-
公开(公告)号：CN112836174A
公开(公告)日：2021-05-25
申请号：CN202011622588.6
申请日：2020-12-31
申请人： 深圳市加码能源科技有限公司
摘要： 本发明涉及充电安全领域，更具体地，本发明涉及一种基于AHP的实时充电安全评估方法及存储介质。包括：(1)获取实时报文数据；(2)提取实时报文数据中的特征数据；(3)提取特征数据的特征量；(4)融合特征量和AHP矩阵，评估实时充电安全。本发明通过对充电桩的实时报文数据进行特征提取，得到特征数据，并对特征数据进行判断，得到相应的温度特征量、单体过压特征量、SOC与充电量的特征量、电流特征量、充电时间过长特征量、容量衰减特征量等的特征量，通过和AHP进行融合，来判断电池的实时充电安全，并根据评估结果对实时充电的车辆进行主动防护措施，具有判断准确、快速、全面的特点，可避免安全隐患的发生，提高充电安全性。
-
公开(公告)号：CN111985820A
公开(公告)日：2020-11-24
申请号：CN202010855028.9
申请日：2020-08-24
申请人： 深圳市加码能源科技有限公司
摘要： 本发明涉及机器学习和证据理论领域，更具体地，本发明涉及充电运营管理系统基于FNN和DS融合的故障识别方法。本发明通过采集故障数据，并对特征提取，建立三个FNN进行概率预测，并利用各自的隶属度函数确定故障隶属度，形成证据矩阵，最终利用顺序DS融合决策出故障原因的方法，充分结合了机器学习方法的优势与DS证据推理的优势，利用FNN来预测充电运营管理系统中各部分故障的概率，然后利用DS融合各部分的概率值，最终识别出故障原因，具有可靠性高、故障原因识别准确等优点。
-
公开(公告)号：CN112782588B
公开(公告)日：2023-02-17
申请号：CN202011607506.0
申请日：2020-12-30
申请人： 深圳市加码能源科技有限公司
IPC分类号： G01R31/367 , G01R31/382
摘要： 本发明涉及机器学习领域和负荷预测领域，更具体地，本发明涉及一种基于LSSVM的SOC在线监测方法及其储存介质。包括：获取实时报文数据，提取实时特征数据；LSSVM模型输入实时特征数据，得到预测SOC。本发明提供一种基于LSSVM的SOC在线监测方法，可用于对SOC进行在线估计和监测，并对SOC的异常进行处理，具有SOC值预测准确，可实时监测SOC异常的特点；且通过确定合适的SOC判断方法，可准确判断SOC出现下降或者异常增长的情况，并对异常情况进行处理，提高充电的安全性，且本发明构建的在线监测方法步骤简单、处理迅速。
-
公开(公告)号：CN112782588A
公开(公告)日：2021-05-11
申请号：CN202011607506.0
申请日：2020-12-30
申请人： 深圳市加码能源科技有限公司
IPC分类号： G01R31/367 , G01R31/382
摘要： 本发明涉及机器学习领域和负荷预测领域，更具体地，本发明涉及一种基于LSSVM的SOC在线监测方法及其储存介质。包括：获取实时报文数据，提取实时特征数据；LSSVM模型输入实时特征数据，得到预测SOC。本发明提供一种基于LSSVM的SOC在线监测方法，可用于对SOC进行在线估计和监测，并对SOC的异常进行处理，具有SOC值预测准确，可实时监测SOC异常的特点；且通过确定合适的SOC判断方法，可准确判断SOC出现下降或者异常增长的情况，并对异常情况进行处理，提高充电的安全性，且本发明构建的在线监测方法步骤简单、处理迅速。
-
公开(公告)号：CN112215434A
公开(公告)日：2021-01-12
申请号：CN202011140889.5
申请日：2020-10-22
申请人： 深圳市加码能源科技有限公司
摘要： 本发明涉及机器学习领域和负荷预测领域，更具体地，本发明涉及一种LSTM模型的生成方法、充电时长预测方法及介质。本发明结合了机器学习方法的优势，利用长短时记忆人工神经网络(LSTM)来给出充电剩余时长，可以有效的根据当前的SOC状态、电压、电流等信息选择不同的预测阶段，进行分段充电模式下的充电时长预测，可提高预测的准确性，减少过充等现象的发生对电动汽车安全和使用寿命的影响；且在进行分段充电模式的LSTM模型的建立中，申请人根据电动汽车实际充电过程中，随着剩余电量SOC值的增加，一般充电模式会从恒流改为恒压充电，将SOC的阈值设为80％，分别建立LSTM模型，并分段进行预测，极大提高了预测的稳定性和可靠性，且方法简单，处理快速。
-
公开(公告)号：CN111983465A
公开(公告)日：2020-11-24
