打开文本图片集

摘 要：资料显示，目前尚没有建立一套完整的涉及车辆动力电池、充电桩及充电设施等的智能化的安全监测系统。本文旨在研究智能化诊断技术在新能源汽车充电过程安全监测与故障检修中的运用，重点提出并分析了基于智能化监测技术的新能源汽车充电安全系统关键性技术及其诊断方法的具体实现，有助于促进自动化、高效率、尤其可避免火灾等重大安全事故的充电过程监测与故障维修制度的建立，为新能源汽车充电过程智能化安全管理开辟一条新的技术途径。

关键词：充电系统；安全管理；模糊推理

当前，新能源汽车安全事故逐年增加，尤其是充电过程中产生的安全问题严重制约着新能源汽车行业的蓬勃发展，目前新能源汽车充电故障诊断及安全运维服务体系尚不完善，新能源汽车及配套设施实际的安全预警效果并未达到预期目标。因此，有必要通过科学有效的措施对出现的新能源汽车故障进行筛查，精准评判新能源汽车故障状态，为用户和维修人员提供决策依据，确保新能源汽车充电过程的安全运行。

为了提高新能源汽车的安全性能，国家已经陆续颁布了相关标准。然而，现阶段市场上的很多充电装置只能做到满足最基本的充电功能，没有足够重视国家标准中规定的安全防护规定，对一些电池充电过程缺少必要的保护措施（比如状态检测和故障诊断功能等）。不规范的充电市场给新能源汽车充电造成了不小的安全隐患，导致了充电事故的频繁发生。

本文拟针对目前新能源汽车充电过程存在的安全性问题，对新能源汽车充电过程的安全监测与故障预警方法进行研究，并将其结果作为故障预测的判断基础，借此有效利用大数据提高新能源汽车充电故障诊断与安全预警水平，使充电故障率及事故发生率大大降低。基本思路为：结合新能源汽车充电过程中动力电池和充电设备的特点，建立新能源汽车充电过程的多级设备故障树，并以此为基础进行研究，针对多种故障表征和故障原因交错的对应方式的这种情况，借助模糊数学的相关性分析方法，通过隶属度函数和模糊矩阵等理论寻找故障原因，最后通过不断优化提高故障诊断的科学性和准确性。

1.基于智能化监测技术的新能源汽车充电安全系统的关键性技术

新能源汽车充电过程智能化安全监测系统的关键主要在于推理决策技术。状态监测、健康评估和故障预测是充电汽车充电过程智能化安全监测平台的核心部分，在某种意义上它们都是一种推理过程，在实际构建监测系统时往往要根据系统的实际情况采用一种或多种技术和方法。

充电安全监测的基本思路是：对传输至数据库中新能源汽车充电数据进行筛选，选取跟预测模型相关性高的充电数据预处理后进行模型训练。历史数据用于基于模糊诊断规则的预测模型训练，实时数据用于新能源汽车充电状态判断。通过服务器对温度、温升预测结果进行异常判别，并将结果传输至充电设备，控制新能源汽车充电状态，若温度、温升任一出现异常则指导充电设备中止充电。

故障预测是安全监测系统的核心技术，本系统考虑采用综合基于物理模型、规则和统计模型的预测方法，同时结合专家系统、神经网络、模糊推理等智能诊断技术，构建一种基于模糊推理的专家故障诊断预测系统，其中知识库的建立和模糊推理机的设置是系统实现的重点内容。基于模糊推理的专家系统结构如图1所示。

基于智能化监测技术的新能源汽车充电安全系统的关键性技术主要包括以下几个方面：

（1）与充电过程相关信息的获取、传输与处理

与充电过程相关信息的获取是实现智能化诊断的基础，传感器技术的应用将直接影响诊断的效果。该部份技术应用主要考虑选择待监测的参数（如工作参数、性能参数等），选用传感器的类型、传感器安放的位置、传感器的精度和带宽等。

采集到的车辆、充电桩以及供电设施的相关技术数据及其它信息，需要通过一定的方式传输到智能化诊断系统中。数据的传输可通过各种有线数据总线和各种网络如Internet、Ethernet LAN 、电力专网以及5G技术等进行数据的传输。

