[发明专利]充电模式识别方法、装置、终端设备及存储介质

说明书

本申请实施例适用于电动车技术领域，公开了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，其中，方法包括：获取电动车的充电数据；根据充电数据，生成充电曲线，充电曲线包括电流曲线；将电流曲线转化为充电曲线样本图片；将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。本申请实施例通过将充电电流数据转化成对应的充电曲线图片，利用预先训练的神经网络模型对该充电曲线图片进行识别，得到该充电曲线对应的充电模式，从而实现了对充电过程中充电状态的识别监控。

技术领域

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

随着科学技术的不断发展，电动车的应用也越来越广泛。

电动车在充电过程中，由于电池、适配器、用户充电行为等原因，会存在大量的不安全因素，例如，劣质电池、劣质适配器、私自改装大功率电池、单笔订单多辆车同时充电、单笔订单多辆车分时充电以及充电突然拔掉等。此外，电动车充电过程中也难免会出现各种各样的异常状况，例如，充电过程中突然停止充电、充电过程中接入其他用电设备等，这些异常状况会严重影响用户的充电体验。同时，用户不健康或不安全的充电行为、或者充电过程中的异常状况都会对电池寿命产生很大的影响，例如，如果长期不让电池进入涓流充电，会使得电池产生极化现象，降低电池寿命。而目前的电动车由于价格等因素，电池管理系统不完善，电动车无法识别、监控充电过程中电池的状态。目前还没有行之有效的方法来识别、监控电动车充电过程的充电状态。

发明内容

有鉴于此，本申请实施例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：

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。

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。

结合第一方面，在一种可行的实现方式中，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。

结合第一方面，在一种可行的实现方式中，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；