申请号：CN202010855001.X
申请日：2020-08-24
申请人： 深圳市加码能源科技有限公司
IPC分类号： G01R31/367 , G01R31/371 , G01R31/382
摘要： 本发明涉及电动汽车充电安全管理技术领域，更具体地，本发明涉及一种基于剩余电量估计的电动汽车充电安全防护方法。本发明提出了一种新的SOC估算方法，用于电动汽车充电过程中的安全防护，在大数据平台的基础上，本发明意在充电桩侧建立准确性更高的SOC估计算法，与BMS中的SOC估算形成同步过程，从而对电动汽车端的SOC变化过程是否正常做出判断，为及早发现充电过程中的SOC异常变化提供理论和方法依据。本发明方法设计的SOC估算方法具有准确性高，训练时间短等优点，提出的双SOC安全防护过程具有方案实施难度低，成本低但防护效果好等优点，在充电运营企业具有广泛的应用前景。
-
公开(公告)号：CN110171320A
公开(公告)日：2019-08-27
申请号：CN201910624651.0
申请日：2019-07-11
申请人： 深圳市加码能源科技有限公司
IPC分类号： B60L53/66
摘要： 本发明公开了一种自启动充电方法、系统及装置，应用于充电机。考虑到电动车辆的VIN码是独一无二的号码，其可用于区分不同电动车辆，所以本申请提前将电动车辆的VIN码与电动车辆所属用户的用户信息之间建立对应关系。当待充电车辆接入充电机需要充电时，可通过充电机与待充电车辆的BMS之间的通信实现待充电车辆的VIN码与提前所建立的对应关系进行自主匹配，若待充电车辆的VIN码成功匹配到特定用户，则启动充电，从而实现利用VIN码匹配方式自主启动充电，无需用户进行一系列的操作，进而提高了电动车辆的充电便捷性及快速性。
-
公开(公告)号：CN112836174B
公开(公告)日：2023-06-09
申请号：CN202011622588.6
申请日：2020-12-31
申请人： 深圳市加码能源科技有限公司
摘要： 本发明涉及充电安全领域，更具体地，本发明涉及一种基于AHP的实时充电安全评估方法及存储介质。包括：(1)获取实时报文数据；(2)提取实时报文数据中的特征数据；(3)提取特征数据的特征量；(4)融合特征量和AHP矩阵，评估实时充电安全。本发明通过对充电桩的实时报文数据进行特征提取，得到特征数据，并对特征数据进行判断，得到相应的温度特征量、单体过压特征量、SOC与充电量的特征量、电流特征量、充电时间过长特征量、容量衰减特征量等的特征量，通过和AHP进行融合，来判断电池的实时充电安全，并根据评估结果对实时充电的车辆进行主动防护措施，具有判断准确、快速、全面的特点，可避免安全隐患的发生，提高充电安全性。
-
公开(公告)号：CN111983465B
公开(公告)日：2022-07-19
申请号：CN202010855001.X
申请日：2020-08-24
申请人： 深圳市加码能源科技有限公司
IPC分类号： G01R31/367 , G01R31/371 , G01R31/382
摘要： 本发明涉及电动汽车充电安全管理技术领域，更具体地，本发明涉及一种基于剩余电量估计的电动汽车充电安全防护方法。本发明提出了一种新的SOC估算方法，用于电动汽车充电过程中的安全防护，在大数据平台的基础上，本发明意在充电桩侧建立准确性更高的SOC估计算法，与BMS中的SOC估算形成同步过程，从而对电动汽车端的SOC变化过程是否正常做出判断，为及早发现充电过程中的SOC异常变化提供理论和方法依据。本发明方法设计的SOC估算方法具有准确性高，训练时间短等优点，提出的双SOC安全防护过程具有方案实施难度低，成本低但防护效果好等优点，在充电运营企业具有广泛的应用前景。
-
公开(公告)号：CN111985820B
公开(公告)日：2022-06-14
申请号：CN202010855028.9
申请日：2020-08-24
申请人： 深圳市加码能源科技有限公司
摘要： 本发明涉及机器学习和证据理论领域，更具体地，本发明涉及充电运营管理系统基于FNN和DS融合的故障识别方法。本发明通过采集故障数据，并对特征提取，建立三个FNN进行概率预测，并利用各自的隶属度函数确定故障隶属度，形成证据矩阵，最终利用顺序DS融合决策出故障原因的方法，充分结合了机器学习方法的优势与DS证据推理的优势，利用FNN来预测充电运营管理系统中各部分故障的概率，然后利用DS融合各部分的概率值，最终识别出故障原因，具有可靠性高、故障原因识别准确等优点。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.042 秒)
