[汽车总站网 www.chianautoms.com欢迎你]
2025年7月10-12日，2025中国汽车论坛在上海嘉定举办。本届论坛主题为“提质向新，智赢未来”，由“闭门峰会、大会论坛、技术领袖峰会、多场主题论坛、N场行业发布、主题参观活动”等15场会议和若干配套活动构成，各场会议围绕汽车行业热点重点话题，探索方向，引领未来。其中，在7月12日上午举办的“主题论坛十：构建智能化充电运维体系，提升充电运维效率”上，万帮数字能源股份有限公司运维服务中心总工程师张德新发表了精彩演讲。以下内容为现场演讲实录：
大家好！
我是星星充电的张德新，我分享一下星星充电在智能化充电运维这方面的一些相关的探索和经验。
首先是我们运维模式的演进，分为传统运维、数字化运维、智能化运维。传统运维是依赖人工的巡检、纸质的记录、经验判断，技术手段比较简单，工具是以基础设备为主；数字化阶段引入了信息系统，可以远程进行数据的采集和监控；进入智能化运维阶段主要是结合人工智能、大数据分析、智能化技术、AI模型，实现预防性的维护和智能决策。
现在星星充电智能充电模型大概是这样的，它的前端还是基于现场实时数据的采集，根据采集的这些数据进行一些AI模型的组合预测，每次问题的解决我们会把解决的方案，还有之前模型的预测，通过IPD流程的接口反馈到研发，从研发对现场问题的总结归纳进行产品的迭代更新，重新反馈到对AI模型进行训练，相当于形成闭环的动作。
数据实时采集是第一个阶段，通过设备运行环境，在充电过程中对设备各个器件状态进行监测，提供分析的数据，数据模型主要是进行场站监控、运行指标监控、充电过程监控、现场远程日志获取、现场故障问题的监控。可以做到线上的巡检、活跃告警、BI看板，目前是平台上可以远程实现的一些数据监测的手段。在平台界面上，我们做了场站健康度检测、线上巡检、两高两低的监测、活跃告警等信息。
模型的组合预测和模型训练方式：目前有四个模型，第一是故障部件识别模型，主要包括模型关键零部件，模型电流、模块失联告警、器件故障；第二是故障防护类的，包括枪温实现策略、风扇调速、智能降载、自治愈自恢复模型、故障模块隔离的模型、审计告警的模型；另外经营分析模型，充电用户、充电订单、充电时长；故障预测的模型，器件寿命、模块故障告警，还有一些其他的关键部件，比如PDU故障判断的模型。
模型训练主要是来自知识库，知识输入主要来源：企业的知识库、设计方案、设备管理、行业标准、企业标准、解决方案、历史分析现场的问题，会输入到模型里进行相应的学习。
故障解决阶段目前采用智能的工单服务系统，从设备故障到接单、一线运维、完工验收、最终故障恢复，整个过程中实时监控和处理，维修的过程中保持透明的节奏，会有流程指导工程师如何进行现场设备的维护，会指导用户如何进行报修，还有整个报修的进度会跟用户进行实时同步。另外我们的响应时效，会做一些整个即将超时的告警或者已经超时工单的告警。工单报告基本上实现了自动化。
最终所有的问题处理完之后，还是要输入到研发阶段，包括模型到底是如何预测的，故障实际是如何处理的，中间可能有一些偏差，最终我们都是输入研发，从研发阶段进行对产品升级改善，最终再回过来对模型进行训练，对现场的数据进行升级，最终能够达到设备品质卓越、极致体验，可以实现成本和技术的领先。
接下来是在智能化充电运维做的案例分享：
首先是自愈自恢复，星星充电经过10年的运营，包括运维阶段积累大量的经验，有很多的故障问题到现场之后发现故障不是很严重，处理方案可能重新上一下电，或者现场重新插拔一下接口就可以解决。现在的设备越来越复杂，主板比较多，通讯器件比较多，总归有一些软件的故障或者受到一些干扰。在这方面主要是推进自愈自恢复，就是把各个器件，硬件软件之间时序上依次能够优化集中通讯、降低总线通讯负载，优化驱动，增加系统自恢复的逻辑。
例如我们在做设备离线，发现运营阶段如果设备离线之后很痛苦的一件事，到现场无法实现充电，我们对整体的设备从底层到应用层到平台，做了实际的策略保证底层和应用层之间实时通讯，从应用层到平台之间能够快速进行数据交互，并且保证从底层到应用层、平台层实现的检测手段是依次递增的，在平台检测到设备的信号断开或者判断离线之前实现应用层的自恢复。应用层在检测到故障之前，驱动层也能实现自恢复。我们之前挑选了19个信号比较差的场站，设备离线频率非常高的，实施以后大家可以看一下数据，效果是非常明显的，设备从1100次的离线降低只有1次。
