摘要：鑒于電動汽車數量未來爆發式增長的現象，利用分布式邊緣云模塊化技術，以服務功能劃分為有序充電云模塊和遠程自動檢測模塊，通過蜂窩無線遠距離傳輸的方式，實現采樣數據及控制信息上下行數據交互的承載。利用云平臺的虛擬化存儲、動態擴展、功能模塊化部署特點，可以在靈活的空間范圍內部署后臺計算與能源資源匹配與應用；利用一套遠程自檢裝置，通過軟件形式定期下發自檢測程序，充電樁啟動自檢模式，將檢測報告與裝置內存儲的標準數據進行比對，進一步改善平臺充電樁監控狀態。通過邊緣云平臺信息分區分功能交互的模式，利用虛擬空間構建一個大容量、高可靠的管控平臺，為車聯網應用提供一種切實可行的解決方案。

關鍵詞：云平臺；自動檢測；能源管理；有序充電

今年，電動汽車行業抓住了疫情影響洼地，迅速找到了發展突破口，從電動汽車發行政策到鋰電池開發技術均出臺了多層面利好消息，未來一段時間內會出現電動汽車乘用車數量井噴現象，如何滿足如此批量的電動汽車充電服務需求，有必要改善現有車聯網服務平臺服務能力。車聯網作為充電樁集群式系統管理平臺，可以遠程對充電樁空閑狀態、運行狀態、分布位置等進行管理，并通過車載終端獲取管轄區域內的車輛充電需求及位置要求，將充電需求與充電樁存量信息進行匹配，為車輛主動推送合適的充電方案信息。但隨著車輛數量的快速遞增，傳統車聯網管理方法會逐步表現出處理能力的缺陷，應通過某些智能化技術提升管理系統的處理容量和效率。

1 有序充電計量數據管理及樁站管理現狀

傳統車聯網系統數據的管理更側重于對車輛的管理，例如車輛運行路徑、車輛能量剩余情況、車輛間距、一定空間內車輛容納數量等信息，以上綜合信息有利于幫助系統了解充電樁附近的車輛充電需求量，主要目的是為車輛主動推送充電信息，用戶可以從車載終端或其他APP上迅速搜索到附近可充電的充電點，節省了用戶的等待時間。但電動汽車發展速度過快，導致傳統車聯網在數據控制與管理方面也逐步顯露出了較多不匹配的地方，總結為以下幾點：

（1）充電樁數量與電動汽車充電需求數量不成正比：充電樁安裝需要安全、有源的空間預留，隨著城市智能化建設的加速，可以滿足充電樁部署的空間比較有限，如何解決有限的能源用于更多的設備充電是需要解決的問題。

（2）充電樁充電技術還未成熟：某個省質檢單位對充電樁產品出廠前檢測結果反映，70%產品存在著安全隱患，例如有的存在故障無警示或者元件接地錯誤等，也意味著，這批充電樁在運行一段時間后出現安全問題的可能性很大。在充電樁數量如此有限的情況下，再加上充電樁故障的風險，給充電能力增加了更大的壓力。

（3）車聯網缺乏對充電樁聯網供電能力的評估：目前車聯網僅是將每個充電樁供電水平值采集到系統，當周邊有車輛預到達時，可推送充電消息。但往往由于充電樁分配不合理，導致有的車輛無電可充，而有可充電的樁站卻空閑。

2 基于云平臺服務的有序充電應用管理架構

基于以上深度的分析，解決車聯網充電服務問題的根本要從兩個方面入手：一是加強車聯網能源供應與充電需求的匹配度；二是增加充電樁自檢測能力，并能通過程序自優化方法對充電樁進行升級。本文針對兩個主要需求采用邊緣云模塊的方式，不同的云功能設計不同的模塊，還能借助云特性實現云模塊間的數據耦合與擴展。通過功能云數據與能源管理系統內其他設備相互聯系，可支撐整個充電過程服務的實現。整體架構如圖 1 所示。

