充电行为识别方法、装置、终端设备及存储介质制造方法及图纸

本申请实施例适用于电动车技术领域，公开了一种充电行为识别方法、装置、终端设备及计算机可读存储介质，其中，方法包括：获取充电桩上传的电动车的充电数据，充电数据包括充电电流数据；判断充电电流数据是否符合预设条件，预设条件为在充电起始时间和结束时间之间存在电流持续为预设数值的时间段，且从时间段的起始时刻往前至第一预设时刻的充电数据和从时间段的结束时刻往后至第二预设时刻的充电数据分别属于不同的充电类；当充电电流数据符合预设条件时，确定充电过程中存在被换车的行为。本申请实施例可以识别充电过程中是否存在被换车的充电行为。

【技术实现步骤摘要】
充电行为识别方法、装置、终端设备及存储介质
本申请属于电动车
，尤其涉及一种充电行为识别方法、装置、终端设备及计算机可读存储介质。
技术介绍
随着科学技术的不断发展，电动车的应用也越来越广泛。目前，车主使用充电站为电动车充电时，在完成相应的充电订单支付之后，充电桩的相应插座就会通电，然后，车主可以通过电动车的适配器、充电线将电动车连接至充电桩的相应插座，以对电动车进行充电。在电动车充电过程中，需要保障车主的利益，以保证用户的充电体验。如果在充电过程中出现电动车插头被他人拔下，换成另一辆电动车充电的情况，会导致充电用户的利益受损，降低用户的充电体验。而对于充电过程中被换车的充电行为，目前还没有行之有效的识别方法。
技术实现思路
有鉴于此，本申请实施例提供了一种充电行为识别方法、装置、终端设备及计算机可读存储介质，以解决现有技术中无法识别电动车充电过程中是否存在被换车的行为，从而降低用户充电体验的问题。本申请实施例的第一方面提供一种充电行为识别方法，包括：获取充电桩上传的电动车的充电数据，所述充电数据包括充电电流数据；判断所述充电电流数据是否符合预设条件，所述预设条件为在充电起始时间和结束时间之间存在电流持续为预设数值的时间段，且从所述时间段的起始时刻往前至第一预设时刻的充电数据和从所述时间段的结束时刻往后至第二预设时刻的充电数据分别属于不同的充电类；当所述充电电流数据符合所述预设条件时，确定充电过程中存在被换车的行为。结合第一方面，在一种可行的实现方式中，所述判断所述充电电流数据是否符合预设条件，包括：根据所述充电电流数据，生成充电电流曲线；将所述充电电流曲线转化为充电曲线样本图片；将所述充电曲线样本图片输入预先训练的神经网络模型，得到所述充电电流曲线对应的充电模式；当所述充电模式为预设充电模式时，所述充电电流数据符合所述预设条件，所述预设充电模式为基本构成为两个时间上不相邻的第一特征或两个时间上不相邻的第二特征的充电电流曲线对应的充电模式，所述第一特征为三段式充电曲线中的第一阶段，所述第二特征为三段式充电曲线中的第二阶段；当所述充电模式为非预设充电模式时，所述充电电流数据不符合所述预设条件。结合第一方面，在一种可行的实现方式中，所述神经网络模型为包括输入层、第一隐藏层、第二隐藏层、多分类层以及输出层的基于堆叠稀疏自编码的神经网络；所述将所述充电曲线样本图片输入预先训练的神经网络模型，得到所述充电电流曲线对应的充电模式，包括：通过所述输入层获取所述充电曲线样本图片；将所述充电曲线样本图片输入所述第一隐藏层，以使所述第一隐藏层对所述充电曲线样本图片进行特征提取操作，输出第一电流曲线特征；将所述第一电流曲线特征输入所述第二隐藏层，以使所述第二隐藏层对所述第一电流曲线特征进行特征提取操作，输出第二电流曲线特征，所述第二电流曲线特征的精度高于所述第一电流曲线特征；将所述第二电流曲线特征输入所述多分类层，以使所述多分类层识别所述第二电流曲线特征，根据电流曲线特征和充电模式的对应关系，得到充电模式分类结果；将所述充电模式分类结果输入所述输出层，以使所述输出层输出所述充电模式。