一种电动汽车的智能充电安全管理方法及系统

1.本发明涉及人工智能相关技术领域，具体涉及一种电动汽车的智能充电安全管理方法及系统。


背景技术：

2.绿色可持续发展的能源观念逐渐成为时代发展的主流，电动汽车亦是在新能源开发的大环境背景下催生的主要产物之一。电动汽车的主要动力来源和能源载体来自于动力电池，动力电池的技术瓶颈一直都是制约电动汽车的关键发展约束条件，当下对于动力电池的研发主要关注于两个方面，一个是动力电池的性能，一个是动力电池的安全性，而由于大多数研究多关注于动力电池的性能，却忽略了动力电池安全性的研究，尤其是充电过程中的安全管理不容忽视。
3.目前针对于动力电池的充电监测多集中于动力电池充电过程中的异常监测，且由于考虑动力电池的安全因素的维度过于单一，导致安全管理的隐患较，存在不稳定性。
4.现有技术中由于目前的动力电池的充电管理多集中于充电过程中，且考虑动力电池的安全因素的维度过于单一，导致存在安全管理的稳定性较弱的技术问题。


技术实现要素：

5.本技术实施例通过提供了一种电动汽车的智能充电安全管理方法及系统，解决了现有技术中由于目前的动力电池的充电管理多集中于充电过程中，且考虑动力电池的安全因素的维度过于单一，导致存在安全管理的稳定性较弱的技术问题。
6.鉴于上述问题，本技术实施例提供了一种电动汽车的智能充电安全管理方法及系统。
7.第一方面，本技术实施例提供了一种电动汽车的智能充电安全管理方法，其中，所述方法包括：当接收到第一插枪信号时，获得第一状态检测指令，其中，所述第一状态检测指令包括第一电池状态检测指标和第一环境状态检测指标；根据所述第一电池状态检测指标对第一动力电池进行状态检测，获得第一外部参数检测结果和第一内部参数检测结果；通过所述第一外部参数检测结果和所述第一内部参数检测结果对充电参数进行优化，获得第一初始充电参数；根据所述第一环境状态检测指标对第一运行环境进行状态检测，获得第一环境参数检测结果；将所述第一初始充电参数和所述第一环境参数检测结果输入参数设定模型，获得第一参数设定结果；当接收到所述第一参数设定结果时，生成第一回路连通指令；根据所述第一回路连通指令，基于所述第一参数设定结果对所述第一动力电池进行充电。
8.另一方面，本技术实施例提供了一种电动汽车的智能充电安全管理系统，其中，所述系统包括：第一获得单元，用于当接收到第一插枪信号时，获得第一状态检测指令，其中，所述第一状态检测指令包括第一电池状态检测指标和第一环境状态检测指标；第二获得单元，用于根据所述第一电池状态检测指标对第一动力电池进行状态检测，获得第一外部参
数检测结果和第一内部参数检测结果；第三获得单元，用于通过所述第一外部参数检测结果和所述第一内部参数检测结果对充电参数进行优化，获得第一初始充电参数；第四获得单元，用于根据所述第一环境状态检测指标对第一运行环境进行状态检测，获得第一环境参数检测结果；第五获得单元，用于将所述第一初始充电参数和所述第一环境参数检测结果输入参数设定模型，获得第一参数设定结果；第一生成单元，用于当接收到所述第一参数设定结果时，生成第一回路连通指令；第一执行单元，用于根据所述第一回路连通指令，基于所述第一参数设定结果对所述第一动力电池进行充电。
9.第三方面，本技术实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
10.第四方面，本技术实施例提供了一种计算机可读存储介质，其中，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一项所述的方法。
11.本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
12.由于采用了在接收到表征充电信号的插枪信号时，便生成状态检测指令，检测电池状态和环境状态，根据电池状态对充电参数进行优化。进一步的，再基于智能化模型结合环境状态对优化后的充电参数进行再调整，得到最终的参数设定结果，进而再发出充电回路连通的控制信号，连通充电线路基于参数设定结果进行充电的技术方案。上述方案一者通过根据电池状态优化充电参数再使用智能化模型调整优化后的充电参数，实现了充电前对电池的状态检测且得到适应度较高的充电参数；二者综合考虑了电池状态和环境状态的影响因素，达到了提高动力电池充电稳定性的技术效果。
13.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
14.图1为本技术实施例提供了一种电动汽车的智能充电安全管理方法流程示意图；
15.图2为本技术实施例提供了一种电动汽车的智能充电安全管理方法中参数设定模型的训练方法流程示意图；
16.图3为本技术实施例提供了一种电动汽车的智能充电安全管理系统结构示意图；
17.图4为本技术实施例示例性电子设备的结构示意图。
18.附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第一生成单元16，第一执行单元17，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
