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

摘 要： 为了规范公共充电设施运营管理，消除充电安全风险和防范安全隐患，提出一种基于F值评分法的安全风险评估方法。首先，通过调研分析不同类型的公共充电设施的实际运营现状，从而获取充电设施的典型风险点;其次，构建充电设施的安全风险评估模型，确定充电设施的重要评价指标来制定评价指标体系;最后，随机选取上海市的10个新能源汽车公共充电设施，开展充电设施的安全风险评估，并利用F值评分法进行综合评价。结果表明，所提方法具有极大的实用性和可操作性。

关键词： F值评分法; 新能源汽车; 公共充电设施; 安全风险评估

中图分类号： TM910.6

文献标志码： A

文章编号： 2095-8188（2024）12-0063-06

DOI： 10.16628/j.cnki.2095-8188.2024.12.011

Safety Risk Assessment of Public Charging Infrastructure for New Energy Vehicles Based on F-score Scoring Method

QIAN Yongsheng^1，2

［1.Shanghai Electrical Equipment Testing Institute Co.， Ltd.， Shanghai 201401， China;

2.Shanghai Electrical Science Research Institute（Group） Co.， Ltd.， Shanghai 200063， China］

Abstract： In order to standardize the operation and management of the public charging infrastructure，eliminate the charging safety risks and the prevent security risks.A security risk assessment method based on F-value scoring is presented.Firstly，through the investigation and analysis of the actual operation status of different types of public charging infrastructure，the typical risk points of charging infrastructure are obtained.Secondly，the safety risk assessment model of charging infrastructure is constructed，and the important evaluation indicators of charging infrastructure are determined to develop the evaluation index system.Finally，10 public charging infrastructures of new energy vehicles in Shanghai were randomly selected to carry out the safety risk assessment of charging infrastructure，and the F-value scoring method was used for comprehensive evaluation.The results show that the method has great practicability and operability.

Key words： F-score scoring method; new energy vehicles; public charging infrastructure; security risk assessment

0 引 言

随着全球电气化进程的不断加快，新能源汽车渗透率迅速提升，带动其配套的充电基础设施快速发展。然而，新能源汽车数量爆发式增加带来充电设施安全问题增多^［1］。一方面，公共充电场站中的充电设备涉及上、中、下游的供应商，产品质量很难控制，对于充电安全造成很大影响，制约整个充电产业的升级改造及后续发展;另一方面，充电场站运营企业的安全管理和服务水平不高，间接阻碍未来新能源汽车的发展。因此，对新能源汽车充电场站进行安全风险评估，提升充电场站的运营能力，是提升新能源汽车核心竞争力的重要举措。新能源汽车公共充电设施安全风险评估是通过建立一套完整科学高效的安全风险评估指标体系对公共充电设施进行风险评估。

新能源汽车公共充电设施安全风险评估是一种综合分析充电设施安全状况，建立充电设施安全评估模型及安全评价体系，确定影响安全的关键评级指标，通过F值评分法得到综合得分进而判断充电设施安全状态的方法。高德欣等^［2］提出一种基于卷积神经网络（CNN）和双向门控循环单元（BIGRU）的电动汽车充电状态监测与安全预警方法，对电动汽车正常充电历史数据进行CNN深度挖掘和特征数据提取，并利用BIGRU对深层特征进行充分分析和利用，构建电动汽车的温度预测模型。王太勇等^［3］提出一种双向长短期记忆（LSTM）网络的深度学习框架，同时引入注意力机制对提取特征的权重参数进行优化，并利用历史实验数据进行机械设备智能故障诊断。李翟严等^［4］提出一种反向学习状态空间模型演化算法，将其应用于充电桩的故障诊断与预测，可进行反向学习自适应诊断。王鹏等^［5］提出一种基于深度脉冲神经网络的电动汽车充电安全状态预测系统，通过粒子群算法对脉冲神经网络进行深度优化，并利用充电数据信息来判断是否处于安全状态。于畅^［6］提出一种基于不确定层分析法的电动汽车充电桩健康状态综合评估模型，采取无量纲处理和集值统计法，将各指标值进行标准化处理，确定充电桩健康状态等级，并利用实例验证和对比分析充电桩健康状态综合评估模型及算法。许笑等^［7］基于数据挖掘的主成分分析算法对直流充电桩的运行数据（如电压、电流、温度等）进行特征挖掘，并分析各层故障源和具体故障类型之间的内在关系。赵公豪等^［8］以基于灰色关联度的专家经验判断，通过综合赋权方法来改进指标权重不确定问题，并验证该方案的可行性和正确性。高辉等^［9］从充电安全因素的视角出发，对充电安全影响因素进行详细分类，归纳预警模型精度与预警误差等评估指标，并基于真实的充电订单数据与工单数据对现有模型进行整体评估与对比分析。陈志谦等^［10］通过安装在线路上的配套监测装置实时获取线路电流，采用实值深度置信网络深度学习算法分析窃电状态数据，提高检测效率。

