一种新能源汽车充电桩智能充电检测系统及方法与流程

1.本发明涉及新能源汽车充电桩领域，适用于一种新能源汽车充电桩智能充电检测系统及方法。


背景技术：

2.根据中国电动汽车百人会的统计数据，截至2019年底，中国公共充电桩数量已经超过50万个，其中快充桩约为30万个，随着新能源汽车的普及，充电桩数量增长迅速，充电桩的需求量增长迅速。但是充电桩网络分布不平衡：充电桩网络在城市中心较为集中，而在一些偏远地区和农村地区却存在着充电桩数量不足的问题，这为新能源汽车的推广带来了一定的制约，充电桩产业链逐步完善，目前已经形成了一定规模的产业链。主要涉及充电桩制造、软硬件开发、运营管理等方面；但是目前市场上的充电桩普遍存在着充电效率低、充电速度慢、充电安全性差等问题，这些问题严重制约了新能源汽车的发展。如何提高充电桩的充电效率和充电速度，提高充电安全性，成为了当前亟待解决的问题，
3.例如现有的授权公告号为cn108973715b的中国专利公开了新能源汽车智能充电桩，公开了一种充电桩包括充电主体和充电装的防盗装置；通过充电桩主体一侧开设插槽，充电桩主体上的充电枪能够插入至插槽内，来实现给汽车充电，通过设置防盗门来防止不法分子通过不法活动窃取客片，且工作人员打开防盗门后能够很方便的向矩形槽内放置卡片。
4.上述专利主要功能是防盗，但是充电桩普遍存在着充电效率低、充电速度慢、充电安全性差，充电桩密度远不能满足用户充电需求的问题，且可再生能源的开发利用未利用至充电桩，对用户的意见收集不足，无法设计出更贴合贴切满足人们需求的充电桩。


技术实现要素：

5.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
6.为解决上述技术问题，本发明的主要目的在于提供一种新能源汽车充电桩充电检测系统，由预测式充电管理模块、智能安全保护模块、绿色环保性模块和用户友好度模块四大模块组成；
7.预测式充电管理模块，包括采集相关数据的数据采集单元，包括对相关数据进行清洗并建立车主充电预测模型的数据预处理单元，以及预测调度单元，车主充电预测模型通过预测调度单元对车主充电进行调度；
8.智能安全保护模块，包括对防盗安全保护单元、环境安全保护单元和操作安全保护单元进行保护的电气安全保护单元；
9.绿色环保性模块，包括可集成可再生能源进行发电的能源节约单元，以及对湿度、温度、电压和通信进行补偿的环境补偿单元；
10.用户友好度模块，包括分别与预测调度单元构成充电区域选择选项、禹智能安全保护模块构成充电功能选项的ui单元，包括实时监控与反馈单元、安全保障单元和上传数据管理和服务单元；
11.其中，数据采集单元采集相关数据后通过实时监控与反馈单元上传数据管理和服务单元并实时反馈车主充电情况，智能安全保护模块与安全保障单元相配合。
12.能够有效解决背景技术中的问题：利用深度学习卷积网络挖掘用户使用充电桩信息，利用可再生能源减少环境污染和缓解能源压力，具有高安全性、高充电效率、高人性化的特点，进而提高用户体验感，增加对新能源汽车电池的监察力度，通过设置预测式充电管理模块、智能安全保护模块、绿色环保性模块、用户友好度模块相互配合。提高充电过程中能源的利用效率，考虑不同用户的操作习惯和需求，为用户提供个性化、智能化的操作服务。
13.为实现上述目的，发明了一种新能源汽车充电桩充电检测系统：
14.作为本发明一种新能源汽车充电桩充电检测系统的一种优选方案，其中：所述相关数据包括充电需求、车辆的电量信息、充电时间、充电地点、车主的出行计划、新能源汽车电池的电流电压信号和充电桩所提供电流电压信号；
15.其中，车辆的电量信息、充电时间、充电地点、以及车主的出行计划用于建立车主充电预测模型，新能源汽车电池的电流电压信号和充电桩的电流电压信号通过实时监控与反馈单元上传至数据管理和服务单元，并且实时反馈车主充电情况。
16.作为本发明一种新能源汽车充电桩充电检测系统的一种优选方案，其中：所述数据预处理单元采用机器学习技术并使用聚类算法从相关数据中提取数据特征，构建车主充电预测模型，所述车主充电预测模型通过预测调度单元对车主未来的充电需求进行预测。