19.本技术实施例通过提供了一种电动汽车的智能充电安全管理方法及系统，解决了现有技术中由于目前的动力电池的充电管理多集中于充电过程中，且考虑动力电池的安全因素的维度过于单一，导致存在安全管理的稳定性较弱的技术问题。一者通过根据电池状态优化充电参数再使用智能化模型调整优化后的充电参数，实现了充电前对电池的状态检
测且得到适应度较高的充电参数；二者综合考虑了电池状态和环境状态的影响因素，达到了提高动力电池充电稳定性的技术效果。
20.申请概述
21.绿色可持续发展的能源观念逐渐成为时代发展的主流，电动汽车亦是在新能源开发的大环境背景下催生的主要产物之一。电动汽车的主要动力来源和能源载体来自于动力电池，动力电池的技术瓶颈一直都是制约电动汽车的关键发展约束条件，当下对于动力电池的研发主要关注于两个方面，一个是动力电池的性能，一个是动力电池的安全性，而由于大多数研究多关注于动力电池的性能，却忽略了动力电池安全性的研究，尤其是充电过程中的安全管理不容忽视，目前针对于动力电池的充电监测多集中于动力电池充电过程中的异常监测，且由于考虑动力电池的安全因素的维度过于单一，导致安全管理的隐患较，存在不稳定性，但现有技术中由于目前的动力电池的充电管理多集中于充电过程中，且考虑动力电池的安全因素的维度过于单一，导致存在安全管理的稳定性较弱的技术问题。
22.针对上述技术问题，本技术提供的技术方案总体思路如下：
23.本技术实施例提供了一种电动汽车的智能充电安全管理方法及系统。由于采用了在接收到表征充电信号的插枪信号时，便生成状态检测指令，检测电池状态和环境状态，根据电池状态对充电参数进行优化。进一步的，再基于智能化模型结合环境状态对优化后的充电参数进行再调整，得到最终的参数设定结果，进而再发出充电回路连通的控制信号，连通充电线路基于参数设定结果进行充电的技术方案。上述方案一者通过根据电池状态优化充电参数再使用智能化模型调整优化后的充电参数，实现了充电前对电池的状态检测且得到适应度较高的充电参数；二者综合考虑了电池状态和环境状态的影响因素，达到了提高动力电池充电稳定性的技术效果。
24.在介绍了本技术基本原理后，下面将结合说明书附图来具体介绍本技术的各种非限制性的实施方式。
25.实施例一
26.如图1所示，本技术实施例提供了一种电动汽车的智能充电安全管理方法，其中，所述方法包括：
27.s100：当接收到第一插枪信号时，获得第一状态检测指令，其中，所述第一状态检测指令包括第一电池状态检测指标和第一环境状态检测指标；
28.具体而言，第一插枪信号指的是表征动力电池的充电口和外部充电设备连通的信号，外部充电设备包括但不限于：便携充电器、家用充电桩、公用充电桩、随车充电枪等外接设备，外接充电设备接入电动汽车的充电口时，便发出插枪信号，表征将要开始充电，此时电动汽车内部的动力电池充电回路还未连通，处于充电参数待设定状态。
29.第一状态检测指令指的是当电动汽车的智能充电安全管理系统的控制中枢接收到第一插枪信号时发出的状态检测指令；第一电池状态检测指标指的是表征需要进行状态检测的动力电池指标维度，包括但不限于：电池外部状态指标：单体电池温度、单体电池电压、电池组绝缘状态、电流状态等参数，电池内部状态指标：剩余电荷数百分比soc、电池当前容量和出厂容量百分比soh、电池的剩余电荷数soe、电池功能状态sof、最大允许充电电流、最大允许充电功率等参数；第一环境状态检测指标指的是表征需要进行状态检测的动力电池所处的环境状态待检测的指标维度，包括但不限于：环境温度、环境压力、电动汽车
动力电池所处位置的元件分布数据等环境参数。
30.第一插枪信号接收时即需要对动力电池及其所处环境进行状态检测，为后步设定安全的充电参数提供数据基础，设定完毕后再连通动力电池的充电通路，提高了电动汽车充电的安全性。
31.s200：根据所述第一电池状态检测指标对第一动力电池进行状态检测，获得第一外部参数检测结果和第一内部参数检测结果；
32.具体而言，第一动力电池指的是将要进行充电动力汽车车载电源，为一电池组，由多个电池模块集成而得；第一外部参数检测结果指的是根据第一电池状态检测指标内的电池外部状态指标进行检测后的数据集，包括但不限于：单体电池温度、单体电池电压、电池组绝缘状态、电流状态等参数的具体值；第一内部参数检测结果指的根据第一电池状态检测指标内的电池内部状态指标：剩余电荷数百分比soc、电池当前容量和出厂容量百分比soh、电池的剩余电荷数soe、电池功能状态sof、最大允许充电电流、最大允许充电功率等参数进行检测后的结果，电池状态的数据的检测过程都为常规手段，在此不多加赘述。
33.进一步的，存储方式举不设限制的一例：对电池组的多个电池模块进行唯一编号，将检测数据在相应编号的电池模块中分为外部参数检测结果和内部参数检测结果两组数据进行存储，存储完成后，置为待响应状态。通过电池状态检测指标数据进行具体化并存储，置为待响应状态，便于后步快速遍历查找。
