關鍵詞：車聯網；新能源車輛；新能源充電設施；健康狀態感知

我國是世界主要新能源汽車制造國和消費國，我國的新能源汽車產業正處于高速發展過程中。而隨著我國新能源汽車的快速普及，圍繞新能源車輛建設的充電設施規模也不斷擴大。據有關部門統計顯示， 截至2025年6月， 我國充電基礎設施累計超過950萬臺[1-3]。這些充電設施的健康狀態直接影響甚至決定了新能源車輛的充電安全、效率與用戶體驗。傳統的新能源車輛充電設施監測大多高度依賴固定傳感器，但隨著充電設施使用程度的不斷加深， 傳統健康監測依賴SCADA系統與固定傳感器的問題逐漸顯現，設施故障率也居高不下（行業平均＞8%）。因此，本文嘗試以車輛網為核心重新構建一種新能源充電設施健康狀態感知方法，以提升我國現有充電設施的監測智能化水平。

1   新能源充電設施健康狀態感知系統構建需求

1.1   傳統新能源充電設施健康狀態監測問題

1.1.1   存在覆蓋盲區問題

傳統的新能源充電設施健康狀態監測系統大多以SCADA系統與固定傳感器為核心[4]。這種監測系統大多只能對新能源充電設施的充電量、充電頻次等進行數據收集，普遍缺乏對充電設施內部連接器磨損、線纜老化等動態缺陷進行監測的能力。從這一視角來看，現有新能源充電設施健康狀態監測系統普遍存在覆蓋盲區問題。

1.1.2   成本約束問題

傳統的新能源充電設施健康狀態監測系統大多主要用于統計和分析充電設施的充電量、車輛的充電頻率等。受限于新能源充電設施的整體投入成本， 新能源充電設施健康狀態監測系統內部的硬件設備結構較為簡單， 內部傳感器大多為溫度、濕度等基礎類型的傳感器，很少有高精度傳感器部署。

1.1.3   數據割裂問題

新能源充電設施在車輛充電過程中需對電池電壓、溫度、SOC（State of Charge，荷電狀態）等核心參數向上級單位進行上傳以保障充電安全。此類數據若被未授權訪問， 可能導致用戶隱私泄露或電池安全策略被逆向破解[5-7]。因此，實際上車輛在充電過程中其與充電設施數據是相互分離的， 即充電設施和車輛之間存在嚴重的數據割裂問題。這一問題的存在不僅會影響充電設施數據獲取的完整性，同樣也會對車輛的充電安全等形成影響。

1.2   新能源充電設施健康狀態感知系統構建需求

1.2.1   多維度實時監測需求

基于車聯網的新能源充電設施健康狀態感知系統需要滿足未來的多維度實時監測需求， 即其可以對電氣參數如充電時的電壓、電流、功率等數據進行實時采集； 可以對環境狀態數據如溫濕度、水浸度， 煙霧濃度等數據進行實時采集； 可以對充電設備的機械狀態數據如充電槍插拔次數、接觸電阻變化等數據進行實時采集。

1.2.2   多源數據協同處理需求

在GB/T 27930、ISO 15118等協議下，我國的新能源車輛用電池的生產標準有很多相同之處， 但具體到每一個不同的電池品牌， 其充電時與充電樁的數據共通方式可能略有差異[8]。因此，新能源充電設施健康狀態感知系統需要可以具體分辨不同新能源車輛用電池的數據共通模型， 并支持采用車企與充電運營商協作訓練故障預測算法實現多源數據的協同處理。

1.2.3   多元安全防護需求

新能源充電設施健康狀態感知系統的安全防護功能是保證充電設施和車輛安全的重要基礎。基于物聯網的新能源充電設施健康狀態感知系統需要在GB/T 18487 . 1-2023電氣安全標準下通過動態防護安全設計定期對充電設備進行滲透測試、老化測試等，當系統感知充電設備健康狀態、安全狀態存在問題時可以第一時間向監管系統發出警報[9]。

