充电模式识别方法、装置

本申请属于电动车技术领域，尤其涉及一种充电模式识别方法、装置、终端设备及计算机可读存储介质。

背景技术：

随着电动车行业的不断发展，电动车的保有量越来越大，充电安全事故规模越来越大，越来越严重。

电动车在充电过程中，由于电池、适配器、用户不恰当的充电行为等原因，存在大量隐藏的安全隐患因素，例如，电池技术和适配器的不完善和质量的不合格、电池和适配器的不匹配、私自改装的大功率电池、电池老化充不进去电、私接排插(单笔订单多辆车同时充电)、单笔订单多辆车依次充电以及充电突然被拔掉等。电池和适配器等设备异常会造成严重的安全隐患，影响用户的充电体验和使用情况。同时，用户不恰当或不安全的充电行为会对电池寿命产生很大的影响，例如，如果充电时间过长，以及长期不让电池进入涓流充电，会缩短电池使用寿命。而目前的电动车由于技术水平和价格限制等因素，电池管理系统不完善，也没有一种有效的方法来识别和监控电动车充电过程中电池的充电状态。

技术实现要素：

有鉴于此，本申请提供一种充电模式识别方法、装置、终端设备及计算机可读存储介质，以解决现有技术无法识别、监控电动车充电过程的充电状态的问题。

本申请实施例的第一方面提供一种充电模式识别方法，包括：

步骤一：获取电动车的充电电流数据；

步骤二：根据所述充电电流数据，生成充电电流曲线，根据充电电流曲线形状和现有的充电模式建立充电电流特征；

步骤三：建立特征模版，包括零值电流特征模版、恒流充电电流特征模版、恒压充电电流特征模版和上升电流特征模版；

步骤四：结合数理统计建立充电电流特征识别算法；将充电过程转化为特征序列；

步骤五：将充电电流特征序列输入预先建立好的分类规则，得到充电模式识别结果。

结合第一方面，在一种可行的实现方式中，所述建立的充电电流特征包括目前市场上常用铅酸电池和锂电池的常规充电模式，例如恒流充电1(constantcurrent1)、恒流充电2(constantcurrent2)、恒压充电1(constantvoltage1)、恒压充电2(constantvoltage2)、涓流电流(tricklecurrent)和脉冲电流(pulsecurrent)，同时还包括非常规的一些由于用户充电行为产生的充电电流特征，例如零值电流(zerocurrent)、阶梯陡降电流(stepdowncurrent)、阶梯陡升电流(step-upcurrent)，还有存在但目前不知道产生原因的充电电流特征，例如上升电流；其中零值电流、恒流充电、恒压充电和上升电流特征通过求取大量充电电流数据平均值的方式建立特征模版，分别是零值电流特征模版、恒流充电电流特征模版、恒压充电电流特征模版和上升电流特征模版。

结合第一方面，在一种可行的实现方式中，所述建立一种充电电流特征识别算法，包括：

先对充电电流数据一阶差分获得电流的变化值和变化顺序，当电流跳变次数大于ctth时，标记为脉冲充电电流特征；

再用中值滤波器消除噪声和脉冲充电对其它特征的影响，得到处理后的充电电流数据；

然后对所述处理后的充电电流数据进行一阶差分，满足条件cmi≥cth时，标记为阶梯陡降电流特征，满足条件cmi+1≥cth时，标记为阶梯陡升电流特征；

接着根据找出的跳变点将所述电流数据分段为条子序列，再采用长度大小为25的滑动窗口截取出电流数据，所述电流特征模版同截取出的电流数据做比对，满足对应阈值的分别标记对应电流特征，得出充电电流特征序列；

