一种智能太阳能箱包充放电控制方法及系统与流程

本发明涉及太阳能箱包与电池管理系统技术领域，具体而言，涉及一种智能太阳能箱包充放电控制方法及系统。

背景技术：

目前，对智能太阳能箱包而言，对其充电放电管理是一个关键技术，在现有技术中，充放电管理不科学的问题可能影响电池的使用寿命、电池容量、使用效率等，如何科学管理电池的充放电，是本领域专业技术人员迫切需要解决的一个技术问题。

技术实现要素：

为了至少克服现有技术中的上述不足，本发明的目的在于提供一种智能太阳能箱包充放电控制方法及系统，能够考虑不同充放电决策标签下的目标参考场景检测数据之间的差异，进而确保获取到的目标参考场景检测数据具有较低的噪声率以及较高的参考价值，这样可以实现精准的充放电控制。

第一方面，本发明提供一种智能太阳能箱包充放电控制方法，应用于服务器，所述方法包括：

获取智能太阳能箱包在本次充放电控制周期上传的充放电场景检测信息，并将所述充放电场景检测信息输入至整体充放电决策模型中；

通过所述整体充放电决策模型对所述充放电场景检测信息进行充放电决策标签识别，以获取与所述充放电场景检测信息对应的充放电决策标签；

根据所述充放电决策标签从所述充放电场景检测信息中获取对应的目标参考场景检测数据，并根据所述充放电决策标签和所述目标参考场景检测数据生成充放电控制策略，以根据所述充放电控制策略确定所述智能太阳能箱包的充放电控制过程。

在第一方面的一种可能的设计方案中，所述整体充放电决策模型包括数据解析单元和决策单元；所述通过所述整体充放电决策模型对所述充放电场景检测信息进行充放电决策标签识别，以获取与所述充放电场景检测信息对应的充放电决策标签，包括：

将所述充放电场景检测信息输入至所述数据解析单元进行数据解析和充放电决策标签融合，以获取与所述充放电场景检测信息对应的充放电决策标签的数据解析分段；

将所述充放电决策标签的数据解析分段输入至所述决策单元进行充放电决策标签预测，以获取充放电决策标签特征的标签特征信息；

根据第一预设标签特征信息和所述充放电决策标签特征的标签特征信息确定与所述充放电场景检测信息对应的充放电决策标签。

在第一方面的一种可能的设计方案中，所述将所述充放电场景检测信息输入至所述数据解析单元进行数据解析和充放电决策标签融合，以获取与所述充放电场景检测信息对应的充放电决策标签的数据解析分段，包括：

将所述充放电场景检测信息中的各个充放电场景对象数据切分聚类为充放电场景对象数据片段；

对所述充放电场景检测信息进行充放电决策标签识别，并对获取的各个状态识别结果对应的充放电决策标签标签进行标签内容挖掘，以获取充放电决策标签挖掘信息；

对各所述充放电场景对象数据对应的充放电场景对象数据片段和充放电决策标签挖掘信息进行融合，以获取与各所述充放电场景对象数据对应的充放电决策标签聚类；

根据所述充放电场景检测信息中所有充放电场景对象数据对应的充放电决策标签聚类确定与所述充放电场景检测信息对应的充放电决策标签的数据解析分段。

在第一方面的一种可能的设计方案中，所述整体充放电决策模型基于动态充放电场景样本数据集和动态充放电决策数据配置得到，所述动态充放电场景样本数据集为充放电决策正标签的数量和充放电决策负标签的数量不一致的充放电场景样本数据集；所述动态充放电决策数据根据充放电决策标签的决策控制路经和整体充放电决策标签的决策控制路经确定，其中，所述整体充放电决策标签的决策控制路经为所述动态充放电场景样本数据集中各充放电场景样本数据对应的整体充放电决策标签的决策控制路经，所述充放电决策标签的决策控制路经为利用所述整体充放电决策模型获取的所述充放电场景样本数据对应的充放电决策标签的决策控制路经，所述动态充放电决策数据包括第一决策对象、第二决策对象和决策区间信息，所述方法还包括：

