一種電動(dòng)汽車充電安全預(yù)警模型設(shè)計(jì)方法

錢立軍，趙明宇，張衛(wèi)國

（1.國網(wǎng)江蘇省電力公司，江蘇南京 210024；2.南瑞集團(tuán)公司（國網(wǎng)電力科學(xué)研究院），江蘇南京 211106；3.國電南瑞科技股份有限公司，江蘇南京 211106）

一種電動(dòng)汽車充電安全預(yù)警模型設(shè)計(jì)方法

錢立軍1，趙明宇2，3，張衛(wèi)國2，3

（1.國網(wǎng)江蘇省電力公司，江蘇南京 210024；2.南瑞集團(tuán)公司（國網(wǎng)電力科學(xué)研究院），江蘇南京 211106；3.國電南瑞科技股份有限公司，江蘇南京 211106）

針對(duì)電動(dòng)汽車充電安全事故，為了提高電動(dòng)汽車充電安全預(yù)警能力，通過分析電動(dòng)汽車充電安全影響因素，研究安全預(yù)警指標(biāo)選取途徑和方法，制定安全預(yù)警評(píng)價(jià)指標(biāo)體系，研究安全指標(biāo)權(quán)重評(píng)價(jià)方法。利用遺傳小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練原理及多尺度多分辨特點(diǎn)，通過劃分5個(gè)安全預(yù)警等級(jí)，設(shè)計(jì)了一種電動(dòng)汽車充電安全預(yù)警模型。通過對(duì)某充電站安全數(shù)據(jù)安全預(yù)警仿真分析，驗(yàn)證了該安全預(yù)警模型的可行性和正確性。

電動(dòng)汽車；安全充電預(yù)警；指標(biāo)評(píng)價(jià)體系；遺傳小波

電動(dòng)汽車作為新能源汽車的主要發(fā)展方向之一，越來越受到人們的重視[1-2]。隨著電動(dòng)汽車保有量不斷增加，充電可靠性與安全性問題成為國外學(xué)者和工業(yè)界關(guān)注的焦點(diǎn)[3-4]。在我國充電設(shè)施種類不一、服務(wù)商性質(zhì)不同等現(xiàn)狀下，如何實(shí)現(xiàn)電動(dòng)汽車基礎(chǔ)充電設(shè)施互聯(lián)互通及保證一體化充電安全預(yù)警，是當(dāng)前亟需解決的問題之一[5-6]。

國外針對(duì)充電人員、汽車電池和充電設(shè)備的安全問題[7-8]，已經(jīng)制定了如過壓、過流、絕緣、漏電、短路等基本安全保護(hù)相關(guān)標(biāo)準(zhǔn)，并在此基礎(chǔ)上進(jìn)行進(jìn)一步研究，如德國某公司對(duì)充電設(shè)備直流漏電保護(hù)、充電電纜自檢等技術(shù)開展了研究[7]，美國某公司對(duì)充電過程中設(shè)備過熱保護(hù)和控制技術(shù)也開展了研究[8]。但是，近年來充電安全事故仍時(shí)有發(fā)生，如何進(jìn)一步提高充電設(shè)備的安全性，仍是世界各國研究和關(guān)注的焦點(diǎn)。針對(duì)車用動(dòng)力電池，國內(nèi)外學(xué)者開展了許多研究[9-14]，德國某研究中心對(duì)極端條件下鋰電池安全問題的研究成果表明，鋰枝晶是造成電池充電熱失控的主要原因[9]；美國某國家實(shí)驗(yàn)室通過建立三維電池電熱模型研究鋰電池在濫用條件下的熱安全問題[10]；日本某公司通過添加阻燃劑提高了大容量鋰電池的熱穩(wěn)定性進(jìn)而保證了電池的安全使用，并已應(yīng)用在36 kW·h的鋰電池系統(tǒng)中[11]。國外研究主要聚焦于從產(chǎn)熱方面提高動(dòng)力電池安全性的方法，并處于領(lǐng)先水平，但尚未開展電池充電安全系統(tǒng)化研究工作[12-14]。

