充电设施安全运维服务模式及评价体系

臧斌斌，高辉，刘建

(1.南京邮电大学 自动化学院、人工智能学院，江苏 南京 210003；2.国网江苏省电力有限公司电力科学研究院，江苏 南京 211100)

目前，电动汽车及配套充电设施的规模不断增长[1-2]，中国电动汽车充电基础设施促进联盟发布的《2020—2021年度中国充电基础设施发展年度报告》指出，截至2021年底，全国充电设备保有量261.7万台，同比增加70.1%，有力支撑了我国电动汽车规模化市场的快速形成和发展[3]。但目前配套的电动汽车充电故障诊断及安全运维服务体系尚不完善[4]，多依赖于人员的知识和经验进行充电设施故障分析与诊断[5-6]，难以形成标准化作业规范和相关流程。究其原因，主要有以下几方面：电动汽车充电过程多级设备一体化作用机理及安全运行特性等理论研究尚存不足[7]，导致充电实时安全数据监测及挖掘准度不高[8]；充电过程故障智能诊断及安全预警技术研究深度不够[9-10]，导致故障定位及预警等级评价精度欠缺[11-12]；充电过程运维服务体系不完善，导致对出现的充电故障和安全隐患预警处理效率低[13]。传统的充电服务运维模式包含2个方面内容：一方面对电动汽车充电设施进行日常巡检，提供专业检修、维护和运维服务；另一方面通过网络监控充电桩实时状况，一旦出现紧急事故，及时进行现场处理[14-15]。充电设备状态密切相关的运行、气象环境等信息数据量巨大，人工诊断分析效率不高。目前充电设施的智能运维在故障诊断、处置决策和差异化运维上[16]缺乏技术决策支撑体系，无法实现充电站设施的精准运维，限制了电动汽车充电设施运维服务能力的提升。

此外，已有研究人员对充电设施的状态进行评估[17]，包括对充电信息安全评估的研究[18]，但关于充电设施运维服务体系评估方法的研究尚未展开。因此，本文基于目前充电设施运维服务存在的问题，提出互动化运维机制及评估方法，构建智能化运维服务模式及其评价体系，以缓解运维服务压力。

1 互动化运维服务模式

1.1 充电设施安全运维机制

电动汽车充电设施安全运维问题涉及范围广阔，因素复杂，而且影响因素往往相互作用[19]，主要包括对人身、汽车和周围设施等造成的损害。良好的绝缘对于保证电气设备与线路的安全运行，防止人身触电事故的发生是最基本和最可靠的手段。其中外壳的防护等级、电气间隙以及绝缘电阻，是判断绝缘能力的关键因素。保证外壳的防护能力，保留一定的电气间隙避免过电压造成绝缘击穿，定期检查绝缘电阻，是保障绝缘安全的重要方式。同时，故障的处理准确度也是衡量设施安全的重要指标，保护装置是保障充电设施安全的另一重要手段。

有效的运维服务是保障充电设施充电安全的必要形式。充电安全运维影响因素分析如图1所示。

图1 充电设施充电安全运维影响因素

传统的运维服务通常是在充电设施故障发生后上报故障，派遣检修人员进行维修，这种方式效率低下，如果多个设施同时发生故障，会严重影响用户的充电体验，增加运维负担。为了改善充电设施的运维服务能力，本文提出“互联网+传统巡检”的运维模式，可实时掌握充电桩运行状态，及时有效地排除设备隐患，保障设备安全稳定运行，为客户提供优质充电运维服务。借助车联网平台，通过手机巡检APP，将充电桩被动检修变成主动运维，实现充电桩隐患早发现、早处理，提升充电桩的安全运行水平。

结合目前的运维管理方式[20]，提出更合理、高效、完善的运维服务人员管理机制，具体如下：

a)为快速解决客户问题，采用分区人员驻点方式，针对城市不同县区的充电点设立多个服务点，每个服务点配置运维人员，建立快速响应机制。

b)成立专业运维队伍，建立完整运维机制，包括日常巡视(周期性计划巡视和特殊巡视)、充电设施检修(周期性计划检修和临时性检修)、异常情况处理(配电设施异常、充电桩体异常、充电服务软件异常和充电车桩匹配异常)。

c)根据客户反馈以及监测平台反馈，发现充电桩异常充电情况或存在安全隐患，立即组织人员抢修，确保安全运维；建立合理奖惩考核机制，明确运维人员的职责，保证客户满意度。

d)阶段性进行运维人员培训，学习岗位职责、工作流程、工作表单、工作技术规范、管理制度、业务知识、作业规范、新技术培训、沟通礼仪等内容。

采用“互联网+传统巡检”模式，对充电桩所有数据进行实时采集、统一配置、统一管理，利用大数据、互联网技术提前判断设备可能出现的问题，有针对性地安排检修，提升运行维护的管理效率，实现实时故障告警提醒、多层级可视化管理、智能监控保证运维等功能，对充电桩进行统一监控、控制、管理。