34.s300：通过所述第一外部参数检测结果和所述第一内部参数检测结果对充电参数进行优化，获得第一初始充电参数；
35.具体而言，第一初始充电参数指的是基于第一外部参数检测结果和第一内部参数检测结果进行全局优化后，筛选得到的和第一外部参数检测结果和第一内部参数检测结果契合度较高的充电参数集合。充电参数包括但不限于：充电时长、充电功率变化时序数据、充电电流变化时序数据等信息。
36.进一步的，对第一初始充电参数优化方式优选的采用基于粒子群优化算法改进之后得到的粒子优化空间进行优化，其中，粒子群优化算法是用于进行参数全局优化的优化方法，基于思想是通过基于个体和群体历史经验不断遍历全局，直到满足预设遍历次数时输出优化结果，但是设定遍历次数难以保证得到的是全局优化结果，因此在粒子优化空间中设定自定义的适应度函数，在整个粒子优化空间多个位置点处都可以得到相应唯一组充电参数的适应度，通过遍历全局得到适应度满足预设条件的充电参数作为优化解，通过适应度对优化结果进行确定相对于粒子群优化算法通过迭代次数确定，优化效果更加稳定。
37.进一步的，由于在粒子群优化算法中的多个粒子群是确定的，即无法得到粒子群之外的优化结果，而粒子优化空间中多个不同粒子位置之间处于连接状态，即在连接线上可表征更多的充电参数集合，进一步的提高了优化过程的适用性。
38.s400：根据所述第一环境状态检测指标对第一运行环境进行状态检测，获得第一环境参数检测结果；
39.具体而言，第一运行环境指的是动力电池的运行物理环境；第一环境参数检测结果指的是遍历第一环境状态检测指标对第一运行环境进行实时数据采集的结果，示例性地：通过温度传感装置采集环境温度、通过压力传感装置采集环境压力、通过电动汽车型号确定动力电池部署信息。
40.运行环境的状态信息对动力电池的充电过程会造成的影响举不设限制的几例：温度或压力会增加动力电池充电的安全风险、湿度会导致短路等故障、元件部署较密集会导致电池组升温较快。相应的，需要调整充电参数，例如减少输入功率，降低电流强度，增长充电时长等方式，进而达到降低动力电池的充电时的安全风险，以达到保障安全充电的目的。
41.通过增加运行环境的状态信息采集，当环境状态信息在预设阈值之内，则可通过调整动力电池的充电参数进行实现安全充电的目的，由于增加了安全管理考量的要素维度，进而增加了稳定性，其中，预设阈值为自定义的环境状态的报警阈值。
42.s500：将所述第一初始充电参数和所述第一环境参数检测结果输入参数设定模型，获得第一参数设定结果；
43.具体而言，参数设定模型指的是基于随机森林结构构建的拟合第一初始充电参数和第一环境参数检测结果，得到适应于第一环境参数检测结果的对第一初始充电参数的调整结果数据的智能化模型。随机森林是机器学习中进行复杂非线性数据的决策常用模型框架，通过随机取样训练得到的多棵决策树合并而得的随机森林模型，可以输出较稳定且较准确的决策结果，且具有较强的泛化能力。第一参数设定结果指的是将第一初始充电参数和第一环境参数检测结果输入训练完成的参数设定模型，进而输出的基于于第一环境参数检测结果对第一初始充电参数调整后结果。通过基于随机森林结构构建的参数设定模型完成对于复杂的环境状态参数和初始充电参数的拟合过程，保障了决策效率、决策准确性和决策稳定性。
44.s600：当接收到所述第一参数设定结果时，生成第一回路连通指令；
45.s700：根据所述第一回路连通指令，基于所述第一参数设定结果对所述第一动力电池进行充电。
46.具体而言，第一回路连通指令指的是连通动力电池的充电通路的控制信号；当第一参数设定结果生成时，即得到了能够保障当前内外环境下的动力电池的安全充电的充电参数设定结果，则通过电动汽车的智能充电安全管理系统的控制中枢生成第一回路连通指令，控制动力电池的充电通路进行连通，从而基于第一参数设定结果限制对第一动力电池进行充电，达到了较稳定的保障安全充电的技术效果。
47.进一步的，所述方法还包括步骤s800：
48.s810：当所述第一动力电池进行充电时，获得第一故障监测指令，其中，所述第一故障监测指令包括第一监测指标；
49.s820：根据所述第一监测指标对充电状态进行监测，获得第一实时监测结果；
50.s830：根据所述第一实时监测结果和所述第一参数设定结果进行故障风险评级，获得第一风险评级结果，其中，所述第一风险评级结果和第一风险类型一一对应；
51.具体而言，第一故障监测指令指的是当电动汽车的智能充电安全管理系统的控制中枢确定第一动力电池的充电电路连通后，为进一步加强充电安全管理而生成的对充电时的动力电池状态进行监测的控制信号；第一监测指标指的是预设需要对动力电池状态进行监测的指标集合，示例性地如：单体电池温度、单体电池电压、电池组电流、电池组电压、电池组整体温度、充电功率、充电电流、环境温度、振动信息、湿度等指标信息；第一实时监测结果指的是基于第一监测指标对动力电池的充电状态进行实时监测得到的实时数据集；第一风险评级结果指的是根据第一实时监测结果和第一参数设定结果进行故障风险评级得