结合第一方面，在一种可行的实现方式中，所述判断所述充电电流数据是否符合预设条件，包括：将所述充电电流数据输入预先训练的随机森林模型，得到所述充电电流数据对应的充电模式；当所述充电模式为预设充电模式时，所述充电电流数据符合所述预设条件，所述预设充电模式为基本构成为两个时间上不相邻的第一特征或两个时间上不相邻的第二特征的充电电流曲线对应的模式，所述第一特征为三段式充电曲线中的第一阶段，所述第二特征为三段式充电曲线中的第二阶段；当所述充电模式为非预设充电模式时，所述充电电流数据不符合所述预设条件。结合第一方面，在一种可行的实现方式中，所述随机森林模型为包括n棵决策树的模型，n为大于零的正整数；所述将所述充电数据输入预先训练的随机森林模型，得到所述充电电流数据对应的充电模式，包括：通过所述n棵决策树对所述充电电流数据进行分类，得到n个分类结果；从所述n个分类结果中确定最终分类结果，将所述最终分类结果作为所述充电模式，所述最终分类结果为所述n个分类结果中数量大于等于n/2的分类结果。结合第一方面，在一种可行的实现方式中，在所述判断所述充电电流数据是否符合预设条件之前，还包括：根据所述充电数据中的充电电压数据，判断所述充电桩所在的充电站是否出现站点电压不稳定的情况；当所述充电站未出现站点电压不稳定的情况，进入后续判断所述充电电流数据是否符合预设条件的步骤。结合第一方面，在一种可行的实现方式中，在所述确定充电过程中存在被换车的行为之后，还包括：生成提示信息；通过用户终端将所述提示信息呈现给充电用户，以提示所述充电用户充电过程中存在换车行为。本申请实施例的第二方面提供一种充电行为识别装置，包括：充电数据获取模块，用于获取充电桩上传的电动车的充电数据，所述充电数据包括充电电流数据；判断模块，用于判断所述充电电流数据是否符合预设条件，所述预设条件为在充电起始时间和结束时间之间存在电流持续为预设数值的时间段，且从所述时间段的起始时刻往前至第一预设时刻的充电数据和从所述时间段的结束时刻往后至第二预设时刻的充电数据分别属于不同的充电类；识别模块，用于当所述充电电流数据符合所述预设条件时，确定充电过程中存在被换车的行为。结合第二方面，在一种可行的实现方式中，所述判断模块包括：曲线生成单元，用于根据所述充电电流数据，生成充电电流曲线；转化单元，用于将所述充电电流曲线转化为充电曲线样本图片；第一充电模式识别单元，用于将所述充电曲线样本图片输入预先训练的神经网络模型，得到所述充电电流曲线对应的充电模式；第一确定单元，用于当所述充电模式为预设充电模式时，所述充电电流数据符合所述预设条件，所述预设充电模式为基本构成为两个时间上不相邻的第一特征或两个时间上不相邻的第二特征的充电电流曲线对应的充电模式，所述第一特征为三段式充电曲线中的第一阶段，所述第二特征为三段式充电曲线中的第二阶段；第二确定单元，用于当所述充电模式为非预设充电模式时，所述充电电流数据不符合所述预设条件。结合第二方面，在一种可行的实现方式中，所述神经网络模型为包括输入层、第一隐藏层、第二隐藏层、多分类层以及输出层的基于堆叠稀疏自编码的神经网络；所述第一充电模式识别单元包括：获取子单元，用于通过所述输入层获取所述充电曲线样本图片；第一特征提取子单元，用于将所述充电曲线样本图片输入所述第一隐藏层，以使所述第一隐藏层对所述充电曲线样本图片进行特征提取操作，输出第一电流曲线特征；第二特征提取子单元，用于将所述第一电流曲线特征输入所述第二隐藏层，以使所述第二隐藏层对所述第一电流曲线特征进行特征提取操作，输出第二电流曲线特征，所述第二电流曲线特征的精度高于所述第一电流曲线特征；第一分类子单元，用于将所述第二电流曲线特征输入所述多分类层，以使所述多分类层识别所述第二电流曲线特征，根据电流曲线特征和充电模式的对应关系，得到充电模式分类结果；输出子单元，用于将所述充电模式分类结果输入所述输出层，以使所述输出层输出所述充电模式。结合第二方面，在一种可行的实现方式中，所述判断模块包括：第二充电模式识别单元，用于将所述充电电流本文档来自技高网...

