郭大琦，安燕娜，李文静

摘 要：电动汽车及充电设施的运行及运营数据分析对信息化数据采集提出了更高的要求。电动汽车大规模投入应用，相关信息系统也在不断完善，信息化对电动汽车的发展越来越重要。智能充电桩与大数据技术相结合是目前的发展趋势。从电动汽车及充电设施出发，以大数据和云计算技术为核心，对电动汽车运营管理系统、 充电设施监控系统相关数据信息进行采集和分析，实现了运营管理的智能化和信息化，有效推动了电动车的应用，提高了充电服务的高效性和便捷性。

关键词：充电设施;大数据;智能充电;电动汽车

中图分类号：TP311.13 文献标识码：A 文章编号：1001-5922（2021）12-0098-04

Big Data Processing Based On Electric Vehicles and Charging Infrastructure

Guo Daqi1， An Yanna2， Li Wenjing2

（1.State Grid Hangzhou Yuhang District Power Supply Company， Hangzhou 311100， China; 2.Hangzhou Kaida Electric Power Construction Co.， Ltd. Automation Operation and Maintenance Branch， Hangzhou 311100， China）

Abstract：The operation and operation data analysis of electric vehicles and charging infrastructure put forward higher requirements for information data collection. With large-scale application of electric vehicles and continuous improvement of relevant information systems， informatization has become more and more important for the development of electric vehicles. The combination of intelligent charging pile and big data technology is the current development trend. Starting from electric vehicles and charging infrastructure， the big data and cloud computing technology are used as the core to collect and analyze the relevant data information of electric vehicle operation management systems and charging infrastructure monitoring systems. Thus the intelligence and informatization of operation management are realized. Furthermore， the application of electric vehicles is effectively promoted， and the efficiency and convenience of the charging service are improved.which is effective It promotes the widespread application of electric vehicles， improves the efficiency and convenience of charging services， and has good application prospects and realistic application values.

Key words：Charging infrastructure; Big Data; Intelligent charging; Electric vehicles

0 引言

如今全球環境问题不断受到社会各界的广泛关注，传统能源逐渐被新能源替代，电动汽车得到了大力发展和广泛应用。由于其发展形成了一定的规模，电动汽车及其充电设施的运行数据分析、充电站运营管理数据分析以及电动车电池性能的分析对相关数据信息的采集提出了更高的要求，因此需要通过云计算和大数据技术对数据进行分析和处理，从而提高运营管理水平和充电效率，实现智能化充电[1]。

随着大数据技术的迅速发展，大数据技术在各个领域得到了广泛的应用，成为推动企业发展的有效手段。大数据技术的引入可以优化企业的运营管理方式，通过对相关数据进行采集、处理和分析，既能降低经营成本、提高企业运营管理水平，同时还能推动社会发展。随着电动汽车大规模投入使用，智能充电信息系统也在不断完善，大数据应用于电动汽车及其充电设施是当前发展趋势。因此对电动汽车及充电设施进行信息化管理，实现充电设施的互联互通和充电服务的智能化和信息化受到了广泛关注[2-4]。

本文通过对电动汽车运营管理系统、充电设施监控系统及智能充电桩等数据信息系统进行研究，采用大数据技术对复杂的关联数据进行分析，并对数据的潜在价值进行挖掘，从而推动运营管理方式的转变，提高充电设施的运营和系统管理水平的研究提供数据支撑。

1 电动汽车领域大数据

1.1 电动汽车大数据的产生

电动汽车领域大数据主要由电动汽车及充电设施运行数据、相关设备的检测数据和运营管理数据3部分构成。按数据结构可将其分为结构化数据和非结构化数据两种类型，电动汽车信息系统的大部分数据都属于结构化数据，通常在数据库中存储， 随着电动汽车大规模投入，结构化数据也随之快速增长。而非结构化数据是指那些不容易通过数据库二维逻辑来表示的数据，系统中视频监控数据和图像处理等数据均属于该类数据。非结构化数据在电动汽车充电设施监控系统中占有较大比例。

根据处理时限的不同要求可将结构化数据分为实时数据和准实时数据，实时数据主要是指充电设施远程控制、预约充电和无卡充电等需要快速准确处理的数据;对于系统设备运行及运营的状态数据，实时性通常要求不高，因此以准实时数据的形式对其进行处理[5]。

1.2 电动汽车大数据特点

电动汽车及其充电设施的大数据具有规模大、种类多、价值密度低和变化快4个特点。

（1）数据规模大。随着电动汽车广泛推广，相应的充电配套设施也日趋完善，以某城市为例，每天需要充电的电动汽车就有数千辆，同时需要对上千台充电桩的运行数据进行采集，每天增加的数据信息量相当大。

（2）数据种类多。电动汽车及其充电设施的数据类型繁多且分布广泛，数据主要由历史数据、当前数据、视频数据和图像数据等结构化、非结构化数据构成;与之对应的数据查询和处理的要求也因数据类型的不同而不同。

