中國儲能網訊：4月24-26日，由中國化學與物理電源行業(yè)協(xié)會儲能應用分會主辦的第九屆中國國際儲能大會在浙江省杭州市洲際酒店召開。在4月25日下午的“電動汽車與電網互聯(lián)”專場，武漢理工大學自動化學院副教授黃亮在會上分享了主題報告《車聯(lián)網及大數據應用》，以下為演講實錄：
黃亮：很高興在這里跟大家來交流。我的演講題目是車聯(lián)網及大數據應用。首先給大家介紹一下我本人所做的一些工作，我本人所做的工作主要涉及到三大塊內容，網絡接入服務，平臺建設服務，還有數據挖掘的服務。 我們所能承擔的項目包括：企業(yè)設備級的遠程接入、云平臺的建設，還有建設這個數據中心和監(jiān)控中心，第四個就是這個數據挖掘研究。這是我們工作的最終可視化展示，包括這個監(jiān)控中心、WEB端、APP端，還有數據挖掘的頁面。
給大家重點介紹一下車聯(lián)網業(yè)務，主要工作對我們來說就是一個數據的采集、數據的存儲、以及最后數據的計算和管理。
首先是數據采集這一塊，我們研發(fā)一系列的數據采集與移動終端，包括這個無線的收發(fā)模塊，用于充電樁到車用TBOX。給大家看一下我們目前的接入解決方案，這是一個典型的燃料電池汽車動力系統(tǒng)的遠程接入，燃料電池動力系統(tǒng)包括燃料電池發(fā)電系統(tǒng)、DC/DC、電機、鋰電池及管理系統(tǒng)等，它們與整車控制器通過這個動力總成CAN總線來通信。我們的數據采集與移動終端監(jiān)控這個動力總成CAN總線信息，再把它通過4G發(fā)送到云平臺去。這一塊來說涉及到兩個協(xié)議的問題，一個是動力總成CAN協(xié)議的問題，還有終端與云平臺之間協(xié)議問題。目前終端與云平臺之間協(xié)議是基于國標，但是國標主要針對電動汽車，協(xié)議里只含有少量的燃料電池的數據，我們目前在國標的基礎上把它的格式做了一些擴展，專用于燃料電池汽車。
這是我們所搭建的云平臺的架構，具體通過四個關鍵技術解決高并發(fā)、高可用、大數據計算等問題。通過消息中間件技術解決高并發(fā)數據入庫瓶頸，通過非關系型數據庫解決數據存儲瓶頸，通過微服務架構解決數據的查詢瓶頸，通過Hadoop核心組件HDFS和spark來提升它的一個大數據的計算能力這是我們目前所使用的這種架構。我們在佛山是燃料電池汽車聯(lián)合國開發(fā)署一個示范城市的項目，我們在去年獲得國家重大專項的支持，在佛山建立這樣一個燃料電池汽車的綜合監(jiān)管平臺，合作單位包括佛汽集團、佛廣公交集團、上汽大通，我們把他們的這個車輛接入到這個平臺，還有瑞暉加氫站的數據。
這是它的一些界面，包括車輛的管理，包括這個車輛的實時監(jiān)控，車輛歷史軌跡查詢，還有整車的實時數據，包括燃料發(fā)動機所有數據的監(jiān)控。拿到這個數據以后，進行一些數據統(tǒng)計還有數據分析，為了這個平臺的穩(wěn)定運行呢，我們還為這個監(jiān)管云平臺建立這樣一套運維系統(tǒng)，包括對這個服務器的實時情況的實時監(jiān)控以及報警，包括對服務器資源的預警，對應用狀態(tài)的監(jiān)控，以及每一臺服務器它的資源的監(jiān)控還有歷史查詢。
我們也開發(fā)了一些樁聯(lián)網的產品，充電樁實際上是一個系統(tǒng)集成，左邊就是典型的充電裝的控制的架構，包括充電模塊、絕緣檢測模塊、電量計費模塊、IC刷卡、觸摸屏等等，充電樁的系統(tǒng)來說最重要的就是這個主控制器。我們把這個無線終端通過串口與主控制器相連，就可以對充電樁進行遠程控制，每一臺充電樁就是一個獨立的無線收發(fā)基站。因為我們當時是為設備生產商開發(fā)這個平臺，同時有一些充電樁運營商，也需要這個平臺，所以在開發(fā)平臺時建立了兩個數據中心，一個是設備商的數據中心，一個是運營商的數據中心。對于充電樁的生產商來說，可以看到旗下所有的充電樁的信息，監(jiān)控所有的數據，故障信息，但是設備生產商看不到運營商的業(yè)務數據。對于運營商來說，可以只能看到自己旗下充電樁的信息，以及自己的這個運營的一些信息。這是我們的數據中心的平臺，我們一些WEB端的展示，包括APP的展示，主要解決就是充電的導航，充電的狀態(tài)監(jiān)控，以及充電計費。這是我們當時開發(fā)的充電樁監(jiān)控大屏。
我們今年在做一個什么項目呢？就是和中科院一起合作，建立地方的“新能源汽車大數據人工智能研究中心”，我們現(xiàn)在已經把燃料電池汽車接入到云平臺上來了，加氫站的接入我們現(xiàn)在正在做的，對加氫站進行遠程監(jiān)控。未來會把當地在公共領域運營的充電樁的數據、以及純電動汽車的數據全部歸入到這個佛山市的新能源汽車數據中心來，這樣不管是什么樣的新能源汽車，不管加氫站還是充電站，我們都會采集到這個數據中心。
