充电平均电流计算方法、装置以及计算机可读存储介质制造方法及图纸

本申请公开了一种充电平均电流计算方法、装置以及计算机可读存储介质。该方法包括：获取充电初始数据；使用至少一个特征提取模型对所述充电初始数据进行特征提取处理，以获得至少一个充电初始特征；对所述至少一个充电初始特征进行特征处理，以获得充电特征数据；将所述充电特征数据与所述充电初始数据进行融合处理，以获得充电平均电流。本申请实施例通过利用使用了至少一个特征提取子模型来分别提取充电初始数据的特征，并对提取的特征进行处理，最终基于充电初始数据和处理后的特征来计算充电平均电流，从而提高了充电平均电流的预测结果精度，改进了现有技术中基于公式原理推导的模型计算精度较低的缺陷。导的模型计算精度较低的缺陷。导的模型计算精度较低的缺陷。

【技术实现步骤摘要】
充电平均电流计算方法、装置以及计算机可读存储介质


[0001]本申请涉及充电电流计算
，尤其涉及一种充电平均电流计算方法、装置以及计算机可读存储介质。

技术介绍

[0002]在电动车辆充电过程中，需要对充电过程中的平均电流进行预测，并基于预测的平均电流进行控制。
[0003]在传统方案中，通常是基于充电原理来推导公式模型，并结合充电时的状态数据来进行充电电流的平均值预测。也就是说，现有技术中是基于参数固定的原理公式模型来计算充电时的电流平均值。但是在实际电动车辆的充电时，充电环境多种多样，并且车辆周边环境也可能随着时间推移而发生变化，这些都会给使得基于原理公式的模型计算产生误差。特别是在慢充的场景下，充电时间往往会长达数小时，在这么长的时间跨度内，例如温度、充电桩的状态、能力等因素都会具有很多的不确定性，从而导致充电过程中的电流变化也变得非常复杂。而传统的基于充电原理建立模型来计算平均电流的方式则由于没有考虑这些复杂的环境因素及其带来的影响，因此计算出来的平均电流值具有较大的误差，无法达到预期的充电平均电流的预测精度。而现有技术中已经提出了各种特征提取模型，但是这些特征提取模型通常仅能够适用于特定的特征，因此，需要一种能够使用针对不同特征的子模型的组合来进行充电平均电流的预测，以充分发挥各个子模型在不同特征提取方面的优势的方案。

