[发明专利]充电行为识别方法、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电流数据；

判断所述充电电流数据是否符合第一预设条件，所述第一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小于或等于预设电流阈值的时间段；

当所述充电电流数据符合第一预设条件时，确定充电过程中存在异常充电行为。

2.根据权利要求1所述的充电行为识别方法，其特征在于，在确定充电过程中存在异常充电行为之前，还包括：判断与所述充电电流数据对应的充电功率数据是否符合第二预设条件，所述第二预设条件为在充电起始时间和结束时间之间存在功率持续小于或等于预设功率阈值的时间段；

所述确定充电过程中存在异常充电行为，包括：

当所述充电电流数据符合第一预设条件且与所述充电电流数据对应的充电功率数据符合第二预设条件时，确定充电过程中存在异常充电行为。

3.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第一预设条件，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图片；

将所述充电曲线图片输入已预先训练的神经网络模型，得到与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，则确定所述充电电流数据符合所述第一预设条件；

当所述充电模式为非预设充电模式时，则确定所述充电电流数据不符合所述第一预设条件。

4.根据权利要求3所述的充电行为识别方法，其特征在于，所述神经网络模型的训练过程具体为：

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。

5.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第一预设条件，包括：

将所述充电电流数据输入预先训练的随机森林模型，得到与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，则确定所述充电电流数据符合所述第一预设条件。

6.根据权利要求5所述的充电行为识别方法，其特征在于，所述随机森林模型为包括n棵决策树的模型，n为正整数；

所述将所述充电电流数据输入预先训练的随机森林模型，得到与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。

7.根据权利要求1至6任一所述的充电行为识别方法，其特征在于，在所述确定充电过程中存在异常充电行为之后，还包括：

记录所述异常充电行为的发生次数；

当所述异常充电行为的发生总次数大于预设次数阈值时，向用户终端发送对应的提示信息。

8.一种充电行为识别装置，其特征在于，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电流数据；

第一判断模块，用于判断所述充电电流数据是否符合第一预设条件，所述第一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小于或等于预设电流阈值的时间段；

确定模块，用于当所述充电电流数据符合第一预设条件时，确定充电过程中存在异常充电行为。

9.一种终端设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。