最后对所述识别出的电流特征序列进行合并处理，将连续相同的充电电流特征合并为一个，然后再将所有特征序列统一维度。

本申请实施例的第二方面提供一种充电模式识别装置，包括以下模块：

获取模块，用于获取电动车的充电电流数据；

转化模块，用于将所述充电过程转化为充电电流特征序列；

识别模块，将充电电流特征序列输入预先建立好的分类规则，得到充电模式识别结果。

所述识别模块包括：

脉冲电流特征提取单元：用于采用一阶差分的方式识别出脉冲电流特征；

数据处理单元：用最小绝对误差中值滤波器对消除噪声和脉冲充电对其它特征的影响，得到处理后的充电电流数据；

阶梯陡升电流和阶梯陡降电流特征提取单元：用于采用一阶差分的方式识别出阶梯陡升电流和阶梯陡降电流特征；

其余充电电流特征提取单元：采用特征模版和分段电流数据匹配的方式识别充电电流特征，满足预先设定的相似性度量阈值的返回充电电流特征；

特征序列处理单元：将所述识别出的特征序列进行合并处理，再全部统一维度，得到最终的充电电流特征序列。

本申请实施例与现有技术相比存在的有益效果是：

本申请实施例通过建立充电电流特征和充电电流特征识别算法将充电电流数据转化成充电电流特征序列，利用预先建立好的特征序列分类规则对该充电电流特征序列进行分类，得到该充电过程对应的充电模式，从而实现了对充电过程中电池充电状态的识别和监控。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的步骤框图；

图2为本申请实施例提供的充电场景示意图；

图3为本申请实施例提供的充电电流特征示意图；

图4为本申请实施例提供的一种充电模式识别装置的结构示意框图；

图5为本申请实施例提供的识别模块示意框图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

在介绍本申请实施例的具体技术方案之前，首先对本申请实施例可能涉及的应用场景进行介绍说明。

参见图1示出的充电场景示意图，在该充电场景下包括充电站、待充电电动车、服务器、用户终端，充电站内包括至少一个充电桩。用户终端可以通过运营商网络与后台服务器通信，充电站以及充电桩可以通过充电站内的场地网络与后台服务器通信，用户终端可以通过互联网与充电桩通信。充电桩上有至少一个插座，充电车主可以通过电动车适配器、充电线连接至充电桩的插座上。当充电车主通过用户终端完成充电订单支付之后，后台服务器会控制充电桩相应的插座通电，即可对待充电电动动车进行充电。

其中，用户终端内安装有相应的app，以实现与后台交互、计算、人机交互等相应业务功能，该用户终端可以具体为手机、平板等智能终端。

充电车主通过用户终端扫描充电桩上的二维码，用户终端成功识别二维码之后跳转至相应的界面；在该界面上，充电车主可以进行充电模式选择、充电时长输入等操作；确定充电订单信息之后，服务器通过与用户终端进行数据交互，完成订单支付之后，服务器会通知充电桩，充电桩则会控制相应插座通电。

在充电过程中，充电桩可以采集到充电时的电流电压和功率等充电电流数据，并将该充电电流数据上传至服务器。具体地，充电桩在采集到电动车的充电电流数据之后，向后台服务器上报设备遥测报文，该设备遥测报文可以包括充电电流、电压、充电功率等信息，后台服务器可以采集到在充电桩上充电的每一台电动车充电电流数据。

服务器接收到充电桩上报的充电电流数据之后，会相应地进行数据处理。然后，将充电电流数据输入充电识别算法，识别电动车充电的充电模式。在识别充电模式之后，如果发现一些异常状况或者是不恰当的充电行为，可以通过用户移动终端反馈给用户，包括用户自身充电行为需要改善的地方，以及电池可能存在的问题。

需要说明，上述所提及的应用场景仅仅是示例性场景，并不造成对本申请实施例具体场景的限定。

在介绍完本申请实施例可能涉及的应用场景后，下面将对本申请实施例提供的技术方案进行详细介绍说明。为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

实施例一

本申请实施例提供的一种充电模式识别方法，该方法可以包括以下步骤：

步骤s201、获取电动车的充电电流数据。

上述充电电流数据可以包括但不限于充电电流、充电电压以及电动车充电功率。电动车充电功率可以通过充电桩上的功率计量芯片识别。

需要说明，该充电电流数据可以是充电桩实时上传的数据，即，在电动车通过电源适配器、充电线连接充电桩的插座进行充电的过程中，充电桩实时将所采集的充电电流数据通过遥测报文的形式上报给后台服务器，每一个充电桩都有唯一可识别的充电桩号，确保后台服务器能获得各个充电桩上报的充电电流数据。当然，该充电电流数据也可以是历史数据，即，该数据是预先采集并存储在充电桩上的电动车充电电流数据，同时每一条充电电流数据都有唯一可识别的字段，例如用户的充电订单号。