（3）价值密度低。对于视频监控来说，其数据记录是连续的，但有用的数据可能只有几秒。电动汽车及充电设施监控采集的数据中，异常数据占有很小的比例，大部分数据是正常数据;但是异常数据是系统数据分析的重要依据。

（4）变化快。为了给相关决策的制定提供支持，数据分析要在几分之一秒内完成，同时要求对在线数据的处理能力要比离线数据高;与传统数据挖掘相比，在线数据分析要求更高[6-8]。

电动汽车及其充电设施的数据处理过程中，需要保证数据的质量，根据数据与特定类型数据相关的可靠性級别来对其进行评估。这样就可以为数据分析和处理提供高质量的数据，从而为分析结果的正确性提供了重要保障。

2 大数据平台整体架构

2.1 技术结构

为了提高电动汽车充电服务的质量和效率，提升企业运行管理水平，采用大数据、物联网和云储存等技术，构建充电设施大数据平台。大数据、云计算和智能充电桩的关系如图1所示。

其中云计算主要用来实现系统中相关数据的计算和存储，通过云计算可以提高数据处理速度和信息交互效率;大数据技术为云计算提供数据来源，并对数据进行挖掘，根据不同的业务需求提供不同的应用。智能充电桩网络是大数据技术在电动汽车领域的具体应用，三者之间形成有机统一体，从而实现了充电设施的智能化和信息化[9]。

2.2 智能充电桩大数据架构

基于大数据技术构建智能充电平台，可对充电桩基础设施的使用情况进行大数据分析，同时可以实现充电桩实时运行状态监控，为用户提供充电一体化服务，有效提升了充电效率和企业运营管理水平。智能充电桩大数据架构如图2所示。

该架构主要由数据管理、备份与恢复、服务器和操作系统等模块构成，采用大数据技术中的分布式文件处理技术实现整体功能，通过大数据调度框架和访问框架实现智能充电桩的各种应用，并以Hadoop文件系统形式对大数据进行存储，从而实现PB、ZB级的数据存储和查询[10]。

2.3 数据结构

充电设施能对自身的实时状态进行检测，同时还具有计量的功能，通过大数据及通信技术对相关数据进行采集和读取，并通过数据库保存。这样既可以实现对实时数据的获取又可以对充电桩的相关运行参数进行远程设置。

数据采集与存储。充电桩通常在户外安装，所处环境较恶劣，而且电磁干扰较大，数据信息交互通常采用GPRS通信，复杂的电磁环境会导致数据通信延时甚至中断。正常运行时充电桩实时上传运行数据，根据实际功能需求对所需的数据进行采集，然后在客户端对所要监视的数据进行展示。根据充电桩技术规范相关规定，数据及事件的记录、数据保存时间都有明确要求，为了实现数据上传的完整性，在数据采集过程中采用启动召唤和定时召唤两种策略，保证所有记录信息录入数据库。

参数远程设置。为了实现分布式充电桩的集中管理，同时为运维提供便捷，充电桩要满足参数远程设置的需求，可以对系统相关保护值、控制参数以及费率进行本地或远程设置。工作人员通过网络及操作界面对参数进行远程设置，为了保证系统的安全性，需要对操控权限进行管理，并通过不同功能模块间的协同化来实现[11]。

3 关键技术

3.1 数据处理技术

电动汽车充电设施大数据处理技术包括分布式计算、内存计算和流处理技术。如图3所示，分布式计算技术用来实现大规模数据的分布式存储及处理;内存计算技术主要用来对在线数据进行实时计算，并对数据进行高效读取和处理;对于实时到达并且速度和规模都不可控的数据，通过流处理技术可以对其有效处理。

分布式计算根据问题的难易程度对其进行分解，通过其他计算机对分解后的部分进行处理，并对每个计算机的结果进行综合从而得到最后的结果。

通过在内存中对数据进行计算可以减少磁盘读写所需时间，有利于数据计算速度的提升，内存计算可以降低业务处理时间，为数据挖掘创造了有利条件，同时满足数据分析实时性的要求。

流处理技术将实时数据以流的形式进行处理，从而保证新数据可以有效处理并及时返回，然而数据信息的价值会随时间不断降低，因此对新数据的分析和处理要迅速。电动汽车及其充电设施数据实时处理需求不断提高，流处理技术恰好可以满足该需求，实现数据在线分析和处理，从而可以更好为决策的制定提供依据[12-14]。

3.2 数据集成管理技术

通过数据集成管理技术可以将两个或者两个以上应用系统的数据合并，从而产生具有更多功能的应用系统。该技术可以将系统中不同结构和不同性质的数据进行整合和集成，有效降低了系统间数据信息的复杂性，通过构建能够如实反映历史变化并相对稳定的数据集合，实现不同系统间数据信息资源共享。将数据集成管理技术应用在电动汽车充电设施网络，首先对系统中不同类型的数据进行提取和汇总，并将实体和关系从数据库中提取，然后将其融合集成，对不同格式的数据进行统一并存储。为了保证数据的质量和正确性，还需要对数据进行清洗[15]。