到的结果，第一风险类型指的是表征第一风险评级结果对应的风险类型，示例性地如：温度-风险评级结果，其中，温度为第一风险类型，风险评级结果为第一风险评级结果。
52.进一步的，故障风险评级优选基于贝叶斯网络结构构建的故障风险评级模型进行处理，其中，贝叶斯网络结构结合了概率论和图论知识，利用图形结构表示和模型有关的变量的概率分布，贝叶斯网络结构由节点和有向边组成，节点用于表示各个变量，示例性地如：以单体电池温度、单体电池电压、电池组电流、电池组电压、电池组整体温度、充电功率、充电电流、环境温度、振动信息、湿度等指标信息作为故障原因节点，将指标信息中的一个或多个作为原因导致的故障类型和风险类型作为故障征兆节点；有向边则表示各个节点之间的单向依赖关系，示例性地如：故障原因节点到故障征兆节点之间的单向依赖关系，基于逐步形成有向无环图结构的模型框架。
53.进一步，输入训练数据，即将多组故障原因节点对应的数据和对应的故障类型相匹配，并且根据输入数据中故障原因节点对应数值造成故障类型的出现频率作为故障原因造成故障类型的发生概率。更进一步，根据故障的严重程度进行风险等级自定义，一般而言，分为五级，示例性地如：将过温的超过数值作为评级标准，分为一级风险超温区间，二级风险超温区间，三级风险超温区间，四级风险超温区间，五级风险超温区间，等级越高，便是风险危险级别越高。
54.在实际运用中往往一个故障征兆会有诸多故障原因导致，最后可根据计算出的概率大小快速确定故障原因，贝叶斯故障诊断网络的优势在于随着诊断过程中新的数据加入后，其网络结构和随机变量节点的概率信息也会随之更新，形成具有结构和参数自学习功能的诊断网络。通过对充电状态进行实时监测，进而及时性对故障类型和原因进行预警，达到了保障动力电池充电安全的技术效果。
55.s840：当所述第一风险类型满足第一预设风险类型，且所述第一风险评级结果满足第一风险评级阈值时，获得第一调整参数；
56.s850：根据所述第一调整参数对所述第一参数设定结果进行调整，获得第二参数设定结果。
57.具体而言，第一预设风险类型指的是表征电池外部参数，即可通过调整充电参数进行风险规避的风险类型，第一风险评级阈值指的是预设可进行风险调控的风险级别；第一调整参数指的是第一风险类型满足第一预设风险类型，且第一风险评级结果满足第一风险评级阈值时，发出的对第一参数设定结果进行调整的参数，优选确定方式为：将第一风险评级结果对应的故障原因对应的电池外部参数值输入粒子优化空间进行第一参数设定结果的优化，得到表征参数调整方向的第一调整参数；第二参数设定结果指的是根据第一调整参数对第一参数设定结果进行调整后得到的结果。
58.示例性地如，以电池组温度过热为例：一级风险超温区间，二级风险超温区间为可调整温度区间，可以通过调整充电参数进而实现降温，而三级风险超温区间，四级风险超温区间，五级风险超温区间为危险区间，需要及时进行预警。若是属于一级风险超温区间，二级风险超温区间，则将对应的温度数据输入粒子优化空间，进而基于第一参数设定结果进行优化，得到调整参数，进而根据调整参数对充电参数进行调整，得到第二参数设定结果。若是属于三级风险超温区间，四级风险超温区间，五级风险超温区间为危险区间，则需要进行预警。
59.进一步的，所述方法步骤s800还包括：
60.s860：当所述第一风险类型满足第二预设风险类型，且所述第一风险评级结果满足第二风险评级阈值，获得第一预警指令；
61.s870：根据所述第一预警指令对所述第一风险类型进行预警。
62.具体而言，第二预设风险类型指的是表征运行环境原因造成的故障类型，由上述可知，当运行环境原因在预设阈值之内，则可以通过参数设定模型对环境数据进行拟合，得到适用于运行环境的参数设定结果；若是不在预设阈值之内，则表征第二风险评级阈值；第一预警指令指的是当第一风险评级结果满足第二风险评级阈值，且满足第二预设风险类型时生成的预警指令，通过第一预警指令对第一风险类型进行预警，达到了保障动力电池充电安全的技术效果。
63.通过对充电中的动力电池的充电状态进行实时监测，使用基于贝叶斯网络构建的故障风险评级模型可以及时且准确的响应对应的故障类型和故障等级，并根据故障类型和故障等级做出适应性调整，提高了动力电池充电过程的安全稳定性。
64.进一步的，基于所述通过所述第一外部参数检测结果和所述第一内部参数检测结果对充电参数进行优化，获得第一初始充电参数，步骤s300包括：
65.s310：根据第一充电参数指标，构建第一粒子优化空间，其中，所述第一粒子优化空间包括第一位置约束参数和第一速度约束参数，其中，所述第一充电参数指标数量和所述第一粒子优化空间的维度相同；
66.具体而言，第一充电参数指标指的是表征待优化的充电参数指标维度，包括但不限于：充电时长、充电功率变化时序数据、充电电流变化时序数据等信息；第一粒子优化空间指的是用于优化充电参数的虚拟空间，其为多维虚拟空间，空间维度和第一充电参数指标的维度相同，示例性地：若是第一充电参数指标优选为：充电时长、充电功率变化时序数据、充电电流变化时序数据三个维度，则第一粒子优化空间的维度为3，在不同的维度内对相应的充电参数进行优化，多维度的虚拟空间，使得多个充电参数可以多线程同步优化，提高了优化效率。
