《Energies》：Beyond Classical HPPC: A Novel Two-Component Parameter Identification Method for LFP Cell Equivalent Circuit
编辑推荐：
本研究提出了一种用于评估电动汽车充电基础设施可靠性的五状态功能模型，该模型从充电服务能力的视角出发。模型区分了完全功能性、三个退化等级以及基本充电功能的丧失。状态变化采用时间齐次连续时间马尔可夫过程描述，该过程包含渐进退化、突发功能丧失以及恢复到状态S0。在此
本研究提出了一种用于评估电动汽车充电基础设施可靠性的五状态功能模型，该模型从充电服务能力的视角出发。模型区分了完全功能性、三个退化等级以及基本充电功能的丧失。状态变化采用时间齐次连续时间马尔可夫过程描述，该过程包含渐进退化、突发功能丧失以及恢复到状态S0。在此基础上，平均无故障时间（MTTF）、平均修复时间（MTTR）和平均故障间隔时间（MTBF）被重新解释为与首次达到、恢复轨迹和完整功能周期相关。参考计算确定了平稳状态概率、年驻留时间以及在达到S4之前恢复的有效性。结果表明，S4的低平稳概率仍可能对应每年有意义的服务不可用时间，而大多数功能周期以从中间状态恢复结束。所提出的框架为分析电动汽车充电基础设施提供了可复现的基础，并可利用从运营商记录中估计的转移强度进行应用。
电动汽车充电基础设施已成为集成多充电点、电网连接、通信、授权、支付及维护支持的复杂功能系统，其实际服务能力取决于能量供给、充电设备、通信和用户服务等多层子系统的协调运行。经典可靠性工程中的平均无故障时间（MTTF）、平均修复时间（MTTR）和平均故障间隔时间（MTBF）通常基于二元运行/失效状态，难以表示部分退化、服务受限和故障前状态。针对这一问题，研究人员提出了一个从充电服务能力角度评估电动汽车充电基础设施可靠性的五状态功能模型，并发表于《Energies》。
该模型将充电枢纽的功能状态划分为S0（完全功能）、S1（轻微退化）、S2（显著退化）、S3（故障前状态）和S4（基本充电功能丧失）。状态转移采用时间齐次连续时间马尔可夫过程描述，包含渐进退化路径S0→S1→S2→S3→S4、直接失效路径S0→S4，以及从各退化状态或S4恢复到S0的恢复转移。在此框架下，MTTF被重新定义为从S0首次到达S4的期望时间，MTTR被拆分为失效前恢复时间（MTTR
tech）和失效后恢复时间（MTTR
full），MTBF则被解释为从S0出发并首次返回S0的完整功能周期期望时长。
研究人员采用了状态转移图与马尔可夫过程建模方法，通过建立平稳状态平衡方程求解各状态的平稳概率，利用首次通过时间计算MTTF，基于条件期望计算MTTR
tech及其成功概率，并通过功能周期分析计算MTBF。研究中未使用实际运营数据，而是采用了一组参考转移强度参数进行演示计算，因此数值结果属于参考性结果，而非针对具体设施的可靠性估计。
研究结果显示，在参考参数场景下，平稳分布表明充电基础设施约有98.74%的时间处于S0状态，非标称运行时间每年约为110.04小时，其中S4约21.76小时。S1占据了非标称运行时间的77.07%，说明大多数偏离完全功能的时段表现为轻微退化。首次达到S4的概率分析显示，初始处于S0时，一年内至少发生一次基本充电功能丧失的概率约为35.36%，这与平稳概率值0.2484%形成鲜明对比，表明低平稳概率并不意味着功能丧失事件可以忽略。年度转移活动分析表明，S0→S1是最频繁的退化转移，每年约8.65次，但绝大多数（约8.48次/年）随后由S1恢复到S0；直接失效转移S0→S4每年约0.4325次，占进入S4事件的99.37%，而渐进退化路径S3→S4的贡献仅为0.63%。重新解释的可靠性指标计算得到：MTTF约为20076.78小时，即从完全功能到首次丧失基本充电功能的期望时间；MTBF约为964.50小时，即一个完整功能周期的平均时长；从S2出发并在到达S4前恢复的MTTR
tech约为20.04小时，其成功恢复概率为98.38%；而从S4恢复的MTTR
full为50小时，约为MTTR
tech的2.49倍，说明失效前干预不仅成功率高，而且时间代价显著更低。
讨论部分指出，五状态模型能够区分二进制表示中无法显现的退化程度和恢复轨迹，为评估服务连续性、维护效率和退化路径提供了互补信息。但该研究存在一定局限性：使用参考参数集而非实际运营记录，未直接验证指数驻留时间假设，也未显式纳入季节、温度、充电需求峰值等时变因素。未来研究应使用非齐次马尔可夫过程或半马尔可夫模型，并结合真实运营数据进行状态边界和转移参数的标定。
研究结论表明，所提出的五状态模型构建了一个从实际充电服务能力出发评估电动汽车充电基础设施的连贯框架。通过功能分类、状态转移图、马尔可夫模型和重新解释的可靠性指标，该模型能够区分渐进退化、功能丧失前的恢复以及达到S4后的完全恢复。该方法具有可复现性，可通过将参考转移强度替换为从运营记录中估计的值来应用于实际数据。后续工作应集中在使用真实时序数据进行验证，并对状态边界和转移参数进行针对具体设施的标定。
