本發(fā)明涉及充電樁通訊控制系統(tǒng)，具體而言，涉及一種充電樁通訊自修復(fù)控制系統(tǒng)及自修復(fù)方法。

背景技術(shù)：

1、在電動汽車充電過程中，車樁通訊的穩(wěn)定性直接影響充電效率與用戶體驗(yàn)?，F(xiàn)有技術(shù)中，充電樁車樁通訊系統(tǒng)普遍存在以下問題：首先，故障檢測手段依賴簡單的通訊狀態(tài)判斷（如超時重試），難以精準(zhǔn)識別故障類型（如線路短路、協(xié)議沖突或電磁干擾）；其次，故障修復(fù)高度依賴人工排查，維修人員需逐一檢查硬件連接、協(xié)議配置等，平均耗時長達(dá)4小時，導(dǎo)致充電樁長時間停用，運(yùn)維成本高昂。此外，傳統(tǒng)系統(tǒng)缺乏自適應(yīng)能力，無法適應(yīng)多樣化的通訊協(xié)議更新，導(dǎo)致新協(xié)議兼容性問題頻發(fā)。隨著車樁通訊協(xié)議多樣化，現(xiàn)有系統(tǒng)的局限性愈發(fā)突出。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種充電樁通訊自修復(fù)控制系統(tǒng)及自修復(fù)方法，以改善上述傳統(tǒng)系統(tǒng)缺乏自適應(yīng)能力，無法適應(yīng)多樣化的通訊協(xié)議更新，導(dǎo)致新協(xié)議兼容性問題頻發(fā)的問題。

2、為了實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例提供了如下技術(shù)方案：

3、一方面，本技術(shù)實(shí)施例提供了一種充電樁通訊自修復(fù)控制系統(tǒng)，所述系統(tǒng)包括：數(shù)據(jù)采集模塊，用于通過部署在充電樁與電動汽車通訊接口處的傳感器實(shí)時采集通訊數(shù)據(jù)，所述通訊數(shù)據(jù)包括通訊狀態(tài)、數(shù)據(jù)傳輸速率、錯誤數(shù)據(jù)包數(shù)量和通訊協(xié)議交互信息，并對所述通訊數(shù)據(jù)進(jìn)行清洗和歸一化處理；故障診斷模塊，由卷積神經(jīng)網(wǎng)絡(luò)和長短時記憶網(wǎng)絡(luò)融合構(gòu)成，所述卷積神經(jīng)網(wǎng)絡(luò)用于提取預(yù)處理后通訊數(shù)據(jù)的局部特征，所述長短時記憶網(wǎng)絡(luò)用于分析時間序列依賴關(guān)系，輸出故障類型診斷結(jié)果；故障自修復(fù)模塊，根據(jù)所述故障類型診斷結(jié)果執(zhí)行修復(fù)操作：若為軟件通訊故障，則自動重新加載通訊協(xié)議棧或調(diào)整協(xié)議參數(shù)配置；若為硬件通訊故障，則觸發(fā)預(yù)警并切換至備用通訊線路；若為電磁干擾故障，則調(diào)整通訊線路或增強(qiáng)抗干擾措施。

4、可選地，故障診斷模型中的卷積神經(jīng)網(wǎng)絡(luò)包含3個卷積層和3個池化層，用于提取不同尺度的局部特征，所述長短時記憶網(wǎng)絡(luò)包含2層網(wǎng)絡(luò)，用于捕捉長期時序依賴關(guān)系；

5、故障自修復(fù)模塊針對協(xié)議沖突故障，自動比對當(dāng)前通訊協(xié)議與預(yù)設(shè)協(xié)議庫的差異，并動態(tài)更新協(xié)議配置參數(shù)。

6、可選地，還包括通信協(xié)調(diào)模塊，用于協(xié)調(diào)所述數(shù)據(jù)采集與預(yù)處理模塊、深度學(xué)習(xí)故障診斷模型和故障自修復(fù)策略模塊的運(yùn)行流程，并與充電樁的充電控制模塊及管理平臺通信，實(shí)時上傳故障信息和接收遠(yuǎn)程指令，并在通訊不穩(wěn)定時，向充電控制模塊發(fā)送指令降低充電功率，直至通訊恢復(fù)穩(wěn)定。