67.进一步的，第一位置约束参数指的是限制充电参数在第一粒子优化空间的设定参数范围之内的约束条件；第一速度约束参数指的是表征充电参数在第一粒子优化空间的更新方向和更新数据值的变化步长的约束条件，第一位置约束参数由输入的充电参数的区间端值确定，第一速度约束参数优选的由工作人员自定义设定。
68.s320：根据所述第一外部参数检测结果和所述第一内部参数检测结果对所述第一粒子优化空间进行初始化；
69.s330：根据所述第一位置约束参数和所述第一速度约束参数随机确定第一充电参数属性值，其中，所述第一充电参数属性值和所述第一充电参数指标一一对应；
70.s340：将所述第一充电参数属性值输入初始化之后的所述第一粒子优化空间，获得第一适应度；
71.进一步的，基于所述将所述第一充电参数属性值输入初始化之后的所述第一粒子优化空间，获得第一适应度，步骤s340包括：
72.s341：根据所述第一粒子优化空间，获得第一适应度函数：
[0073][0074]
其中，x表征位置，任一位置和一组充电参数属性值唯一对应；y表征速度，即充电参数属性值的迭代方向；f1表征待充电动力电池在相同电池状态下使用x位置处的充电参数属性值的频率值；f2表征待充电动力电池在相同电池状态下使用的全部类型充电参数属性值的频率值之和；表征n个同型号动力电池在相同电池状态下使用x位置处的充电参数属性值的频率值之和；表征n个同型号动力电池在相同电池状态下使用的全部类型充电参数属性值的频率值之和；e表征适应度；
[0075]
s342：将所述第一充电参数属性值输入所述第一适应度函数，获得所述第一适应度。
[0076]
s350：根据所述第一适应度，对所述第一充电参数属性值进行更新，获得第二充电参数属性值；
[0077]
s360：重复迭代，当所述充电参数属性值满足预设稳定条件时，获得所述第一初始充电参数。
[0078]
具体而言，当第一粒子优化空间输入第一充电参数指标，其框架搭建完成后，将第一外部参数检测结果和第一内部参数检测结果对第一粒子优化空间进行初始化，初始化过程如下：根据第一外部参数检测结果和第一内部参数检测结果限定第一粒子优化空间的动力电池状态，更进一步的，根据限定的第一粒子优化空间的动力电池状态输入第一动力电池在历史充电中的多组充电参数信息，其中，多组充电参数信息可能相同可能不同，为在限定的第一粒子优化空间的动力电池状态下第一动力电池在历史中的不同时刻的充电参数的设定结果；再基于大数据检索第一动力电池的同型号电池在相同的电池状态下的充电参数的设定结果输入进第一粒子优化空间，将不同的参数设定结果部署在不同位置处，基于输入有限的数据集，得到位置点有限的第一粒子优化空间，更进一步的，将每个维度中多个位置可选的基于数据的由小到大而双向无环连接，完成第一粒子优化空间的初始化。
[0079]
第一充电参数属性值指的是基于第一位置约束参数和第一速度约束参数确定的一组第一充电参数属性值，其为随机确定，而第一速度约束参数表征其更新的数据变化步长；第一适应度指的是将第一充电参数属性值输入初始化之后的第一粒子优化空间，基于第一适应度函数确定的表征对当前电池状态适应程度的数据，优选的确定方式为：将第一充电参数属性值输入第一适应度函数：
[0080][0081]
其中，x表征位置，任一位置和一组充电参数属性值唯一对应；y表征速度，即充电参数属性值的迭代方向；f1表征待充电动力电池在相同电池状态下使用x位置处的充电参数属性值的频率值；f2表征待充电动力电池在相同电池状态下使用的全部类型充电参数属性值的频率值之和；表征n个同型号动力电池在相同电池状态下使用x位置处的充电参数属性值的频率值之和；表征n个同型号动力电池在相同电池状态下使用的全部
类型充电参数属性值的频率值之和；e表征适应度。
[0082]
进一步的，在历史数据中第一动力电池和同型号电池的充电参数集合适应度最高组的数据记为集体惯性数据，在历史数据中第一动力电池适应度最高组的数据记为个体惯性数据；第二充电参数属性值指的是将第一适应度和历史数据中集体惯性数据和个体惯性数据对应的适应度比较，第一适应度小于集体惯性数据或个体惯性数据对应的适应度时基于第一位置约束参数进行更新后的充电参数；由于在各个维度中的多个位置已经双向无环连接，则可以遍历历史数据中未使用的充电参数组，比对适应度；预设稳定条件指的是预设的确定第一初始充电参数的条件，优选为：第一适应度大于等于集体惯性数据且大于等于个体惯性数据对应的适应度，并超过20次迭代后，选用的充电参数组依旧不变，则说明充电参数属性值趋于稳定，进而设定为第一初始充电参数。通过第一粒子优化空间完成基于电池状态对充电参数的优化，具有高效性、准确性、稳定性等优点。
[0083]