获取所述动态充放电场景样本数据集以及与所述动态充放电场景样本数据集中各充放电场景样本数据对应的整体充放电决策标签的决策控制路经；

根据所述动态充放电场景样本数据集和所述整体充放电决策标签的决策控制路经对待配置整体充放电决策模型进行配置，以获取所述整体充放电决策模型。

在第一方面的一种可能的设计方案中，所述充放电场景样本数据集包括多个充放电场景样本数据，所述待配置整体充放电决策模型包括待配置数据解析单元和待配置决策单元；所述根据所述充放电场景样本数据集和所述整体充放电决策标签的决策控制路经对待配置整体充放电决策模型进行配置，以获取所述整体充放电决策模型，包括：

通过所述待配置数据解析单元对各所述充放电场景样本数据进行数据解析和充放电决策标签融合，以获取与各所述充放电场景样本数据对应的充放电决策标签的数据解析分段指标；

通过所述待配置决策单元对所述充放电决策标签的数据解析分段指标进行充放电决策标签预测，以获取充放电决策标签的决策控制路经；

根据各所述充放电场景样本数据对应的充放电决策标签的决策控制路经和整体充放电决策标签的决策控制路经确定所述动态充放电决策数据，并根据所述动态充放电决策数据更新所述待配置整体充放电决策模型权重参数，直至所述动态充放电决策数据的决策信息差异参数小于设定差异参数或完成设定次数的配置。

在第一方面的一种可能的设计方案中，所述根据各所述充放电场景样本数据对应的充放电决策标签的决策控制路经和整体充放电决策标签的决策控制路经确定所述动态充放电决策数据，包括：

根据各所述充放电场景样本数据对应的充放电决策标签的决策控制路经、所述整体充放电决策标签的决策控制路经中的充放电决策标签差异值和第二预设标签特征信息确定第一更新权重参数；

根据所述第一更新权重参数的延时充放电决策标签确定第二更新权重参数；

根据所述第二更新权重参数、所述充放电决策标签的决策控制路经、所述充放电决策标签差异值、充放电决策正标签的充放电时域参数、指标热度参数和所述决策区间信息生成所述动态充放电决策数据。

在第一方面的一种可能的设计方案中，所述根据所述第二更新权重参数、所述充放电决策标签的决策控制路经、所述充放电决策标签差异值、充放电决策正标签的充放电时域参数、指标热度参数和所述决策区间信息生成所述动态充放电决策数据，包括：

根据所述第二更新权重参数、所述充放电决策标签的决策控制路经、所述充放电决策标签差异值和所述充放电决策正标签的充放电时域参数生成所述第一决策对象；

根据所述第二更新权重参数、所述充放电决策标签的决策控制路经、所述充放电决策标签差异值、所述充放电决策正标签的充放电时域参数和所述指标热度参数生成所述第二决策对象；

根据所述第一决策对象、所述第二决策对象和所述决策区间信息生成所述动态充放电决策数据。

在第一方面的一种可能的设计方案中，根据所述充放电决策标签从所述充放电场景检测信息中获取对应的目标参考场景检测数据，包括：

根据所述充放电决策标签对应的决策优化元素获取充放电场景检测信息对应的第一场景检测对象信息和第二场景检测对象信息，所述第一场景检测对象信息包括所述充放电场景检测信息中不包含充放电行为标识的场景变化检测信息，所述第二场景检测对象信息包括所述充放电场景检测信息中包含充放电行为标识的场景变化检测信息；

对所述第一场景检测对象信息进行荷电状态影响元素提取，得到所述第一场景检测对象信息对应的非荷电状态影响分段；对所述第二场景检测对象信息进行荷电状态影响元素提取，得到所述第二场景检测对象信息对应的荷电状态影响分段；

对所述荷电状态影响分段和所述非荷电状态影响分段进行基于荷电状态值的融合，得到所述充放电场景检测信息对应的充放电优化参数；对所述充放电优化参数进行充放电优化参数聚类，得到所述充放电场景检测信息对应的聚类结果；在所述聚类结果满足预设的条件的情况下，通过所述聚类结果所指示的聚类标签从所述充放电场景检测信息中获取与所述聚类标签匹配的场景检测对象信息作为所述目标参考场景检测数据；