對(duì)于電動(dòng)汽車充電過程中所涉及到的著火、漏電等安全事故，為了提高電動(dòng)汽車充電過程安全預(yù)警能力，本文設(shè)計(jì)了一種電動(dòng)汽車安全充電預(yù)警模型，實(shí)現(xiàn)了對(duì)電動(dòng)汽車充電安全預(yù)警。本文通過分析電動(dòng)汽車充電安全影響因素，研究安全預(yù)警指標(biāo)選取途徑和方法，制定安全預(yù)警評(píng)價(jià)指標(biāo)體系，研究安全指標(biāo)權(quán)重評(píng)價(jià)方法；利用遺傳小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練原理及多尺度多分辨特點(diǎn)，通過劃分5個(gè)安全預(yù)警等級(jí)，設(shè)計(jì)一種電動(dòng)汽車充電安全預(yù)警模型；通過對(duì)某充電站安全數(shù)據(jù)安全預(yù)警仿真分析，驗(yàn)證了該安全預(yù)警模型的可行性和正確性。

1 安全預(yù)警指標(biāo)體系

1.1 必要性和原則

1.1.1 必要性

安全預(yù)警指標(biāo)體系的建立是電動(dòng)汽車充電過程中對(duì)危險(xiǎn)因素進(jìn)行預(yù)警的關(guān)鍵[15-16]，通過建立安全預(yù)警模型判斷事故規(guī)模和概率，及早給出判斷和決策，降低充電安全事故發(fā)生概率。

1.1.2 原則

電動(dòng)汽車互聯(lián)互通充電是一個(gè)大電流、大功率過程，這個(gè)過程需要考慮多種安全因素，為了保證安全預(yù)警模型具有實(shí)用價(jià)值，需在滿足實(shí)際安全需求的基礎(chǔ)上，選取對(duì)充電安全具有決定性作用的安全預(yù)警指標(biāo)。

1.2 安全預(yù)警指標(biāo)選取途徑和方法

1.2.1 指標(biāo)獲取途徑

1）通過對(duì)已有安全事故分析，提煉可量化且在充電過程中期關(guān)鍵作用的因素作為安全預(yù)警指標(biāo)主體。

2）頒布的電動(dòng)汽車安全充電相關(guān)國際、國家、行業(yè)及企業(yè)標(biāo)準(zhǔn)和規(guī)范。

3）充電過程中的安全統(tǒng)計(jì)、安全管理及標(biāo)準(zhǔn)化文件等技術(shù)材料。

4）充電現(xiàn)場安全預(yù)警調(diào)研分析。

1.2.2 指標(biāo)選取方法

1）指標(biāo)選取時(shí)盡量選取能夠表征突出特征量，且定量化和定性和相結(jié)合。

2）外部安全預(yù)警指標(biāo)和內(nèi)部安全預(yù)警指標(biāo)相結(jié)合。

3）指標(biāo)縱向區(qū)分和橫向區(qū)分相結(jié)合。

4）指標(biāo)個(gè)性和共性相結(jié)合。

1.3 指標(biāo)體系構(gòu)建

該電動(dòng)汽車充電安全指標(biāo)體系選擇4個(gè)一級(jí)安全預(yù)警指標(biāo)和17個(gè)二級(jí)安全預(yù)警指標(biāo)，評(píng)價(jià)指標(biāo)體系如圖1所示。

圖1 安全預(yù)警指標(biāo)體系Fig.1 Security pre-warning index system

這些指標(biāo)基本涵蓋電動(dòng)汽車充電過程中環(huán)境、設(shè)備、管理、監(jiān)管等方面，能夠代表電動(dòng)汽車安全充電主要影響因素和主要特征。

2 指標(biāo)權(quán)重及安全預(yù)警層次分析

2.1 指標(biāo)權(quán)重確定

在圖1安全預(yù)警指標(biāo)體系中，把U1、U2、U3、U4稱為一級(jí)指標(biāo)，對(duì)于一級(jí)指標(biāo)采用模糊層次分析法確定權(quán)重關(guān)系。

2.1.1 一級(jí)權(quán)重推導(dǎo)過程

建立基于專家Ek對(duì)安全預(yù)警模型一級(jí)安全預(yù)警指標(biāo)進(jìn)行兩兩比較，k表示專家個(gè)數(shù)，得比較矩陣：