下面是智能温控的策略，充电设备使用的过程中遇到热的问题非常多，影响设备温度的主要是环温、模块效率、风道设计、进出风口的状态。最后根据不同的应用环境制定了不同的风扇转速策略：采用模块最大的温度进行风扇转速的测算；通过模块本身的风扇转速进行系统风机转速测算；经过运行模块参数计算系统风机的转速；根据模块上报的故障位进行；还有本身可以进行系统风扇自定义的转速。还有之前在充电设备现场过滤组件的更换也是比较痛苦的，早期过滤组件是比较复杂的，都是用螺丝拧的，后面我们也是改善成了卡扣式的，现场更换的时候把卡扣一扭就可以拿下来直接进行更换和清洗。
下面是在智能枪温策略，现在在研究现场，因为现在市场上充电枪过温的情况遇到得比较多，市场很多的厂家发现过温之后功率减半，这块体验也是非常差的。采用了智能枪温策略，根据实时的枪温情况和功率进行实时的设备功率输出进行调整，我们在一些场站做了测试。选了1231把枪进行现场实际验证，之前的充电过温率大概0.31%，采用策略之后实现了清零的状态。从数据看采用主动降流的策略对于整体的充电大盘影响可以忽略的，订单数、充电量没有太大的影响。充电的体验会大大提升，因为没有跳枪的状态了。采用这个策略对充电的时长延长是很小的，平均是41.92，升级以后是42.03，基本没有什么影响。另外可以看到对降流不停峰的策略对订单的提升还是有积极作用的订单提升有6000多笔。
另外设备端采用双绝缘的技术，充电过程中如果检测到绝缘异常要停充，停止充电以后会对设备内部再进行一次绝缘，判断是车端还是设备端出现问题，判断以后通过智能派单的模型给一线人员去发工单，提升智能的派单准确率。
下面是在充电体验方面做的优化，我们叫BOOST加速充，这只是针对风冷的，现在有两种模式：一种可以Boost到300A，一种可以到400A；从实际使用的数据来看，Boost到300A的20分钟之内可以多充10度电，单笔充电可以节省8分钟，桩群的翻台率可以提升10%；Boost到400A的20分钟可以多充40度电，单比充电可以节省8～15分钟，桩群翻台率可以提高20%。现在选择一些自营的场站，Boost模式触发的订单平均给客户能够节省2分钟，提速大概在5%。
下面是在设备内采用模块效率寻优的技术，电源模块最高的工作效率不是在功率最大的时候，是功率30%～60%的区间，我们也是通过模块的调用策略能够保证在充电订单的时候在有充电的时候，尽量让模块工作在最高效的区间，这是我们做了一些数据的分析，基本上效率能够提升一个点以上。这样的话我们相当于一年测算下来电量可以节省1800度，5毛钱来算一年可以节省900元。
接下来是现场AI监测的模型，主要是对设备内部的元器件使用状态监测和运行环境的监测，根据算法逻辑预估使用寿命，提前进行告警，提前进行现场的巡检和更换。
下面是星星充电采用的电磁锁技术的充电枪，传统的充电枪市场上也是采用充电枪大部分是电机式的，星星充电采用电磁锁技术。根据它的工作原理，只要供电会锁枪，断电电会把电锁脱开，理论上可以实现不会锁枪的情况，可以大大提高客户的体验。目前我们在全国有8万把枪采用电磁锁技术，目前没有出现一例锁枪的投诉。在充电体验方面把充电的插枪座，之前是桩上放一个枪座去插，这样对精准度是有一些要求的，我们为了提升客户的体验，采用了挂枪座的状态，跟加油枪一样，充完电之后直接一挂，大大提升用户的体验。
最后是平台上的自动派单的情况，现在自动派单率从2022—2024年上升了53.1%；自建工单率2022—2024年下降了70%；400报修率到2024年下降了16.42%，逐渐取代传统的运维模式，效果还是比较明显的。
星星充电在智能化运维建设的过程：2022年是业务探索的阶段，2023年进行异常监控模型建设和调整，2024年实现故障提前预测和异常工单自动派发，2025年一起制定运维管理规范。
以上是我的分享，谢谢大家。
（注：本文根据现场速记整理，未经演讲嘉宾审阅）
[汽车总站网 www.chianautoms.com欢迎你]