其中，所述根据所述充放电决策标签对应的决策优化元素获取充放电场景检测信息对应的第一场景检测对象信息和第二场景检测对象信息，包括：

根据所述充放电决策标签对应的决策优化元素，对所述充放电场景检测信息进行充放电行为执行检测，得到所述充放电场景检测信息中不包含充放电行为标识的第一场景变化检测信息，将所述充放电场景检测信息中的所述第一场景变化检测信息进行针对业务事件类别的数据融合，作为所述第一场景检测对象信息；根据所述第一场景变化检测信息，获取所述充放电场景检测信息中包含充放电行为标识的第二场景变化检测数据，将所述充放电场景检测信息中的所述第二场景变化检测数据进行针对业务事件类别的数据融合，作为所述第二场景检测对象信息；

其中，所述对所述第一场景检测对象信息进行荷电状态影响元素提取，得到所述第一场景检测对象信息对应的非荷电状态影响分段，包括：

对所述第一场景检测对象信息进行荷电状态影响元素提取，得到所述第一场景检测对象信息对应的非荷电状态影响分段；

其中，所述对所述第二场景检测对象信息进行荷电状态影响元素提取，得到所述第二场景检测对象信息对应的荷电状态影响分段，包括：

对所述第二场景检测对象信息进行荷电状态影响元素提取，得到所述第二场景检测对象信息对应的荷电状态影响分段；

其中，所述对所述荷电状态影响分段和所述非荷电状态影响分段进行基于荷电状态值的融合，得到所述充放电场景检测信息对应的充放电优化参数，包括：

对所述荷电状态影响分段和所述非荷电状态影响分段进行基于荷电状态值的融合，得到所述充放电场景检测信息对应的充放电优化参数；

其中，所述对所述充放电优化参数进行充放电优化参数聚类，得到所述充放电场景检测信息对应的聚类结果，包括：

对所述充放电优化参数进行充放电优化参数聚类，得到所述充放电场景检测信息对应的聚类结果。

在第一方面的一种可能的设计方案中，根据所述充放电决策标签和所述目标参考场景检测数据生成充放电控制策略，以根据所述充放电控制策略确定所述智能太阳能箱包的充放电控制过程，包括：

根据所述充放电决策标签对应的充放电握手协议信息获取所述目标参考场景检测数据中的正向关键数据和负向关键数据；

基于所述目标参考场景检测数据中的正向关键数据和负向关键数据之间的控制节点更新情况，对所述目标参考场景检测数据中的正向关键数据和负向关键数据进行控制波形分析，得到控制波形信息分析结果；

将控制波形分析存在异常的负向关键数据确定为待匹配负向关键数据，根据所述控制波形信息分析结果中的负向关键数据与所述待匹配负向关键数据之间的波形浮动信息，确定与所述待匹配负向关键数据相匹配的波形控制时序信息；对与所述待匹配负向关键数据相匹配的波形控制时序信息和所述待匹配负向关键数据进行控制波形分析，得到控制波形标签分析结果；根据所述控制波形标签分析结果和所述控制波形信息分析结果，确定所述目标参考场景检测数据中的充放电控制策略和所述充放电控制策略对应的波形控制序列；其中，所述波形控制序列包括所述充放电控制策略对应的不同的波形节点控制信息；

根据所述充放电控制策略信息及其对应的波形控制序列，得到所述充放电控制过程。

第二方面，本发明实施例还提供一种智能太阳能箱包充放电控制装置，应用于与智能太阳能箱包通信的服务器，所述装置包括：

获取模块，用于获取智能太阳能箱包在本次充放电控制周期上传的充放电场景检测信息，并将所述充放电场景检测信息输入至整体充放电决策模型中；

识别模块，用于通过所述整体充放电决策模型对所述充放电场景检测信息进行充放电决策标签识别，以获取与所述充放电场景检测信息对应的充放电决策标签；

生成模块，用于根据所述充放电决策标签从所述充放电场景检测信息中获取对应的目标参考场景检测数据，并根据所述充放电决策标签和所述目标参考场景检测数据生成充放电控制策略，以根据所述充放电控制策略确定所述智能太阳能箱包的充放电控制过程。