式中：rij=Ni/Nj，i、j為一級(jí)安全預(yù)警指標(biāo)編號(hào)。

采用方根法進(jìn)行一級(jí)安全預(yù)警指標(biāo)權(quán)重計(jì)算，步驟如下。

1）分別計(jì)算矩陣各行元素積：

式中：w=（1，2，3，4）是專家Ek判斷矩陣行的序號(hào)。

2）計(jì)算ckw中4次方根并得出新的向量：

有Vk=[vk1，vk2，vk3，vk4]。

3）對(duì)向量Vk進(jìn)行歸一化處理：

有Fk=[fk1，fk2，fk3，fk4]為專家Ek對(duì)于一級(jí)安全預(yù)警指標(biāo)權(quán)重判斷向量。

4）一級(jí)安全預(yù)警指標(biāo)權(quán)重計(jì)算公式為

2.1.2 二級(jí)權(quán)重推導(dǎo)過程

二級(jí)安全預(yù)警指標(biāo)數(shù)量較大，采用專家評(píng)分進(jìn)行判斷相對(duì)復(fù)雜，本文采用熵權(quán)法將二級(jí)指標(biāo)信息進(jìn)行賦權(quán)，具體運(yùn)算步驟如下。

1）原始指標(biāo)值歸一化處理[17-18]：

式中：xij為第i個(gè)一級(jí)安全預(yù)警指標(biāo)的第j個(gè)二級(jí)原始指標(biāo)值。

2）指標(biāo)信息熵計(jì)算方法：

熵值越大的指標(biāo)差異越大，作用越大，信息熵可衡量該指標(biāo)信息強(qiáng)度值的大小，可通過信息強(qiáng)度值確定指標(biāo)在模型中的權(quán)，信息熵值越大說明該指標(biāo)在其所屬的一級(jí)安全預(yù)警指標(biāo)的重點(diǎn)權(quán)重值越大。

3）基于信息熵的二級(jí)權(quán)重值計(jì)算：

2.2 安全預(yù)警層次分析

安全預(yù)警等級(jí)是危險(xiǎn)嚴(yán)重度的度量標(biāo)準(zhǔn)，以預(yù)警界限為基準(zhǔn)，通過確定單個(gè)預(yù)警指標(biāo)的等級(jí)來判斷其對(duì)應(yīng)的安全影響因素或模型的運(yùn)行狀態(tài)。本文將安全預(yù)警狀態(tài)分為5個(gè)等級(jí)，等級(jí)間用4個(gè)值表示，分別為L、M、H、S，如表1所示。

表1 充電安全預(yù)警準(zhǔn)則表Tab.1 Security pre-warning criteria for charging

單指標(biāo)預(yù)警規(guī)則參考電動(dòng)汽車充電所涉及的國家、行業(yè)、企業(yè)等標(biāo)準(zhǔn)以及相應(yīng)的企業(yè)安全技術(shù)檔案等制定，見表2。

表2 電動(dòng)汽車充電二級(jí)指標(biāo)監(jiān)測規(guī)則Tab.2 Monitoring rules of EV charging secondary indicators

表2為后續(xù)算例中給出的數(shù)據(jù)分析提供評(píng)判依據(jù)。

3 基于遺傳小波神經(jīng)網(wǎng)絡(luò)的安全預(yù)警模型

3.1 遺傳小波神經(jīng)網(wǎng)絡(luò)

小波神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)壓縮時(shí)，具有多尺度、多分辨特點(diǎn)，可以微觀處理信號(hào)，且還具有良好的濾噪效果，小波神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)如圖2所示[19-21]。

針對(duì)信息的正向傳遞函數(shù)，基于隱含層第i個(gè)神經(jīng)元和輸出層第k個(gè)神經(jīng)元的輸出為

圖2 小波遺傳神經(jīng)網(wǎng)絡(luò)架構(gòu)Fig.2 Genetic wavelet neural network architecture

式中：a和b分別代表隱含層的輸入和輸出，誤差函數(shù)為

如果誤差信號(hào)超過期望值，則神經(jīng)網(wǎng)絡(luò)將進(jìn)入反向傳播過程。

該小波神經(jīng)網(wǎng)絡(luò)的隱含層輸出計(jì)算公式為

3.2 安全預(yù)警指標(biāo)量化處理

對(duì)于指標(biāo)集N={U1，U2，U3，U4}，稱為一級(jí)指標(biāo)，如果專家Ej給出的屬性值和自信度的數(shù)對(duì)（Mij，ξij），則所有專家對(duì)需要量化的預(yù)警指標(biāo)給出的屬性值和自信度可以形成一個(gè)數(shù)值序列：

