[发明专利]充电模式识别方法、装置、终端设备及存储介质

权利要求书

1.一种充电模式识别方法，其特征在于，包括：

获取电动车的充电数据；

根据所述充电数据，生成充电曲线，所述充电曲线包括电流曲线；

将所述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，得到充电模式识别结果，所述充电模式识别结果包括正常充电模式、异常充电模式、全震荡充电模式和突然停止充电模式；

其中，当所述电流曲线由第一特征构成，或者由所述第一特征和第二特征构成，且所述第一特征先于所述第二特征出现，或者由所述第一特征、所述第二特征以及第三特征构成，且三个特征出现的时间先后顺序为所述第一特征、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构成，且所述第一特征先于所述第三特征出现，所述充电模式识别结果为所述正常充电模式；

当所述电流曲线由所述第二特征和所述第三特征构成，且所述第二特征先于所述第三特征出现，或者由所述第三特征构成，或者电流值大于电流阈值，或者包括第四特征和/或第五特征，或者包括两个所述第一特征或两个所述第二特征，且相同特征在时间上不相邻，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现，所述充电模式识别结果为所述异常充电模式；

当所述电流曲线由第七特征构成，所述充电模式识别结果为全震荡充电模式；

当所述充电数据中电压值为0和电流值为0的时刻不同，且所述电流曲线中最后出现的特征为所述第一特征和/或所述第二特征，或者所述电流曲线中最后出现的特征为所述第三特征，所述充电模式识别结果为突然停止充电模式；

所述第一特征为三段式充电曲线的第一阶段，所述第二特征为三段式充电曲线的第二阶段，所述第三特征为三段式充电曲线的第三阶段，所述第四特征为凸，所述第五特征为中间阶梯，所述第六特征为中间为0，所述第七特征为全震荡。

2.根据权利要求1所述的充电模式识别方法，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，得到充电模式识别结果，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和组合操作，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，以使所述多分类层将所述第二电流曲线特征进行组合识别，根据特征组合，识别具体类别对应到输出层。

3.根据权利要求1所述的充电模式识别方法，其特征在于，所述将所述电流曲线转化为充电曲线样本图片，包括：

将所述电流曲线转化为第一预设像素大小的图片；

对所述第一预设像素大小的图片像素灰度值进行标准化处理，得到所述充电曲线样本图片。

4.根据权利要求1至3任一项所述的充电模式识别方法，其特征在于，在所述获取电动车的充电数据之前，还包括：

获取训练样本数据集，所述训练样本数据集为包括所有充电模式对应的电流曲线样本图片的数据集；

对所述训练样本数据集进行数据预处理操作；

根据预处理后的所述训练样本数据集，对预先建立的所述神经网络模型进行训练，以得到训练完成的神经网络模型。