技术实现思路

[0004]本申请实施例提供一种充电平均电流计算方法、装置以及计算机可读存储介质，以解决现有技术中充电平均电流预测精度差的缺陷。
[0005]为达到上述目的，本申请实施例提供了一种充电平均电流计算方法，该方法包括：
[0006]获取充电初始数据，其中所述充电初始数据是对目标车辆开始进行充电时的充电数据；
[0007]使用至少一个特征提取模型对所述充电初始数据进行特征提取处理，以获得至少一个充电初始特征，所述特征提取模型包括多个具有不同特征提取特性的特征提取子模型，用于针对所述充电初始数据中所包含的不同数据采用其对应的特征提取子模型进行特征提取处理，以获得至少一个充电初始特征；
[0008]对所述至少一个充电初始特征进行特征处理，以获得充电特征数据；
[0009]将所述充电特征数据与所述充电初始数据进行融合处理，获得充电平均电流。
[0010]可选地，所述使用至少一个特征提取模型对所述充电初始数据进行特征提取处理，以获得至少一个充电初始特征包括：
[0011]将所述特征提取模型中的多个特征提取子模型串行连接，以形成串联特征提取子模型序列；
[0012]将所述充电初始数据输入到所述串联特征提取子模型序列中，以获得分别由各特征提取子模型提取的多个充电初始子特征；
[0013]将所述多个充电初始子特征并行连接获得所述充电初始特征。
[0014]可选地，所述对所述至少一个充电初始特征进行特征处理，以获得充电特征数据包括：
[0015]对所述至少一个充电初始特征进行特征连接处理，以获得连接特征；
[0016]对所述连接特征进行特征融合处理，以获得所述充电特征数据。
[0017]可选地，在所述使用至少一个特征提取模型对所述充电初始数据进行特征提取处理，以获得至少一个充电初始特征之前，所述方法还包括：
[0018]对所述充电初始数据进行数据缺失情况、异常值情况以及相关性情况的分析；
[0019]对所述分析获得的缺失值进行缺失值补偿处理；
[0020]对所述分析获得的异常值进行异常值剔除处理。
[0021]可选地，在所述使用至少一个特征提取模型对所述充电初始数据进行特征提取处理，以获得至少一个充电初始特征之前，所述方法还包括：
[0022]对所述充电初始数据进行深度可分离卷积处理；
[0023]对经过所述深度可分离卷积处理的充电初始数据进行标准化处理；
[0024]对经过所述标准化处理的充电初始数据进行噪声扰动处理。
[0025]可选地，还包括：
[0026]对所述充电特征数据与所述充电初始数据进行相加处理，以获得残差数据，所述特征提取模型用于学习所述残差数据。
[0027]本申请实施例还提供了一种充电平均电流计算装置，该装置包括：
[0028]获取模块，用于获取充电初始数据，其中充电初始数据是对目标车辆开始进行充电时的充电数据；
[0029]特征提取模块，用于使用至少一个特征提取模型对充电初始数据进行特征提取处理，以获得至少一个充电初始特征；
[0030]特征处理模块，用于对至少一个充电初始特征进行特征处理，以获得充电特征数据；
[0031]计算模块，用于将充电特征数据与充电初始数据进行融合处理，以获得充电平均电流。
[0032]本申请实施例还提供了一种计算机可读存储介质，其上存储有可被处理器执行的计算机程序，其中，该程序被处理器执行时实现如本申请实施例提供的充电平均电流计算方法。
[0033]本申请实施例还提供了一种电动车辆，包括：控制器、多个用电设备、供电系统，所述供电系统包括电池，其中，所述控制器用于执行如本申请实施例提供的充电平均电流计算方法。
[0034]本申请实施例提供的充电平均电流计算方法、装置以及计算机可读存储介质，通过利用至少一个特征提取模型来分别提取充电初始数据的特征，并对提取的特征进行处理，最终基于充电初始数据和处理后的特征来计算充电平均电流，从而提高了充电平均电流的预测结果精度，改进了现有技术中基于公式原理推导的模型计算精度较低的缺陷。
[0035]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0036]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0037]图1为本申请实施例提供的充电平均电流计算方案的场景示意图；
[0038]图2为本申请提供的充电平均电流计算方法一个实施例的流程图；
[0039]图3为本申请提供的充电平均电流计算方法另一个实施例的流程图；
[0040]图4为本申请提供的充电平均电流计算装置一个实施例的结构示意图；
[0041]图5为本申请提供的电动车辆的实施例的结构示意图；
[0042]图6为本申请提供的电子设备实施例的结构示意图。
具体实施方式
[0043]下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种充电平均电流计算方法，其特征在于，包括：获取充电初始数据，其中所述充电初始数据是对目标车辆开始进行充电时的充电数据；使用至少一个特征提取模型对所述充电初始数据进行特征提取处理，以获得至少一个充电初始特征，所述特征提取模型包括多个具有不同特征提取特性的特征提取子模型，用于针对所述充电初始数据中所包含的不同数据采用其对应的特征提取子模型进行特征提取处理，以获得至少一个充电初始特征；对所述至少一个充电初始特征进行特征处理，以获得充电特征数据；将所述充电特征数据与所述充电初始数据进行融合处理，获得充电平均电流。2.根据权利要求1所述的充电平均电流计算方法，其特征在于，所述使用至少一个特征提取模型对所述充电初始数据进行特征提取处理，以获得至少一个充电初始特征，包括：将所述特征提取模型中的多个特征提取子模型串行连接，以形成串联特征提取子模型序列；将所述充电初始数据输入到所述串联特征提取子模型序列中，以获得分别由各特征提取子模型提取的多个充电初始子特征；将所述多个充电初始子特征并行连接获得所述充电初始特征。3.根据权利要求1所述的充电平均电流计算方法，其特征在于，所述对所述至少一个充电初始特征进行特征处理，以获得充电特征数据包括：对所述至少一个充电初始特征进行特征连接处理，以获得连接特征；对所述连接特征进行特征融合处理，以获得所述充电特征数据。4.根据权利要求1所述的充电平均电流计算方法，其特征在于，在所述使用至少一个特征提取模型对所述充电初始数据进行特征提取处理，以获得至少一个充电初始特征之前，所述方法还包括：对所述充电初始数据进行数据缺失情况、异...

【专利技术属性】
技术研发人员：方绍伟，杨静，仇彬，华飞，蒙越，
申请(专利权)人：北京罗克维尔斯科技有限公司，
类型：发明
国别省市：