进一步的，如图2所示，基于所述将所述第一初始充电参数和所述第一环境参数检测结果输入参数设定模型，获得第一参数设定结果，步骤s500包括：
[0084]
s510：获得第一历史数据集，其中，所述第一历史数据集包括多组：充电参数、环境参数和参数设定标识信息；
[0085]
s520：将所述充电参数和所述环境参数设为输入训练数据，将所述参数设定标识信息设为输出标识数据，训练所述参数设定模型；
[0086]
s530：当所述参数设定模型收敛后，将所述第一初始充电参数和所述第一环境参数检测结果输入参数设定模型，获得所述第一参数设定结果。
[0087]
具体而言，参数设定模型的训练过程，采用有监督训练，第一历史数据集指的是基于大数据采集的多组：充电参数、环境参数和参数设定标识信息组合的数据集；基于随机森林结构，将充电参数和所述环境参数设为输入训练数据，将参数设定标识信息设为输出标识数据，训练参数设定模型，当参数设定模型收敛后，将第一初始充电参数和第一环境参数检测结果输入参数设定模型，获得第一参数设定结果，通过第一参数设定结果进行充电，适应于第一动力电池的内外部状态、运行环境状态信息，提高了充电安全性和充电稳定性。
[0088]
进一步的，基于所述将所述充电参数和所述环境参数设为输入训练数据，将所述参数设定标识信息设为输出标识数据，训练所述参数设定模型，步骤s520包括：
[0089]
s521：将所述第一历史数据集划分为k等份，有放回的随机抽取k次，将抽取到的数据设为第一训练数据集，将未抽取到的数据设为第一验证数据集；
[0090]
s522：再重复m-1次上述抽取，获得第二训练数据集直到第m训练数据集，第二验证数据集直到第m验证数据集；
[0091]
s523：通过所述第一训练数据集训练第一决策树，通过所述第一验证数据集对所述第一决策树进行迭代；
[0092]
s524：通过所述第m训练数据集训练第m决策树，通过所述第m验证数据集对所述第m决策树进行迭代；
[0093]
s525：将所述第一决策树、第二决策树直到第m决策树合并，获得所述参数设定模型。
[0094]
具体而言，参数设定模型构建过程：第一训练数据集指的是将第一历史数据集划分为k等份，有放回的随机抽取k次的抽取得到的数据集；第一验证数据集指的是将第一历
史数据集划分为k等份，有放回的随机抽取k次的未抽取得到的数据集，其和第一训练数据集一一对应；进一步的，再重复m-1次上述处理，得到第二训练数据集直到第m训练数据集，第二验证数据集直到第m验证数据集，其中，第二训练数据集和第二验证数据集一一对应，第m训练数据集和第m验证数据集一一对。
[0095]
进一步的，第一决策树指的是通过第一训练数据集进行有监督训练，当输出趋于稳定时，使用第一验证数据集进行验证，若是不满足预设准确率，则继续使用第一训练数据集进行有监督训练，重复迭代，直到满足预设准确率时停止构建，生成决策树模型，其中，在决策树中，将充电参数设定为节点数据，将环境参数设定为扩展叶子节点的条件数据；进一步的，使用第二训练数据集直到第m训练数据集、第二验证数据集直到第m验证数据集构建第二决策树直到第m决策树，合并，则得到参数设定模型，由于训练数据为有放回随机取样，因此m棵决策树之间的训练数据和验证数据集具有一定差异性，进而保障了参数设定模型的泛化能力，而单棵决策树的拟合程度较高，保证了输出数据的准确性。
[0096]
综上所述，本技术实施例所提供的一种电动汽车的智能充电安全管理方法及系统具有如下技术效果：
[0097]
1.由于采用了在接收到表征充电信号的插枪信号时，便生成状态检测指令，检测电池状态和环境状态，根据电池状态对充电参数进行优化。进一步的，再基于智能化模型结合环境状态对优化后的充电参数进行再调整，得到最终的参数设定结果，进而再发出充电回路连通的控制信号，连通充电线路基于参数设定结果进行充电的技术方案。上述方案一者通过根据电池状态优化充电参数再使用智能化模型调整优化后的充电参数，实现了充电前对电池的状态检测且得到适应度较高的充电参数；二者综合考虑了电池状态和环境状态的影响因素，达到了提高动力电池充电稳定性的技术效果。
[0098]
2.通过对充电中的动力电池的充电状态进行实时监测，使用基于贝叶斯网络构建的故障风险评级模型可以及时且准确的响应对应的故障类型和故障等级，并根据故障类型和故障等级做出适应性调整，提高了动力电池充电过程的安全稳定性。
[0099]
实施例二
[0100]
基于与前述实施例中一种电动汽车的智能充电安全管理方法相同的发明构思，如图3所示，本技术实施例提供了一种电动汽车的智能充电安全管理系统，其中，所述系统包括：
[0101]
第一获得单元11，用于当接收到第一插枪信号时，获得第一状态检测指令，其中，所述第一状态检测指令包括第一电池状态检测指标和第一环境状态检测指标；
[0102]
第二获得单元12，用于根据所述第一电池状态检测指标对第一动力电池进行状态检测，获得第一外部参数检测结果和第一内部参数检测结果；
[0103]