17.作为本发明一种新能源汽车充电桩充电检测系统的一种优选方案，其中：所述车主充电预测模型通过目标函数、数据清洗过滤器、约束函数、预测约束函数、训练模型、修剪层和模型调优函数建立；
18.其中，目标函数是车主充电初始模型，表达式如下：
19.l(θ)＝e
(x,y)～d
l(f(x|θ),y)
20.其中，x为充电数据输入，y为标签量，d为车主充电情况数据分布，l(f(x|θ),y)为损失函数，θ＝{θ1，......，θk}为目标函数训练的权值，它们均是k维的向量组，k取序数，表示数据的维数，每个维表示一个滤波器的权值，e为作用域，l(θ)为车主充电原始模型；
21.f(x|θ)用于表示神经网络性能的指标，以损失函数为线索寻找最优权重参数，表达式如下所示：
[0022][0023]
其中，yk为神经网络的输出，tk为监督数据，k表示数据的维数；
[0024]
数据清洗过滤器用于消除重复数据、冗余数据、过期数据和错误数据，表达式如下：
[0025][0026]
s.l.c(z)≤ζ
[0027]
其中，l为似然函数，θ
*
为预先目标函数训练的权值，θ为目标函数训练的权值，z为约束函数，ζ为迭代函数，c(z)为资源使用函数，s.l为计数；
[0028]
约束函数用于修剪数据，表达式如下：
[0029]
z＝(z1，......，zk)
[0030]
其中，z为约束函数，是一个k维的指标向量，若数据清洗过滤器修剪一次则zk＝0，若未修剪则zk＝1；
[0031]
建立车主充电预测模型首先将预测约束函数以及资源使用函数进行初始化处理，初始化处理分别如下：
[0032]
c(z)＝1
[0033]
ζ
(0)
＝c(1)
[0034]
其中，c(1)为初始化后的资源使用函数，ζ
(0)
为预测约束函数初始化；
[0035]
修剪层用于修剪车主充电预测模型所需要的数据，预测约束函数用于优化车主充电预测模型，表达式如下：
[0036]
z(i)＝c(1)*l(θ)＝θ
(i+1)
+tζ
(i+1)
[0037]
其中，c(1)为初始化后的资源使用函数，z(i)为修剪层，θ
(i+1)
为目标函数训练模型，ζ
(i+1)
为i+1次预测的预测约束函数，l(θ)为车主充电原始模型；
[0038]
预测约束函数变量集用于紧固预测约束函数，表达式如下：
[0039][0040]
其中，ζ(i)为第i次预测的预测约束函数，为预测约束函数初始变量，为第i-1个预测约束函数变量；
[0041]
所述聚类算法包括聚类特征；
[0042]
聚类特征表达式如下：
[0043][0044]
其中，n为车主充电数据汇总的数据点数，为车主充电类数据点的线性和，s为车主充电类数据点的平方和；
[0045]
车主充电类数据点的线性和表达式如下所示：
[0046][0047]
其中，表示车主充电类数据点。
[0048]
作为本发明一种新能源汽车充电桩充电检测系统的一种优选方案，其中：
[0049]
所述电气安全保护单元包括充电时对新能源汽车充电桩充电系统过流过压保护和未充电时对充电桩内部电路进行自我检测和防护，当充电桩电流电压出现异常时上报数据管理和服务单元；
[0050]
所述环境安全保护单元对周围环境温度、湿度、电压电流和通信进行监测，并与环境补偿单元相互配合，对充电桩周围环境温度、湿度、电压电流和通信补偿；
[0051]
所述操作安全保护单元包括第一触摸屏显示用户操作选项和操作提示。
[0052]
作为本发明一种新能源汽车充电桩充电检测系统的一种优选方案，其中：所述环
境安全保护单元通过环境补偿单元对温度、湿度、电压和通信进行补偿；
[0053]
所述温度补偿即通过温度传感器监测周围环境温度；
[0054]
所述湿度补偿通过安装湿度传感器来监测空气中的水分含量，若湿度超标，则进行湿度补偿处理并打开充电桩通风口；
[0055]
所述通信补偿采用纠错编码和自动重发机制。
[0056]
作为本发明一种新能源汽车充电桩充电检测系统的一种优选方案，其中：所述ui单元包括人机交互界面、第二触摸屏和实时数据显示；