我們的客戶主要就是一個是政府監(jiān)管部門，還有這個設備的生產商以及運營商，比如說公交集團，汽車運輸集團，還有一些個人用戶。我們所做的主要工作是對采集的數據進行統(tǒng)計和分析，包括挖掘。
對于新能源汽車數據統(tǒng)計來說，主要有一個是用戶的出行特征，第二個就是用戶的充電加氫特征，可以得到充電加氫的熱力圖，這兩塊對于政府來說，包括運營商來說是非常關心的，對于充電站與加氫站的規(guī)劃有非常大的幫助。第三個就是車輛的運行特征，包括動力系統(tǒng)等所有設備的參數統(tǒng)計，對于設備生產商來說，對優(yōu)化他們的控制，優(yōu)化他們的產品非常有用處的。
對于數據分析兩說，我這里主要舉例司機的駕駛行為分析，還有還有故障診斷。
對于司機駕駛行為分析來說，我們是通過數據分析對司機做一個行為的畫像，或者行為的建模，然后分成一個類，比如說分成激進型還是一般型，還是溫和型。我們通過這個類別的劃分，對司機行為進行一個評價。這一塊其實有很多的車聯(lián)網企業(yè)在做，他們主要和這個保險公司一起在合作。我們在做這一塊業(yè)務的時候，當地政府非常關心這一塊，對公共交通領域安全特別關心，希望我們把司機的駕駛行為能做預判和報警。目前司機駕駛行為的分析主要是聚類分析，首先要拿到司機的駕駛行為的數據樣本，來提取它的特征參數，然后通過聚類的方法，把司機行為進行一個分類。因為聚類算法在服務器里面的運算比較耗時的，現(xiàn)在用一些新的手段，用人工神經網絡來替代這個聚類算法做這個分類器，輸入實時數據，分類器可以對司機的行為進行一個分析。這是我們目前實際正在做的司機駕駛行為分析流程，我們首先是從這個數據庫里面提取一些它的特征參數，最后做一些改進型的聚類算法研究，把司機進行一個分類，然后通過運算的樣本來訓練神經網絡來替代這個聚類算法，最后部署在平臺上面，實時得到這個司機的行為評價。
再就是利用車聯(lián)網進行一個故障診斷，對設備生產商來說是非常感興趣的。目前故障診斷的算法主要是分類算法，我們剛剛的司機駕駛行為分析主要用的是聚類方法，對這個故障診斷來說主要就是分類算法。常用的故障診斷分類算法包括支持向量機、貝葉斯算法、神經網絡、決策樹算法。我們現(xiàn)在用的是隨機森林與專家系統(tǒng)相結合的這樣一個算法。
比如說燃料電池發(fā)動機故障診斷系統(tǒng)，首先這是一個燃料電池發(fā)動機的特征參數檢測方案，我們通過動力總成CAN總線可以拿到這些數據，對它的發(fā)動機進行一個遠程數據采集，建立燃料電池發(fā)動機監(jiān)測特征參數指標表，包括壓力數據，不管是氫氣壓力還是空氣壓力，電流數據，功率數據。所有的在云平臺上面應用的這些智能算法的前提是必須要拿到數據樣本，所以我們還要建立一個燃料電池發(fā)動機故障代碼表。對燃料電池發(fā)動機來說，我們分為ABCD四大級別故障，A級別是故障最為嚴重的，必須馬上處理的，D是比較正常的。什么情況下會出現(xiàn)這種故障也需要拿到這些樣本。
我們所做的這個遠程診斷系統(tǒng)分為兩級診斷，第一級診斷還是傳統(tǒng)的，跟現(xiàn)在所有的設備的故障診斷一樣，全部是這種閾值報警，現(xiàn)在市場上所有的設備都是通過底層的控制器對它的傳感器進行一個閾值的報警。我們做的第二級診斷是把智能算法部署在云平臺上面，主要針對那些信號沒有超過閾值，但是它實際是有故障的，這一塊你的底層控制器沒有辦法做判斷，我們通過遠程服務器，通過一些智能算法來對它進行一個診斷找到故障，這是二級診斷。這種二級診斷架構和算法我們申報了一個發(fā)明專利。算法這塊我們主要用的是隨機森林還有這個專家系統(tǒng)相結合的方法。我們怎么去做這個二級診斷，首先也是要拿到樣本的，要拿到數據，拿到大量的數據以后基于一些算法來構造決策樹，再通過構造非常多的決策樹來構造隨機森林，每個決策樹都可以診斷出一個故障出來，最后我們通過一個眾數投票的機制，來決定這個最終診斷是什么樣的故障。
我們把隨機森林和專家系統(tǒng)結合起來，具體怎么結合呢？首先對于專家系統(tǒng)來說，最重要是一個推理機，隨機森林與專家系統(tǒng)的結合，主要靠建立規(guī)則表來實現(xiàn)。隨機森林里每個決策樹代表著一個知識庫里面的故障規(guī)則表，把它作為故障規(guī)則表放在推理機里面。所以在整個的二級診斷過程當中，會經過非常多的決策樹的診斷，最后通過眾數投票診斷出這個到底是有故障還是沒有故障。這個算法還有一個創(chuàng)新的地方就是，這個專家系統(tǒng)的知識庫，它可以靠自我學習來完善。
最后還有一個研究，就是氫電匹配的研究。燃料電池汽車是混合動力，既有氫燃料也有鋰電池，所以到底加多少氫，充多少電，它關系到時間成本，因為我們知道充電時間是非常長的而加氫時間非常短，還有經濟成本，目前加氫的成本要比時間成本要高，最后還有續(xù)駛里程等，我們可以用一些多目標優(yōu)化的算法，對氫電匹配做這方面的研究，好，謝謝大家！