第三获得单元13，用于通过所述第一外部参数检测结果和所述第一内部参数检测结果对充电参数进行优化，获得第一初始充电参数；
[0104]
第四获得单元14，用于根据所述第一环境状态检测指标对第一运行环境进行状态检测，获得第一环境参数检测结果；
[0105]
第五获得单元15，用于将所述第一初始充电参数和所述第一环境参数检测结果输入参数设定模型，获得第一参数设定结果；
[0106]
第一生成单元16，用于当接收到所述第一参数设定结果时，生成第一回路连通指
令；
[0107]
第一执行单元17，用于根据所述第一回路连通指令，基于所述第一参数设定结果对所述第一动力电池进行充电。
[0108]
进一步的，所述系统还包括：
[0109]
第六获得单元，用于当所述第一动力电池进行充电时，获得第一故障监测指令，其中，所述第一故障监测指令包括第一监测指标；
[0110]
第七获得单元，用于根据所述第一监测指标对充电状态进行监测，获得第一实时监测结果；
[0111]
第八获得单元，用于根据所述第一实时监测结果和所述第一参数设定结果进行故障风险评级，获得第一风险评级结果，其中，所述第一风险评级结果和第一风险类型一一对应；
[0112]
第九获得单元，用于当所述第一风险类型满足第一预设风险类型，且所述第一风险评级结果满足第一风险评级阈值时，获得第一调整参数；
[0113]
第十获得单元，用于根据所述第一调整参数对所述第一参数设定结果进行调整，获得第二参数设定结果。
[0114]
进一步的，所述系统还包括：
[0115]
第十一获得单元，用于当所述第一风险类型满足第二预设风险类型，且所述第一风险评级结果满足第二风险评级阈值，获得第一预警指令；
[0116]
第二执行单元，用于根据所述第一预警指令对所述第一风险类型进行预警。
[0117]
进一步的，所述系统还包括：
[0118]
第一构建单元，用于根据第一充电参数指标，构建第一粒子优化空间，其中，所述第一粒子优化空间包括第一位置约束参数和第一速度约束参数，其中，所述第一充电参数指标数量和所述第一粒子优化空间的维度相同；
[0119]
第一处理单元，用于根据所述第一外部参数检测结果和所述第一内部参数检测结果对所述第一粒子优化空间进行初始化；
[0120]
第二处理单元，用于根据所述第一位置约束参数和所述第一速度约束参数随机确定第一充电参数属性值，其中，所述第一充电参数属性值和所述第一充电参数指标一一对应；
[0121]
第十二获得单元，用于将所述第一充电参数属性值输入初始化之后的所述第一粒子优化空间，获得第一适应度；
[0122]
第十三获得单元，用于根据所述第一适应度，对所述第一充电参数属性值进行更新，获得第二充电参数属性值；
[0123]
第十四获得单元，用于重复迭代，当所述充电参数属性值满足预设稳定条件时，获得所述第一初始充电参数。
[0124]
进一步的，所述系统还包括：
[0125]
第十五获得单元，用于根据所述第一粒子优化空间，获得第一适应度函数；
[0126]
[0127]
其中，x表征位置，任一位置和一组充电参数属性值唯一对应；y表征速度，即充电参数属性值的迭代方向；f1表征待充电动力电池在相同电池状态下使用x位置处的充电参数属性值的频率值；f2表征待充电动力电池在相同电池状态下使用的全部类型充电参数属性值的频率值之和；表征n个同型号动力电池在相同电池状态下使用x位置处的充电参数属性值的频率值之和；表征n个同型号动力电池在相同电池状态下使用的全部类型充电参数属性值中的频率值之和；e表征适应度；
[0128]
第十六获得单元，用于将所述第一充电参数属性值输入所述第一适应度函数，获得所述第一适应度。
[0129]
进一步的，所述系统还包括：
[0130]
第十七获得单元，用于获得第一历史数据集，其中，所述第一历史数据集包括多组：充电参数、环境参数和参数设定标识信息；
[0131]
第一训练单元，用于将所述充电参数和所述环境参数设为输入训练数据，将所述参数设定标识信息设为输出标识数据，训练所述参数设定模型；
[0132]
第十八获得单元，用于当所述参数设定模型收敛后，将所述第一初始充电参数和所述第一环境参数检测结果输入参数设定模型，获得所述第一参数设定结果。
[0133]
进一步的，所述系统还包括：
[0134]
第三处理单元，用于将所述第一历史数据集划分为k等份，有放回的随机抽取k次，将抽取到的数据设为第一训练数据集，将未抽取到的数据设为第一验证数据集；
[0135]
第十九获得单元，用于再重复m-1次上述抽取，获得第二训练数据集直到第m训练数据集，第二验证数据集直到第m验证数据集；
[0136]
第四处理单元，用于通过所述第一训练数据集训练第一决策树，通过所述第一验证数据集对所述第一决策树进行迭代；
[0137]
第五处理单元，用于通过所述第m训练数据集训练第m决策树，通过所述第m验证数据集对所述第m决策树进行迭代；
[0138]
第二十获得单元，用于将所述第一决策树、第二决策树直到第m决策树合并，获得所述参数设定模型。
[0139]
实施例三
[0140]