[0057]
所述实时数据显示包括显示预计充电时间、电池目前容量、汽车充电桩充电电压电流、设备通信状态、充电状态选择；
[0058]
所述实时监控与反馈单元包括监控与反馈，其中监控是对新能源汽车电池状态、充电桩内部电路流转电流电压大小、用户充电操作、环境和通信状态进行监测，反馈是对新能源汽车电池充电情况、用户体验问卷、充电桩运行电路具体情况、新能源汽车电池内电流电压进行反馈。
[0059]
一种新能源汽车充电桩充电检测的方法包括：
[0060]
s1、预测汽车电池使用情况并进行调度配备合适的充电桩；
[0061]
s2、采用ui单元选择充电模式；
[0062]
s3、充电开始前，对充电桩及汽车电池电量进行实时监测，并对车主充电数据进行采集和数据预处理；
[0063]
s4、采用智能安全保护模块和绿色环保性模块对充电桩充电时的电压电流进行控制、环境因素补偿控制和安全防盗控制，并进行实时反馈；
[0064]
s5、充电完毕，对此次充电数据进行收集、存储、上传，并由用户进行及时反馈。
[0065]
本发明的有益效果：
[0066]
本发明的预测式充电管理模块：预测式充电管理模块利用数据挖掘、机器学习等技术，对车主的充电需求进行预测，并根据预测结果进行智能调度，以优化充电资源的利用效率，同时也提高车主的使用体验；
[0067]
本发明的智能安全保护模块：智能安全保护模块通过电气安全、防盗安全、环境安全和操作安全对充电桩电气安全、环境补偿、防盗防护和用户操作四个方面进行综合保护，确保充电过程的安全可靠性；同时还可以提供诊断和故障排除的手段，帮助维护人员及时处理问题，减少因为设备故障引发的损失和风险；
[0068]
本发明的绿色环保性模块：能源节约、绿色材料使用、噪声控制和环境良好适应能力等多个方面进行综合考虑，以减少对环境的污染和损害，保护生态环境，同时也提高了充电设备的使用寿命和稳定性；
[0069]
本发明的用户友好度模块：以用户需求为中心，从易用性设计、实时监控与反馈、安全保障功能和数据管理与服务等多个方面进行综合考虑，提高用户对充电设备的使用体验和满意度，为用户提供更加可靠、便利、智能化的充电服务。
[0070]
解决了充电桩普遍存在着充电效率低、充电速度慢、充电安全性差，充电桩密度远不能满足用户充电需求、可再生能源的开发利用未利用至充电桩、对用户的意见收集不足、无法设计出更贴合贴切满足人们需求的充电桩的问题，根据预测结果进行智能调度，以优化充电资源的利用效率，同时提高车主的使用体验；减少对环境的污染和损害，保护生态环
境，同时也提高了充电设备的使用寿命和稳定性，通过机器学习来对环境因素进行联网预测，以实现对充电桩进行实时批量管理，以用户需求为中心，通过易用性设计、实时监控与反馈、安全保障功能和数据管理与服务等多个方面进行综合考虑，提高用户对充电设备的使用体验和满意度，为用户提供更加可靠、便利、智能化的充电服务。通过联网云技术以分析充电受众人群以及用户反馈，对用户反馈进行整合处理。
附图说明
[0071]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0072]
图1为本发明一种新能源汽车充电桩智能充电检测方法流程图。
[0073]
图2为本发明一种新能源汽车充电桩智能充电检测系统模块组成图。
具体实施方式
[0074]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
[0075]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0076]
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0077]
再其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0078]
实施例一
[0079]