由于不同的状态监测、健康评估和故障预测方法要求不同的数据类型，需要对采集的充电过程原始数据信息进行各种预处理，以使数据格式满足后继处理的要求，同时也将便于传输和存储。预处理包括数据的模数转换、去噪声、压缩、信号自相关等。数据处理方式和技术要根据不同的目的进行选择，如特征提取技术是为了进行故障识别和故障隔离；数据简化是为了剔除不必要冗余的原始数据便于进一步处理；循环计数方法则是为了便于将连续的数据信息转化为离散的数据信息等。

（2）知识库的建立

知识库的建立是实现故障预测与诊断、实施充电过程安全监测的基础，主要包括了模糊专家系统知识库的建立和模糊神经网络知识库的建立。专家知识库是将新能源汽车充电系统专业领域中的大量事实、结构和专家处理实际问题的各种启发性知识经过分析整理，采用产生式规则的知识表示法存储在知识库中。神经网络知识库的建立，是将模糊专家系统知识库中的故障征兆表和规则作为样本和测试集，针对各种故障形式，选择一些经典的故障案例来训练和测试网络，得到最终正确率较高的权值和阈值集合。

知识库系统应具备较强的学习功能，其需要获取的知识包括：充电系统运行中出现的各种故障的现象、部位和原因，以及专家对各种故障诊断的方法、诊断原理以及经验数据等。获取知识的方法主要有两种途径：一是由专家手工组织的各类知识库、模型库、方法库等；二是由系统通过各种算法实现的自动获取知识的过程，它通过对典型案例、典型故障样本等的归纳和类比学习，获得具有指导意义的新知识。

（3）推理技术的实现

推理机是安全监测平台专家决策的核心，它根据数据库中的当前信息，将知识库中的诊断原则拿来匹配，以此推断出诊断结论，为后级的分析决策模块提供保障决策依据。诊断推理机根据来自充电车辆、充电桩、供电设施等的不同的故障征兆数据，调用各类诊断推理方式，确定引发故障征兆的原因和部位。预测推理机是依靠来自该分系统的所有预测输入，根据知识库中存储的各类推理模型，充电过程的故障模式和影响分析及相关部件的详细资料，来预计故障发展趋势。异常推理机用于对非额定行为进行推理，以便对预测或诊断推理机进行更新，实现系统的自学习功能。

推理系统主要解决的是知识的选择与应用问题，控制整个问题的求解过程，它根据数据库中的当前信息，将知识库中的诊断原则拿来匹配，以此推断出诊断结论。系统的知识库来源于经验知识、专用知识和推理知识，并且系统具有自学习功能。图2所示为新能源汽车充电过程智能化安全监测系统的推理流程图。

如图2所示，本系统采用的是正向推理方法。推理机首先与远程监控系统取得通讯，依次读取数据库中每个电池、充电桩、供电设施等的状态数据，判断是否存在人为故障，如有则进行排除。然后利用规则库中的各函数公式依次计算电池、充电桩、供电设施等的症状隶属度μS，并进行模糊评判运算 ，得出、充电桩、供电设施等的故障隶属度μF，从而获取故障类型。

2.智能化安全监测系统诊断方法的具体实现

智能化诊断在某种意义上是一种推理过程，在实际构建智能化诊断平台时往往要根据系统的实际情况采用一种或多种技术和方法。各种状态监测和健康评估方法既包括简单的“阈值”判断方法，也包括基于规则、案例和模型等的推理算法。在智能化诊断系统中广泛应用的故障预测算法主要有基于特征进化/统计趋势的预测、基于人工智能的预测和基于物理模型的预测等。

