CN116215295B - 充电桩监控预警方法、装置、设备及存储介质 - Google Patents

Abstract

本申请实施例提供了一种充电桩监控预警方法、装置、设备及存储介质，该方法包括：获取样本充电信息，并根据样本充电信息确定异常模型，其中，样本充电信息由充电桩以及使用充电桩充电的电动自行车确定；获取目标时间段内的多个目标充电信息，其中，目标充电信息由充电桩以及使用充电桩充电的充电式车辆确定，充电式车辆为电动汽车或电动自行车；基于异常模型，对目标时间段内的各个目标充电信息进行异常分析，判断目标充电信息是否为充电异常信息；当目标充电信息为充电异常信息时，生成用于指示充电式车辆为电动自行车的预警信息。本申请实施例能够及时发现向电动自行车充电的充电桩，避免出现火灾，而且能够减少工作量，降低人工成本。

Description

充电桩监控预警方法、装置、设备及存储介质

技术领域

本申请涉及但不限于充电桩技术领域，尤其涉及一种充电桩监控预警方法、装置、设备及存储介质。

背景技术

新能源充电站是为电动汽车的站点，新能源充电站内通常设置有多个为电动汽车充电的充电桩。

目前，存在通过连接转换器来实现汽车充电桩向电动自行车充电的情况，但是，汽车充电桩的参数配置通常不适用于电动自行车，若电动自行车使用汽车充电桩充电，存在很大的安全隐患，严重时会造成火灾，通常采用人工巡查来确定充电站内各个充电桩的充电情况，效率很低，无法及时发现向电动自行车充电的汽车充电桩，存在火灾的风险，而且人工巡查工作量大，成本高。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本申请实施例提供了一种充电桩监控预警方法、装置、设备及存储介质，能够及时发现向电动自行车充电的充电桩，避免出现火灾，而且能够减少工作量，降低人工成本。

为实现上述目的，本申请实施例的第一方面提出了一种充电桩监控预警方法，包括：获取样本充电信息，并根据所述样本充电信息确定异常模型，其中，所述样本充电信息由充电桩以及使用所述充电桩充电的电动自行车确定；获取目标时间段内的多个目标充电信息，其中，所述目标充电信息由所述充电桩以及使用所述充电桩充电的充电式车辆确定，所述充电式车辆为电动汽车或所述电动自行车；基于所述异常模型，对所述目标时间段内的各个所述目标充电信息进行异常分析，判断所述目标充电信息是否为充电异常信息；当所述目标充电信息为充电异常信息时，生成用于指示所述充电式车辆为所述电动自行车的预警信息。

在一些实施例中，所述样本充电信息包括由所述充电桩确定的样本供电信息和由使用所述充电桩充电的电动自行车确定的样本状态信息，所述目标充电信息包括由所述充电桩确定的目标供电信息和由使用所述充电桩充电的充电式车辆确定的目标状态信息，所述异常模型包括充电桩状态异常模型和车辆状态异常模型，所述充电桩状态异常模型由所述样本供电信息确定，所述车辆状态异常模型由所述样本状态信息确定；所述基于所述异常模型，对所述目标时间段内的各个所述目标充电信息进行异常分析，判断所述目标充电信息是否为充电异常信息，包括：基于所述充电桩状态异常模型，对所述目标时间段内的各个所述目标供电信息进行异常分析，判断所述目标供电信息是否为供电异常信息；基于所述车辆状态异常模型，对所述目标时间段内的各个所述目标状态信息进行异常分析，判断所述目标状态信息是否为状态异常信息；当所述目标供电信息为供电异常信息，或者当所述目标状态信息为状态异常信息时，确定所述目标充电信息为充电异常信息。

在一些实施例中，所述充电桩状态异常模型包括功率异常特征阈值，所述功率异常特征阈值由所述样本供电信息确定，所述目标供电信息包括目标充电功率；所述基于所述充电桩状态异常模型，对所述目标时间段内的各个所述目标供电信息进行异常分析，判断所述目标供电信息是否为供电异常信息，包括：对所述目标时间段内的各个所述目标充电功率进行比对，根据最大的所述目标充电功率确定目标功率特征值；判断所述目标功率特征值是否小于等于所述功率异常特征阈值；当所述目标功率特征值小于等于所述功率异常特征阈值时，确定所述目标供电信息为供电异常信息。