2   新能源充電設施健康狀態感知系統構建 

2.1   系統框架

基于車聯網的新能源充電設施健康狀態感知系統框架主要包含了數據采集層、邊緣計算層、云端分析層等，如圖1所示。

圖1 系統框架

系統工作時，數據采集層對車輛端、設施端的數據進行采集，按照國家相關通信協議將數據傳輸至邊緣計算層；邊緣計算層通過構建時序對齊將車輛與設施數據時間同步，再對二者數據中的關鍵指標信息進行提取，再對異常數據進行過濾后傳輸至云端分析層；云端分析層經過數據輸入、多模態健康評估后得到車輛與設施的健康狀態監測數據，結合自注意力機制動態加權不同充電周期的特征重要性，得到車輛與設施的健康狀態具體結果。

2.2   系統核心功能

2.2.1   邊緣計算關鍵指標提取流程

邊緣計算層關鍵指標主要包括電氣性能指標、機械狀態指標、電池交互指標、環境適應性指標等。邊緣計算關鍵指標提取流程主要包括確定評估目標與范圍、數據收集、數據預處理等。

其中，新能源充電設施健康狀態感知系統的關鍵評估目標與范圍主要包括預測故障、優化使用效率等； 數據收集的目標主要包括電氣性能數據、機械狀態數據、環境數據、故障記錄數據等； 數據預處理的工作主要包括數據清洗、數據歸一化等； 特征提取的工作主要包括從預處理后的數據中提取新能源充電設施健康狀態感知系統所需的關鍵特征數據， 如歐姆電阻、電荷轉移電阻、弛豫時間分布特征峰等； 建立評估模型的主要工作包括選擇合適的算法、使用歷史數據對模型進行訓練和驗證等； 關鍵指標提取的主要工作包括對指標進行明確的物理定義， 以及對新能源充電設施健康狀態感知系統進行理解和應用等。

2.2.2   邊緣計算異常數據過濾機制

邊緣計算異常數據過濾機制主要包括邊緣節點層、霧節點層、云端層等。其中， 邊緣節點層主要負責數據采集與初篩， 通過輕量級規則引擎和數據壓縮優化算法實現新能源充電設施健康狀態感知系統異常數據的過濾； 霧節點層主要負責聚合分析與特征提取， 通過多源數據關聯和特征降維處理實現新能源充電設施健康狀態感知系統數據的統一歸類與特征獲取； 云端層主要負責深度模型訓練與策略更新， 通過聯邦學習協同優化等方法對新能源充電設施健康狀態感知系統各邊緣節點共享加密特征，實現系統模型的訓練與訓練策略的更新。

2.2.3   基于動態阻抗譜的接觸健康評估流程

基于動態阻抗譜的接觸健康評估流程主要包括前期準備階段、實時監測與數據融合階段、健康評估與診斷階段等，如圖2所示。

圖2 基于動態阻抗譜的接觸健康評估流程

首先，在前期準備階段，新能源充電設施健康狀態感知系統會通過設備標定與環境適配等技術部署高精度的傳感器并進行動態激勵配置， 并通過構建標準化的數據庫為新能源車輛、充電設施提供基本的軟硬件基礎[10] ；其次，在實時監測與數據融合階段，新能源充電設施健康狀態感知系統通過多維數據同步采集對充電電壓曲線、溫升時序、機械狀態、環境參數等進行獲取，再結合本地網關過濾冗余數據實現邊緣層數據的預處理；最后，健康評估與診斷階段，新能源充電設施健康狀態感知系統通過關鍵指標提取算法、分級預警策略等完成新能源車輛、充電設施的健康狀態評估。