第三方面，本发明实施例还提供一种服务器，所述服务器包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个智能太阳能箱包通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行第一方面或者第一方面中任意一个可能的实现方式中的智能太阳能箱包充放电控制方法。

第四方面，本发明实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其被执行时，使得计算机执行上述第一方面或者第一方面中任意一个可能的实现方式中的智能太阳能箱包充放电控制方法。

基于上述任意一个方面，本发明的实施方式中，基于预先配置好的整体充放电决策模型对充放电场景检测信息进行充放电决策标签识别，从而基于不同的充放电决策标签获取对应的目标参考场景检测数据，进一步生成充放电控制策略，以便确定智能太阳能箱包的充放电控制过程。如此设计，能够考虑不同充放电决策标签下的目标参考场景检测数据之间的差异，进而确保获取到的目标参考场景检测数据具有较低的噪声率以及较高的参考价值，这样可以实现精准的充放电控制。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。

图1为本发明实施例提供的智能太阳能箱包充放电控制系统的应用场景示意图；

图2为本发明实施例提供的智能太阳能箱包充放电控制方法的流程示意图；

图3为本发明实施例提供的智能太阳能箱包充放电控制装置的功能模块示意图；

图4为本发明实施例提供的用于实现上述的智能太阳能箱包充放电控制方法的服务器的结构示意框图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本说明书中所使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是本发明一种实施例提供的智能太阳能箱包充放电控制系统10的交互示意图。智能太阳能箱包充放电控制系统10可以包括服务器100以及与所述服务器100通信连接的智能太阳能箱包200。图1所示的智能太阳能箱包充放电控制系统10仅为一种可行的示例，在其它可行的实施例中，该智能太阳能箱包充放电控制系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。

本实施例中，智能太阳能箱包充放电控制系统10中的服务器100和智能太阳能箱包200可以通过配合执行以下方法实施例所描述的智能太阳能箱包充放电控制方法，具体服务器100和智能太阳能箱包200的执行步骤部分可以参照以下方法实施例的详细描述。

为了解决前述背景技术中的技术问题，图2为本发明实施例提供的智能太阳能箱包充放电控制方法的流程示意图，本实施例提供的智能太阳能箱包充放电控制方法可以由图1中所示的服务器100执行，下面对该智能太阳能箱包充放电控制方法进行详细介绍。

步骤s110，获取充放电场景检测信息，并将所述充放电场景检测信息输入至整体充放电决策模型中。

在本实施例中，充放电场景检测信息可以从智能太阳能箱包的各个场景传感器（如温度传感器、湿度传感器等）或者记录仪（如电能表、电流表、电压表等）中获取。其中，服务器在从智能太阳能箱包中获取充放电场景检测信息之前，会首先取得智能太阳能箱包的授权访问，并且服务器不会参与到智能太阳能箱包的充放电控制过程中。也即，服务器仅用于对区块链节点设备的场景检测对象信息进行决策，而不会参与实际的控制。进一步地，充放电场景检测信息包括智能太阳能箱包在进行充放电控制过程时的各类数据，在此不一一列举。

进一步地，充放电场景检测信息可以是智能太阳能箱包的实时场景检测对象信息。

在本实施例中，整体充放电决策模型可以是预先配置完成的机器学习模型，其配置过程的网络参数调整过程可以根据实际业务需求进行调整，例如，预先选择对应的配置集进行配置，又例如，对网络模型的收敛条件进行预先设置。可以理解，整体充放电决策模型用语对充放电场景检测信息进行动态的、实时的充放电决策标签识别，以确保后续在进行充放电控制时的时效性，避免充放电控制出现滞后而导致挖掘结果存在偏差的问题。

进一步地，本发明实施例还提供了针对整体充放电决策模型的配置过程，其中，所述整体充放电决策模型基于动态充放电场景样本数据集和动态充放电决策数据配置得到，所述动态充放电场景样本数据集为充放电决策正标签的数量和充放电决策负标签的数量不一致的充放电场景样本数据集；所述动态充放电决策数据根据充放电决策标签的决策控制路经和整体充放电决策标签的决策控制路经确定。

