典型文献
基于云计算大数据分析技术的电动汽车充电监控系统
文献摘要：
目前新能源汽车充电桩的测试和运维仍采用工程师进行现场测试和维护的传统方式,这已无法满足充电桩爆发式增长的检测和运维需求.另一方面,虽然充电桩TCU单元可以与充电控制器进行CAN通信,并记录数据,但由于硬件设计缺陷无法进行高速采集,记录的信息十分简单,因此无法反映充电细节,更无法记录新能源汽车与充电桩之间真实的交互过程和信息.文中介绍了采用高速数据采集技术、机器学习技术对新能源汽车充电故障进行采集和识别,实现故障在线诊断、故障预测等功能.设计了一种安装在充电桩内部的故障监控系统,该系统采集电压、电流、门禁、急停等信号,并通过IoT技术上传到云服务器.结合数据处理技术,随机森林分类算法提出了一种充电桩在线诊断故障方法,最终实现充电桩的智能运维.文中简要介绍了随机森林思想及其核心算法,及其拓扑和训练过程,分析了训练结果的均方误差和训练损耗,并对模型进行优化,以提高精度,同时对避免过拟合等问题进行了探索,最后通过项目实际应用对比了故障预测与真实情况的误差,得到故障识别准确率超97％的结论.
文献关键词：
新能源汽车;充电桩;云计算;大数据分析;深度学习;随机森林算法;模型优化
中图分类号：
作者姓名：
徐孟龙;李俊;刘慧文;伍文广;马媛媛;史晓磊
作者机构：
北京博电新力电气股份有限公司,北京 100176;国网电动汽车服务有限公司,北京 100052;长沙理工大学,湖南长沙 410114
文献出处：
引用格式：
[1]徐孟龙;李俊;刘慧文;伍文广;马媛媛;史晓磊-.基于云计算大数据分析技术的电动汽车充电监控系统)[J].物联网技术,2022(02):51-55
A类：
B类：
大数据分析技术,电动汽车充电,监控系统,新能源汽车充电桩,现场测试,传统方式,爆发式,TCU,充电控制器,CAN,硬件设计,设计缺陷,高速采集,高速数据采集,数据采集技术,机器学习技术,电故障,故障在线诊断,故障预测,故障监控,集电,门禁,急停,IoT,传到,云服务器,数据处理技术,随机森林分类,分类算法,智能运维,核心算法,拓扑和,训练过程,均方误差,提高精度,过拟合,应用对比,真实情况,故障识别,识别准确率,随机森林算法,模型优化
AB值：
0.369379
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
