能和运行状态监控。
[0056]
充电设备监控程序包括对全能源站管理的状态监测模块和远程故障诊断系统。远程故障诊断系统实施远程故障诊断方法。
[0057]
历史故障数据包括，所获取的充电桩系统、配电系统的故障代码、通断状态信息以及运行状态信息；利用这些信息，再运用故障树分析法，构建出充电系统故障树。
[0058]
当充光储一体化能源站充电系统的某一数据信息错误时，充电系统故障树会对该数据信息进行诊断并定位，得到故障原因，给出维修建议，并生成维修单。用户可通过充光储一体化能源站充电系统的客户端进行查看。
[0059]
在一示例中，所述充电系统故障树包括充电桩故障树和/或配电故障树。
[0060]
在一示例中，所述充电桩故障树的构建包括以下步骤：
[0061]
确定充电桩系统的充电桩在充电过程中的顶事件；
[0062]
从顶事件开始，向下逐层分解确定相应的中间事件，直至底事件全部被确定，其中所述中间事件是通过分析顶事件的原因进行寻找获得的；
[0063]
根据故障分类以及发生顶事件的原因，分析得出顶事件与底事件之间的关系。
[0064]
顶事件，顾名思义，就是位于故障树最顶端的事件，是充电系统最不希望发生的事
件，也是进行故障分析和诊断的目标。
[0065]
中间事件是处于顶事件和底事件之间的所有事件。
[0066]
底事件处于故障树末端，也就是故障树的最底层，它是引起顶事件发生的最小事件，也是最终原因，底事件不可以继续向下分解。
[0067]
基于故障树的故障诊断分析，其故障源是处于故障树最底层的基本事件，故障的传递方向是自下而上的，即底事件发生引起中间事件的发生，进而引起顶事件的发生。
[0068]
通过故障树分析法，不仅可以揭示充电系统特性的内部关联，还可以识别故障位置和与故障有关的重要因素。
[0069]
在一示例中，根据所述充电桩故障树，获取充电桩故障征兆集、充电桩故障原因集，运用模糊数学诊断法，分析所述充电桩故障征兆集、充电桩故障原因集。
[0070]
在一示例中，所述充电桩故障征兆集表示为：
[0071]
m＝{m1,m2,m3,...,mn}，
[0072]
其中，mi(i＝1,2,3
…
,n)表示充电桩故障发生征兆；
[0073]
所述充电桩故障原因集表示为：
[0074]
x＝{x1,x2,x3,...,xk}，
[0075]
其中，xi(i＝1,2,3
…
,k)表示充电桩故障发生原因。
[0076]
结合附图2所示，可从充电桩故障树中提取“如果-那么”规则，例如:如果x1发生，那么m1发生，如果x2发生那么m1发生。如果x3、x4同时发生，那么m2发生。
[0077]
结合附图2所示，本实施例的充电桩故障征兆集，包括17个输出节点,对应于m1～m
17
的故障症状。表1-1列出这些故障症状。
[0078]
表1-1
[0079]
输出节点故障症状输出节点故障症状m1afe故障m
10
绝缘检测超时m2接触器故障m
11
绝缘模块故障m3绝缘故障m
12
sim卡故障m4通讯模块故障m
13
通讯模块故障m5仪表故障m
14
连接异常m6其他故障m
15
仪表损坏m7主回路接触器故障m
16
控制板故障m8内部关联接触器故障m
17
内部过温m9外部关联接触器故障
ꢀꢀ
[0080]
结合附图2所示，本实施例的充电桩故障原因集，包括23个输入节点,对应于故障症状x1～x
23
。表1-2列出这些故障症状。
[0081]
表1-2
[0082][0083][0084]
在一示例中，根据所述充电桩故障征兆集、充电桩故障原因集，运用概率论方法计算得出充电故障概率。
[0085]
在一示例中，首先，根据所述充电桩故障原因集，通过定性分析，利用下行法寻找所述充电桩故障树的割集；其次，通过定量计算，得到所述充电桩故障概率表；最后，根据所述充电桩故障树的最小割集，得到结构函数，采用相斥近似的方法计算得出所述充电桩故障树的顶事件发生概率。
[0086]
首先，结合附图2，及充电桩故障原因集，通过定性分析，利用下行法寻找充电桩故障树的割集，我们可以获得17个割集：{x1}，{x2}，{x3x4}，{x5x6}，{x6x7}，{x8}，{x9}，{x