更进一步地，所述整体充放电决策标签的决策控制路经为所述动态充放电场景样本数据集中各充放电场景样本数据对应的整体充放电决策标签的决策控制路经，所述充放电决策标签的决策控制路经为利用所述整体充放电决策模型获取的所述充放电场景样本数据对应的充放电决策标签的决策控制路经，所述动态充放电决策数据包括第一决策对象、第二决策对象和决策区间信息。

基于上述内容，在步骤s110之前，还可以预先对整体充放电决策模型进行配置，关于整体充放电决策模型的配置过程以下步骤a和步骤b。

步骤a，获取所述动态充放电场景样本数据集以及与所述动态充放电场景样本数据集中各充放电场景样本数据对应的整体充放电决策标签的决策控制路经。

步骤b，根据所述动态充放电场景样本数据集和所述整体充放电决策标签的决策控制路经对待配置整体充放电决策模型进行配置，以获取所述整体充放电决策模型。

在上述内容的基础上，所述充放电场景样本数据集包括多个充放电场景样本数据，所述待配置整体充放电决策模型包括待配置数据解析单元和待配置决策单元，步骤b还可以通过以下方式实现：通过所述待配置数据解析单元对各所述充放电场景样本数据进行数据解析和充放电决策标签融合，以获取与各所述充放电场景样本数据对应的充放电决策标签的数据解析分段指标；通过所述待配置决策单元对所述充放电决策标签的数据解析分段指标进行充放电决策标签预测，以获取充放电决策标签的决策控制路经；根据各所述充放电场景样本数据对应的充放电决策标签的决策控制路经和整体充放电决策标签的决策控制路经确定所述动态充放电决策数据，并根据所述动态充放电决策数据更新所述待配置整体充放电决策模型权重参数，直至所述动态充放电决策数据的决策信息差异参数小于设定差异参数或完成设定次数的配置。

在本实施例中，充放电决策标签的决策控制路经可以通过列表的形式呈现，也可以通过曲线的形式呈现在此不作限定，决策信息差异参数用于表征动态充放电决策数据在更新过程中的决策信息的损失情况。充放电场景样本数据可以表征充放电控制过程的安全性、实时性、合法性等层面的信息，在此不作赘述。

在上述内容的基础上，所述根据各所述充放电场景样本数据对应的充放电决策标签的决策控制路经和整体充放电决策标签的决策控制路经确定所述动态充放电决策数据，包括：根据各所述充放电场景样本数据对应的充放电决策标签的决策控制路经、所述整体充放电决策标签的决策控制路经中的充放电决策标签差异值和第二预设标签特征信息确定第一更新权重参数；根据所述第一更新权重参数的延时充放电决策标签确定第二更新权重参数；根据所述第二更新权重参数、所述充放电决策标签的决策控制路经、所述充放电决策标签差异值、充放电决策正标签的充放电时域参数、指标热度参数和所述决策区间信息生成所述动态充放电决策数据。

在本实施例中，更新权重参数可以理解为模型网络的网络参数，充放电时域参数可以是时效性权重，指标热度参数可以是不同指标在不同时段的使用热度，充放电决策标签差异值可以用于表征不同充放电决策标签对其他充放电决策标签的影响。

进一步地，所述根据所述第二更新权重参数、所述充放电决策标签的决策控制路经、所述充放电决策标签差异值、充放电决策正标签的充放电时域参数、指标热度参数和所述决策区间信息生成所述动态充放电决策数据，包括：根据所述第二更新权重参数、所述充放电决策标签的决策控制路经、所述充放电决策标签差异值和所述充放电决策正标签的充放电时域参数生成所述第一决策对象；根据所述第二更新权重参数、所述充放电决策标签的决策控制路经、所述充放电决策标签差异值、所述充放电决策正标签的充放电时域参数和所述指标热度参数生成所述第二决策对象；根据所述第一决策对象、所述第二决策对象和所述决策区间信息生成所述动态充放电决策数据。