4 大数据在电动汽车领域应用

4.1 充电设施运维

通过大数据技术可实现对充电设施的运行状态以及使用情况的实时监控，当数据发生异常时可以及时发出警报，以便运维人员对其进行处理。通过对充电桩建设情况、故障记录以及自身缺陷等相关数据信息的采集和处理，构建充电设施运行状态监测预警系统，采用大数据技术对分布式充电桩的建造时间、设备型号以及运行状态的数据进行分析和预测，根据预测结果对其出现概率较高的故障进行预估，从而为设备检修人员提供重要依据，通过提前维护为设备的正常运行提供了保障。充电桩利用率计算公式：

式中，N 表示充电桩的利用率;T 表示某段时间内充电桩充电时间;T1表示某个时间内的时长。1天时间充电桩的利用率计算如下：T1=24 h，

式中，T'

n 表示第n次充电结束时间;T n表示第n次充电开始时间。充电站所有充电桩的利用率计算如下：

式中，表示站内所有充电桩的时长;n表示站内充电桩的个数;N'表示某段时间时长。

4.2 企业运行调度

电动汽车充电设施网络包括电力变换、分配和用电等部分，不同功能产生不同的数据，这些信息数据的资源共享可以实现电力生产、充电设施运维和企业运营管理的协调发展，有利于实现电力资源的优化配置。通过大数据技术对电动汽车充电设施网络中不同系统的数据进行汇总并实现统一管理，从而形成一个有机体，这些数据对电力资源的配置具有重要的作用。通过大数据技术的应用，一方面可以提高企业整体运营的协调性;另一方面可以为智能化充电协调运行提供重要保证，进而实现充电系统高效运行。

4.3 客户分析

通过大数据技术可对充电用户所处的区域、充电时长以及用户的类别进行全方位分析，根据用户的地域分布和充电时间选择对电动车充电设施进行优化调整，并对其电力资源进行优化配置，从而保证充电智能化和便捷化，为用户提供高质量的充电服务。大数据技术在充电设施中的应用不但满足了客户的充电需求，还能提高企业的运营管理水平，企业根据不同客户对充电的需求，实施个性化服务，客户满意度显著提高，为企业的长久发展提供了重要保障[16]。

5 结语

基于电动汽车及其充电设施大数据平台体系的建设，可满足用户的智能充电和运营商高效管理的需求。将大数据和云计算技术应用在电动汽车领域，通过对运营管理系统、充电设施监控系统相关数据信息进行采集和分析，實现了运营管理的智能化和信息化，有效推动了电动车的广泛应用，提高了充电服务的高效性和便捷性，具有很好的应用前景和现实的应用价值。

参考文献

[1]吴沛晟，华 京. 在公共充电设施建设中搭建大数据平台的研究[J]. 兰州文理学院学报（自然科学版），2016，30（4）：53-56.

[2]华广胜. 大数据在智能充电桩网络系统中的应用[J].电工技术，2019，24（1）：159-163.

[3]姬倩倩，温浩宇. 公共交通大数据平台架构研究[J].电子科技，2015，28（2）：127-130 .

[4]王 晖，唐向京. 共享开放的运营商大数据平台架构研究[J]. 信息通信技术，2014，10（6）：52-58.

[5]胡 勇，刘奇峰. 基于WebGIS的分布式电动汽车充电桩运营管理系统设计与实现[J]. 电力建设，2014，35（1）：98-103.

[ 6 ]王飞龙，孙凯航，李燕青. 基于用户分类的电动汽车充电站需求预测[ J ] . 黑龙江电力，2 0 1 3，35（2）：132-134.

[7]王汉华，陈永进. 电动汽车充电设施接入配电网的最优布点规划[J]. 广东电力，2018，31（4）：72-78.

[8]刘熙媛，别朝红，王锡凡. 基于多范式建模与仿真的电动汽车充换电站配置评估研究[J]. 智慧电力，2017，45（7）：18-24 .

[9]刘 坚，金亨美. 电动汽车参与上海市电力需求响应潜力及经济性研究[J]. 供用电，2017，34（3）：26-31.

[10]黄小庆，陈 颉，田世明. 电动汽车充电站规划、运行中的大数据集成应用[J]. 电网技术，2016，40（3）：762-767.

[11]王 潼，李 平. 中国新能源汽车充电基础设施产业建设研究[J]. 汽车工业研究，2017（1）：4-7.

[12]李廷顺，谭 文，刘泽三. 基于大数据智能电网关键技术研究[J]. 电源技术，2017，14（8）：233-234.

[13]吕海博，郭 旗，刘国峰. 电动汽车充电桩信息维护管理系统的设计与应用[ J ] . 供用电，2 0 1 8，35（3）：86-92.

[14]金澈清，钱卫宁，周傲英. 流数据分析与管理综述[J]. 软件学报，2004，5（8）：1172-1181.

[15]高冠东. 基于大数据平台的智能监控技术应用[J].科技视界，2015（2）：72-73.

[16]于富东. 大数据平台的关键技术及组网方案[J]. 电信科学，2015，31（7）：158-163.