[發明專利]充電站監測方法和設備

在審

• 申請號: 202080057724.3
• 申請日: 2020-07-29
• 公開（公告）號: CN114514141A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 朱西·阿赫蒂卡里
• 申請（專利權）人: 麗肯納維爾塔有限公司
• 主分類號: B60L53/60
• 分類號: B60L53/60;G06K9/62;G06N20/00;G06Q10/06
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋融冰

目的是提供一種電動車輛充電站監測設備和方法。根據實施例，方法包括：從電動車輛EV充電網絡獲得訓練數據集，包括：使用訓練數據集訓練機器學習模型；從EV充電網絡獲得輸入數據集；將輸入數據集輸入到經訓練的機器學習模型中；從經訓練的機器學習模型中獲得輸出數據集；基于輸出數據集識別至少一個EV充電站的故障。提供了一種設備、方法和計算機程序產品。

技術領域

本發明涉及電動車輛充電領域，特別涉及一種電動車輛充電站監測方法及設備。

背景技術

電動車輛(EV)充電網絡可以包括來自不同制造商的多種不同的EV充電站，諸如直流充電站和交流充電站。EV充電站可能會遇到多種問題，諸如電氣問題、與不同車輛的兼容性問題、移動網絡連接問題等。因此，可靠地檢測EV充電站是否以某種方式發生故障或獲得有關故障原因的信息可能具有挑戰性。此外，預測此類故障可能會很困難。

發明內容

提供此概述以用簡化形式介紹概念的選擇，這些概念將在下面的詳細描述中進一步描述。此概述不意圖標識所要求保護的主題的關鍵特征或基本特征，也不旨在用于限制所要求保護的主題的范圍。

本發明的目的在于提供一種充電站監測設備及充電站監測方法。前述和其他目的通過獨立權利要求的特征來實現。進一步的實施形式從從屬權利要求、描述和附圖中是顯而易見的。

根據第一方面，方法包括：從包括多個EV充電站的電動車輛EV充電網絡獲得訓練數據集；使用訓練數據集訓練機器學習模型；從EV充電網絡獲得輸入數據集；將輸入數據集輸入到經訓練的機器學習模型中；從經訓練的機器學習模型中獲得輸出數據集；基于輸出數據集識別多個EV充電站中的至少一個EV充電站的故障。例如，此方法可以實現檢測發生故障的充電站和/或在故障發生之前預測充電站的故障。

在第一方面的一種實施形式中，該方法進一步包括：從EV充電網絡獲得驗證數據集；并使用驗證數據集驗證經訓練的機器學習模型。例如，該方法可以更可靠地識別故障。

在第一方面的進一步實施形式中，訓練數據集、驗證數據集和/或輸入數據集進一步包括來自EV充電網絡外部的至少一個資源的附加信息。該方法可以例如使用來自充電網絡外部的信息以便考慮可能影響充電網絡的操作的其他因素。

在第一方面的進一步實施形式中，輸出數據集包括以下中的至少一個：多個EV充電站的子集的指示；或至少一個充電事件的指示。例如，該方法可以啟用指示發生故障和/或可能發生故障的充電站。

在第一方面的進一步實施形式中，訓練數據集和/或輸入數據集包括以下中的至少一個：多個EV充電站中的至少一個EV充電站的使用歷史；多個EV充電站中的至少一個EV充電站的位置；多個EV充電站中的至少一個EV充電站的類型；多個EV充電站中的至少一個EV充電站的錯誤歷史；多個EV充電站中的至少一個EV充電站的位置的天氣信息；或者與多個EV充電站中的至少一個EV充電站的位置相關的外部資源信息。該方法可以例如使用來自充電網絡的信息以考慮可能影響充電網絡的操作的因素。

在第一方面的進一步實施形式中，機器學習模型包括以下中的至少一個：線性回歸；決策森林回歸；增強決策樹回歸；快速森林分位數回歸；神經網絡；或泊松回歸。例如，該方法可以實現以高精度和/或高效率檢測發生故障的充電站和/或預測充電站的故障。

在第一方面的進一步實施形式中，該方法進一步包括以下中的至少一個，在用訓練數據集訓練機器學習模型之前：對訓練數據集執行特征提??；對訓練數據集執行特征變換；或對訓練數據集執行特征縮放。例如，該方法可以使得能夠以可以有效地訓練機器學習模型的方式預處理訓練數據集。

應當理解，上述第一方面的實施形式可以相互結合使用。幾種實施形式可以組合在一起形成進一步的實施形式。

根據第二方面，提供了一種計算機程序產品，包括被配置為當在計算機上執行計算機程序時執行根據第一方面的方法的程序代碼。