在本实施例中，决策对象可以是充放电控制过程对应的参数事项，决策对象中记录了充放电实时控制过程的相关控制信息，比如控制时序信息、控制模式信息等，在此不做赘述。

可以理解的是，通过实施上述步骤a和步骤b所描述的内容，能够预先实现对整体充放电决策模型的配置，从而确保整体充放电决策模型的运行稳定性、泛化能力和识别准确率。

步骤s120，通过所述整体充放电决策模型对所述充放电场景检测信息进行充放电决策标签识别，以获取与所述充放电场景检测信息对应的充放电决策标签。

在本实施例中，与充放电场景检测信息对应的充放电决策标签有多个，在此不作限定，可以理解，不同的充放电决策标签下，目标参考场景检测数据可能不同，通过对待处理业务数据进行不同充放电决策标签的识别，能够尽可能将不同的目标参考场景检测数据区分开，从而全面地实现充放电控制策略的决策。

在本实施例中，所述整体充放电决策模型包括数据解析单元和决策单元，数据解析单元和决策单元可以是整体充放电决策模型中的功能性网络层，进一步地，步骤s120可以通过以下步骤实现：将所述充放电场景检测信息输入至所述数据解析单元进行数据解析和充放电决策标签融合，以获取与所述充放电场景检测信息对应的充放电决策标签的数据解析分段；将所述充放电决策标签的数据解析分段输入至所述决策单元进行充放电决策标签预测，以获取充放电决策标签特征的标签特征信息；根据第一预设标签特征信息和所述充放电决策标签特征的标签特征信息确定与所述充放电场景检测信息对应的充放电决策标签。

在本实施例中，充放电决策标签的数据解析分段可以是按照时序先后顺序切分聚类形成的片段，标签特征信息是以文本形式所记录的用于描述充放电决策标签特征的信息，通过采用文本形式对充放电决策标签信息进行记录，能够确保充放电决策标签特征的可追溯性，第一预设标签特征信息可以是根据历史充放电决策标签确定的。如此设计，通过数据解析单元和决策单元之间的互相配合，能够精准且完整地确定出充放电场景检测信息对应的不同充放电决策标签。

可以理解，所述数据解析单元还可以包括对应多个存在逻辑连续性的功能单元，基于此，上述内容所描述的所述将所述充放电场景检测信息输入至所述数据解析单元进行数据解析和充放电决策标签融合，以获取与所述充放电场景检测信息对应的充放电决策标签的数据解析分段，包括：将所述充放电场景检测信息中的各个充放电场景对象数据切分聚类为充放电场景对象数据片段；对所述充放电场景检测信息进行充放电决策标签识别，并对获取的各个状态识别结果对应的充放电决策标签标签进行标签内容挖掘，以获取充放电决策标签挖掘信息；对各所述充放电场景对象数据对应的充放电场景对象数据片段和充放电决策标签挖掘信息进行融合，以获取与各所述充放电场景对象数据对应的充放电决策标签聚类；根据所述充放电场景检测信息中所有充放电场景对象数据对应的充放电决策标签聚类确定与所述充放电场景检测信息对应的充放电决策标签的数据解析分段。

在上述内容中，充放电决策标签标签用于区分不同的充放电决策标签。在实际实施时，通过对充放电场景对象数据进行切分聚类，然后并行地进行充放电场景检测信息的充放电决策标签识别，进而获取对应的充放电决策标签挖掘信息，这样可以进一步确定出充放电决策标签聚类，其中，充放电决策标签聚类可以是基于kmeans聚类算法实现的。如此设计，能够确保充放电决策标签的数据解析分段互相之间的独立性。

步骤s130，根据所述充放电决策标签从所述充放电场景检测信息中获取对应的目标参考场景检测数据，并根据所述充放电决策标签和所述目标参考场景检测数据生成充放电控制策略，以根据所述充放电控制策略确定所述智能太阳能箱包的充放电控制过程。

实际实施过程中发明人发现，精准地提取目标参考场景检测数据对于生成充放电控制策略以及后续的处理而言是至关重要的，为实现这一目的，根据所述充放电决策标签从所述充放电场景检测信息中获取对应的目标参考场景检测数据，可以包括以下步骤s131-步骤s133所描述的内容。

