本發(fā)明涉及信息，尤其涉及一種基于人工智能的充電樁安全性檢測方法。

背景技術：

1、充電樁在戶外環(huán)境下長期工作，面臨著高低溫、濕熱、鹽霧、沙塵等多種惡劣環(huán)境的考驗。這些環(huán)境因素可能導致充電樁絕緣性能下降，增加漏電和短路的風險，威脅使用安全。目前，針對充電樁絕緣性能的測試方法主要局限于單一環(huán)境條件下的測試，如高溫、低溫或濕熱測試，無法全面評估充電樁在實際使用環(huán)境中的絕緣性能表現(xiàn)。此外，現(xiàn)有測試方法缺乏對充電樁使用場景的考慮，測試工況與實際工況存在差異，測試結果難以反映充電樁的真實絕緣水平。同時，絕緣性能測試數(shù)據(jù)的分析和可視化手段較為單一，不利于直觀全面地評估充電樁的環(huán)境適應性。因此，亟需建立一套綜合考慮多種環(huán)境因素、貼近實際使用場景、智能化的充電樁絕緣性能環(huán)境適應性測試體系，以提升測試結果的準確性、全面性和可解釋性，為充電樁的安全可靠運行提供可靠依據(jù)。

技術實現(xiàn)思路

1、本發(fā)明提供了一種基于人工智能的充電樁安全性檢測方法，主要包括：

2、根據(jù)充電樁的使用場景，采用機器學習算法自動生成多種極端環(huán)境下的測試工況，獲取高低溫、濕熱、鹽霧、沙塵、振動等環(huán)境參數(shù)，并將其作為復合環(huán)境試驗箱的控制參數(shù)；

3、通過復合環(huán)境試驗箱模擬充電樁在不同環(huán)境條件下的工作狀態(tài)，在環(huán)境循環(huán)過程中，采用高壓介電測試儀對充電樁的絕緣強度進行測試，通過局部放電檢測儀檢測絕緣缺陷引起的局部放電信號；

4、根據(jù)高壓介電測試和局部放電檢測的結果，采用支持向量機算法建立絕緣性能與環(huán)境參數(shù)之間的數(shù)學模型，通過模型預測充電樁在不同環(huán)境條件下的絕緣裕度；

5、采用虛擬現(xiàn)實技術，將充電樁在不同環(huán)境條件下的絕緣性能測試結果進行可視化展示，根據(jù)絕緣裕度的高低，在虛擬場景中以不同顏色標識充電樁的絕緣狀態(tài)；

6、通過大數(shù)據(jù)分析技術，對充電樁在不同環(huán)境條件下的測試數(shù)據(jù)進行挖掘，獲取影響充電樁絕緣性能的關鍵環(huán)境因素，并根據(jù)關鍵因素優(yōu)化復合環(huán)境試驗箱的控制策略；

7、采用深度學習算法，對充電樁的局部放電信號進行特征提取和分類，判斷局部放電的類型和嚴重程度，并根據(jù)分類結果優(yōu)化充電樁的絕緣結構設計。

8、本發(fā)明實施例提供的技術方案可以包括以下有益效果：

9、本發(fā)明公開了一種基于人工智能的充電樁安全性檢測方法。該方法利用機器學習算法生成極端環(huán)境測試工況，通過復合環(huán)境試驗箱模擬充電樁在不同環(huán)境下的工作狀態(tài)。在環(huán)境循環(huán)過程中，采用高壓介電測試和局部放電檢測技術評估充電樁的絕緣性能?；跍y試結果，運用支持向量機算法建立絕緣性能與環(huán)境參數(shù)的數(shù)學模型，預測不同環(huán)境下的絕緣裕度。本發(fā)明還采用虛擬現(xiàn)實技術可視化展示測試結果，并通過大數(shù)據(jù)分析挖掘關鍵環(huán)境因素。此外，應用深度學習算法對局部放電信號進行特征提取和分類，優(yōu)化充電樁的絕緣結構設計。該方法實現(xiàn)了充電樁絕緣性能的智能化測試與評估，提高了充電樁的可靠性和安全性。

技術特征：

1.一種基于人工智能的充電樁安全性檢測方法，其特征在于，所述方法包括：

2.根據(jù)權利要求1所述的方法，其特征在于，所述根據(jù)充電樁的使用場景，采用機器學習算法自動生成多種極端環(huán)境下的測試工況，獲取包括高低溫、濕熱、鹽霧、沙塵、振動中的至少一種的環(huán)境參數(shù)，并將其作為復合環(huán)境試驗箱的控制參數(shù)，包括:

3.根據(jù)權利要求1所述的方法，其特征在于，所述通過復合環(huán)境試驗箱模擬充電樁在不同環(huán)境條件下的工作狀態(tài)，在環(huán)境循環(huán)過程中，采用高壓介電測試儀對充電樁的絕緣強度進行測試，通過局部放電檢測儀檢測絕緣缺陷引起的局部放電信號，包括:

4.根據(jù)權利要求1所述的方法，其特征在于，所述根據(jù)高壓介電測試和局部放電檢測的結果，采用支持向量機算法建立絕緣性能與環(huán)境參數(shù)之間的數(shù)學模型，通過模型預測充電樁在不同環(huán)境條件下的絕緣裕度，包括:

5.根據(jù)權利要求1所述的方法，其特征在于，所述采用虛擬現(xiàn)實技術，將充電樁在不同環(huán)境條件下的絕緣性能測試結果進行可視化展示，根據(jù)絕緣裕度的高低，在虛擬場景中以不同顏色標識充電樁的絕緣狀態(tài)，包括:

6.根據(jù)權利要求1所述的方法，其特征在于，所述通過大數(shù)據(jù)分析技術，對充電樁在不同環(huán)境條件下的測試數(shù)據(jù)進行挖掘，獲取影響充電樁絕緣性能的關鍵環(huán)境因素，并根據(jù)關鍵因素優(yōu)化復合環(huán)境試驗箱的控制策略，包括:

7.根據(jù)權利要求1所述的方法，其特征在于，所述采用深度學習算法，對充電樁的局部放電信號進行特征提取和分類，判斷局部放電的類型和嚴重程度，并根據(jù)分類結果優(yōu)化充電樁的絕緣結構設計，包括:

技術總結
本申請?zhí)峁┮环N基于人工智能的充電樁安全性檢測方法，包括：根據(jù)高壓介電測試和局部放電檢測的結果，采用支持向量機算法建立絕緣性能與環(huán)境參數(shù)之間的數(shù)學模型，通過模型預測充電樁在不同環(huán)境條件下的絕緣裕度；采用虛擬現(xiàn)實技術，將充電樁在不同環(huán)境條件下的絕緣性能測試結果進行可視化展示，根據(jù)絕緣裕度的高低，在虛擬場景中以不同顏色標識充電樁的絕緣狀態(tài)；采用深度學習算法，對充電樁的局部放電信號進行特征提取和分類，判斷局部放電的類型和嚴重程度，并根據(jù)分類結果優(yōu)化充電樁的絕緣結構設計。

技術研發(fā)人員：孫學明,朱建華,陳顯顧,朱智勇,班小鵬,曹建彪
受保護的技術使用者：深檢集團（東莞）質(zhì)量技術服務有限公司
技術研發(fā)日：
技術公布日：2025/1/6