CN119408450A 一种直流充电桩多段功率分配的方法及系统 （江西驴充充物联网科技有限公司） - 副本

一种直流充电桩多段功率分配的方法及系统本发明公开了一种直流充电桩多段功率分2在数据采集的基础上，引入一个时间滑动的监控窗口，在监控窗口内，对电流数据集合内的电流数据进行异常分析基于神经网络模型的输出结果，将监控窗口内的电流情况划分为正常运对于被划分为正常运行阶段的电流情况，继续以设置的初始监测频率对于被划分为潜在异常运行阶段的电流情况，根据神经网络模型的从电流数据集合中提取电流波形中尖峰突增的幅度与频率之比和电流在一段时间内过持续上升量化参考值反映电流长期偏离稳流数据集合内的电流数据进行异常分析得到的尖峰量化参考值和持续上升量化参考值后，窗口下通过神经网络模型对电动车电池充电时的电流运行趋势进行预测时生成的电流潜若电流潜在异常指数大于电流潜在异常指数参考阈值，则将3从电流数据集合中提取电流波形中的尖峰突增特征，包括尖峰突增幅电电流瞬时异常的剧增程度及其发生频率，pi和分别为归一化后的尖峰突增幅度和归归一化后的尖峰突增幅度和归一化后的尖峰突增频率，max(Aspike)和max(fspire)分征进行分析后生成持续上升量化参考值的具体4在潜在异常运行阶段，根据神经网络模型预测生成的电流为当前监控窗口内的电流潜在异常指数，由神经网络预测得出，量化异常风险程度，potentialrer为电流潜在异常指数参考阈值基础监测频率，facruai为动态调整后的实际监测频率，用于当前潜在异常阶段的电流监在更新后的监控窗口数据基础上，对实时采集的数据进行5初始监测模块，根据历史充电数据和监测需求，在直流阶段划分模块，基于神经网络模型的输出结果，将监控窗口正常监控模块，对于被划分为正常运行阶段的电流情况，继动态调整模块，对于被划分为潜在异常运行阶段的67根据历史充电数据和监测需求，在直流充电桩的第一充电阶段设置初始监测频续的电流数据流中提取一部分数据进行处理和分析，并随着时间推移窗口不断向前移动，从电流数据集合中提取电流波形中尖峰突增的幅度与频率之比和电流在一段时持续上升量化参考值，通过尖峰量化参考值反映充电电流的瞬时异常剧增程度及发生频进行预测时生成的电流潜在异常指数与预先设定的电流潜在异常指数参考阈值进行比对8结合时间加权系数通过非线性融合公式计算尖峰量化参考值，计算的表达式为：流瞬时异常的剧增程度及其发生频率，pi和分别为归一化后的尖峰突增幅度和归一化,其中，和分别表示归一化后的尖峰突增幅度和归一化后的尖峰突增频率，max(Aspike)和max(fspire)[0014]优选的，从电流数据集合中提取电流在一段时间内持续9通过对电流在一段时间内的持续上升速率和累积幅度进行非线性组合分用于量化电流长期偏离稳定值的异常程度，和分别为持续上升速率为当前监控窗口内的电流潜在异常指数，由神经网络预测得出，量化异常风险程度，potentialrer为电流潜在异常指数参考阈值从电流数据集合中提取电流波形中尖峰突增的幅度与频率之比和电流在一段时持续上升量化参考值，通过尖峰量化参考值反映充电电流的瞬时异常剧增程度及发生频[0026]获取到电流数据集合内的电流数据进行异常分析得到的尖峰量化参考值和持续神经网络通过非线性变换挖掘输入数据中的深层关联，从而实现对复杂异常模式的识别。[0028]在上述应用中，尖峰量化参考值和持续上升量化参考值作为神经网络模型的输关系考虑了特征间的相互作用，例如尖峰量化参考值的短期剧增是否伴随着持续上升趋[0032]从电流数据集合中提取电流波形中尖峰突增的幅度与频对提取的特征进行分析后生成尖峰量化参考值的具体步的电流值，trn)为Tnaow为监控窗口的时长，Nspire为尖峰突增事件的计数；结合时间加权系数通过非线性融合公式计算尖峰量化参考值，计算的表达式为：流瞬时异常的剧增程度及其发生频率，pi和分别为归一化后的尖峰突增幅度和归一化归一化后的尖峰突增幅度和归一化后的尖峰突增频率，max(Aspike)和max(fspire)分池充电时存在潜在的电流异常。这种现象通常意味着充电系统的电流输出未能保持恒定，[0036]通过对电流在一段时间内的持续上升速率和累计幅度进行非线性组合分峰量化参考值sspxe和持续上升量化参考值SRIY进行综合分析生成电流潜在异常指数在一段时间内持续上升的速率及累计幅度特征进行分析后生成的持续上升量化参考值的将在监控窗口下通过神经网络模型对电动车电池充电时的电流运行趋势进行预当前监控窗口内的电流潜在异常指数，由神经网络预测得出，量化异常风险程度，potentialrer为电流潜在异常指数参考阈值排除前系统始终运行在安全边界内。这样的设计不仅提高了充电过程的安全性和稳定性，[0049]本发明提供了如图2所示的一种直流充电桩多段功