步骤s131，根据所述充放电决策标签对应的决策优化元素获取充放电场景检测信息对应的第一场景检测对象信息和第二场景检测对象信息，所述第一场景检测对象信息包括所述充放电场景检测信息中不包含充放电行为标识的场景变化检测信息，所述第二场景检测对象信息包括所述充放电场景检测信息中包含充放电行为标识的场景变化检测信息。在本实施例中，充放电行为标识可以用于对不同的充放电行为进行区分。进一步地，充放电行为标识还可以通过其他方式进行表示，在此不作限定。

在本实施例中，根据所述充放电决策标签对应的决策优化元素获取充放电场景检测信息对应的第一场景检测对象信息和第二场景检测对象信息进一步包括：根据所述充放电决策标签对应的决策优化元素，对所述充放电场景检测信息进行充放电行为执行检测，得到所述充放电场景检测信息中不包含充放电行为标识的第一场景变化检测信息，将所述充放电场景检测信息中的所述第一场景变化检测信息进行针对业务事件类别的数据融合，作为所述第一场景检测对象信息；根据所述第一场景变化检测信息，获取所述充放电场景检测信息中包含充放电行为标识的第二场景变化检测数据，将所述充放电场景检测信息中的所述第二场景变化检测数据进行针对业务事件类别的数据融合，作为所述第二场景检测对象信息。

步骤s132，对所述第一场景检测对象信息进行荷电状态影响元素提取，得到所述第一场景检测对象信息对应的非荷电状态影响分段；对所述第二场景检测对象信息进行荷电状态影响元素提取，得到所述第二场景检测对象信息对应的荷电状态影响分段。在本实施例中，荷电状态影响元素提取操作可以是根据数据片段的热度进行业务数据提取的操作，非荷电状态影响分段可以理解为没有用户参与的数据片段，例如用于系统分析的数据片段，而荷电状态影响分段则可以理解为存在用户参与的数据片段。

在本实施例中，所述对所述第一场景检测对象信息进行荷电状态影响元素提取，得到所述第一场景检测对象信息对应的非荷电状态影响分段，包括：对所述第一场景检测对象信息进行荷电状态影响元素提取，得到所述第一场景检测对象信息对应的非荷电状态影响分段。所述对所述第二场景检测对象信息进行荷电状态影响元素提取，得到所述第二场景检测对象信息对应的荷电状态影响分段，包括：对所述第二场景检测对象信息进行荷电状态影响元素提取，得到所述第二场景检测对象信息对应的荷电状态影响分段。

步骤s133，对所述荷电状态影响分段和所述非荷电状态影响分段进行基于荷电状态值的融合，得到所述充放电场景检测信息对应的充放电优化参数；对所述充放电优化参数进行充放电优化参数聚类，得到所述充放电场景检测信息对应的聚类结果；在所述聚类结果满足预设的条件的情况下，通过所述聚类结果所指示的聚类标签从所述充放电场景检测信息中获取与所述聚类标签匹配的场景检测对象信息作为所述目标参考场景检测数据。在本实施例中，荷电状态值能够从一定程度上反映充放电优化参数的相关信息，如此设计，基于上述步骤s131-步骤s133，能够精准地提取目标参考场景检测数据，从而为后续充放电控制策略的生成以及后续的数据挖掘而言提供准确的数据基础。

在本实施例中，所述对所述荷电状态影响分段和所述非荷电状态影响分段进行基于荷电状态值的融合，得到所述充放电场景检测信息对应的充放电优化参数，包括：调用所述预设数据片段提取网络中的数据融合层，对所述荷电状态影响分段和所述非荷电状态影响分段进行基于荷电状态值的融合，得到所述充放电场景检测信息对应的充放电优化参数。