在以上这些方法中，深度学习方法需要基于大数据训练得到深度学习模型的特征权重，训练样本过多或过少都会影响训练效果，不具备一定的鲁棒性。同时，目前针对充电设备或充电安全进行的状态评价研究较多，但对公共充电设施的安全风险一体化评估的研究还比较少。

F值评分法是一种运用多个评价指标判断评估对象的综合评价方法。该方法避免引入某个单因子较高时，使得评价对象的整体评价较高，可以合理地反映评价对象状况，根据相应的评价原则确定等级类型，其使用便捷、结果直观，得到了广泛应用^［11］。F值评分法对样本数量要求不高，可应用于新能源汽车公共充电设施状态统计数据较少的情况。

本文提出一种基于F值评分法的新能源汽车公共充电设施安全风险评估方法。整体分为3个阶段：首先，在前期场站调研和数据采集阶段，对日常充电设施检测的相关数据进行分析;其次，构建充电设施的安全风险评估模型，确定充电设施的危害类型，通过风险识别类型来确定充电设施的风险等级的划分规则，制定重要关键指标的评价指标体系;最后，选取上海市10个新能源汽车公共充电设施场站，验证充电设施的安全风险评估方案可行性，并得到电动汽车充电设施场站的风险等级与安全隐患问题。

1 充电设施的安全风险评估模型

1.1 充电设施的安全风险分析过程和内容

充电设施的安全风险是指充电设施的某些功能失效或技术指标达不到标准要求而引起或可能引起人身损害或财产损失的风险，是发生在某一特定危险情况中可能性和后果的组合。在安全生产领域，能源基础设施安全风险一般是指可能发生的危险情况及后果的严重程度，事故后果越严重，安全风险越大^［12］。

根据历史现场检测数据，分析充电设施各组成系统的安全风险程度以及潜在安全风险的发生概率，进行安全风险等级划分，并针对不同等级的风险采取不同的应对措施，可有效地规避与预防风险。充电设施安全风险分析过程就是对充电设施的安全风险的不确定性进行定量分析。充电设施安全风险分析过程主要分为风险识别、风险估计和风险评估3个阶段。充电设施的安全风险分析过程和内容如图1所示。

1.2 充电设施安全风险评价体系

新能源汽车公共充电设施主要包含充电场站和充电设备。首先，充分考虑充电设施实际应用场景、运营管理和现场检测调研分析，同时参考现行国家标准、行业标准内容，选取安全风险问题的关键特征指标;其次，确定充电设施的风险识别的危害类型^［13-14］，主要是电气危害（触电或电击等）、热危害（接触电阻过大或因着火后的高温烧烫伤等）、机械危害（外壳或运动部件）等，利用风险估计类型来确定充电设施的风险等级的划分规则，并对于可能存在不合理的指标进行专家意见征询修正;最后，得到具有代表性的重要评价指标来构建评价指标体系。

本文主要从充电场站和充电设备2个角度对充电设施安全进行综合评价。充电设施安全风险评价体系如图2所示。

1.3 安全风险评估规则

由于充电设施的单因子安全风险的数值和单位并不统一，因此有必要制定一个统一的规则进行风险评估。按照单风险因子的风险等级与伤害程度分级可划分成5个等级，即Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级和Ⅴ级，分别对应无风险、低风险、中等风险、高风险和极高风险。无风险是指该充电设施的某一个风险因子或整体质量都是合格的，是没有风险的;其他的风险等级是其相应的风险因子的检查结果与相应的安全标准对比，进而判断风险等级^［15-16］。

由于充电设施依据现行国家标准、行业标准的测试项目，测试结果的呈现形式不同，主要分为2类：一类是具体数值的测试结果，如绝缘电阻、接地电阻、稳流稳压精度等;另一类是非具体数值的测试结果，仅为是否合格，如充电模式和连接方式检查、IP等级、显示功能、急停功能、锁止功能、开门保护等。因此，为了保证数据分布的均匀性和归一性，针对检测结果是具体数值的评价指标，通过统计历史测试数据现状，确定数据分布密集的数据区间［m，n］，然后5等分此区间，得到5个等级的分界值。针对检测结果不是具体数值的指标，将其分为“0”型指标（等级Ⅰ）和“1”型指标（等级Ⅴ），其中，假设属于外在安全项目，不会造成用户人身安全的危害，但也会存在一定的风险可能会造成一定的经济损失，这一项指标一旦不合格就将其定为Ⅲ级^［17］。具体数值或非具体数值的指标超过合格判定的不合格项目表示充电设施具有潜在安全风险，可能对人身及财产造成伤害和损失。充电设施的安全风险等级的评估规则如表1所示。

2 F值评分法

考虑到实际场站评估的复杂性，采用F值评分法，其是一种原理相对简单、计算相对简便、评估结果相对直观的评价方法^［18-20］。充电设施的安全风险等级的评估规则如表1所示;单风险因子评分值如表2所示。根据表1确定的单风险因子风险等级，结合表2规定的单风险因子评分值，分别确定单风险因子评估分值Fi。再按式（1）和式（2）计算综合评估分值F。

F=F—2+Fmin22（1）

F—=1n∑ni=1Fi（2）

式中： F———单风险因子评估分值的平均值;

