System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能,尤其涉及一种基于物联网的充电站的设备控制方法及系统。
技术介绍
1、随着新能源汽车行业的迅猛发展,电动汽车作为绿色、环保的交通工具受到了广泛关注。为了满足电动汽车日益增长的充电需求,充电站作为关键的基础设施,其建设规模和技术水平不断提升。然而,传统的充电站在设备控制、智能化管理以及用户体验等方面存在诸多不足,无法满足现代社会对于高效、便捷、智能化服务的需求。
技术实现思路
1、本专利技术提供一种基于物联网的充电站的设备控制方法及系统,其主要目的在于实现充电站中对充电过程进行实时监测以及危险预测。
2、为实现上述目的,本专利技术提供的一种基于物联网的充电站的设备控制方法,包括:
3、待充电设备接入充电站后,对所述待充电设备进行识别,得到设备信息;
4、根据所述设备信息匹配对应的充电策略,根据所述充电策略对所述待充电设备进行充电;
5、利用传感器对充电过程的相关数据进行采集,得到充电数据,对所述充电数据进行实时监测;
6、将所述充电数据以及所述设备信息上传至数据管理中心,通过数据管理中心对所述充电数据进行数据平滑处理,得到预处理充电数据,其中,所述通过数据管理中心对所述充电数据进行数据平滑处理,得到预处理充电数据,包括:
7、利用如下公式表示所述数据平滑处理:
8、
9、其中,p为所述预处理充电数据,xi为所述充电数据中,第i个数据,n为所述充电数据的样本数量;
>10、对所述预处理充电数据进行特征提取,得到充电数据特征;
11、根据所述设备信息获取预先训练的充电监测模型,利用所述充电检测模型根据所述充电数据特征进行充电安全监测,得到异常值;
12、若根据所述异常值判断出存在充电异常,则切断充电电源,发出警告信息。
13、可选地,所述充电策略包括电压大小、电流大小、充电时间以及电流变化曲线。
14、可选地,所述利用传感器对充电过程的相关数据进行采集,得到充电数据,包括:
15、利用电流传感器获取充电电流数据;
16、利用电压传感器获取充电电压数据;
17、利用温度传感器获取充电接口温度数据;
18、利用适度传感器获取充电接口环境湿度数据。
19、可选地,所述根据所述匹配值从所述候选用户群体中选取第一目标用户群体,包括:
20、将所述匹配值与预设的匹配阈值进行比对;
21、从所述候选用户群体中选取所述匹配值大于所述匹配阈值的用户画像对应的用户为第一目标用户群体。
22、可选地,所述对所述充电数据进行实时监测,包括:
23、判断所述充电数据中各项数据是否达到其对应的危险阈值;
24、若所述充电数据中任意一项数据达到其对应的危险阈值,则判定存在充电安全风险,切断充电电源,通过安装在充电站的扬声器发出安全警告,并向数据管理中心发送安全警告。
25、可选地,所述判断所述充电数据中各项数据是否达到其对应的危险阈值,包括:
26、判断充电电流数据是否达到危险电流阈值;
27、判断充电电压数据是否达到危险电压阈值;
28、判断充电接口温度数据是否达到危险温度阈值;
29、判断充电接口湿度数据是否达到危险湿度阈值。
30、可选地,所述对所述预处理充电数据进行特征提取,得到充电数据特征,包括:
31、对所述预处理充电数据进行归一化处理,得到归一化充电数据;
32、对所述归一化充电数据进行分词处理,得到词语数据集;
33、对所述词语数据集进行去除重复词处理,得到词汇表;
34、根据所述词语数据集中的词语在所述词汇表的出现位置以及出现次数将词语转化为向量形式,得到词语向量;
35、将所述词语向量进行降维处理,得到充电数据特征。
36、可选地,所述对所述预处理充电数据进行归一化处理,得到归一化充电数据,包括:
37、利用如下公式表示所述归一化处理:
38、
39、其中,f(x)表示所述归一化充电数据,x表示所述预处理充电数据,e为自然常数。
40、可选地,所述根据所述设备信息获取预先训练的充电监测模型,利用所述充电检测模型根据所述充电数据特征进行充电安全监测,得到异常值之前,所述方法还包括:
41、获取充电站的历史充电数据,对历史充电数据进行特征提取,得到历史充电特征;
42、将所述历史充电特部分数据作为训练数据,剩余部分作为测试数据;
43、利用神经网络模型对所述训练数据进行充电异常识别,得到训练异常值;
44、计算所述训练异常值与所述训练数据预置的标准异常值的训练损失值;