7、第二方面，本實(shí)施例提供了一種基于充電樁通訊自修復(fù)控制系統(tǒng)的自修復(fù)方法，所述方法包括：

8、響應(yīng)于用戶訂單指令，數(shù)據(jù)采集模塊向當(dāng)前新能源汽車的bms發(fā)送通訊請求，進(jìn)而使bms反饋當(dāng)前新能源汽車的車輛信息，所述車輛信息包括車輛型號和車輛電池信息；

9、數(shù)據(jù)采集模塊將所述車輛信息發(fā)送至故障診斷模塊，以使故障診斷模塊檢測充電功率預(yù)設(shè)運(yùn)行庫中是否存在與所述車輛型號一致的充電功率曲線，若不存在，則判定與bms出現(xiàn)通訊異常，并生成車輛型號無法匹配的通訊異常指令，并將通訊異常指令發(fā)送至故障自修復(fù)模塊，以使故障診斷模型調(diào)取車輛電池信息，并基于車輛電池信息生成與所述車輛型號相匹配的充電功率曲線；并基于充電功率曲線與bms建立新的通訊協(xié)議，以使充電樁按照所述充電功率曲線對新能源汽車進(jìn)行充電。

10、可選地，基于車輛電池信息生成與所述車輛型號相匹配的充電功率曲線,包括：

11、解析車輛電池信息得到單體電壓、單體溫度和電池類型，并基于單體電壓和標(biāo)準(zhǔn)電壓之間壓差，構(gòu)建電池模塊對應(yīng)的壓差分布圖，基于電池類型確定單體的熱阻系數(shù)，所述熱阻系數(shù)由新能源汽車的電池供應(yīng)商提供，并燒錄在車輛電池信息中；

12、基于電壓值大小對多個單體電壓進(jìn)行排序，進(jìn)而構(gòu)建電壓幅度曲線，基于預(yù)設(shè)波動斜率框選多個基礎(chǔ)電壓單體，所述波動斜率的起點(diǎn)與電壓幅度曲線的起點(diǎn)重合，并從電壓幅度曲線的起點(diǎn)開始，選擇多個連續(xù)的電壓值在設(shè)波動斜率下方的單體電壓，并將選中的單體電壓標(biāo)記為基礎(chǔ)電壓單體；

13、計(jì)算多個基礎(chǔ)電壓單體的第一均值電壓，并基于第一均值電壓與標(biāo)準(zhǔn)電壓的差值構(gòu)建多個電壓閾值范圍，并基于多個電壓閾值范圍在壓差分布圖中構(gòu)建每個電壓閾值范圍對應(yīng)的單體分布種群；

14、基于距離類的聚類算法在每個單體分布種群中構(gòu)建核心聚集區(qū)，多個單體分布種群對應(yīng)的核心聚集區(qū)彼此不重疊，并計(jì)算每個核心聚集區(qū)對應(yīng)的第二均值電壓，并基于第二均值電壓計(jì)算與標(biāo)準(zhǔn)電壓之間的差值、核心聚集區(qū)中的單體數(shù)量和核心聚集區(qū)中單體分布形狀構(gòu)建，構(gòu)建核心聚集區(qū)在充電過程的時間-熱量堆積圖；

15、基于單體溫度構(gòu)建溫度云圖，并將時間-熱量堆積圖疊加至溫度云圖上，進(jìn)而得到電池模塊在充電過程中的第一電池?zé)崃孔兓茍D，并基于當(dāng)前的環(huán)境溫度和電池類型計(jì)算第一電池?zé)崃孔兓茍D的動態(tài)散熱分布圖，通過疊加第一電池?zé)崃孔兓茍D和對應(yīng)的動態(tài)散熱分布圖得到電池模塊在充電過程中的第二電池?zé)崃孔兓茍D，并基于第二電池?zé)崃孔兓茍D制定對應(yīng)的充電功率曲線，并將車輛型號、充電功率曲線、壓差分布圖和環(huán)境溫度錄入大數(shù)據(jù)存儲服務(wù)器，作為后期的充電功率匹配用神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練數(shù)據(jù)。

16、可選地，基于當(dāng)前的環(huán)境溫度和電池類型計(jì)算第一電池?zé)崃孔兓茍D的動態(tài)散熱分布圖，包括：

17、基于當(dāng)前環(huán)境溫度構(gòu)建環(huán)境溫度場，并依次對第一電池?zé)崃孔兓茍D和環(huán)境溫度場進(jìn)行歸一化處理；

18、通過兩層3d卷積層提取歸一化處理后的第一電池?zé)崃孔兓茍D的時空局部特征，并通過多頭自注意力機(jī)制捕獲時間維度全局依賴關(guān)系，生成時序增強(qiáng)特征；