在一些实施例中，所述车辆状态异常模型包括需求量异常特征，所述需求量异常特征由所述样本状态信息确定，所述目标状态信息包括目标充电需求量；所述基于所述车辆状态异常模型，对所述目标时间段内的各个所述目标状态信息进行异常分析，判断所述目标状态信息是否为状态异常信息，包括：计算所述目标时间段内的各个所述目标充电需求量的方差和平均值，确定目标需求量特征；判断所述目标需求量特征是否符合所述需求量异常特征；当所述目标需求量特征符合所述需求量异常特征时，确定所述目标状态信息为状态异常信息。

在一些实施例中，所述车辆状态异常模型包括车辆异常识别码、第一荷电状态异常特征阈值、第二荷电状态异常特征阈值和效率异常特征，所述车辆异常识别码、所述第一荷电状态异常特征阈值、所述第二荷电状态异常特征阈值和所述效率异常特征均由所述样本状态信息确定，所述目标状态信息包括目标车辆识别码和目标荷电状态；所述基于所述车辆状态异常模型，对所述目标时间段内的各个所述目标状态信息进行异常分析，判断所述目标状态信息是否为状态异常信息，包括：判断所述目标车辆识别码是否与所述车辆异常识别码相同；当所述目标车辆识别码与所述车辆异常识别码相同时，确定所述目标状态信息为状态异常信息；对所述目标时间段内的各个所述目标荷电状态进行比对，根据最小的所述目标荷电状态确定第一荷电状态特征值，并根据最大的所述目标荷电状态确定第二荷电状态特征值；判断所述第一荷电状态特征值是否等于所述第一荷电状态异常特征阈值，并判断所述第二荷电状态特征值是否等于所述第二荷电状态异常特征阈值；当所述第一荷电状态特征值等于所述第一荷电状态异常特征阈值时，或者当所述第二荷电状态特征值等于所述第二荷电状态异常特征阈值时，确定所述目标状态信息为状态异常信息；根据所述目标时间段内的各个所述目标荷电状态确定目标充电效率，并判断所述目标充电效率是否符合所述效率异常特征；当所述目标充电效率符合所述效率异常特征时，确定所述目标状态信息为状态异常信息。

在一些实施例中，所述样本供电信息包括样本充电功率，所述样本状态信息包括样本充电需求量；所述获取样本充电信息，并根据所述样本充电信息确定异常模型，包括：获取样本时间段内的多个样本充电信息；对所述样本时间段内的各个所述样本充电功率进行比对，根据最大的所述样本充电功率确定功率异常特征阈值；根据所述功率异常特征阈值，确定所述充电桩状态异常模型；根据所述样本时间段内的各个所述样本充电需求量，确定需求量异常特征；根据所述需求量异常特征，确定所述车辆状态异常模型。

在一些实施例中，所述样本状态信息还包括样本车辆识别码和样本荷电状态；所述根据所述需求量异常特征，确定所述车辆状态异常模型的步骤之后，还包括：根据所述样本车辆识别码，确定车辆异常识别码；对所述样本时间段内的各个所述样本荷电状态进行比对，根据最小的所述样本荷电状态确定第一荷电状态异常特征阈值，并根据最大的所述样本荷电状态确定第二荷电状态异常特征阈值；根据所述样本时间段内的各个所述样本荷电状态，确定样本充电效率，并根据所述样本充电效率确定效率异常特征；根据所述车辆异常识别码、所述第一荷电状态异常特征阈值、所述第二荷电状态异常特征阈值和所述效率异常特征，更新所述车辆状态异常模型。

本申请实施例的第二方面提出了一种充电桩监控预警装置，包括：模型确定单元，用于获取样本充电信息，并根据所述样本充电信息确定异常模型，其中，所述样本充电信息由充电桩以及使用所述充电桩充电的电动自行车确定；获取单元，用于获取目标时间段内的多个目标充电信息，其中，所述目标充电信息由所述充电桩以及使用所述充电桩充电的充电式车辆确定，所述充电式车辆为电动汽车或所述电动自行车；分析单元，用于基于所述异常模型，对所述目标时间段内的各个所述目标充电信息进行异常分析，判断所述目标充电信息是否为充电异常信息；预警单元，用于当所述目标充电信息为充电异常信息时，生成用于指示所述充电式车辆为所述电动自行车的预警信息。

为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的充电桩监控预警方法。

为实现上述目的，本申请实施例的第四方面提出了一种存储介质，所述存储介质为计算机可读存储介质，所述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上述第一方面所述的充电桩监控预警方法。