車聯網對于封閉式的電網而言，屬于信息外網，因此架構從縱向來看劃分為信息內網與信息外網兩部分。信息內網側重于能源側，包括配電網發電-充電樁供電-供電交易計量，其過程具體可描述為智能配電網將傳統電網或分布式新能源等不同形式能源通過 10 kV 電纜通道傳輸到能源路由器，由能源路由器根據用戶需求將能源分配給的汽車充電，并將充電結果反饋到交易中心進行記錄，完成收費過程。信息外網側重于充電服務，主要由用戶電動汽車、用戶信息交互 APP 及車聯網組成，其過程具體可描述為當車輛需要充電時，利用APP軟件將需求發送到車聯網，車聯網根據系統內充電樁圈的空閑情況及設備狀態情況，合理推送充電方案，完成充電過程。

基于邊緣云平臺的車聯網服務架構與傳統架構的不同之處在于，部分原由能源交易管理系統執行的功能下放到車聯網內。BMS（Battery ManagementSystem）是動力電池管理系統的約束，掌握電池的狀態，保證充放電過程的安全，功能模塊集成在車聯網平臺中；能源管理系統對每個充電樁運行狀態數據通過數據邏輯形式發送到車聯網云端，進行鏡像存儲，車聯網中的控制云能更充分結合用戶用能行為習慣，將用戶群體需求圈中的所有充電樁供能

狀態集中建模，綜合參考用戶等待時間、充電樁群綜合供能效率、車輛服務移動綜合距離等評價參量，保證分配方案的合理化。將控制權下放到車聯網系統中，1.它屬于分布式管理方式，采用邊緣云處理的方法，能夠更快地出具分配方案，相比能源管理系統集中式處理方式，效率和準確率均會有所提升，也能降低集中數據管理的負擔；2.它與用戶直接接觸，可以較靈活地根據用戶充電習慣的改變而優化能源分配模型，實時更新云數據庫空間內容，以更多數據服務形式滿足用戶服務的要求。

其次基于邊緣云平臺增加的檢測云模塊，通過在系統主站部署一套智能化檢測裝置，提前將常規性充電樁運行狀態檢測方案轉換成軟件編碼形式，周期性地下發自檢模式控制指令，充電樁會自動啟動自檢功能，完成線纜連接、電流額定功率、通信故障等系列檢測程序，最終形成自檢報告，對于有問題節點會將警示消息傳輸到車聯網，車聯網會根據充電樁狀態實時調整分配方案，并下發檢修信息到能源管理平臺，報送電網進行檢修。檢測云從設備自身狀態出發提升了設備使用壽命，也變相緩解了充電樁使用的壓力。

3 基于邊緣計算的有序充電算法實現

車聯網有序充電服務過程以用戶側需求為主，按照先預測用戶充電需求趨勢來提前部署充電樁分配方案。如果采用傳統的需求與充電樁實時匹配方案，經常出現充電樁無空閑的狀態，因此要對需求提前預測，才能盡量保障能源的供應。有序充電流程如圖 2 所示。

電動汽車用戶接收到的信息可能包括電價信息、獎勵和懲罰信息、充放電功率限制、充放電時間限制等。這些信息可能來自于不同的主體，電動汽車用戶根據這些信息結合自身的行駛需求，對各種信息做出選擇和響應決策。同一充電設施可能被多個用戶使用，電動汽車用戶并不是直接的電力用戶。在這些公共停車位上，包含了長時間充電或快速充電的需求，可具備功率較大的交流充電或者直流充電設施。這些充電設施應具備用戶識別和充電費用結算功能。多輛電動汽車充放電協調控制的目標包括：1.執行上級控制命令；2.滿足各電動汽車用戶的充電需求。在控制過程中，電動汽車接入、退出，各控制對象的狀態在不斷地變化。協調控制策略應實時、動態地進行調整，可見控制策略是有序充電規則制定的核心。本文采用基于密度聚類的方式對用戶充電行為數據進行分析，具體測算過程如下：

（1）構建一個三維的信息采集坐標，橫坐標為用戶需要充電時間，縱坐標為充電電量，空間坐標為發出充電需求時車輛所在位置。

（2）對數據進行實時采集，選擇不同時間段的充電行為進行采集，在三維坐標軸上記錄下多方面信息，在坐標軸上標識出的一個點表示一個車輛在某個空間位置需要充電的電量信息，最終在坐標軸上形成多個標識位置不同的節點。

