充电设备的使用效果分析方法及装置制造方法及图纸

本发明专利技术涉及人工智能技术，揭露了一种充电设备的使用效果分析方法及装置，包括：获取充电设备的设备用户的用户数据，根据所述用户数据生成所述设备用户的用户画像，根据所述用户画像和预设的用户流失数算法生成所述设备用户的用户流失数；获取所述充电设备的设备数据，根据所述用户画像和所述设备数据生成所述充电设备的联合数据；利用所述联合数据生成所述充电设备的设备质效指标，对所述设备质效指标进行归一化处理，得到所述充电设备的归一化指标；根据所述用户流失数和所述归一化指标确定所述充电设备的使用效果。本发明专利技术可以提高充电设备的使用效果分析准确率。电设备的使用效果分析准确率。电设备的使用效果分析准确率。

【技术实现步骤摘要】
充电设备的使用效果分析方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种充电设备的使用效果分析方法及装置。

技术介绍

[0002]目前，电动汽车以其绿色环保的优势成为汽车行业发展的方向，在汽车行业整体低迷的情况下，电动汽车保有量不断增加。作为电动汽车的重要配套设施，各城市在大型商场、停车场、居民小区等公共区域建设了数量众多的充电桩设备以满足日益增长的电动汽车充电需求。
[0003]充电设备的使用效果决定了充电设备的市场占有率，现如今，充电设备的使用效果要么是基于用户的反馈信息进行分析，要么是基于厂商的设备数据进行分析，都是比较片面，无法完整全面地计算充电设备的使用效果，因此如何提升充电设备的使用效果分析准确率，成为亟待解决的问题。

