基于大数据的电动汽车充电系统安全评估

2021-03-19 23:50:02·  来源:新能源汽车评价规程 CEVE  
 
2020年12月23日,中国汽研成功举办《2020第三届新能源汽车测试评价技术国际论坛》。中国汽研将持续为大家推送精彩演讲实录,本文为特来电大数据技术部部长潘博存
基于大数据的电动汽车充电系统安全评估

2020年12月23日,中国汽研成功举办《2020第三届新能源汽车测试评价技术国际论坛》。中国汽研将持续为大家推送精彩演讲实录,本文为特来电大数据技术部部长潘博存带来的《基于大数据的电动汽车充电系统安全评估》。

01  安全防护体系及思路之转变

特来电对于充电安全的思考,主要在于数据与系统边界,充电量较少时,充电安全边界特征并不明显,随着充电量的增加,比如达到100万次,系统的安全边界将会逐渐显现,当充电量达到1000万次,基于数据得到边界和特征从而建立专家库,当充电量达到1亿次时,基于工业大数据可以建立充电大数据,基于充电大数据可在车辆充电时进行实时防护,提前检测车辆的安全状况,并告知用户维修,保证车辆充电安全。

目前已在充电网上建立了两层安全防护技术体系。下图较形象的展示了车辆充电过程,相当于一个运行的充电安全防护过程,整个充电网规模大约40万笔订单。车辆每次充电时 ,CMS设备防护模型和大数据防护模型会对包含了BMS、充电桩及车辆之间的信息流和能量流同时进行实时检测,当检测到异常时,将会及时终止订单,进入异常订单库。

基于大数据的电动汽车充电系统安全评估1

两层安全防护架构,首先基于充电网实时数据,如BMS数据、充电桩数据、用户数据、环境数据建立充电大数据,并结合充电网历史数据,包含车辆档案(安全评分、电池健康评分、使用习惯评分)及车型档案(安全评分、电池健康评分、使用习惯评分)建立两层安全防护架构:在设备侧建立CMS主动防护层,包含单体过压防护模型、电池过温防护模型、温差过大防护模型、温升异常防护模型等;在大数据侧建立大数据防护层,包含动力电池不均衡性模型、车辆电池寿命预测模型、充电行为模型和电池安全评分模型等。经两层安全防护检测后将会对车辆做出安全决策,比如阻断充电、报警通知、监控评估等。安全决策完成后,运营系统会持续跟踪该笔订单,并将整个数据实时反馈到模型,及时修正模型,保证模型的准确度。

充电安全全生命周期管理流程为:充电时,两层防护模型进行防护,存在异常订单时,一方面通过APP报警,或通过短信微信通知C端用户、B端用户、特来电运营、主机厂、电池厂进行车辆的维修,维修反馈结果同时反馈到防护模型;另一方面异常订单发生后会更新到车辆、车型档案,通过安全评价模型评价,识别高危车辆,进行工单处理,以工单为抓手持续跟踪车辆,发送安全防护报告至客户端,维修完成后工单关闭,工单信息同样会反馈到防护模型,建成了一个正向充电安全防护良性循环机制。

充电安全防护思路为:通过安全防护模型识别高危车辆,告知车辆维修。防护概括为双轴两侧,即为时间轴空间轴,设备侧平台侧,时间轴利用大数据云端的算力,关注变化趋势;空间轴找不同;设备侧接收充电参数、实时防护;平台侧下发充电曲线、长时间防护。防护的分类,比如从乘用车、商用客车、商用货车,不同充电倍率,磷酸铁锂、三元、锰酸锂、钛酸锂,老车和新车,不同地区这些维度去分析。

02  安全防护框架、模型及数据

安全防护的整体架构如下图,理论依据分为规模化电动汽车安全充电关键技术及装备研究,智能充电网与配电网,分布式能源的融合技术研究,基于云技术的充电网互联互通数据平台的研究。系统的实现分为充电设备,充电管理,协同调度,平台服务。基于充电安全方面的输出,有特来电主导或参与的行业标准。

基于大数据的电动汽车充电系统安全评估2

基于充电过程数据对充电安全风险分析,数据的范围包括纵向时间维度、横向同车型扩展数据范围;数据的变化包括过程数据的梯度变化、过程数据的变差;数据的关联是数据间的相关约束关系。

基于大数据的电动汽车充电系统安全评估3

基于正态分布的充电指标异常检测方法:在正态分布中,区间(μ-3σ,μ+3σ)是随机变量X实际可能的取值区间,X落在该区间以外的概率小于千分之三,在实际问题中一般认为这种事件是不会发生的,如果变量属于这千分之三,即是异常点。在基于正态分布的充电异常检测中,“变量”可以是最高温度、最大温差、温升速率、SOC速率、单体最大压差等指标,样本数据来自相同地区信息、相同车辆型号信息、相同时间信息的充电记录。

基于大数据的电动汽车充电系统安全评估4

异常检测举例:大数据分析指标的变量,可以是最高温度、最大温差、最大温升速率、电池压差、最大SOC速率等指标,样本数据来自相同地区信息、相同车辆型号信息、相同时间信息(每天或每月)的充电记录。正态分布N(μ,σ2)由均值μ和标准差σ唯一决定的分布。根据样本数据估算出均值u和标准差σ,样本数为n,公式如下。

基于大数据的电动汽车充电系统安全评估5
基于大数据的电动汽车充电系统安全评估6


03  安全防护应用

安全评价,目前已实现平台下每辆车的各个电池指标评分,形成了车辆得分档案,为车辆的定性和定量评价提供依据:平台根据各项指标得分识别高危车辆;根据车辆得分可以协助客户对车辆进行分类管理、分批次更新;车辆得分可以让用户简单直观感受车辆安全状况。

基于大数据的电动汽车充电系统安全评估7

安全防护产品,比如公交专属安全报告;充电防火墙,客户可按照城市、充电站、品牌、车型、车牌号、账号、VIN等维度,在不同范围内限制不同车辆充电,限制SOC值可自由设置。利用“安全防火墙”功能可以限制/禁止高危车辆充电,限制/禁止某车型车辆充电,子公司自行设置本城市限制策略,限制/禁止某高危电站所有车辆充电。目前已经做出的要求包括已统一对全国经常烧车的5个高危车型和3个品牌全系车型进行限制;对加油加气站周围50米电站进行充电限制。

平台可为C端用户进行车辆故障的弹窗和亮灯预警,同样,可以为C端用户展示车辆安全档案、车辆近期的关键指标表现情况,用户可以实时查看车辆安全状态分析。 

基于大数据的电动汽车充电系统安全评估8
分享到:
 
反对 0 举报 0 收藏 0 评论 0
沪ICP备11026917号-25