1.2 互动化运维服务模式

在电动汽车充电设施安全运维过程中，与电动汽车充电站相关联的主要信息网络系统是以智能电网为基础的充电站综合管理系统及智慧车联信息网[21]。随着电力物联网的快速发展与电动汽车规模的扩大，车、站、网之间已逐步实现信息互通。

目前，在制订充电站运维计划时并未考虑设备运行情况差异，大多依靠运维人员的经验选择运维方式，导致了运维工作的粗略性。因此，在当前电动汽车及交通服务行业快速发展的趋势下，本文考虑电动汽车充电过程中用户、运维人员与各级设备之间互联特点以及安全需求，提出以多网信息融合为基础的电动汽车充电站就地安全服务模式与远程服务模式，具备业务支撑功能、安全保障服务提供能力、设备维修更换水平以及就地技术保障措施和人员配置。针对远程运维服务模式，具备预警信息实时监控及预警结果实时推送功能、远程协调互动能力以及远程技术保障措施和人员配置。互动化运维服务模式框架如图2所示。

图2 互动化运维服务模式

基于充放电互联特征，优化当前运维服务模式，是为了构建集模块化、独立性、低耗性、远程化、高安全、低成本、高效率于一体的运维模式，确保实时监控、及时维护电动汽车充电桩设施，提升电动汽车充电设施服务满意度，保障电动汽车安全稳定运行。以智能设备为基础，应用大数据技术，创新智能化运维服务管理手段，融合互联网技术实现电动汽车充电运维服务体系，提高运维效率，降低人力成本，从而达到运营商与用户双向满意的效果。

2 运维服务综合模糊评价模型

综合模糊评价常用于各领域相关等级评价[22]，在评价方法中占有重要地位。本文利用综合模糊评价法结合层次分析法，对上述电动汽车运维服务体系进行综合分析评估。建立运维服务综合评价模型之前，需要明确综合评价指标体系构建原则。梳理指标体系构建思路，建立涵盖风险管控、安全保护、经济损失及运行效率等的综合评价指标体系；以所建综合评价指标体系为对象，利用综合模糊层次分析法、综合赋权法，构建运行绩效综合评价模型，并通过示范区电动汽车充电设施实际运行数据验证该评价模型，为完善互动化运维服务模式提供依据。具体评价模型建立流程如图3所示。

图3 评价模型建立流程

2.1 综合模糊评价法

根据上述评价流程，综合考虑多个方面来进行充电设施运维服务体系的全面评价，划分n个评价论域，即

U={U1,U2,…,Un}.

(1)

式中U为评价指标集合，Ui(i=1，2，…，n)为第i个评价指标的影响因素集合，即

Ui={ui1,ui2,…,uim}.

(2)

式中:uij(j=1，2，…，m)为第i个评价指标第j个因素;m为影响因素个数。

建立评价对象的评价等级，每个因素对应1个评价等级，评价等级矩阵

V=[v1v2…vk].

(3)

式中：vh(h=1，2，…，k)为第h个评价等级；k为评价等级数，本文中k=5，等级v1、v2、v3、v4、v5分别为差、及格、中等、良好、优秀。

每个评价因素的影响程度不同，因此对应不同的权重系数：

(4)

式中：W为权重矩阵；Wi为第i个评价指标的权重矩阵；wij为第i个评价指标第j个因素的权重。wij满足以下条件：

(5)

假设指标Ui的评价矩阵为Ri，即

(6)

则指标Ui的综合评价决策矩阵

Bi=Wi·Ri，

(7)

总目标评价矩阵

B=[B1B2…Bn]

(8)

从而得到综合模糊评分结果

S=B·VT.

(9)

该结果同时也是所有评价指标的综合评价结果。该评价方法为两层评价模型，可以更加全面地评价运维服务总体情况，也避免各个因素相互交叉的影响。

2.2 综合模糊评价法改进

2.2.1 数据标准化

为了统一分析不同类型的数据，首先对采集的数据进行无量纲标准化处理，然后对标准化的数据进行归一化处理。将指标分为正向指标与负向指标：正向指标是其值越大，运维服务越好；负向指标是其值越小，运维服务越好。正向指标处理方式见式(10)，负向指标处理方式见式(11)：

(10)

(11)

式中：xj为指标j的数值；yj为归一化处理后的指标值。

2.2.2 隶属度确定

利用隶属度函数K(x)确定各个指标因素与评价等级的关系，其值越接近1则隶属度越高，其值越接近0则隶属度越低。正向指标的隶属度计算见式(12)，负向指标的隶属度计算见式(13)：

(12)

(13)

式中：x为指标的实际数值；xk与xk+1为与指标实际数值相邻的2个标准值。指标对第k+1级评价的隶属度为1-K(x)，对其他评价等级的隶属度则为0。隶属度构成评价矩阵Ri。

2.2.3 主观权重

利用改进的层次分析法确定主观权重[23]。以5标度法代替9标度法来构造比较矩阵[24]，即采用标度1—5表征重要程度：1为同等重要，2为稍微重要，3为较为重要，4为重要，5为非常重要。