本系统需建立基于模糊理论的故障诊断方法，新能源汽车在充电过程中，车辆、充电桩以及充电设施等的状态从无故障到发生故障是一个渐变的过程。在这个渐变过程中，它不是完全的“完好”，也不是完全的“故障”，它往往是一种中间状态，所表现出来的故障征兆也同样如此。因此，实际运行中的充电系统，其健康状况实际上是模糊的。以车辆动力电池组充不进电为例，原因有可能是电池内阻增加，也可能是电池组内部出现断路，也可能是电池组内部微短路等。如果以车辆的电池组出现局部高温，原因有可能是冷却风扇故障，也可能是局部连接松动，也可能是该部位电池内阻明显增大，当然也可能是外围局部环境的影响等。因此，充电过程的安全监测系统需要内嵌一个模糊的专家系统，其推理机能处理模糊的规则与事实。

本系统故障模糊诊断方法的以汽车动力电池、充电桩以及供电设施实时运行数据、历史档案数据和上次的诊断结果为依据，利用诊断规则，采用模糊综合评判方法进行远程诊断。诊断结果以诊断对象的健康状态和维护信息等形式给出。需要说明的是，此诊断方法基于一种“性能一致”的思想，以动力电池的诊断为例，即假定所有电池串联在一起使用时的电池性能都较接近，而且都是健康电池，因此整个电池组的一致性较好。如果某块电池存在故障，必定会在诸如电压、温度等数据中显示出差别。因此，通过某块电池的数据（或变化值）与平均值（或变化平均值）的对比，即可判断出该块电池的性能差异，电池单体值与平均值差别越小的性能越好。本方法即是通过数据对比，从而求出症状隶属度，进而得出故障隶属度来判断故障的。模糊诊断流程如图3所示。

以上是在模糊理论基础上建立的专家系统，它依据系统模糊的不确定信息进行充电过程故障的诊断。依据最大隶属度原则，本例中电池故障隶属度μF=0.797，即诊断出的故障原因为第4个即自放电大。

3.结束语

目前我国新能源汽车保有量仍在高速增长之中，针对新能源汽车充电过程安全性的研究尚处于初步阶段。因此，充分利用人工智能技术的优势完善对新能源汽车充电故障相关性分析的研究并获取新能源汽车充电过程故障的相关性知识，服务于新能源汽车充电过程安全性的诊断，做好针对充电设施、电池组等的维护检修工作，对于保障新能源汽车充电过程的进行及充电设施的可持续性建设，保护人民群众生命与财产安全，维护社会稳定，促进新能源汽车产业的进一步发展，具有重大意义。

参考文献：

[1] 张元星， 李斌， 颜湘武， 等. 基于电池模型的电动汽车充电故障监测与预警方法[J]. 电力系统保护与控制， 2021，49（10）： 143-154.

[2] 牛志远，姜欣，谢镔，等. 电动汽车过充燃爆事故模拟及安全防护研究[J].电工技术学报，2022，37（1）：36-47.

[3] 孙丙香，刘佳，韩智强，等. 不同区间衰退路径下锂离子电池的性能相关性及温度适用性分析[J]. 电工技术学报，2020，35（9）：2063-2073.

[4] 电动汽车用电池管理系统技术条件：GB/T 38661—2020[S].北京：中国标准出版社，2020.

[5] 高德欣，郑晓雨，王义，等. 电动汽车充电状态监测与多级安全预报警方法[J].电工技术学报，2022，37（9）：2252-2262.

[6] 周洋捷，王震坡，洪吉超，等. 新能源汽车动力电池“过充电-热失控”安全防控技术研究综述[J].机械工程学报，2022，58（10）：112-135.

[7] 张青松，赵启臣. 过充循环对锂离子电池老化及安全性影响[J]. 高电压技术，2020，46（10）：3390-3397.

[8] WANG Congjie，ZHU Yanli，GAO Fei，etal. Thermal runaway behavior and features of Li Fe PO4/graphite aged batteries under overcharge[J].International Journal of Energy Research，2020，44（7）：5477-5487.

*国家级大学生创新训练项目，国家级，名称：基于智能化监测技术的新能源汽车充电安全系统开发（编号202311481029）。

作者简介：蒋周杰：男，（2002.12—）汉族，甘肃白银人，浙江水利水电学院机械学院，本科，研究方向：机电设备智能化故障诊断技术。孙培峰（1966－），男，浙江海宁人，副教授，主要从事机电设备智能化故障诊断技术研究。