技术实现思路

[0004]本专利技术提供一种充电设备的使用效果分析方法及装置，其主要目的在于解决充电设备的使用效果分析时准确性较低的问题。
[0005]为实现上述目的，本专利技术提供的一种充电设备的使用效果分析方法，包括：获取充电设备的设备用户的用户数据，根据所述用户数据生成所述设备用户的用户画像，根据所述用户画像和预设的用户流失数算法生成所述设备用户的用户流失数；获取所述充电设备的设备数据，根据所述用户画像和所述设备数据生成所述充电设备的联合数据；利用所述联合数据生成所述充电设备的设备质效指标，对所述设备质效指标进行归一化处理，得到所述充电设备的归一化指标；根据所述用户流失数和所述归一化指标确定所述充电设备的使用效果。
[0006]可选地，所述根据所述用户数据生成所述设备用户的用户画像，包括：对所述用户数据进行数据预处理，得到所述用户数据的标准数据；利用特征提取算法对所述标准数据进行特征词抽取，得到所述标准数据的标准特征；对所述标准特征进行向量化转化，得到所述标准特征的标准向量；生成所述标准向量的分类模型，利用所述分类模型对所述标准向量进行分类，得到所述标准向量的分类向量，根据所述分类向量生成所述设备用户的用户画像。
[0007]可选地，所述利用特征提取算法对所述标准数据进行特征词抽取，得到所述标准数据的标准特征，包括：选取所述标准数据中的某一个数据作为目标数据，利用预设的特征提取算法计算所述目标数据的数据重要值，其中，所述预设的特征提取算法为：
其中，是目标数据在标准数据中的数据频率，是目标数据的数据重要值，是目标数据标识，是标准数据，是预设数据库的数据总数，是标准数据中目标数据的数据数目，是对数函数；根据所述数据重要值和预设的重要性阈值确定所述标准数据的标准特征。
[0008]可选地，所述生成所述标准向量的分类模型，包括：获取待训练的分类模型的训练集，按照预设的抽样比例和随机抽样对所述训练集进行数量划分，得到所述训练集的训练子集，其中，所述训练子集为第一训练子集、第二训练子集和第三训练子集；利用所述第一训练子集生成所述待训练的分类模型的若干个分类子模型，利用所述分类子模型、所述第二训练子集和所述第三训练子集所述待训练的分类模型的超特征，其中，所述超特征分为第二训练子集超特征和第三训练子集超特征；根据所述第二训练子集、所述第三训练子集和所述超特征生成一级训练数据；利用所述一级训练数据和所述第二训练子集超特征生成所述分类子模型的模型参数，根据所述模型参数和所述第三训练子集超特征对所述分类子模型进行最优参数更新，得到最优分类子模型，利用所述最优分类子模型生成所述标准向量。
[0009]可选地，所述根据所述用户画像和预设的用户流失数算法生成所述设备用户的用户流失数，包括根据所述用户画像生成所述设备用户的用户类型，根据所述用户类型确定所述设备用户的用户份额和子用户类数量；根据预设的用户流失数算法、所述用户份额和所述子用户类数量生成所述设备用户的用户流失数。
[0010]可选地，所述根据所述用户画像和所述设备数据生成所述充电设备的联合数据，包括：根据所述用户画像生成所述充电设备的用户标签，利用所述用户标签对所述设备数据进行标识，得到所述设备数据的标识数据；生成所述标识数据的关联关系，利用所述关联关系对所述充电设备进行数据填补，得到所述充电设备的联合数据。
[0011]可选地，所述利用所述联合数据生成所述充电设备的设备质效指标，包括：对所述联合数据进行分类，得到所述联合数据的分类数据；利用所述分类数据确定所述充电设备的质效指标算法，其中，所述质效指标算法包括：质量算法、效率算法、成本算法和能耗算法；利用所述质效指标算法生成所述充电设备的设备质效指标。
[0012]可选地，所述对所述设备质效指标进行归一化处理，得到所述充电设备的归一化指标，包括：利用国际标准单位制对所述设备质效指标的单位进行统一化处理，得到标准设备质效指标；
选取所述标准设备质效指标中的其中一个标准设备质效指标为目标指标；利用如下归一化函数逐个对所述目标指标进行归一化处理，得到所述充电设备的归一化指标：其中，是所述充电设备的归一化指标，是标准设备质效指标，是目标指标，是标准设备质效指标中的最小值，是标准设备质效指标中的最大值。
[0013]可选地，所述根据所述用户流失数和所述归一化指标确定所述充电设备的使用效果，包括：根据所述用户流失数生成所述充电设备的用户流失率，根据所述用户流失率和所述归一化指标进行加权平均，得到所述充电设备的加权平均值；按照预设的效果区间规则和所述加权平均值生成所述充电设备的效果因子，根据所述效果因子确定所述充电设备的使用效果。
[0014]为了解决上述问题，本专利技术还提供一种充电设备的使用效果分析装置，所述装置包括：用户流失数模块，用于获取充电设备的设备用户的用户数据，根据所述用户数据生成所述设备用户的用户画像，根据所述用户画像和预设的用户流失数算法生成所述设备用户的用户流失数；联合数据模块，用于获取所述充电设备的设备数据，根据所述用户画像和所述设备数据生成所述充电设备的联合数据；归一化指标模块，用于利用所述联合数据生成所述充电设备的设备质效指标，对所述设备质效指标进行归一化处理，得到所述充电设备的归一化指标；使用效果模块，用于根据所述用户流失数和所述归一化指标确定所述充电设备的使用效果。
[0015]本专利技术实施例通过生成设备用户的用户画像，从而计算所述充电设备的用户流失率，从用户角度考虑到所述充电设备的满意度，根据充电设备的设备数据生成归一化指标，从生产商角度考虑到所述充电设备的自身优劣，将用户的满意度表征和充电设备的自身性能表征进行加权处理，全面准确地考虑了所述电力设备的使用效果，因此本专利技术提出充电设备的使用效果分析方法及装置，可以解决充电设备的使用效果分析准确性较低的问题。
附图说明
[0016]图1为本专利技术一实施例提供的充电设备的使用效果分析方法的流程示意图；图2为本专利技术一实施例提供的生成用户画像的流程示意图；图3为本专利技术一实施例提供的生成标准向量的分类模型的流程示意图；图4为本专利技术一实施例提供的充电设备的使用效果分析装置的功能模块图；本专利技术目的的实现、功能特点及优点将结合实施例，参照附本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种充电设备的使用效果分析方法，其特征在于，所述方法包括：获取充电设备的设备用户的用户数据，根据所述用户数据生成所述设备用户的用户画像，根据所述用户画像和预设的用户流失数算法生成所述设备用户的用户流失数，其中，所述预设的用户流失数算法为：其中，是时刻充电设备的年用户流失数，是时刻充电设备的年用户新增数，是时刻充电设备的用户份额，是时刻充电设备的月用户流失数，是时刻充电设备的用户实时使用数，是时间标识；获取所述充电设备的设备数据，根据所述用户画像和所述设备数据生成所述充电设备的联合数据；利用所述联合数据生成所述充电设备的设备质效指标，对所述设备质效指标进行归一化处理，得到所述充电设备的归一化指标；根据所述用户流失数和所述归一化指标确定所述充电设备的使用效果。2.如权利要求1所述的充电设备的使用效果分析方法，其特征在于，所述根据所述用户数据生成所述设备用户的用户画像，包括：对所述用户数据进行数据预处理，得到所述用户数据的标准数据；利用特征提取算法对所述标准数据进行特征词抽取，得到所述标准数据的标准特征；对所述标准特征进行向量化转化，得到所述标准特征的标准向量；生成所述标准向量的分类模型，利用所述分类模型对所述标准向量进行分类，得到所述标准向量的分类向量，根据所述分类向量生成所述设备用户的用户画像。3.如权利要求2所述的充电设备的使用效果分析方法，其特征在于，所述利用特征提取算法对所述标准数据进行特征词抽取，得到所述标准数据的标准特征，包括：选取所述标准数据中的某一个数据作为目标数据，利用预设的特征提取算法计算所述目标数据的数据重要值，其中，所述预设的特征提取算法为：其中，是目标数据在标准数据中的数据频率，是目标数据的数据重要值，是目标数据标识，是标准数据，是预设数据库的数据总数，是标准数据中目标数据的数据数目，是对数函数；根据所述数据重要值和预设的重要性阈值确定所述标准数据的标准特征。4.如权利要求2所述的充电设备的使用效果分析方法，其特征在于，所述生成所述标准向量的分类模型，包括：获取待训练的分类模型的训练集，按照预设的抽样比例和随机抽样对所述训练集进行数量划分，得到所述训练集的训练子集，其中，所述训练子集为第一训练子集、第二训练子集和第三训练子集；
利用所述第一训练子集生成所述待训练的分类模型的若干个分类子模型，利用所述分类子模型、所述第二训练子集和所述第三训练子集所述待训练的分类模型的超特征，其中，所述超特征分为第二训练子集超特征和第三训练子集超特征；根据所述第二训练子集、所述第三训练子集和所述超特征生成一级训练数据；利用所述一级训练数据和所述第二训练子集超特征生成所述分类子模型的模型参数，根据所述模型参数和所述第三训练子集超特征对所述分类子模型进行最优参数更新，得到最优分类子模型，利用所述最优分类子模型生成所述标准向量。5.如权利要求1所述的充电设备的使...

【专利技术属性】
技术研发人员：杜双育，姜磊，梁立江，
申请(专利权)人：佰聆数据股份有限公司，
类型：发明
国别省市：