参照图2，一种新能源汽车充电桩智能充电检测系统包括：预测式充电管理模块、智能安全保护模块、绿色环保性模块和用户友好度模块四大模块；
[0080]
具体的，预测式充电管理模块模块包括包括数据采集单元、数据预处理单元和预测调度单元。需要说明的是：
[0081]
相关数据包括充电需求、车辆的电量信息、充电时间、充电地点、车主的出行计划、新能源汽车电池的电流电压信号和充电桩所提供电流电压信号；
[0082]
其中，车辆的电量信息、充电时间、充电地点、以及车主的出行计划用于建立车主充电预测模型，新能源汽车电池的电流电压信号和充电桩的电流电压信号通过实时监控与反馈单元上传至数据管理和服务单元，并且实时反馈车主充电情况。
[0083]
数据预处理单元包括补偿不同环境因素影响的充电环境异常和电池在不同电量时充电电流和电压数据异常，通过对采集的车辆的电量信息、充电时间、充电地点和车主的出行计划、新能源汽车电池的电流电压信号和充电桩所提供电流电压信号进行处理和清
洗，采用机器学习技术，使用聚类算法，收集和处理车辆的电量信息、充电时间、充电地点、车主的出行计划、新能源汽车电池的电流电压信号和充电桩所提供电流电压信号，并对处理后的车辆的电量信息、充电时间、充电地点、以及车主的出行计划提取数据特征，建立车主充电预测模型，从处理后的新能源汽车电池的电流电压信号和充电桩所提供电流电压信号提取新能源汽车的电池型号以及新能源汽车充电桩充电参数；
[0084]
预测调度单元根据车主的历史数据和即时数据，结合充电桩的容量和剩余电量，通过车主充电预测模型对车主未来的充电需求进行预测，并根据预测结果进行合理的充电调度，充电桩可以在车主需要充电之前准备好充电资源，从而避免出现排队等待或者充电不充分等问题。
[0085]
具体的，车主充电预测模型通过目标函数、数据清洗过滤器、约束函数、训练模型、预测约束函数、修剪层和模型调优函数建立；
[0086]
其中，目标函数是车主充电初始模型，表达式如下：
[0087]
l(θ)＝e
(x,y)～d
l(f(x|θ),y)
[0088]
其中，x为充电数据输入，y为标签量，d为车主充电情况数据分布，l(f(x|θ),y)为损失函数，θ＝{θ1，......，θk}为目标函数训练的权值，它们均是k维的向量组，k取序数，表示数据的维数，每个维表示一个滤波器的权值，e为作用域，l(θ)为车主充电原始模型；
[0089]
f(x|θ)用于表示神经网络性能的指标，以损失函数为线索寻找最优权重参数，表达式如下所示：
[0090][0091]
其中，yk为神经网络的输出，tk为监督数据，k表示数据的维数；
[0092]
数据清洗过滤器用于消除重复数据、冗余数据、过期数据和错误数据，表达式如下：
[0093][0094]
s.l.c(z)≤ζ
[0095]
其中，l为似然函数，θ
*
为预先目标函数训练的权值，θ为目标函数训练的权值，z为约束函数，ζ为迭代函数，c(z)为资源使用函数，s.l为计数；
[0096]
约束函数用于修剪数据，表达式如下：
[0097]
z＝(z1，......，zk)
[0098]
其中，z为约束函数，是一个k维的指标向量，若数据清洗过滤器修剪一次则zk＝0，若未修剪则zk＝1；
[0099]
建立车主充电预测模型首先将预测约束函数以及资源使用函数进行初始化处理，初始化处理分别如下：
[0100]
c(z)＝1
[0101]
ζ
(0)
＝c(1)
[0102]
其中，c(1)为初始化后的资源使用函数，ζ
(0)
为预测约束函数初始化；
[0103]
修剪层用于修剪车主充电预测模型所需要的数据，预测约束函数用于优化车主充电预测模型，表达式如下：
[0104]
z(i)＝c(1)*l(θ)＝θ
(i+1)
+tζ
(i+1)
[0105]
其中，c(1)为初始化后的资源使用函数，z(i)为修剪层，θ
(i+1)
为目标函数训练模型，ζ
(i+1)
为i+1次预测的预测约束函数，l(θ)为车主充电原始模型；
[0106]
预测约束函数变量集用于紧固预测约束函数，表达式如下：
[0107][0108]