則評(píng)價(jià)指標(biāo)的量化值可通過下式技術(shù)獲得：

如果專家無法給定預(yù)警指標(biāo)數(shù)值，只能給定一個(gè)范圍（Hi，Li），則預(yù)警指標(biāo)的量化值可通過如下式獲得：

對(duì)于一級(jí)指標(biāo)采用模糊層次分析法確定權(quán)重關(guān)系。

3.3 安全預(yù)警模型運(yùn)行過程

本文構(gòu)建的基于小波神經(jīng)網(wǎng)絡(luò)的電動(dòng)汽車充電安全預(yù)警模型運(yùn)行流程如圖3所示。

圖3 安全預(yù)警模塊運(yùn)行流程Fig.3 Running processes for security pre-warning module

首先獲取安全評(píng)價(jià)指標(biāo)，通過閾值對(duì)比判斷該指標(biāo)所屬危險(xiǎn)隸屬度，并通過五級(jí)安全預(yù)警模型做出警度判斷。若模型處于危險(xiǎn)狀態(tài)，則發(fā)布安全預(yù)警信息；若模型處于正常狀態(tài)，則忽略，實(shí)現(xiàn)數(shù)據(jù)流出。

4 算例分析

電動(dòng)汽車充電過程安全預(yù)警預(yù)期輸出結(jié)果及實(shí)際輸出范圍如表3所示。

表3 充電安全預(yù)警準(zhǔn)則表Tab.3 Security pre-warning criteria for charging

本文選擇南京某電動(dòng)汽車充電站為對(duì)象，獲取2015年4月、8月及2016年1月3個(gè)月的安全數(shù)據(jù)，進(jìn)行安全預(yù)警模型驗(yàn)證，表4給出了該3個(gè)月所對(duì)應(yīng)17個(gè)二級(jí)安全預(yù)警指標(biāo)值。表4最后一列為經(jīng)過指標(biāo)評(píng)價(jià)后得出的基于信息熵的二級(jí)權(quán)重值計(jì)算結(jié)果。

遺傳小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中，以表1評(píng)判規(guī)定為依據(jù)進(jìn)行安全預(yù)警指標(biāo)評(píng)定。全部預(yù)警指標(biāo)值輸入預(yù)警模型得出該電動(dòng)汽車充電站安全預(yù)警結(jié)果，如表5所示。

表5中安全評(píng)價(jià)結(jié)果顯示，該充電站整體安全效果較好，但是充電過程中環(huán)境溫度和濕度對(duì)充電安全起到自關(guān)重要的作用，設(shè)備的機(jī)械化水平和故障率也是影響安全充電的主要因素，另外監(jiān)管安全需要稍加完善。

表4 權(quán)重值計(jì)算結(jié)果Tab.4 Security pre-warning criteria for charging

表5 充電安全預(yù)警準(zhǔn)結(jié)果Tab.5 Security pre-warning criteria for charging

5 結(jié)語

分析了電動(dòng)汽車充電安全影響因素，研究了安全預(yù)警指標(biāo)選取途徑和方法，制定了安全預(yù)警評(píng)價(jià)指標(biāo)體系，研究了安全指標(biāo)權(quán)重評(píng)價(jià)方法。本文所設(shè)計(jì)的一種電動(dòng)汽車安全充電預(yù)警模型，實(shí)現(xiàn)了對(duì)電動(dòng)汽車充電安全預(yù)警，降低了電動(dòng)汽車充電過程中發(fā)生著火、漏電等安全事故的可能，提高了電動(dòng)汽車充電過程安全預(yù)警能力。

[1]王斐，李正爍，葉萌，等.電動(dòng)汽車充電對(duì)電網(wǎng)的影響及其優(yōu)化調(diào)度研究述評(píng)[J].南方電網(wǎng)技術(shù)，2016，10（6）:70-81.WANG Fei，LI Zhengshuo，YE Meng，et al.Review on research of impact of electric vehicles charging on power grids and its optimal dispatch[J].Southern Power System Technology，2016，10（6）:70-81（in Chinese）.

[2]劉大龍.基于PID控制的電動(dòng)汽車充電系統(tǒng)智能斷電設(shè)計(jì)[J].電力與能源，2016，37（1）:70-74.LIU Dalong.Intellgent power-off design for electric vehicle charging syst m based on pid control[J].Power& Energy，2016，37（1）:70-74（in Chinese）.

[3]王鴻，高虹亮，鄧長征，等.沖擊大電流試驗(yàn)系統(tǒng)的設(shè)計(jì)[J].電瓷避雷器，2014（3）:48-52.WANG Hong，GAO Hongliang，DENG Changzheng，et al.Design of impulse high current testing system[J].Insulators and Surge Arresters，2014（3）:48-52（in Chinese）.