45、若所述训练损失值大于或等于预设的损失值阈值,则调整所述神经网络模型的权重参数和偏置项后重新执行上述利用神经网络模型对所述训练数据进行充电异常识别,得到训练异常值的步骤;
46、若所述训练异常值小于损失值阈值,则利用所述神经网络模型对所述测试数据进行充电异常识别,得到测试异常值;
47、计算所述测试异常值和所述异常值阈值的测试损失值;
48、若所述测试损失值大于或等于预设的损失值阈值,则调整所述神经网络模型的权重参数和偏置项后重新执行上述利用神经网络模型对所述测试数据进行充电异常识别,得到测试异常值的步骤;
49、若所述测试异常值小于损失值阈值,则确认模型训练完成,得到充电监测模型。
50、可选地,所述根据所述设备信息获取预先训练的充电监测模型,利用所述充电检测模型根据所述充电数据特征进行充电安全监测,得到异常值,包括:
51、利用所述充电监测模型对所述充电数据特征进行数据转换处理,得到特征矩阵;
52、利用所述充电监测模型通过卷积层对所述特征矩阵进行卷积操作,得到卷积特征;
53、利用所述充电监测模型通过池化层对所述卷积特征进行最大池化操作,得到池化特征;
54、利用所述充电监测模型通过全连接层根据所述池化特征对充电站进行充电异常识别,得到异常值。
55、为了解决上述问题,本专利技术还提供一种基于物联网的充电站的设备控制系统,所述系统包括:
56、数据获取模块,待充电设备接入充电站后,对所述待充电设备进行识别,得到设备信息,根据所述设备信息匹配对应的充电策略,根据所述充电策略对所述待充电设备进行充电,利用传感器对充电过程的相关数据进行采集,得到充电数据,对所述充电数据进行实时监测;
57、数据处理模块,将所述充电数据以及所述设备信息上传至数据管理中心,通过数据管理中心对所述充电数据进行数据平滑处理,得到预处理充电数据,对所述预处理充电数据进行特征提取,得到充电数据特征。其中,所述通过数据管理中心本文档来自技高网...
【技术保护点】
1.一种基于物联网的充电站的设备控制方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于物联网的充电站的设备控制方法,其特征在于,所述充电策略包括电压大小、电流大小、充电时间以及电流变化曲线。
3.如权利要求2所述的基于物联网的充电站的设备控制方法,其特征在于,所述利用传感器对充电过程的相关数据进行采集,得到充电数据,包括:
4.如权利要求1所述的基于物联网的充电站的设备控制方法,其特征在于,所述对所述充电数据进行实时监测,包括:
5.如权利要求4所述的基于物联网的充电站的设备控制方法,其特征在于,所述判断所述充电数据中各项数据是否达到其对应的危险阈值,包括:
6.如权利要求1所述的基于物联网的充电站的设备控制方法,其特征在于,所述对所述预处理充电数据进行特征提取,得到充电数据特征,包括:
7.如权利要求6所述的基于物联网的充电站的设备控制方法,其特征在于,所述对所述预处理充电数据进行归一化处理,得到归一化充电数据,包括:
8.如权利要求6所述的基于物联网的充电站的设备控制方法,其特征在于
9.如权利要求6所述的基于物联网的充电站的设备控制方法,其特征在于,所述根据所述设备信息获取预先训练的充电监测模型,利用所述充电检测模型根据所述充电数据特征进行充电安全监测,得到异常值,包括:
10.一种基于物联网的充电站的设备控制系统,其特征在于,所述系统包括:
...【技术特征摘要】
1.一种基于物联网的充电站的设备控制方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于物联网的充电站的设备控制方法,其特征在于,所述充电策略包括电压大小、电流大小、充电时间以及电流变化曲线。
3.如权利要求2所述的基于物联网的充电站的设备控制方法,其特征在于,所述利用传感器对充电过程的相关数据进行采集,得到充电数据,包括:
4.如权利要求1所述的基于物联网的充电站的设备控制方法,其特征在于,所述对所述充电数据进行实时监测,包括:
5.如权利要求4所述的基于物联网的充电站的设备控制方法,其特征在于,所述判断所述充电数据中各项数据是否达到其对应的危险阈值,包括:
6.如权利要求1所述的基于物联网的充电站的设备控制方法,其特征在于,所述对所...
【专利技术属性】
技术研发人员:罗远东,梁世明,
申请(专利权)人:深圳市宝星通达科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。