（3）將 n 個訓練節點均標識在坐標軸上，從圖面上初步確定了核心節點k，以這k個核心節點為起點，設定距離門限值δ，分別計算k個核心節點周圍節點的距離，計算條件如下：

通過計算，可以形成 k 個不同范圍密度圈。

計算遺漏節點 t，將每個遺漏點再分別與k個密度圈的節點計算距離，選擇小的距離值，然后納入到此密度圈中；依次計算，直到遺漏節點劃分完畢，記錄t個節點距離值L，并備注為特殊節點。具體映射模型如圖3所示。

至此，完成用戶充電行為的坐標描述，用能行為直觀地表示成不同的能量密度圈，機器可以容易計算出每個密度圈中表示的充電總量、車輛數量、聚集時間段和充電區域，從而可以大致描繪出詳細的充電行為曲線圖。依照此行為曲線圖中位置及電量參量，將充電樁群進行密度劃分，同樣形成不同的密度集，將兩個密度集進行比對，構建兩個參量的密度圈一對一、一對多的映射關系。

（1）充電樁聚集密度太零散，用戶需求側一個密度圈會對應多個能量側密度圈。

（2）用戶用能量過大，同樣需要多個能量側密度圈來映射。

（3）一對一的情況是指用戶側需求剛好在同區域的能量圈范圍內[8]。

無論哪種映射關系，具體到圈內每個節點的映射關系均是在能量維度滿足的條件下，距離短原理來計算。按照需求側和能源側負荷曲線匹配結果形成充電序列，車聯網以設定順序下發充電樁分配指令，電動汽車依照指令完成充電路徑。通過本文設計的有序充電服務計算模型，實現了充電樁運行狀態與用戶需求的共同聯網分析，分析模型在控制云中集成實現，適應用戶需求改變和充電樁狀態不穩定的現象，可以實時更新模型條件及映射關系，保持車聯網服務模型的適應性。

4 基于云架構下的遠程自動檢測有序充電管理單元設計與實現

充電樁自檢功能是車聯網平臺中新增的部分，通過在平臺中部署一套智能化自檢裝置，包括軟硬件基礎組件構成，通過多個無線通道同時對多臺充電樁進行性能檢測，一般選擇蜂窩式的通信組網模式，符合充電樁分布集群式的部署特征。智能化自檢裝置軟硬件結構圖圖 4 所示。

結構主要劃分為硬件模塊與數據庫軟件服務器部分，硬件部分主要實現充電樁狀態信息的采集與處理，充電樁上部署了除了互感器等電量采集的元器件外，還有各種非電量傳感器檢測模塊，所有數據通過無線多通道并行上傳到檢測裝置的測試接口，高精度數字功率計可以將充電樁實時的三相電流、電壓及瞬時功率值計算出來，并通過可編程交流負載，模擬不同電阻檔位進行測試，驗證充電樁運行電路中各個觸電電量值及開關量狀態是否在安全運行標準數值范圍內。按照充電樁檢測用例過程要求編寫測試程序，下發到充電樁中，可

自動完成自檢測過程[9]。其次對于充電樁環境監測是在傳感器參量處理電路中執行，將采集的溫度、濕度、電磁等參量的數據融合采集、分類計算，同樣將數據結果與歷史故障門限值數據進行比對，對于超過安全運行標準的數據進行報警，如故障在可自動修復范圍內，系統會下發優化程序，充電樁進行自調優完善過程。針對剛才描述中涉及到的檢測編譯程序及歷史故障庫等部分均在數據庫服務器中集成存儲，結構化數據庫按照檢測數據、處理模型、故障庫等類型、優化程序等將數據存儲在不同的容器中，根據系統自檢過程順序調取不同數據，配合完成各項自測項目。

5安科瑞充電樁收費運營云平臺系統選型方案

5.1概述

   AcrelCloud-9000安科瑞充電柱收費運營云平臺系統通過物聯網技術對接入系統的電動電動自行車充電站以及各個充電整法行不間斷地數據采集和監控，實時監控充電樁運行狀態，進行充電服務、支付管理，交易結算，資要管理、電能管理，明細查詢等。同時對充電機過溫保護、漏電、充電機輸入/輸出過壓，欠壓，絕緣低各類故障進行預警；充電樁支持以太網、4G或WIFI等方式接入互聯網，用戶通過微信、支付寶，云閃付掃碼充電。