本申请提出的充电桩监控预警方法、装置、设备及存储介质，本申请实施例包括：获取样本充电信息，并根据所述样本充电信息确定异常模型，其中，所述样本充电信息由充电桩以及使用所述充电桩充电的电动自行车确定；获取目标时间段内的多个目标充电信息，其中，所述目标充电信息由所述充电桩以及使用所述充电桩充电的充电式车辆确定，所述充电式车辆为电动汽车或所述电动自行车；基于所述异常模型，对所述目标时间段内的各个所述目标充电信息进行异常分析，判断所述目标充电信息是否为充电异常信息；当所述目标充电信息为充电异常信息时，生成用于指示所述充电式车辆为所述电动自行车的预警信息。根据本申请实施例提供的方案，在模型生成阶段，获取充电桩向电动自行车充电时所确定的样本充电信息，然后将用于表征出现异常充电行为的样本充电信息作为模型的样本数据，确定异常模型，在监控阶段，获取充电桩向充电式车辆充电时所确定的目标充电信息，利用异常模型实时分析目标充电信息，在充电式车辆为电动汽车的情况下，不会产生预警信息，在充电式车辆为电动自行车的情况下，目标充电信息确定为用于指示出现异常充电行为的充电异常信息，进而产生预警信息，实现了出现异常充电行为的实时预警，相对于人工巡查，能够及时发现向电动自行车充电的充电桩，避免出现火灾，而且能够减少工作量，降低人工成本。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本申请技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。

图1是本申请一个实施例提供的充电桩监控预警方法的流程图；

图2是本申请另一个实施例提供的一种确定充电异常信息的方法的流程图；

图3是本申请另一个实施例提供的一种确定供电异常信息的方法的流程图；

图4是本申请另一个实施例提供的一种确定状态异常信息的方法的流程图；

图5是本申请另一个实施例提供的另一种确定状态异常信息的方法的流程图；

图6是本申请另一个实施例提供的一种确定异常模型的方法的流程图；

图7是本申请另一个实施例提供的一种更新车辆状态异常模型的方法的流程图；

图8是本申请另一个实施例提供的一种停止充电的方法的流程图；

图9为本申请另一个实施例提供的预警***的第一***框图；

图10为本申请另一个实施例提供的预警***的第二***框图；

图11为本申请另一个实施例提供的电动汽车的充电信息的示意图；

图12为本申请另一个实施例提供的电动自行车的充电信息的示意图；

图13是本申请另一个实施例提供的充电桩监控预警装置的结构示意图；

图14是本申请另一个实施例提供的电子设备的硬件结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

在本申请的描述中，若干个的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。

需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

目前，存在通过连接转换器来实现汽车充电桩向电动自行车充电的情况，但是，汽车充电桩的参数配置通常不适用于电动自行车，若电动自行车使用汽车充电桩充电，存在很大的安全隐患，严重时会造成火灾，通常采用人工巡查来确定充电站内各个充电桩的充电情况，效率很低，无法及时发现向电动自行车充电的汽车充电桩，存在火灾的风险，而且人工巡查工作量大，成本高。

针对无法及时发现向电动自行车充电的汽车充电桩，存在火灾的风险，而且人工巡查工作量大，成本高的问题，本申请提供了一种充电桩监控预警方法、装置、设备及存储介质，该方法包括：获取样本充电信息，并根据样本充电信息确定异常模型，其中，样本充电信息由充电桩以及使用充电桩充电的电动自行车确定；获取目标时间段内的多个目标充电信息，其中，目标充电信息由充电桩以及使用充电桩充电的充电式车辆确定，充电式车辆为电动汽车或电动自行车；基于异常模型，对目标时间段内的各个目标充电信息进行异常分析，判断目标充电信息是否为充电异常信息；当目标充电信息为充电异常信息时，生成用于指示充电式车辆为电动自行车的预警信息。根据本申请实施例提供的方案，在模型生成阶段，获取充电桩向电动自行车充电时所确定的样本充电信息，然后将用于表征出现异常充电行为的样本充电信息作为模型的样本数据，确定异常模型，在监控阶段，获取充电桩向充电式车辆充电时所确定的目标充电信息，利用异常模型实时分析目标充电信息，在充电式车辆为电动汽车的情况下，不会产生预警信息，在充电式车辆为电动自行车的情况下，目标充电信息确定为用于指示出现异常充电行为的充电异常信息，进而产生预警信息，实现了出现异常充电行为的实时预警，相对于人工巡查，能够及时发现向电动自行车充电的充电桩，避免出现火灾，而且能够减少工作量，降低人工成本。