10
x
11
}，{x
12
x
13
}，{x
14
x
15
}，{x
16
x
17
}，{x
18
}，{x
19
}，{x
16
x
20
}，{x
21
}，{x
22
}，{x
23
}，上述17个切割是我们所需要的最小割集。
[0087]
再通过定量计算，得到充电桩故障概率表，表3列出这些最小割集的故障概率。
[0088]
表3
[0089][0090][0091]
最终，根据充电桩故障树的这些最小割集，可以得到如下所示的结构函数：
[0092]
t1＝x1 x2 x3x4 x5x6 x6x7 x8 x9 x
10
x
11
x
12
x
13
x
14
x
15
x
16
x
17
x
18
x
19

[0093]
x
16
x
20
x
21
x2 x
23
[0094]
采用相斥近似的方法计算了充电桩故障树的顶事件发生概率，也即充电桩的充电故障概率的发生概率：
[0095]
q(t1)＝q{x1} q{x2} q{x3x4} q{x5x6} q{x6x7} q{x8} q{x9} q{x
10
x
11
}
[0096]
q{x
12
x
13
} q{x
14
x
15
} q{x
16
x
17
} q{x
18
} q{x
19
} q{x
16
x
20
} q{x
21
} q{x
22
}
[0097]
q{x
23
}＝0.02 0.03 0.005 0.0012 0.12 0.04 0.012 0.006 0.0036 0.0009 0.03 0.05 0.0007 0.11 0.04 0.10＝0.4932
[0098]
因此，充电桩的充电故障概率约为0.49％。
[0099]
在一示例中，所述配电故障树的构建包括以下步骤：
[0100]
确定配电系统的配电室或配电柜在充电过程中的顶事件；
[0101]
从顶事件开始，向下逐层分解确定相应的中间事件，直至底事件全部被确定，其中所述中间事件是通过分析顶事件的原因进行寻找获得的；
[0102]
根据故障分类以及发生顶事件的原因，分析得出顶事件与底事件之间的关系。
[0103]
在一示例中，根据所述配电故障树，获取配电故障征兆集、配电故障原因集；
[0104]
运用模糊数学诊断法，分析配电故障征兆集、配电故障原因集。
[0105]
在一示例中，所述配电故障征兆集表示为：
[0106]
n＝{n1,n2,n3,...,nn}，
[0107]
其中，ni(i＝1,2,3
…
,n)表示配电室或配电柜故障发生征兆；
[0108]
所述配电故障原因集表示为：
[0109]
y＝{y1,y2,y3,...,yk}，
[0110]
其中，yi(i＝1,2,3
…
,k)表示配电室或配电柜故障发生原因。
[0111]
结合附图3所示，本实施例采用的配电室故障发生征兆集、配电室故障原因集。配电室故障发生征兆集，包括11个输出节点,对应于n1～n
11
的故障症状。表2-1列出这些故障症状。
[0112]
表2-1
[0113][0114][0115]
结合附图3所示，本实施例的配电室故障原因集，包括16个输入节点,对应于故障症状y1～y
16
。表2-2列出这些故障症状。
[0116]
表2-2
[0117]
输入节点故障症状输入节点故障症状y1高压断路器拒合y9引线故障y2高压断路器拒分y
10
绕组故障y3高压断路器未储能y
11
功率因数偏高y4互感器保险丝熔断y
12
控制回路短路y5高压互感器损坏y
13
控制回路熔芯损坏y6接地开关不能操作y
14
低压断路器不能合闸y7电路短路y
15
低压断路器未储能
y8电路放电y
16
低压断路器电磁铁损坏
[0118]
在一示例中，根据所述配电故障征兆集、配电故障原因集；运用概率论方法计算得出配电故障概率。
[0119]
在一示例中，首先，根据所述配电故障原因集，通过定性分析，利用下行法寻找所述配电故障树的割集；其次，通过定量计算，得到所述配电室故障概率表；最后，根据所述配电故障树的最小割集，得到结构函数，采用相斥近似的方法计算得出所述配电故障树的顶事件发生概率。