需要说明，一般情况下，充电电流数据主要包括电流、电压以及功率，而是指电动车的充电功率，其数值一般是不变的，功率曲线在电池状态的分析识别上所能起到的作用很小。此外，电动车电池的生产标准和质量不同，电池的使用程度不通，以及充电适配器和生成厂家等均不同，导致电池在充电过程中会出现各种各样的电流表现形式，故充电电流数据可以充分反映出电池的当前充电状态、安全性和老化程度，以及用户充电过程中不恰当充电行为存在的安全隐患等进行识别和判断。因此，在识别充电模式的过程中，充电电流数据占主导地位。

步骤s202、将充电电流数据输入充电电流特征识别算法，输出充电电流特征序列。

步骤s203、将充电电流特征序列输入预先建立好的特征序列分类算法中，得到充电模式分类结果。

可以将所述充电电流数据进行统一标准化，标准化的过程可以包括但不局限于归一化和中值滤波等，然后将该充电电流数据输入充电电流特征识别算法，得到充电电流特征序列，在将充电电流特征序列输入特征序列分类算法，得到充电模式分类结果。

不同电动车的充电电流是不可能完全相同的，但是，不同的充电电流数据却可以包含某些相同的特征，不同的特征组合起来可以构成不同的充电模式。充电电流特征可以是指表征一定形状的电流的特征，即用特征表示某一段一定曲线形状或功能的曲线。例如，电流特征中的零值电流特征，该特征对应一段呈水平直线状的曲线，具体表现为电流一段时间内持续为0的。

又例如，目前市场上常用的锂离子电池和铅酸电池，锂离子电池的充电模式一般是恒流恒压充电，铅酸电池的充电模式一般是三段式充电的，正常的三段式充电曲线包括恒流恒压充电和涓流电流充电，相比锂离子充电，在其基础上多了一段涓流电流充电，因此绝大多数正常的电动车充电电流特征都可以用恒流充电、恒压充电和涓流充电表示出来，同时，为了区分出充电过程中出现的中间断开和多辆车充电的情况，分出了恒流充电1和恒压充电1，两者均为正常充电过程中的恒流恒压充电模式，同时细分出了恒流充电2和恒压充电2，恒流充电2是指恒流阶段电流平均值和恒流充电相比差值在0.3a以上，恒压充电2是指恒流充电阶段首个电流值与恒流充电的末尾电流值相比差值在0.3a以上。

依次类推，结合电流曲线的形状以及现有充电模式的电流特点，用不同的特征表示不同的充电电流。参见图2所示特征曲线图，在本实施例中，充电电流特征可以包括10个，分别为：零值电流、陡降电流、陡升电流、恒流充电1、恒流充电2、电流下降充电1、电流下降充电2、涓流充电、电流上升充电和脉冲充电。当然，实际应用中，还可以根据需要增加或减少充电电流特征的类别。

不同充电电流特征的时序组合可以构成不同的充电模式，即，根据充电电流曲线中所包含的充电电流特征，以及这些充电电流特征出现的时间先后顺序，对应不同的充电模式。在本实施例中，充电模式可以包括6个，分别为：常规充电方式、电池剩余电量多或电池老化，一个订单中存在多个对象同时充电(私接插排)、充电过程中电流断开(外界因素)、一次订单中多辆车依次充电和其他充电方式，其中，不同充电模式由不同的充电电流特征组合得到。例如，“电池剩余电量多或电池老化”充电模式对应的充电电流特征只有涓流电流和恒压充电电流特征，即，此时的充电过程中只包括正常的三段式充电模式中的恒压充电阶段和涓流充电阶段。

将所获充电电流数据样本图片输入预先训练的充电电流特征识别算法，得到充电电流特征序列具体过程可以包括：

步骤s301：对充电电流数据一阶差分获得电流跳变次数，电流次数达到阈值时标记为脉冲充电电流特征；

步骤s302：用中值滤波器消除噪声和脉冲充电对其它特征的影响，得到处理后的充电电流数据；

步骤s303：然后对所述处理后的充电电流数据进行一阶差分，满足条件的标记为阶梯陡降电流特征和阶梯陡升电流特征；

步骤s304：接着根据一阶差分找出的跳变点将所述电流数据分段形成子序列，再采用滑动窗口截取出电流数据，所述电流特征模版同截取出的电流数据做比对，满足对应阈值的分别标记对应电流特征，得出充电电流特征序列；