与传统的层次分析法一样，首先建立层次结构模型，利用5标度法构建判断矩阵A，其元素的计算公式为：

(14)

式中：aij为指标因素i相比于j的重要程度；ri、rj为因素i、j的数值；rmax、rmin分别为所有因素最大值、最小值；bm=rmax/rmin。

最优传递矩阵元素的计算公式为

(15)

(16)

则指标j的主观权重

(17)

2.2.4 客观权重

利用因子分析法确定客观权重。首先对标准化处理后的数据，计算相关矩阵R0；求解矩阵的特征根以及特征向量；根据系统要求的累计贡献确定主因子的个数，计算因子载荷矩阵A0；确定因子模型，最后得到指标客观权重[25]。

2.2.5 综合赋权法

综合权重的计算公式为

(18)

式中βj、wj分别为指标j的客观权重、综合权重。

2.3 充电设施运维服务综合评价模型

综合模糊评价流程如图4所示。以就地运维服务模式、远程运维服务模式及运维服务子系统为评价对象，分析各自运维服务功能及运行过程特点，归纳影响评价对象高效运行的综合绩效因素，筛选与影响因素对应的综合评价指标。综合考虑充电效果、可靠性及用户感受，具体充电设施综合评价指标如图5所示。

图4 综合模糊评价流程

图5 充电设施综合评价指标

根据图5内容，充电设施运维服务体系一次因素集合

U={U1,U2,U3,U4,U5}.

(19)

(20)

建立评价矩阵Ri，本文采用专家打分的方法，得到综合评价矩阵：

(21)

根据式(8)、(9)计算结果，建立指标评价等级与分值区间表，见表1。

表1 指标评价等级与分值区间

综合模糊评价方法能够有效评估电动汽车运维服务模式，并基于评估效果进一步改善运维服务。

3 案例分析

根据2021年江苏省南京地区部分充电站运维服务的调研数据，获取采用不同运维服务模式的3组充电设施数据，分为A组、B组和C组进行案例分析。3组充电设施型号相同，运维服务模式不同：A组采用本文提出的“互联网+传统巡检”的运维服务模式；B组采用传统运维模式，通过人工巡检进行故障排查；C组采用远程互联网监测模式，但没有加入传统的定期巡检服务，以远程监测、故障系统监控上报为主。以A组为例进行综合模糊评价计算，利用获取的数据，按照隶属度确定原则评估指标的评价等级隶属度；采用综合赋权法建立每个指标的权重矩阵及综合评价矩阵，具体见表2。

表2 A组综合模糊评价权重

由表2中的数据可得A组的评价矩阵：

(24)

(25)

(26)

(27)

(28)

根据式(21)、(22)、(24)—(28)可计算得到A组的总目标评价矩阵

B=[B1B2B3B4B5]=

(29)

最终计算得出A组综合模糊评价矩阵

(30)

同样地，按照上述步骤分别对B组和C组进行评价计算，3组得分及评价结果见表3。为了更好地对比采用综合赋权法的评价效果，本文同时利用常规的模糊评价算法[26](权重部分只采用单一权重确定方式)对3组充电设施运维服务进行评价，结果见表4。

表3 综合赋权法下各组充电设施运维服务评分

表4 单一赋权法下各组充电设施运维服务评分

从表3和表4可以看出，无论是改进前还是改进后的综合模糊算法评价结果，采用“互联网+传统巡视”的A组运维服务方式在各项指标中得分最高，采用传统运维服务模式的B组次之，以远程运维服务为主的C组评价结果最差。为了进一步比较改进后的综合模糊评价方法的可靠性，将改进前后的方法评分与实际值(专业调研考核后的得分)进行比较。各组的综合模糊评价结果以及实际情况如图6所示。

图6 各组充电设施运维服务评价

由图6可知：综合赋权法结合了主观和客观权重2个方面的信息，能够更准确地反映真实情况，其评价结果更接近真实情况；而单一赋权法受制于主观因素影响，其评价结果偏差较大。综合比较，本文提出的综合模糊评价算法对于评价准确度有一定的提升效果。

4 结束语

本文分析了电动汽车充电设施安全运维影响因素，结合运维服务人员管理方式，提出一种“互联网+传统巡检”的运维服务机制，增强了运维服务的互动性。基于该服务机制，提出一种充电设施运维服务综合模糊评价模型，在权重分析过程中采用结合主观权重(层次分析法计算)和客观权重(因子分析法计算)的综合赋权法，并在主观权重计算中利用5标度法对层次分析法进行改进，考虑了充电容量、效率、可靠性指标、用户体验、安全性5个指标，全面评估充电设施运维服务。利用改进前后的综合模糊评价方法对比分析采用不同运维服务模式的充电设施组，评价结果表明，采用“互联网+传统巡检”运维服务模式的组得分最高，并且改进后的综合赋权法的评价方式能够更准确地评价运维服务情况。该评价结果可为后续改善运维服务体系提供参考，促进电动汽车产业健康快速发展。