[4]竇曉軍.電動(dòng)汽車充電負(fù)荷預(yù)測模型及對(duì)城市負(fù)荷影響研究[J].電網(wǎng)與清潔能源，2016，32（2）:103-108.DOU Xiaojun.Study on forecasting model of electric vehicle charging load and its impacts on the urban load[J].Power System and Clean Energy，2016，32（2）:103-108（in Chinese）.

[5]馬玲玲，楊軍，付聰，等.電動(dòng)汽車充放電對(duì)電網(wǎng)影響研究綜述[J].電力系統(tǒng)保護(hù)與控制，2014，41（3）:140-148.MA Lingling，YANG Jun，F(xiàn)U Cong，et al.Review on impact of electric car charging and discharging on power grid[J].Power System Protection and Control，2014，41（3）:140-148（in Chinese）.

[6]TANG W W，WU Y M，QIN J.Comparative study on electric vehicle charging standards at home and abroad[C]// Advanced Materials Research，2013（608）：1553-1559.

[7]YILMAZ M，KREIN P T.Review of battery charger topologies，charging power levels，and infrastructure for plug-in electric and hybrid vehicles[J].Power Electronics，IEEE，2012，92（11）：50-59.

[8]MEIKE FLEISCHHAMMER，THOMAS WALDMANN，GUNTHER BISLE，et al.Interaction of cyclic ageing at high-rate and low temperatures and safety in lithium-ion batteries[J].Journal of Power Sources，2015（274）：432-439.

[9]PANNALA J A，TURNER S，ALLU W R，et al.Multiscale modeling and characterization for performance and safetyoflithium-ion batteries[J].JournalofApplied Physics，2015，118（7）：072017.

[10]TOMONOBU TSUJIKAWA，KAHOU YABUTA，MASAYASU ARAKAWA，etal.Safetyoflarge-capacity lithium-ion battery and evaluation of battery system for telecommunications[J].Journal of Power Sources，2013（244）：11-16.

[11]魏琦.大規(guī)模電動(dòng)汽車應(yīng)用對(duì)城市電網(wǎng)負(fù)荷特性影響研究[J].華北電力大學(xué)學(xué)報(bào)，2014（6）:55-60.WEI Qi.A study of massive simulation vehicle effect oncharacteristics of city electricity network load[J].Journal of North China Electric Power University，2014（6）:55-60（in Chinese）.

[12]杜春林，李和明，張麗霞.動(dòng)力蓄電池組中的PWM變流器及控制研究[J].電力科學(xué)與工程，2009，25（2）:1-5.DU Chunlin，LI Heming，ZHANG Lixia.Research on PWM converter and its control in power accumulator battery testing system for electric vehicles[J].Electric Power Science and Engineering，2009，25（2）:1-5（in Chinese）.

[13]花盛，潘曉明，闞建飛，等.基于鋰電池組的變電站直流系統(tǒng)接線方式及其運(yùn)行[J].江蘇電機(jī)工程，2013，32（4）:28-31（in Chinese）.HUA Sheng，PAN Xiaoming，GAN Jianfei，et al.The connection mode and operation of DC power system based on li-ion batteriesin transformer substation[J].Jiangsu Electrical Engineering，2013，32（4）:28-31（in Chinese）.

[14]毛安家，楊浩.基于負(fù)荷變化趨勢(shì)的繼發(fā)性故障預(yù)警及調(diào)整[J].電力系統(tǒng)保護(hù)與控制，2013，41（21）:98-103.MAO Anjia，YANG Hao.Early warning and corrective control of secondary failure based on load tendency[J].Power System Protection and Control，2013，41（21）:98-103（in Chinese）.

[15]王棟，王嬋，顏佳.一體化信息安全監(jiān)測預(yù)警和調(diào)度指揮平臺(tái)架構(gòu)研究[J].電力信息與通信技術(shù)，2014，12（11）:115-120.WANG Dong，WANG Chan，YAN Jia.Research on the overall architectureofintegrative information security monitoring warning and dispatching command platform[J].Electric Power Information and Communication Technology，2014，12（11）:115-120（in Chinese）.

[16]熊金石，秦洪濤，李建華，等.基于信息熵的安全風(fēng)險(xiǎn)評(píng)估指標(biāo)權(quán)重確定方法[J].系統(tǒng)科學(xué)學(xué)報(bào)，2013，21（2）:82-85.XIONG Jinshi，QIN Hongtao，LI Jianhua，et al.The systematic study of the regional scientific and technological talent reserve[J].Chinese Journal of Systems Science，2013，21（2）:82-85（in Chinese）.