步骤s305：最后对所述识别出的电流特征序列进行合并处理，将连续相同的充电电流特征合并为一个，然后再将所有充电电流特征序列统一维度。

上述所述电流特征模版包括但不仅限于零值电流特征模版、恒流充电电流特征模版、恒压充电电流特征模版和上升电流特征模版，所述的特征模版、建立方式为：零值电流特征模版全取为零，恒流充电电流特征模版、恒压充电电流特征模版和上升电流特征模版通过截取大量原始充电电流数据中恒流充电、恒压充电和上升电流数据，求取其平均值分别得到，特征模版的长度为25个数据。

上述充电电流特征和充电模式的对应关系是指预先设定的不同充电模式和各个充电电流特征之间的对应关系，不同的充电电流特征组合产生了不同的充电模式。为了更好地介绍充电电流特征与充电模式之间的关系，下面将结合表1和表2进行说明。

表1充电电流特征

上表1为充电电流特征表，为了描述方便，下文描述这10个特征时，分别用阿拉伯数字0-9依次表示。在表1中，各个特征均有相应的特征描述、特征曲线，特征曲线是指该特征对应的曲线形状的表示。可以理解，在具体应用中，还可以根据需要定义不同于上表1中所示的曲线特征。

将不同的特征进行组合可以得到不同的充电模式。将上述表1中的10个特征进行组合，可以得到6种充电模式，具体关系如下表2所示。

表2充电模式表

上表2示出了6种充电模式，其中，表2中充电模式组成中所述特征对应上述表1中示出的0-9特征。可以理解，表2所示的充电模式仅仅是一种示例，具体应用中，可以包括更多或更少的充电模式类别。

需要说明，充电电流特征识别算法的输出结果是上述表1中的10种充电电流特征组合而成的充电电流特征序列，而根据充电电流曲线特征和现有常规充电模式预先设定的充电模式分类规则，可以得到充电电流特征序列对应的充电模式。

可以看出，本实施例通过建立充电电流特征识别算法，对该充电过程对应的充电电流特征进行提取、识别、组合，得到该充电过程对应的充电电流特征序列，然后将该特征序列样本输入预先建立好的特征序列分类算法中，对特征序列进行分类，实现了对电动车的充电过程进行识别和监控。

实施例二

请参见图3，为本申请实施例提供的一种充电模式识别装置的结构示意框图，该装置可以包括：

获取模块31，用于获取电动车的充电电流数据；

识别模块32，用于将充电电流数据输入预先训练的充电电流特征识别算法，得到充电电流特征识别结果，输出充电电流特征序列；

分类模块33，用于将所得充电电流特征序列进行分类，得到充电电流特征序列分类结果。

参见图4，所述识别模块包括以下5个单元：

脉冲电流特征提取单元：用于采用一阶差分的方式识别出脉冲电流特征；

数据处理单元：用最小绝对误差中值滤波器对消除噪声和脉冲充电对其它特征的影响，得到处理后的充电电流数据；

阶梯陡升电流和阶梯陡降电流特征提取单元：用于采用一阶差分的方式识别出阶梯陡升电流和阶梯陡降电流特征；

其余充电电流特征提取单元：采用特征模版和分段电流数据匹配的方式识别充电电流特征，满足预先设定的相似性度量阈值的返回充电电流特征；

特征序列处理单元：将所述识别出的特征序列进行合并处理，再全部统一维度，得到最终的充电电流特征序列。

需要说明，本实施例和上述各个实施例的相同或相似之处，相关介绍请参见上文相应内容，在此不再赘述。

本实施例将电动车充电过程中的充电电流数据转化成相应的充电电流特征序列，然后将该特征序列输入预先建立的特征序列分类算法，对该充电电流特征序列进行分类，得到该充电过程对应的充电模式，实现了对电动车的充电状态进行识别和监控。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置、终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。