关键词：车联网；新能源车辆；新能源充电设施；健康状态感知

我国是世界主要新能源汽车制造国和消费国，我国的新能源汽车产业正处于高速发展过程中。而随着我国新能源汽车的快速普及，围绕新能源车辆建设的充电设施规模也不断扩大。据有关部门统计显示， 截至2025年6月， 我国充电基础设施累计超过950万台[1-3]。这些充电设施的健康状态直接影响甚至决定了新能源车辆的充电安全、效率与用户体验。传统的新能源车辆充电设施监测大多高度依赖固定传感器，但随着充电设施使用程度的不断加深， 传统健康监测依赖SCADA系统与固定传感器的问题逐渐显现，设施故障率也居高不下（行业平均＞8%）。因此，本文尝试以车辆网为核心重新构建一种新能源充电设施健康状态感知方法，以提升我国现有充电设施的监测智能化水平。

1   新能源充电设施健康状态感知系统构建需求

1.1   传统新能源充电设施健康状态监测问题

1.1.1   存在覆盖盲区问题

传统的新能源充电设施健康状态监测系统大多以SCADA系统与固定传感器为核心[4]。这种监测系统大多只能对新能源充电设施的充电量、充电频次等进行数据收集，普遍缺乏对充电设施内部连接器磨损、线缆老化等动态缺陷进行监测的能力。从这一视角来看，现有新能源充电设施健康状态监测系统普遍存在覆盖盲区问题。

1.1.2   成本约束问题

传统的新能源充电设施健康状态监测系统大多主要用于统计和分析充电设施的充电量、车辆的充电频率等。受限于新能源充电设施的整体投入成本， 新能源充电设施健康状态监测系统内部的硬件设备结构较为简单， 内部传感器大多为温度、湿度等基础类型的传感器，很少有高精度传感器部署。

1.1.3   数据割裂问题

新能源充电设施在车辆充电过程中需对电池电压、温度、SOC（State of Charge，荷电状态）等核心参数向上级单位进行上传以保障充电安全。此类数据若被未授权访问， 可能导致用户隐私泄露或电池安全策略被逆向破解[5-7]。因此，实际上车辆在充电过程中其与充电设施数据是相互分离的， 即充电设施和车辆之间存在严重的数据割裂问题。这一问题的存在不仅会影响充电设施数据获取的完整性，同样也会对车辆的充电安全等形成影响。

1.2   新能源充电设施健康状态感知系统构建需求

1.2.1   多维度实时监测需求

基于车联网的新能源充电设施健康状态感知系统需要满足未来的多维度实时监测需求， 即其可以对电气参数如充电时的电压、电流、功率等数据进行实时采集； 可以对环境状态数据如温湿度、水浸度， 烟雾浓度等数据进行实时采集； 可以对充电设备的机械状态数据如充电枪插拔次数、接触电阻变化等数据进行实时采集。

1.2.2   多源数据协同处理需求

在GB/T 27930、ISO 15118等协议下，我国的新能源车辆用电池的生产标准有很多相同之处， 但具体到每一个不同的电池品牌， 其充电时与充电桩的数据共通方式可能略有差异[8]。因此，新能源充电设施健康状态感知系统需要可以具体分辨不同新能源车辆用电池的数据共通模型， 并支持采用车企与充电运营商协作训练故障预测算法实现多源数据的协同处理。

1.2.3   多元安全防护需求

新能源充电设施健康状态感知系统的安全防护功能是保证充电设施和车辆安全的重要基础。基于物联网的新能源充电设施健康状态感知系统需要在GB/T 18487 . 1-2023电气安全标准下通过动态防护安全设计定期对充电设备进行渗透测试、老化测试等，当系统感知充电设备健康状态、安全状态存在问题时可以第一时间向监管系统发出警报[9]。

2   新能源充电设施健康状态感知系统构建 

2.1   系统框架

基于车联网的新能源充电设施健康状态感知系统框架主要包含了数据采集层、边缘计算层、云端分析层等，如图1所示。

图1 系统框架

系统工作时，数据采集层对车辆端、设施端的数据进行采集，按照国家相关通信协议将数据传输至边缘计算层；边缘计算层通过构建时序对齐将车辆与设施数据时间同步，再对二者数据中的关键指标信息进行提取，再对异常数据进行过滤后传输至云端分析层；云端分析层经过数据输入、多模态健康评估后得到车辆与设施的健康状态监测数据，结合自注意力机制动态加权不同充电周期的特征重要性，得到车辆与设施的健康状态具体结果。

2.2   系统核心功能

2.2.1   边缘计算关键指标提取流程

边缘计算层关键指标主要包括电气性能指标、机械状态指标、电池交互指标、环境适应性指标等。边缘计算关键指标提取流程主要包括确定评估目标与范围、数据收集、数据预处理等。

其中，新能源充电设施健康状态感知系统的关键评估目标与范围主要包括预测故障、优化使用效率等； 数据收集的目标主要包括电气性能数据、机械状态数据、环境数据、故障记录数据等； 数据预处理的工作主要包括数据清洗、数据归一化等； 特征提取的工作主要包括从预处理后的数据中提取新能源充电设施健康状态感知系统所需的关键特征数据， 如欧姆电阻、电荷转移电阻、弛豫时间分布特征峰等； 建立评估模型的主要工作包括选择合适的算法、使用历史数据对模型进行训练和验证等； 关键指标提取的主要工作包括对指标进行明确的物理定义， 以及对新能源充电设施健康状态感知系统进行理解和应用等。