其中，ζ(i)为第i次预测的预测约束函数，为预测约束函数初始变量，为第i-1个预测约束函数变量；
[0109]
所述聚类算法包括聚类特征；
[0110]
聚类特征表达式如下：
[0111][0112]
其中，n为车主充电数据汇总的数据点数，为车主充电类数据点的线性和，s为车主充电类数据点的平方和；
[0113]
车主充电类数据点的线性和表达式如下所示：
[0114][0115]
其中，表示车主充电类数据点。
[0116]
具体的，智能安全保护模块，包括电气安全保护单元、防盗安全保护单元、环境安全保护单元和操作安全保护单元。需要说明的是：
[0117]
电气安全保护单元包括充电时对新能源汽车充电桩充电系统过流过压保护和未充电时对充电桩内部电路进行自我检测和防护，当充电桩电流电压出现异常时上报数据管理和服务单元，针对充电桩内部的电气设备，通过实时监测和控制，进行电压、电流、电阻等指标的监测和保护。
[0118]
防盗安全保护单元防止充电桩被盗或者恶意损坏，充电桩配备智能解锁安全措施，同时还接入视频监控和报警系统，在发生异常情况时及时报警并通知相关人员进行处理；
[0119]
所述环境安全保护单元对周围环境温度、湿度、电压电流和通信进行监测，并与环境补偿单元相互配合，对充电桩周围环境温度、湿度、电压电流和通信补偿；
[0120]
操作安全保护单元通过触摸屏技术，简化充电操作流程，同时增加语音提示和错误提示等功能，帮助用户正确地进行充电操作。该部分主要针对充电桩的使用者，通过改善充电桩的操作界面，设置提示功能等，提高充电操作的安全性和用户体验。
[0121]
具体的，绿色环保性模块，包括能源节约单元和环境补偿单元，需要说明的是：
[0122]
能源节约单元包括峰谷平滑技术，通过对用户充电需求数据的统计预测用电高峰期和低谷期，调整充电速率平衡负荷，在需求较低时增加充电速率，在高峰期降低速率，集成可再生能源发电系统包括太阳能和风能，可以直接利用可再生能源为新能源汽车充电，同时充电桩配备感应器自动控制照明设备，在无人使用时关闭以节能，采用能量回收技术，将充电过程中的能量损失降至最低，在实现充电目标的同时，达到节能环保的效果，提高充电过程中能源的利用效率；
[0123]
环境补偿单元包括温度补偿、湿度补偿、电压补偿和通信补偿；
[0124]
温度补偿即通过温度传感器监测周围环境温度，根据实际情况调整充电参数，以确保在不同温度下都能保持稳定的充电效果；
[0125]
湿度补偿通过安装湿度传感器来监测空气中的水分含量，采取除湿、通风的措施，以防止湿气对设备造成损害；
[0126]
电压补偿通过线性开关稳压器来保证输入电压始终在安全范围内，消除供电系统存在的波动；
[0127]
通信补偿通过采用纠错编码和自动重发机制来提高通信可靠性。
[0128]
具体地，用户友好度模块，包括ui单元、实时监控与反馈单元、安全保障单元和数据管理和服务单元。需要说明的是：
[0129]
实时数据显示包括显示预计充电时间、电池目前容量、充电电压电流、设备通信状态、充电状态选择；
[0130]
实时监控与反馈单元包括监控与反馈两个模块，其中监控主要是对新能源汽车电池状态、充电桩内部电路流转电流电压大小、用户充电操作监测、环境监测和通信状态监测，反馈主要是对新能源汽车电池充电情况反馈、用户体验问卷反馈、充电桩运行电路具体情况反馈、新能源汽车电池内电流电压反馈；
[0131]
安全保障单元包括新能源汽车电池保护，对新能源汽车电池不同电量监测，进而调整充电速度，最大限度保护新能源汽车电池容量，提供多种安全保障措施，一键急停、安全锁定、紧急救援等，以保证充电过程的安全可靠性，同时提高用户对充电设备的信任度；
[0132]
数据管理和服务单元通过云平台和app方式，实现用户账号注册、在线预约、数据记录、远程管理和故障排除功能，提高用户对充电设备的可靠性和信任度，同时为用户提供更灵活、更便捷的服务。
[0133]
实施例二
[0134]
参照图1，一种新能源汽车充电桩充电检测方法包括：
[0135]
s1、预测汽车电池使用情况并进行调度配备合适的充电桩。需要说明的是：