本申请实施例提供的充电桩监控预警方法、装置、设备及存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的充电桩监控预警方法。

本申请实施例提供的充电桩监控预警方法，涉及数据处理技术领域。本申请实施例提供的充电桩监控预警方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式***，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现充电桩监控预警方法的应用等，但并不局限于以上形式。

本申请可用于众多通用或专用的计算机***环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

需要说明的是，在本申请的各个具体实施方式中，当涉及到需要根据用户信息、用户行为数据，用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时，都会先获得用户的许可或者同意，而且，对这些数据的收集、使用和处理等，都会遵守相关法律法规和标准。此外，当本申请实施例需要获取用户的敏感个人信息时，会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意，在明确获得用户的单独许可或者单独同意之后，再获取用于使本申请实施例能够正常运行的必要的用户相关数据。

下面结合附图，对本申请实施例作进一步阐述。

如图1所示，图1为本申请一个实施例提供的一种充电桩监控预警方法的流程图，该充电桩监控预警方法可以由服务器执行，或者也可以由终端执行，或者也可以由服务器配合终端执行，该充电桩监控预警方法包括但不限于以下步骤S110至步骤S140：

步骤S110，获取样本充电信息，并根据样本充电信息确定异常模型，其中，样本充电信息由充电桩以及使用充电桩充电的电动自行车确定；

步骤S120，获取目标时间段内的多个目标充电信息，其中，目标充电信息由充电桩以及使用充电桩充电的充电式车辆确定，充电式车辆为电动汽车或电动自行车；

步骤S130，基于异常模型，对目标时间段内的各个目标充电信息进行异常分析，判断目标充电信息是否为充电异常信息；

步骤S140，当目标充电信息为充电异常信息时，生成用于指示充电式车辆为电动自行车的预警信息。

可以理解的是，充电桩对充电式车辆充电时，充电桩对电动汽车充电所确定的充电信息与充电桩对电动自行车所确定的充电信息之间存在差异，因此，将历史充电时间段中充电桩对电动自行车所确定的充电信息作为样本充电信息，能够确定准确的异常模型，进而通过异常模型进行异常分析，分析效率高而且准确率高，确定目标充电信息为充电异常信息时，及时生成预警信息；基于此，在模型生成阶段，获取充电桩向电动自行车充电时所确定的样本充电信息，然后将用于表征出现异常充电行为的样本充电信息作为模型的样本数据，确定异常模型，在监控阶段，获取充电桩向充电式车辆充电时所确定的目标充电信息，利用异常模型实时分析目标充电信息，在充电式车辆为电动汽车的情况下，不会产生预警信息，在充电式车辆为电动自行车的情况下，目标充电信息确定为用于指示出现异常充电行为的充电异常信息，进而产生预警信息，实现了出现异常充电行为的实时预警，相对于人工巡查，能够及时发现向电动自行车充电的充电桩，避免出现火灾，而且能够减少工作量，降低人工成本。

需要说明的是，为了有效检测多种车型的电动自行车，以及多种型号的转化器，需要增加样本充电信息的数据量，增加异常模型的分析能力，其中，转化器可将充电桩输出的315V直流电压转换为220V交流电压，进而满足电动自行车的充电要求。

值得注意的是，异常模型会对目标时间段内的各个目标充电信息分析后，才会确定充电异常信息的判断结果，异常模型不会仅通过目标时间段内的部分目标充电信息的分析结果来确定充电异常信息的判断结果，而且，目标时间段具备合理的分析时长，能够保证判断结果的可靠性，例如，将目标时间段的时长设置为5分钟。

另外，参照图2，在一实施例中，样本充电信息包括由充电桩确定的样本供电信息和由使用充电桩充电的电动自行车确定的样本状态信息，目标充电信息包括由充电桩确定的目标供电信息和由使用充电桩充电的充电式车辆确定的目标状态信息，异常模型包括充电桩状态异常模型和车辆状态异常模型，充电桩状态异常模型由样本供电信息确定，车辆状态异常模型由样本状态信息确定；图1所示实施例中的步骤S130，包括但不限于有以下步骤：