[17]盧驗(yàn)鋒，郜幔幔，鐘紅梅，等.考慮數(shù)據(jù)聚類特性的電能質(zhì)量分級(jí)預(yù)警閾值設(shè)置方法[J].電力電容器與無功補(bǔ)償，2016，37（3）:88-94.LU Yanfeng，GAO Manman，ZHONG Hongmei，et al.graded early warning threshold setting method of power quality considering the data clustering features[J].Power Capacitor&Reactive Power Compensation，2016，37（3）: 88-94（in Chinese）.

[18]王玉龍，崔玉，李鵬，等.基于小波分析改進(jìn)的神經(jīng)網(wǎng)絡(luò)模型電力系統(tǒng)負(fù)荷預(yù)測[J].電網(wǎng)與清潔能源，2015，31（2）:16-21.WANG Yulong，CUI Yu，LI Peng，et al.Load forecasting of power system based on wavelet analysis improved neural network model[J].Power System and Clean Energy，2015，31（2）:16-21（in Chinese）.

[19]李德峰.基于小波特征的配電網(wǎng)線路運(yùn)行工況識(shí)別[J].電網(wǎng)與清潔能源，2014，30（10）:54-70.LI Defeng.Recognition of distribution network transmission line operating conditions based on wavelet characteristics[J].Power System and Clean Energy，2014，30（10）:54-70（in Chinese）.

[20]李建科，王金全，馬濤，等.基于BP神經(jīng)網(wǎng)絡(luò)的并聯(lián)型有源電力濾波器直流側(cè)電壓PID控制設(shè)計(jì)[J].電網(wǎng)與清潔能源，2012，28（6）:66-69.LI Jianke，WANG Jinquan，MA Tao，et al.Design of DC voltage with pid control of shunt active power filter based on bp neural network[J].Power System and Clean Energy，2012，28（6）:66-69（in Chinese）.

[21]胡傳勝，周玲，程蒙，等.含電動(dòng)汽車和分布式電源的配電網(wǎng)動(dòng)態(tài)重構(gòu)[J].陜西電力，2015，43（4）：1-4.HU Chuansheng，ZHOU Ling，CHENG Meng，et al.Dynamic optimization of distributed network reconfiguration considering electric vehicle and distributed generation[J].Shaaxi Electric Power，2015，43（4）：1-4（in Chinese）.

（編輯 董小兵）

A Method to Design the Security Early Warning Model of EV Charging

QIAN Lijun1，ZHAO Mingyu2，3，ZHANG Weiguo2，3
（1.State Grid Jiangsu Electrical Power Company，Nanjing 210024，Jiangsu，China；2.NARI Group Corporation（State Grid Electrical Power Research Institute)，Nanjing 211106，Jiangsu，China；3.NARI Technology Development Limited Company，Nanjing 211106，Jiangsu，China）

Since the charging accident of electric vehicles is one of the major concern of the industry，to improve the ability of charging security warning of electric vehicle battery and reduce the accidents，factors that influence the safety of electric vehicle charging are analyzed，and approaches and methods to select the safety early warning index are proposed，which helps to establish the security early warning evaluation index system as suggested in the paper.In addition，a model of electric vehicle charging security early warning，which classifies five levels security early warning，is designed drawing upon genetic wavelet neural network training principles and based on multi-scale multi-resolution characteristics.A simulation analysis on early warning system based on a charging station safety data verifies the accuracy and feasibility of the proposed early warning model of electric vehicle charging.

electric vehicle；charging security warning；index evaluation system；genetic wavelet

2016-07-24。

錢立軍（1977—），男，碩士，高級(jí)工程師，主要研究方向?yàn)殡娔苡?jì)量、用電信息采集，電動(dòng)汽車充換電建設(shè)運(yùn)營、智能用電和網(wǎng)荷互動(dòng)等；

趙明宇（1976—），男，碩士，高級(jí)工程師，主要研究方向?yàn)殡妱?dòng)汽車充換電技術(shù)、電動(dòng)汽車與智能電網(wǎng)協(xié)調(diào)控制等；

張衛(wèi)國（1980—），男，碩士，高級(jí)工程師，主要從事電動(dòng)汽車充電設(shè)施開發(fā)工作。

國家重點(diǎn)研發(fā)計(jì)劃新能源汽車重點(diǎn)專項(xiàng)（2016YF B0101800）。

Project Supported by the Special Fund for New Energy Vehicles of National Key Research and Development Program（2016YFB0101800）.

1674-3814（2016）12-0114-06

TM73

A