[0136]
s11、收集大量关于新能源汽车使用、充电需求、用户充电时间和地理位置的数据；
[0137]
s12、对收集到的原始数据进行清洗和预处理，包括收集的重复数据处理、已有模块但缺失信息处理和收集错误和异常信息处理；
[0138]
s13、基于清洗后的数据建立特征工程，清洗后的数据包括新能源汽车使用、充电需求、用户充电时间和地理位置的数据，提取预测目标变量的特征包括充电需求、时间因素、地理因素和用户行为因素，通过提取的预测目标变量的特征建立用户充电需求训练模型；
[0139]
s14、通过卷积神经网络使用收集到的数据训练用户充电需求训练模型，不断调整超参数以优化充电用户进行调度；
[0140]
s15、用户充电需求训练模型校验与评估，通过不断收集数据来评估用户充电需求训练模型的性能。
[0141]
s2、采用ui单元选择充电模式。需要说明的是：
[0142]
用户通过ui界面选择需要的充电模式包括：快速充电和保护电池充电。
[0143]
s3、充电开始前，对充电桩及汽车电池电量进行实时监测，并对车主充电数据进行
采集和数据预处理。需要说明的是：
[0144]
对充电桩进行实时监测包括对充电桩内部电路电流电压以及电路状态是否正常运行进行检测；
[0145]
汽车电池电量进行实时监测包括检测电池目前电量、剩余电量充满所需时间；
[0146]
数据采集包括采集充电桩内部电路电流电压、电池目前电量、新能源汽车使用、充电需求、用户充电时间和地理位置的数据；
[0147]
数据预处理包括充电接入对电路调整预处理；根据车主的历史数据和即时数据，结合充电桩的容量、剩余电量通过预测式模型对车主未来的充电需求进数据进行数据预处理。
[0148]
s4、采用智能安全保护模块和绿色环保性模块对充电电压电流进行控制、环境因素补偿控制和安全防盗控制，并进行实时反馈。需要说明的是：
[0149]
实时反馈包括新能源汽车电池充电情况反馈、用户体验问卷反馈、充电桩运行电路具体情况反馈、新能源汽车电池内电流电压反馈；
[0150]
绿色环保模块包括能源节约、绿色材料使用、噪声控制三个模块，减少对环境的污染和损害，保护生态环境，同时也提高了充电设备的使用寿命和稳定性通过联网预测，以实现对充电桩进行实时批量管理。
[0151]
s5、充电完毕，对此次充电数据进行收集、存储、上传，并由用户进行及时反馈。需要说明的是：
[0152]
充电数据包括充电时间、用户新能源汽车电池类型及容量、电池老化程度、电池预计使用时间、用户充电满意度调查、用户充电意见反馈、充电桩存储电量、充电桩运行情况；
[0153]
数据上传通过联网云技术以分析充电受众人群以及用户反馈，对用户反馈进行整合处理，以用户需求为中心，通过易用性设计、实时监控与反馈、安全保障功能和数据管理与服务等多个方面进行综合考虑，提高用户对充电设备的使用体验和满意度，为用户提供更加可靠、便利、智能化的充电服务。
[0154]
通过本实施例能够实现：利用深度学习卷积网络挖掘用户使用充电桩信息，利用可再生能源减少环境污染和缓解能源压力，具有高安全性、高充电效率、高人性化的特点，进而提高用户体验感，增加对新能源汽车电池的监察力度。通过设置预测式充电管理模块、智能安全保护模块、绿色环保性模块、用户友好度模块相互配合。提高充电过程中能源的利用效率，考虑不同用户的操作习惯和需求，为用户提供个性化、智能化的操作服务。
[0155]
重要的是，应注意，在多个不同示例性实施方案中示出的本技术的构造和布置仅是例示性的。尽管在此公开内容中仅详细描述了两个个实施方案，但参阅此公开内容的人员应容易理解，在实质上不偏离该申请中所描述的主题的新颖教导和优点的前提下，许多改型是可能的(例如，各种元件的尺寸、尺度、结构、形状和比例、以及参数值(例如，温度、压力等)、安装布置、材料的使用、颜色、定向的变化等)。例如，示出为整体成形的元件可以由多个部分或元件构成，元件的位置可被倒置或以其它方式改变，并且分立元件的性质或数目或位置可被更改或改变。因此，所有这样的改型旨在被包含在本发明的范围内。可以根据替代的实施方案改变或重新排序任何过程或方法步骤的次序或顺序。在权利要求中，任何“装置加功能”的条款都旨在覆盖在本文中所描述的执行所述功能的结构，且不仅是结构等同而且还是等同结构。在不背离本发明的范围的前提下，可以在示例性实施方案的设计、运