5.2應用場所

   適用于民用建筑、一般工業建筑、居住小區、實業單位、商業綜合體、學校、園區等充電樁模式的充電基礎設施設計。

5.3系統結構

   系統分為四層：

   1）即數據采集層、網絡傳輸層、數據層和客戶端層。

   2）數據采集層：包括電瓶車智能充電樁通訊協議為標準modbus-rtu。電瓶車智能充電樁用于采集充電回路的電力參數，并進行電能計量和保護。

   3）網絡傳輸層：通過4G網絡將數據上傳至搭建好的數據庫服務器。

   4）數據層：包含應用服務器和數據服務器，應用服務器部署數據采集服務、WEB網站，數據服務器部署實時數據庫、歷史數據庫、基礎數據庫。

   5）應客戶端層：系統管理員可在瀏覽器中訪問電瓶車充電樁收費平臺。終端充電用戶通過刷卡掃碼的方式啟動充電。

   小區充電平臺功能主要涵蓋充電設施智能化大屏、實時監控、交易管理、故障管理、統計分析、基礎數據管理等功能，同時為運維人員提供運維APP，充電用戶提供充電小程序。

5.4安科瑞充電樁云平臺系統功能

5.4.1智能化大屏

   智能化大屏展示站點分布情況，對設備狀態、設備使用率、充電次數、充電時長、充電金額、充電度數、充電樁故障等進行統計顯示，同時可查看每個站點的站點信息、充電樁列表、充電記錄、收益、能耗、故障記錄等。統一管理小區充電樁，查看設備使用率，合理分配資源。

5.4.2實時監控

   實時監視充電設施運行狀況，主要包括充電樁運行狀態、回路狀態、充電過程中的充電電量、充電電壓電流，充電樁告警信息等。

5.4.3交易管理

   平臺管理人員可管理充電用戶賬戶，對其進行賬戶進行充值、退款、凍結、注銷等操作，可查看小區用戶每日的充電交易詳細信息。

5.4.4故障管理

   設備自動上報故障信息，平臺管理人員可通過平臺查看故障信息并進行派發處理，同時運維人員可通過運維APP收取故障推送，運維人員在運維工作完成后將結果上報。充電用戶也可通過充電小程序反饋現場問題。

5.4.5統計分析

   通過系統平臺，從充電站點、充電設施、、充電時間、充電方式等不同角度，查詢充電交易統計信息、能耗統計信息等。

5.4.6基礎數據管理

   在系統平臺建立運營商戶，運營商可建立和管理其運營所需站點和充電設施，維護充電設施信息、價格策略、折扣、優惠活動，同時可管理在線卡用

戶充值、凍結和解綁。

5.4.7運維APP

   面向運維人員使用，可以對站點和充電樁進行管理、能夠進行故障閉環處理、查詢流量卡使用情況、查詢充電\充值情況，進行遠程參數設置，同時可接收故障推送

5.4.8充電小程序

   面向充電用戶使用，可查看附近空閑設備，主要包含掃碼充電、賬戶充值，充電卡綁定、交易查詢、故障申訴等功能。

5.5系統硬件配置

6 總結

本文主要針對電動汽車充電服務水平急需提升的問題，設計了邊緣云的深度解決方案。通過調研目前充電樁與電動汽車數量不匹配及充電樁運行不穩定的現狀，分別利用基于密度聚類計算的邊緣算法分析車輛充電的行為習慣，勾勒出用電密集度行為圈；并結合遠程充電樁自檢驗模式，定期檢測設備運行健康指數，合理分配有效的充電裝置，共同制定充電樁分配方案。本文研究了一套基于云平臺服務的車聯網數據管理架構方案，分析其中各云管理模塊的功能及組成，針對充電樁遠程自檢實現原因進行了研究，驗證車聯網集成平臺新增值檢測業務的功效。賦予新功能的車聯網平臺不僅實現了車輛充電數據的實時采集、存儲及可視化控制功能，還實現了充電樁站設備的自動檢測能力，節約了大量人力的常規檢查。