进一步地，为了快速、灵活地确定智能太阳能箱包的充放电控制过程，步骤s130中所描述的根据所述充放电决策标签和所述目标参考场景检测数据生成充放电控制策略，以根据所述充放电控制策略确定所述智能太阳能箱包的充放电控制过程，可以包括以下内容：根据所述充放电决策标签对应的充放电握手协议信息获取所述目标参考场景检测数据中的正向关键数据和负向关键数据；基于所述目标参考场景检测数据中的正向关键数据和负向关键数据之间的控制节点更新情况，对所述目标参考场景检测数据中的正向关键数据和负向关键数据进行控制波形分析，得到控制波形信息分析结果；将控制波形分析存在异常的负向关键数据确定为待匹配负向关键数据，根据所述控制波形信息分析结果中的负向关键数据与所述待匹配负向关键数据之间的波形浮动信息，确定与所述待匹配负向关键数据相匹配的波形控制时序信息；对与所述待匹配负向关键数据相匹配的波形控制时序信息和所述待匹配负向关键数据进行控制波形分析，得到控制波形标签分析结果；根据所述控制波形标签分析结果和所述控制波形信息分析结果，确定所述目标参考场景检测数据中的充放电控制策略和所述充放电控制策略对应的波形控制序列；其中，所述波形控制序列包括所述充放电控制策略对应的不同的波形节点控制信息；根据所述充放电控制策略信息及其对应的波形控制序列，得到所述充放电控制过程。

图3为本发明实施例提供的智能太阳能箱包充放电控制装置300的功能模块示意图，本实施例可以根据上述服务器100执行的方法实施例对该智能太阳能箱包充放电控制装置300进行功能模块的划分，也即该智能太阳能箱包充放电控制装置300所对应的以下各个功能模块可以用于执行上述服务器100执行的各个方法实施例。下面分别对该智能太阳能箱包充放电控制装置300的各个功能模块的功能进行详细阐述。

获取模块310，用于获取智能太阳能箱包在本次充放电控制周期上传的充放电场景检测信息，并将所述充放电场景检测信息输入至整体充放电决策模型中。

识别模块320，用于通过所述整体充放电决策模型对所述充放电场景检测信息进行充放电决策标签识别，以获取与所述充放电场景检测信息对应的充放电决策标签。

生成模块330，用于根据所述充放电决策标签从所述充放电场景检测信息中获取对应的目标参考场景检测数据，并根据所述充放电决策标签和所述目标参考场景检测数据生成充放电控制策略，以根据所述充放电控制策略确定所述智能太阳能箱包的充放电控制过程。

需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，获取模块310可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上获取模块310的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所描述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(applicationspecificintegratedcircuit，asic)，或，一个或多个微处理器(digitalsignalprocessor，dsp)，或，一个或者多个现场可编程门阵列(fieldprogrammablegatearray，fpga)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(centralprocessingunit，cpu)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，soc)的形式实现。

图4示出了本发明实施例提供的用于实现上述的智能太阳能箱包充放电控制方法的服务器100的硬件结构示意图，如图4所示，服务器100可包括处理器110、机器可读存储介质120、总线130以及收发器140。

在具体实现过程中，至少一个处理器110执行所述机器可读存储介质120存储的计算机执行指令（例如图3中所示的智能太阳能箱包充放电控制装置300包括的获取模块310、生成模块320、确定模块330以及适配模块340），使得处理器110可以执行如上方法实施例的智能太阳能箱包充放电控制方法，其中，处理器110、机器可读存储介质120以及收发器140通过总线130连接，处理器110可以用于控制收发器140的收发动作，从而可以与前述的智能太阳能箱包200进行数据收发。

处理器110的具体实现过程可参见上述服务器100执行的各个方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

在上述的图4所示的实施例中，应理解，处理器可以是中央处理单元(英文：centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(英文：digitalsignalprocessor，dsp)、专用集成电路(英文：applicationspecificintegratedcircuit，asic)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

机器可读存储介质120可能包含高速ram存储器，也可能还包括非易失性存储nvm，例如至少一个磁盘存储器。

总线130可以是工业标准体系结构(industrystandardarchitecture，isa)总线、外部设备互连(peripheralcomponentinterconnect，pci)总线或扩展工业标准体系结构(extendedindustrystandardarchitecture，eisa)总线等。总线130可以分为地址总线、数据总线、控制总线等。为便于表示，本发明附图中的总线并不限定仅有一根总线或一种类型的总线。

此外，本发明实施例还提供一种可读存储介质，所述可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上智能太阳能箱包充放电控制方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一种可能的实现方式”、“一种可能的示例”、和/或“示例性地”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一种可能的实现方式”、“一种可能的示例”、和/或“示例性地”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。