行状况和布置中做出其他替换、改型、改变和省略。因此，本发明不限制于特定的实施方案，而是扩展至仍落在所附的权利要求书的范围内的多种改型。
[0156]
此外，为了提供示例性实施方案的简练描述，可以不描述实际实施方案的所有特征(即，与当前考虑的执行本发明的最佳模式不相关的那些特征，或于实现本发明不相关的那些特征)。
[0157]
应理解的是，在任何实际实施方式的开发过程中，如在任何工程或设计项目中，可做出大量的具体实施方式决定。这样的开发努力可能是复杂的且耗时的，但对于那些得益于此公开内容的普通技术人员来说，不需要过多实验，所述开发努力将是一个设计、制造和生产的常规工作。
[0158]
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

技术特征：
1.一种新能源汽车充电桩智能充电检测系统，其特征在于：预测式充电管理模块，包括采集相关数据的数据采集单元，包括对相关数据进行清洗并建立车主充电预测模型的数据预处理单元，以及预测调度单元，车主充电预测模型通过预测调度单元对车主充电进行调度；智能安全保护模块，包括对防盗安全保护单元、环境安全保护单元和操作安全保护单元进行保护的电气安全保护单元；绿色环保性模块，包括对可再生能源进行集成并进行发电的能源节约单元，以及对湿度、温度、电压和通信进行补偿的环境补偿单元；用户友好度模块，包括分别与预测调度单元构成充电区域选择选项、与智能安全保护模块构成充电功能选项的ui单元，包括实时监控与反馈单元、安全保障单元和数据管理和服务单元；其中，数据采集单元采集相关数据后通过实时监控与反馈单元上传数据管理和服务单元并实时反馈车主充电情况，智能安全保护模块与安全保障单元相配合。2.根据权利要求1所述的一种新能源汽车充电桩智能充电检测系统，其特征在于：所述相关数据包括充电需求、车辆的电量信息、充电时间、充电地点、车主的出行计划、新能源汽车电池的电流电压信号和充电桩所提供电流电压信号；其中，车辆的电量信息、充电时间、充电地点、以及车主的出行计划用于建立车主充电预测模型，新能源汽车电池的电流电压信号和充电桩的电流电压信号通过实时监控与反馈单元上传至数据管理和服务单元，并且实时反馈车主充电情况。3.根据权利要求2所述的一种新能源汽车充电桩智能充电检测系统，其特征在于：所述数据预处理单元采用机器学习技术并使用聚类算法从相关数据中提取数据特征，构建车主充电预测模型，所述车主充电预测模型通过预测调度单元对车主未来的充电需求进行预测。4.根据权利要求3所述的一种新能源汽车充电桩智能充电检测系统，其特征在于：所述车主充电预测模型通过目标函数、数据清洗过滤器、约束函数、预测约束函数、训练模型、修剪层和模型调优函数建立；其中，目标函数是车主充电初始模型，表达式如下：l(θ)＝e
(x,y)～d
l(f(x|θ),y)其中，x为充电数据输入，y为标签量，d为车主充电情况数据分布，l(f(x|θ),y)为损失函数，θ＝{θ1，......，θ
k
}为目标函数训练的权值，它们均是k维的向量组，k取序数，表示数据的维数，每个维表示一个滤波器的权值，e为作用域，l(θ)为车主充电原始模型；f(x|θ)用于表示神经网络性能的指标，以损失函数为线索寻找最优权重参数，表达式如下所示：其中，y
k
为神经网络的输出，t
k
为监督数据，k表示数据的维数；数据清洗过滤器用于消除重复数据、冗余数据、过期数据和错误数据，表达式如下：
s.l
.c(z)≤ζ其中，l为似然函数，θ
*
为预先目标函数训练的权值，θ为目标函数训练的权值，z为约束函数，ζ为迭代函数，c(z)为资源使用函数，s.l为计数；约束函数用于修剪数据，表达式如下：z＝(z1，......，z
k
)其中，z为约束函数，是一个k维的指标向量，若数据清洗过滤器修剪一次则z