19、將歸一化處理后的環(huán)境溫度場經(jīng)雙線性插值至與第一電池?zé)崃孔兓茍D對應(yīng)的分辨率，并與所述時序增強(qiáng)特征進(jìn)行通道拼接，形成融合特征；

20、將所述融合特征輸入預(yù)設(shè)的物理約束模型，然后按照時序生成對應(yīng)的動態(tài)散熱分布圖。

21、所述物理約束模型構(gòu)建局部區(qū)域的散熱量的方式為：

22、提取融合特征中環(huán)境溫度通道，并生成溫度敏感系數(shù)矩陣，并將溫度敏感系數(shù)矩陣與卷積核權(quán)重按元素進(jìn)行相乘，進(jìn)而得到初始散熱量；

23、提取融合特征中的電池溫度，并基于電池溫度與環(huán)境溫度之間的溫差調(diào)整方向一致性閾值，并基于方向一致性閾值通過損失函數(shù)計(jì)算得到梯度修正后的散熱量，然后基于梯度修正后的散熱量逐幀構(gòu)建多個散熱分布圖，進(jìn)而構(gòu)成動態(tài)散熱分布圖。

24、可選地，基于第二電池?zé)崃孔兓茍D制定對應(yīng)的充電功率曲線，包括：

25、基于預(yù)設(shè)安全充電溫度閾值構(gòu)建第一安全溫度參照面，并基于某一時刻的第二電池?zé)崃孔兓茍D凸出于第一安全溫度參照面部分的體積降低對應(yīng)時刻的預(yù)設(shè)充電功率，進(jìn)而得到修正后的預(yù)設(shè)充電功率，并基于當(dāng)前的電壓一致性波動圖，進(jìn)一步降低整個修正后的預(yù)設(shè)充電功率，得到充電功率曲線。

26、可選地，所述電壓一致性波動圖的構(gòu)建方式為：

27、基于電壓閾值范圍最低的一個單體分布種群對應(yīng)的均值電壓和單體數(shù)量結(jié)合壓差分布圖對應(yīng)的均值電壓通過加權(quán)算法計(jì)算得到基礎(chǔ)電壓，進(jìn)而構(gòu)建基礎(chǔ)電壓底座；

28、將基礎(chǔ)電壓底座擬合至壓差分布圖，以使壓差分布圖扣除基礎(chǔ)電壓底座部分進(jìn)而得到電壓一致性波動圖，所述電壓一致性波動圖用于表征電池模塊中的多個單體的電壓浮動情況。

29、第三方面，本技術(shù)實(shí)施例提供了一種高壓電氣設(shè)備局部放電類型識別設(shè)備，所述設(shè)備包括存儲器和處理器。

30、存儲器用于存儲計(jì)算機(jī)程序；處理器用于執(zhí)行所述計(jì)算機(jī)程序時實(shí)現(xiàn)上述充電樁通訊自修復(fù)控制系統(tǒng)的步驟。

31、第四方面，本技術(shù)實(shí)施例提供了一種介質(zhì)，所述介質(zhì)上存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)上述充電樁通訊自修復(fù)控制系統(tǒng)的步驟。

32、本發(fā)明的有益效果為：

33、本發(fā)明所述的充電樁通訊自修復(fù)控制系統(tǒng)，基于cnn與lstm的深度學(xué)習(xí)模型，能夠同時捕捉通訊數(shù)據(jù)的局部特征（如異常數(shù)據(jù)包格式）和時序依賴關(guān)系（如周期性干擾），診斷準(zhǔn)確率較傳統(tǒng)方法提升30%～50%，顯著減少誤判和漏判；

34、其次通過故障自修復(fù)策略模塊，系統(tǒng)可針對軟件協(xié)議錯誤自動重載配置，并針對電磁干擾調(diào)整通訊參數(shù)，將平均修復(fù)時間從4小時縮短至30分鐘內(nèi)，大幅降低人工干預(yù)需求。

35、其次，深度學(xué)習(xí)模型支持在線更新，能夠?qū)W習(xí)新通訊協(xié)議下的正常與異常模式，確保系統(tǒng)在協(xié)議迭代或環(huán)境變化時仍保持高穩(wěn)定性。

36、本發(fā)明的其他特征和優(yōu)點(diǎn)將在隨后的說明書闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本發(fā)明實(shí)施例了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過在所寫的說明書、權(quán)利要求書、以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。