3   新能源充電設施健康狀態感知系統性能驗證

3.1   驗證環境

本文構建的基于車聯網的新能源充電設施健康狀態感知系統的性能驗證以我國深圳某充電站為驗證環境。該充電站內設30臺快充電樁，額定功率120kW，覆蓋車型主要包括比亞迪、特斯拉等主流電動車或混動車品牌。本次數據采集周期為2024.1～2024.6（充電記錄12.8萬條）。

3.2   驗證結果

按照各15臺充電樁的分配方式對本文構建的系統和傳統監測方法在性能上進行對比，得到表1所示系統驗證結果。

表1系統驗證結果

4   結語

從故障檢出率指標來看，傳統監測方法在2024.1～2024.6半年時間內的故障檢出率為76.4%，而應用本系統的15個充電樁在相同時間內的故障檢出率達到了92.7%，表明在應用本系統后相同規格的充電樁可以獲得更高的故障檢出率；從誤報率指標來看，傳統監測方法在2024.1～2024.6半年時間內的誤報率高達18.5%，而應用本系統的15個充電樁在相同時間內的誤報率僅為2.4%，表明在應用本系統后相同規格的充電樁可以更好地避免故障誤報，提升了監測精度； 從預測提前時間指標來看， 傳統監測方法在2024.1～2024.6半年時間內的預測提前時間低于24h，而應用本系統的15個充電樁在相同時間內的預測提前時間超過了72h，表明在應用本系統后相同規格的充電樁可以更好地對故障進行預測、預警等； 從維護成本角度來看， 應用本系統的15個充電樁在相同時間內的維護成本降低了34.5%， 表明在應用本系統后相同規格的充電樁可以在更低的維護成本下開展更高水平的工作。

綜上所述，健康狀態感知是新能源充電設施對車輛、設施進行健康狀態監測的重要手段。本文基于現代的車聯網系統構建了一種新能源充電設施健康狀態感知系統，該系統主要包括了數據采集層、邊緣計算層、云端分析層等。實際測試證明，本文搭建的系統可以幫助新能源充電設施提高故障檢測精度，降低系統誤報率，在更低的維護成本下獲得更好的充電車輛和設施健康狀態感知效果。

作者簡介：

胡欣軼（1990-）， 男，江西余江人，工程師，學士，現就職于國網鷹潭供電公司，主要研究方向為電氣工程及其自動化。 

參考文獻：

[1] 周航輝. 新能源汽車充電系統故障診斷與安全保障技術分析[J]. 汽車維修技師, 2025, (12) : 28 - 30.

[2] 沈建軍. 新能源公交車充電設施消防安全隱患及其防控措施研究[J]. 消防界(電子版), 2024, 10(14) : 123 - 125.

[3] 賓振愛. 新能源汽車特點及維修技術研究[J]. 汽車知識, 2025, 25 (06) : 194 - 196.

[4] 賀誠. 新能源汽車充電設施中防爆電氣技術研究[J]. 防爆電機, 2025, 60 (03) : 103 - 105 + 128.

[5] 金彥東. 消防部門對新能源汽車充電設施的防火安全檢查與指導策略[J]. 今日消防, 2025, 10( 04) : 65 - 67.

[6] 葉文顯, 楊恩昊. 西安新能源汽車充電設施供需失衡分析[J]. 汽車測試報告, 2025, (08) : 49 - 51.

[7] 董廣明. 車聯網技術與新能源車輛充電設施集成方案研究[J]. 汽車知識, 2024, 24 (08) : 245 - 247.

[8] 陸可晶. 進一步提升寧波新能源汽車公共充電樁使用便捷度的對策建議[J]. 寧波經濟(三江論壇), 2025, (01) : 24 - 26.

[9] 周逸飛. 新能源汽車充電基礎設施建設與運營管理研究[J]. 時代汽車, 2025, (02) : 115 - 117.

[10] 錢勇生. 基于F值評分法的新能源汽車公共充電設施安全風險評估[J]. 電器與能效管理技術, 2024, (12) : 63 - 68.

摘自《自動化博覽》2026年3月刊