k
＝0，若未修剪则z
k
＝1；建立车主充电预测模型首先将预测约束函数以及资源使用函数进行初始化处理，初始化处理分别如下：c(z)＝1ζ
(0)
＝c(1)其中，c(1)为初始化后的资源使用函数，ζ
(0)
为预测约束函数初始化；修剪层用于修剪车主充电预测模型所需要的数据，预测约束函数用于优化车主充电预测模型，表达式如下：z
(i)
＝c(1)*l(θ)＝θ
(i+1)
+tζ
(i+1)
其中，c(1)为初始化后的资源使用函数，z
(i)
为修剪层，θ
(i+1)
为目标函数训练模型，ζ
(i+1)
为i+1次预测的预测约束函数，l(θ)为车主充电原始模型；预测约束函数变量集用于紧固预测约束函数，表达式如下：其中，ζ
(i)
为第i次预测的预测约束函数，为预测约束函数初始变量，为第i-1个预测约束函数变量；所述聚类算法包括聚类特征；聚类特征表达式如下：其中，n为车主充电数据汇总的数据点数，为车主充电类数据点的线性和，s为车主充电类数据点的平方和；车主充电类数据点的线性和表达式如下所示：其中，表示车主充电类数据点。5.根据权利要求4所述的一种新能源汽车充电桩智能充电检测系统，其特征在于：所述电气安全保护单元包括充电时对新能源汽车充电桩充电系统过流过压保护和未充电时对充电桩内部电路进行自我检测和防护，当充电桩电流电压出现异常时上报数据管理和服务单元；所述环境安全保护单元对周围环境温度、湿度、电压电流和通信进行监测，并与环境补偿单元相互配合，对充电桩周围环境温度、湿度、电压电流和通信补偿；
所述操作安全保护单元包括第一触摸屏显示用户操作选项和操作提示。6.根据权利要求5所述的一种新能源汽车充电桩智能充电检测系统，其特征在于：所述环境安全保护单元通过环境补偿单元对温度、湿度、电压和通信进行补偿；所述温度补偿即通过温度传感器监测周围环境温度；所述湿度补偿通过安装湿度传感器来监测空气中的水分含量，若湿度超标，则进行湿度补偿处理并打开充电桩通风口；所述通信补偿采用纠错编码和自动重发机制。7.根据权利要求6所述的一种新能源汽车充电桩智能充电检测系统，其特征在于：所述ui单元包括人机交互界面、第二触摸屏和实时数据显示；所述实时数据显示包括显示预计充电时间、电池目前容量、汽车充电桩充电电压电流、设备通信状态、充电状态选择；所述实时监控与反馈单元包括监控与反馈，其中监控是对新能源汽车电池状态、充电桩内部电路流转电流电压大小、用户充电操作、环境和通信状态进行监测，反馈是对新能源汽车电池充电情况、用户体验问卷、充电桩运行电路具体情况、新能源汽车电池内电流电压进行反馈。8.一种新能源汽车充电桩智能充电检测方法，基于权利要求1～7任意所述的一种新能源汽车充电桩智能充电检测系统实现，其特征在于：包括以下具体步骤：s1、预测汽车电池使用情况并进行调度配备合适的充电桩；s2、采用ui单元选择充电模式；s3、充电开始前，对充电桩及汽车电池电量进行实时监测，并对车主充电数据进行采集和数据预处理；s4、采用智能安全保护模块和绿色环保性模块对充电桩充电时的电压电流进行控制、环境因素补偿控制和安全防盗控制，并进行实时反馈；s5、充电完毕，对此次充电数据进行收集、存储、上传，并由用户进行及时反馈。

技术总结
本发明涉及新能源汽车充电桩领域，公开了一种新能源汽车充电桩智能充电检测系统和方法，预测式充电管理模块，包括数据采集单元、数据预处理单元和预测调度单元，智能安全保护模块，包括电气安全保护单元、防盗安全保护单元、环境安全保护单元和操作安全保护单元，绿色环保性模块，包括能源节约单元和环境补偿单元，用户友好度模块，包括UI单元、实时监控与反馈单元、安全保障单元和数据管理和服务单元，更好的服务有充电需求的车主，合理利用充电资源，实现提高充电过程中能源的利用效率，考虑不同用户的操作习惯和需求，为用户提供个性化、智能化的操作服务。智能化的操作服务。智能化的操作服务。


技术研发人员：朱孝山
受保护的技术使用者：江苏鸿冠新能源科技有限公司
技术研发日：2023.06.26
技术公布日：2023/8/9