【技术保护点】
1.一种充电行为识别方法，其特征在于，包括：获取充电桩上传的电动车的充电数据，所述充电数据包括充电电流数据；判断所述充电电流数据是否符合预设条件，所述预设条件为在充电起始时间和结束时间之间存在电流持续为预设数值的时间段，且从所述时间段的起始时刻往前至第一预设时刻的充电数据和从所述时间段的结束时刻往后至第二预设时刻的充电数据分别属于不同的充电类；当所述充电电流数据符合所述预设条件时，确定充电过程中存在被换车的行为。

【技术特征摘要】
1.一种充电行为识别方法，其特征在于，包括：获取充电桩上传的电动车的充电数据，所述充电数据包括充电电流数据；判断所述充电电流数据是否符合预设条件，所述预设条件为在充电起始时间和结束时间之间存在电流持续为预设数值的时间段，且从所述时间段的起始时刻往前至第一预设时刻的充电数据和从所述时间段的结束时刻往后至第二预设时刻的充电数据分别属于不同的充电类；当所述充电电流数据符合所述预设条件时，确定充电过程中存在被换车的行为。2.根据权利要求1所述的充电行为识别方法，其特征在于，所述判断所述充电电流数据是否符合预设条件，包括：根据所述充电电流数据，生成充电电流曲线；将所述充电电流曲线转化为充电曲线样本图片；将所述充电曲线样本图片输入预先训练的神经网络模型，得到所述充电电流曲线对应的充电模式；当所述充电模式为预设充电模式时，所述充电电流数据符合所述预设条件，所述预设充电模式为基本构成为两个时间上不相邻的第一特征或两个时间上不相邻的第二特征的充电电流曲线对应的充电模式，所述第一特征为三段式充电曲线中的第一阶段，所述第二特征为三段式充电曲线中的第二阶段；当所述充电模式为非预设充电模式时，所述充电电流数据不符合所述预设条件。3.根据权利要求2所述的充电行为识别方法，其特征在于，所述神经网络模型为包括输入层、第一隐藏层、第二隐藏层、多分类层以及输出层的基于堆叠稀疏自编码的神经网络；所述将所述充电曲线样本图片输入预先训练的神经网络模型，得到所述充电电流曲线对应的充电模式，包括：通过所述输入层获取所述充电曲线样本图片；将所述充电曲线样本图片输入所述第一隐藏层，以使所述第一隐藏层对所述充电曲线样本图片进行特征提取操作，输出第一电流曲线特征；将所述第一电流曲线特征输入所述第二隐藏层，以使所述第二隐藏层对所述第一电流曲线特征进行特征提取操作，输出第二电流曲线特征，所述第二电流曲线特征的精度高于所述第一电流曲线特征；将所述第二电流曲线特征输入所述多分类层，以使所述多分类层识别所述第二电流曲线特征，根据电流曲线特征和充电模式的对应关系，得到充电模式分类结果；将所述充电模式分类结果输入所述输出层，以使所述输出层输出所述充电模式。4.根据权利要求1所述的充电行为识别方法，其特征在于，所述判断所述充电电流数据是否符合预设条件，包括：将所述充电电流数据输入预先训练的随机森林模型，得到所述充电电流数据对应的充电模式；当所述充电模式为预设...

【专利技术属性】
技术研发人员：卢露，
申请(专利权)人：深圳智链物联科技有限公司，
类型：发明
国别省市：广东,44