[0120]
首先，结合附图3，及配电室故障原因集，通过定性分析，利用下行法寻找配电故障树的割集，我们可以获得16个割集：{y1}，{y2}，{y3},{y4}，{y5}，{y6}，{y7}，{y8}，{y9}，{y10}，{y11}，{y12}，{y13}，{y14}，{y14}，{y15}，上述16个割集是是我们所需要的最小割集。
[0121]
再通过定量计算，得到配电室故障概率表，表4列出这些最小割集的故障概率。
[0122]
表4
[0123][0124]
最终，根据配电故障树的这些最小割集，可以得到如下所示的结构函数：
[0125]
t2＝y1 y2 y3 y4 y5 y6 y7 y8 y9 y
10
y
11
y
12
y
13
y
14
y
15
y
16
[0126]
采用相斥近似的方法计算了配电故障树的顶事件发生概率，也即配电室的配电故障概率的发生概率：
[0127]
q(t2)＝q{y1} q{y2} q{y3} q{y4} q{y5} q{y6} q{y7} q{y8} q{y9}
[0128]
q{y
10
} q{y
11
} q{y
12
} q{y
13
} q{y
14
} q{y
15
} q{y
16
}＝0.02 0.02 0.03 0.007 0.01 0.09 0.08 0.07 0.06 0.03 0.09 0.02 0.01 0.07 0.03 0.01＝0.71
[0129]
因此，配电室的配电故障概率约为0.71％。配电室故障的发生概率将高于充电桩的发生概率。
[0130]
在一示例中，根据所述充电桩故障征兆集、充电桩故障原因集，以及充电故障概率，获取所述充电桩故障树的底事件的概率重要度；
[0131]
或根据所述配电故障征兆集、配电故障原因集，以及配电故障概率，获取所述配电故障树的底事件的概率重要度。
[0132]
对引起充电系统故障所有的底事件的进行重要度分析。
[0133]
在一示例中，所述概率重要性公式如下所示,在一示例中，所述概率重要性公式如下所示,
[0134]
q(t)表示顶事件的发生概率，qi表示底事件的发生概率。
[0135]
将表3的数值各自对应的带入公式(1)中，可以获得充电桩故障树的所有底事件的概率重要度，如表5所示。
[0136]
表5
[0137][0138][0139]
将表4的数值各自对应的带入公式(1)中，可以获得配电故障树的所有底事件的概率重要度，如表6所示。
[0140]
表6
[0141][0142]
实施例二
[0143]
参见附图4所示，一种远程故障诊断系统，基于充电系统的故障树分析，建立充电系统的故障诊断专家系统，所述故障诊断专家系统包括知识库模块、推理机模块、解释模块、人机交互接口、知识获取模块和综合数据库，
[0144]
所述知识库模块与推理机模块、解释模块、知识获取模块相连，所述人机交互接口与综合数据库、解释模块、知识获取模块相连，所述推理机模块与综合数据库相连；
[0145]
所述故障诊断专家系统处理采用上述任一项所述的远程故障诊断方法。
[0146]
本实施例的一种远程故障诊断方法、系统及充电桩，具有故障预警功能，用户可通过充光储一体化能源站充电系统的客户端实时查看所获取的故障原因，可根据给出的维修建议、维修单，用户有选择性地进行实地维修。
[0147]
同时利用充电系统故障树对所获取的充电系统的数据信息进行诊断并定位，也代替了人工自行排查故障，大大提高了后期维修效率。
[0148]
实施例三
[0149]
一种充电桩，包括控制系统，所述控制系统采用上述任一项所述的远程故障诊断方法。
[0150]
以上实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人了解本发明的内容并加以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所做的等效变化或修饰，都应涵盖在本发明的保护范围内。