Fmin——单风险因子评估分值的最小值。

综合安全风险等级评估分值如表3所示。按表3进行综合安全风险等级的划分。

3 案例分析

本文案例随机选取上海市普陀区和长宁区10个新能源汽车公共充电设施进行现场安全风险评估，涉及充电设备总数量83台，其中交流桩8台、直流桩75台。通过评估人员现场勘探和检测评估，在10个场站中发现1个风险等级Ⅲ，9个风险等级Ⅱ。10个公共充电设施场站的F值评分法评估结果如表4所示。

由表4可知，F＜4.25，公共充电设施场站中等风险等级1个，占比10%;F＜7.20，公共充电设施场站低风险等级9个，占比90%。

依据现场评估人员记录数据可知，10个公共充电设施场站中，有10个场站的场站标志标识、消防安全不合格，有8个场站外观检查、设备标志检查不合格，有7个场站接地电阻和防雷检查不合格。10个公共充电设施场站的问题汇总如表5所示。

4 结 语

随着全国各省份不断积极建设和完善充电基础设施网络，公共充电设施的数量急剧增加。新能源汽车公共充电设施安全风险评估对于在运的充电设施运营管理和退役改造具有一定的意义。相较于深度学习方法，本文采取的F值评分法使用便利、计算方便和无须大量数据训练，可根据相应的分级标准确定风险等级类型得到综合评分值，在各指标安全风险分级明显、超标指标较多或者没有超标指标的情况下可以较合理地反映安全风险状况。但若只有一项指标值偏高时，即使其他指标值低，综合评价值也会偏高。因此，在实际运用中，可以引入评价因子权重指数，减少人为评定的偶然性。通过结合上海市公共充电设施安全风险评估结果，验证了该方法具有极大的实用性与可操作性。

【参 考 文 献】

［1］ 周洋捷，王震坡，洪吉超，等.新能源汽车动力电池“过充电热失控”安全防控技术研究综述［J］.机械工程学报，2022，58（10）：112-135.

［2］ 高德欣，王义，郑晓雨，等.基于深度学习的电动汽车充电状态监测与安全预警方法［J］.电机与控制学报，2023，27（7）：122-132.

［3］ 王太勇，王廷虎，王鹏，等.基于注意力机制BiLSTM的设备智能故障诊断方法［J］.天津大学学报（自然科学与工程技术版），2020，53（6）：601-608.

［4］ 李翟严，胡耀杰，徐礼富，等.基于反向学习的状态空间模型进化算法的充电桩故障诊断预测研究［J］.机械设计，2024，41（增刊1）：192-195.

［5］ 王鹏，柏世涛，吴智强，等.基于深度脉冲神经网络的电动汽车充电安全状态预测［J］.自动化与仪器仪表，2024（6）：29-32.

［6］ 于畅.电动汽车充电桩健康状态综合评估方法研究［D］.哈尔滨：哈尔滨理工大学，2020.

［7］ 许笑，高翔，李光熹，等.基于数据挖掘的电动汽车充电设施充电安全故障特性分析［J］.电器与能效管理技术，2022（3）：15-22.

［8］ 赵公豪，刘鸿鹏，袁单，等.基于模糊综合评价的电动汽车充电安全风险评估［J］.计算机测量与控制，2024，32（4）：300-307.

［9］ 高辉，彭成薇，李炜卓，等.电动汽车与充电设备充电安全预警研究综述［J］.电力系统自动化，2024，48（7）：47-61.

［10］ 陈志谦，鲍光海，方艳东.基于RDBN深度学习算法的窃电监测系统设计［J］.电器与能效管理技术，2024（5）：67-74.

［11］ 刘伟，张梦琳，杨双喜，等.不同地下水水质评价方法的对比研究：以宜良县为例［J］.环境工程，2017，35（3）：147-151.

［12］ 罗魁，郭剑波，高飞，等.新兴能源基础设施安全风险分析与防控体系［J］.电网技术，2024，48（2）：457-469.

［13］ 国家市场监督管理总局，国家标准化管理委员会.消费品安全 风险评估通则：GB/T 22760—2020［S］.北京：中国标准出版社，2020.

［14］ 孙思衡.电子电器产品缺陷风险评估方法研究［D］.北京：北京科技大学，2018.

［15］ 魏翔.基于运行风险评估的充电设施智能运维策略研究［D］.南京：南京邮电大学，2023.

［16］ 范建磊，刘君.电动汽车充电桩综合评价方法研究［J］.电气应用，2014，33（11）：31-35.

［17］ 刘振峰.电动汽车充电桩安全风险评估方法设计研究［D］.天津：天津大学，2017.

［18］ 李晶晶.小流域生态清洁程度综合分析［J］.水土保持应用技术，2023（3）：27-29，33.

［19］ 王冬至，梁建辉.基于层次分析法的地下水水质评价：以阿克苏市为例［J］.安徽农业科学，2019，47（8）：80-85.

［20］ 樊红伟，王颖.基于改进的灰色关联法在地下水水质评价中的应用［J］.地下水，2015，37（2）：39-41.

收稿日期： 20241020