[發明專利]充電模式識別方法、裝置、終端設備及存儲介質

有效

• 申請號: 201910150764.1
• 申請日: 2019-02-28
• 公開（公告）號: CN109934955B
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 帥春燕;劉曉波
• 申請（專利權）人: 深圳智鏈物聯科技有限公司
• 主分類號: G07C5/08
• 分類號: G07C5/08;G07C5/12;G06N3/08
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 李艷麗

1.一種充電模式識別方法，其特征在于，包括：

獲取電動車的充電數據；

根據所述充電數據，生成充電曲線，所述充電曲線包括電流曲線；

將所述電流曲線轉化為充電曲線樣本圖片；

將所述充電曲線樣本圖片輸入預先訓練的神經網絡模型，得到充電模式識別結果，所述充電模式識別結果包括正常充電模式、異常充電模式、全震蕩充電模式和突然停止充電模式；

其中，當所述電流曲線由第一特征構成，或者由所述第一特征和第二特征構成，且所述第一特征先于所述第二特征出現，或者由所述第一特征、所述第二特征以及第三特征構成，且三個特征出現的時間先后順序為所述第一特征、所述第二特征、所述第三特征，或者由所述第一特征和所述第三特征構成，且所述第一特征先于所述第三特征出現，所述充電模式識別結果為所述正常充電模式；

當所述電流曲線由所述第二特征和所述第三特征構成，且所述第二特征先于所述第三特征出現，或者由所述第三特征構成，或者電流值大于電流閾值，或者包括第四特征和/或第五特征，或者包括兩個所述第一特征或兩個所述第二特征，且相同特征在時間上不相鄰，或者包括所述第一特征和第六特征，且所述第一特征先于所述第六特征出現，所述充電模式識別結果為所述異常充電模式；

當所述電流曲線由第七特征構成，所述充電模式識別結果為全震蕩充電模式；

當所述充電數據中電壓值為0和電流值為0的時刻不同，且所述電流曲線中最后出現的特征為所述第一特征和/或所述第二特征，或者所述電流曲線中最后出現的特征為所述第三特征，所述充電模式識別結果為突然停止充電模式；

所述第一特征為三段式充電曲線的第一階段，所述第二特征為三段式充電曲線的第二階段，所述第三特征為三段式充電曲線的第三階段，所述第四特征為凸，所述第五特征為中間階梯，所述第六特征為中間為0，所述第七特征為全震蕩。

2.根據權利要求1所述的充電模式識別方法，其特征在于，所述神經網絡模型為包括輸入層、第一隱藏層、第二隱藏層、多分類層以及輸出層的基于堆疊稀疏自編碼的神經網絡；

所述將所述充電曲線樣本圖片輸入預先訓練的神經網絡模型，得到充電模式識別結果，包括：

通過所述輸入層獲取所述充電曲線樣本圖片；

將所述充電曲線樣本圖片輸入所述第一隱藏層，以使所述第一隱藏層對所述充電曲線樣本圖片進行特征提取操作，輸出第一電流曲線特征；

將所述第一電流曲線特征輸入所述第二隱藏層，以使所述第二隱藏層對所述第一電流曲線特征進行特征提取和組合操作，輸出第二電流曲線特征，所述第二電流曲線特征的精度高于所述第一電流曲線特征；

將所述第二電流曲線特征輸入所述多分類層，以使所述多分類層將所述第二電流曲線特征進行組合識別，根據特征組合，識別具體類別對應到輸出層。

3.根據權利要求1所述的充電模式識別方法，其特征在于，所述將所述電流曲線轉化為充電曲線樣本圖片，包括：

將所述電流曲線轉化為第一預設像素大小的圖片；

對所述第一預設像素大小的圖片像素灰度值進行標準化處理，得到所述充電曲線樣本圖片。

4.根據權利要求1至3任一項所述的充電模式識別方法，其特征在于，在所述獲取電動車的充電數據之前，還包括：

獲取訓練樣本數據集，所述訓練樣本數據集為包括所有充電模式對應的電流曲線樣本圖片的數據集；

對所述訓練樣本數據集進行數據預處理操作；

根據預處理后的所述訓練樣本數據集，對預先建立的所述神經網絡模型進行訓練，以得到訓練完成的神經網絡模型。