基于与前述实施例中一种电动汽车的智能充电安全管理方法相同的发明构思，本技术实施例提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现实施例一任一项所述的方法。
[0141]
示例性电子设备
[0142]
下面参考图4来描述本技术实施例的电子设备。
[0143]
基于与前述实施例中一种电动汽车的智能充电安全管理方法相同的发明构思，本技术实施例还提供了一种电子设备，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行实施例一任一项所述的方法。
[0144]
该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构
304相互连接；总线架构304可以是外设部件互连标(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0145]
处理器302可以是一个cpu，微处理器，asic，或一个或多个用于控制本技术方案程序执行的集成电路。
[0146]
通信接口303，使用任何收发器一类的系统，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，ran),无线局域网(wireless local areanetworks，wlan)，有线接入网等。
[0147]
存储器301可以是rom或可存储静态信息和指令的其他类型的静态存储设备，ram或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-onlymemory，cd-rom)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
[0148]
其中，存储器301用于存储执行本技术方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本技术上述实施例提供的一种电动汽车的智能充电安全管理方法。
[0149]
可选的，本技术实施例中的计算机执行指令也可以称之为应用程序代码，本技术实施例对此不作具体限定。
[0150]
本技术实施例提供了一种电动汽车的智能充电安全管理方法及系统。由于采用了在接收到表征充电信号的插枪信号时，便生成状态检测指令，检测电池状态和环境状态，根据电池状态对充电参数进行优化。进一步的，再基于智能化模型结合环境状态对优化后的充电参数进行再调整，得到最终的参数设定结果，进而再发出充电回路连通的控制信号，连通充电线路基于参数设定结果进行充电的技术方案。上述方案一者通过根据电池状态优化充电参数再使用智能化模型调整优化后的充电参数，实现了充电前对电池的状态检测且得到适应度较高的充电参数；二者综合考虑了电池状态和环境状态的影响因素，达到了提高动力电池充电稳定性的技术效果。
[0151]
本领域普通技术人员可以理解：本技术中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本技术实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
[0152]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实
现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指
[0153]
令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
[0154]
本技术实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(asic)，现场可编程门阵列(fpga)或其它可编程逻辑系统，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
[0155]
本技术实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动磁盘、cd-rom或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于asic中，asic可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0156]
尽管结合具体特征及其实施例对本技术进行了描述，显而易见的，在不脱离本技术的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附所界定的本技术的示例性说明，且视为已覆盖本技术范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的范围。这样，倘若本技术的这些修改和变型属于本技术及其等同技术的范围之内，则本技术意图包括这些改动和变型在内。