2.2.2   边缘计算异常数据过滤机制

边缘计算异常数据过滤机制主要包括边缘节点层、雾节点层、云端层等。其中， 边缘节点层主要负责数据采集与初筛， 通过轻量级规则引擎和数据压缩优化算法实现新能源充电设施健康状态感知系统异常数据的过滤； 雾节点层主要负责聚合分析与特征提取， 通过多源数据关联和特征降维处理实现新能源充电设施健康状态感知系统数据的统一归类与特征获取； 云端层主要负责深度模型训练与策略更新， 通过联邦学习协同优化等方法对新能源充电设施健康状态感知系统各边缘节点共享加密特征，实现系统模型的训练与训练策略的更新。

2.2.3   基于动态阻抗谱的接触健康评估流程

基于动态阻抗谱的接触健康评估流程主要包括前期准备阶段、实时监测与数据融合阶段、健康评估与诊断阶段等，如图2所示。

图2 基于动态阻抗谱的接触健康评估流程

首先，在前期准备阶段，新能源充电设施健康状态感知系统会通过设备标定与环境适配等技术部署高精度的传感器并进行动态激励配置， 并通过构建标准化的数据库为新能源车辆、充电设施提供基本的软硬件基础[10] ；其次，在实时监测与数据融合阶段，新能源充电设施健康状态感知系统通过多维数据同步采集对充电电压曲线、温升时序、机械状态、环境参数等进行获取，再结合本地网关过滤冗余数据实现边缘层数据的预处理；最后，健康评估与诊断阶段，新能源充电设施健康状态感知系统通过关键指标提取算法、分级预警策略等完成新能源车辆、充电设施的健康状态评估。

3   新能源充电设施健康状态感知系统性能验证

3.1   验证环境

本文构建的基于车联网的新能源充电设施健康状态感知系统的性能验证以我国深圳某充电站为验证环境。该充电站内设30台快充电桩，额定功率120kW，覆盖车型主要包括比亚迪、特斯拉等主流电动车或混动车品牌。本次数据采集周期为2024.1～2024.6（充电记录12.8万条）。

3.2   验证结果

按照各15台充电桩的分配方式对本文构建的系统和传统监测方法在性能上进行对比，得到表1所示系统验证结果。

表1系统验证结果

4   结语

从故障检出率指标来看，传统监测方法在2024.1～2024.6半年时间内的故障检出率为76.4%，而应用本系统的15个充电桩在相同时间内的故障检出率达到了92.7%，表明在应用本系统后相同规格的充电桩可以获得更高的故障检出率；从误报率指标来看，传统监测方法在2024.1～2024.6半年时间内的误报率高达18.5%，而应用本系统的15个充电桩在相同时间内的误报率仅为2.4%，表明在应用本系统后相同规格的充电桩可以更好地避免故障误报，提升了监测精度； 从预测提前时间指标来看， 传统监测方法在2024.1～2024.6半年时间内的预测提前时间低于24h，而应用本系统的15个充电桩在相同时间内的预测提前时间超过了72h，表明在应用本系统后相同规格的充电桩可以更好地对故障进行预测、预警等； 从维护成本角度来看， 应用本系统的15个充电桩在相同时间内的维护成本降低了34.5%， 表明在应用本系统后相同规格的充电桩可以在更低的维护成本下开展更高水平的工作。

综上所述，健康状态感知是新能源充电设施对车辆、设施进行健康状态监测的重要手段。本文基于现代的车联网系统构建了一种新能源充电设施健康状态感知系统，该系统主要包括了数据采集层、边缘计算层、云端分析层等。实际测试证明，本文搭建的系统可以帮助新能源充电设施提高故障检测精度，降低系统误报率，在更低的维护成本下获得更好的充电车辆和设施健康状态感知效果。

作者简介：

胡欣轶（1990-）， 男，江西余江人，工程师，学士，现就职于国网鹰潭供电公司，主要研究方向为电气工程及其自动化。 

参考文献：

[1] 周航辉. 新能源汽车充电系统故障诊断与安全保障技术分析[J]. 汽车维修技师, 2025, (12) : 28 - 30.

[2] 沈建军. 新能源公交车充电设施消防安全隐患及其防控措施研究[J]. 消防界(电子版), 2024, 10(14) : 123 - 125.

[3] 宾振爱. 新能源汽车特点及维修技术研究[J]. 汽车知识, 2025, 25 (06) : 194 - 196.

[4] 贺诚. 新能源汽车充电设施中防爆电气技术研究[J]. 防爆电机, 2025, 60 (03) : 103 - 105 + 128.

[5] 金彦东. 消防部门对新能源汽车充电设施的防火安全检查与指导策略[J]. 今日消防, 2025, 10( 04) : 65 - 67.

[6] 叶文显, 杨恩昊. 西安新能源汽车充电设施供需失衡分析[J]. 汽车测试报告, 2025, (08) : 49 - 51.

[7] 董广明. 车联网技术与新能源车辆充电设施集成方案研究[J]. 汽车知识, 2024, 24 (08) : 245 - 247.

[8] 陆可晶. 进一步提升宁波新能源汽车公共充电桩使用便捷度的对策建议[J]. 宁波经济(三江论坛), 2025, (01) : 24 - 26.

[9] 周逸飞. 新能源汽车充电基础设施建设与运营管理研究[J]. 时代汽车, 2025, (02) : 115 - 117.

[10] 钱勇生. 基于F值评分法的新能源汽车公共充电设施安全风险评估[J]. 电器与能效管理技术, 2024, (12) : 63 - 68.

摘自《自动化博览》2026年3月刊