步骤S210，基于充电桩状态异常模型，对目标时间段内的各个目标供电信息进行异常分析，判断目标供电信息是否为供电异常信息；

步骤S220，基于车辆状态异常模型，对目标时间段内的各个目标状态信息进行异常分析，判断目标状态信息是否为状态异常信息；

步骤S230，当目标供电信息为供电异常信息，或者当目标状态信息为状态异常信息时，确定目标充电信息为充电异常信息。

可以理解的是，充电信息可分为用于表征充电桩输出信息的供电信息以及用于表征车辆状态的状态信息，因此，通过样本供电信息确定充电桩状态异常模型，通过样本状态信息确定车辆状态异常模型，后续通过充电桩状态异常模型分析目标供电信息，并通过车辆状态异常模型分析目标状态信息，实现了目标充电信息的针对性分析。

另外，参照图3，在一实施例中，充电桩状态异常模型包括功率异常特征阈值，功率异常特征阈值由样本供电信息确定，目标供电信息包括目标充电功率；图2所示实施例中的步骤S210，包括但不限于有以下步骤：

步骤S310，对目标时间段内的各个目标充电功率进行比对，根据最大的目标充电功率确定目标功率特征值；

步骤S320，判断目标功率特征值是否小于等于功率异常特征阈值；

步骤S330，当目标功率特征值小于等于功率异常特征阈值时，确定目标供电信息为供电异常信息。

可以理解的是，在充电式车辆的充电过程中，充电桩向电动汽车充电时，充电桩的充电功率通常呈阶梯状分布，例如，在充电功率最大的阶梯中，充电功率在60KW左右，在充电功率最小的阶梯中，充电功率在10KW左右；而充电桩向电动自行车充电时，充电桩的充电功率通常在0.5-1.5KW之间，因此，通过充电功率的数值，能够有效区分充电桩的充电对象是电动汽车还是电动自行车，可将充电桩向电动自行车充电时的最大充电功率作为功率异常特征阈值，然后在预警过程中，将目标时间段内的最大目标充电功率作为目标功率特征值，充电桩的充电对象是电动自行车时，目标功率特征值小于等于功率异常特征阈值，充电桩的充电对象是电动汽车时，目标功率特征值明显大于功率异常特征阈值。

另外，参照图4，在一实施例中，车辆状态异常模型包括需求量异常特征，需求量异常特征由样本状态信息确定，目标状态信息包括目标充电需求量；图2所示实施例中的步骤S220，包括但不限于有以下步骤：

步骤S410，计算目标时间段内的各个目标充电需求量的方差和平均值，确定目标需求量特征；

步骤S420，判断目标需求量特征是否符合需求量异常特征；

步骤S430，当目标需求量特征符合需求量异常特征时，确定目标状态信息为状态异常信息。

可以理解的是，在充电式车辆的充电过程中，当充电桩向电动汽车充电时，电动汽车的充电需求通常呈阶梯状分布，充电需求包括需求电压和需求电流，例如，荷电状态较小时，需求电流较大，荷电状态较大时，需求电流较小，充电功率会根据需求电流作出相应的变化；而充电桩向电动自行车充电时，由于转换器是将直流电压转换为交流电压，输入转换器的直流电压有工作范围，避免出现跳动或超出工作范围，产生的需求电流不会发生变化，例如，需求电流保持在40A，因此，通过充电需求的数值及其变化趋势，能够有效区分充电桩的充电对象是电动汽车还是电动自行车，可将目标时间段内的各个目标充电需求量的方差和平均值作为目标需求量特征，充电桩的充电对象是电动自行车时，目标需求量特征与需求量异常特征相符，方差都为0，平均值相同或相近；充电桩的充电对象是电动汽车时，目标需求量特征的方差不为0，而且目标需求量特征的平均值与需求量异常特征的平均值存在明显的差异。

另外，参照图5，在一实施例中，车辆状态异常模型包括车辆异常识别码、第一荷电状态异常特征阈值、第二荷电状态异常特征阈值和效率异常特征，车辆异常识别码、第一荷电状态异常特征阈值、第二荷电状态异常特征阈值和效率异常特征均由样本状态信息确定，目标状态信息包括目标车辆识别码和目标荷电状态；图2所示实施例中的步骤S220，包括但不限于有以下步骤：

步骤S510，判断目标车辆识别码是否与车辆异常识别码相同；

步骤S520，当目标车辆识别码与车辆异常识别码相同时，确定目标状态信息为状态异常信息；

步骤S530，对目标时间段内的各个目标荷电状态进行比对，根据最小的目标荷电状态确定第一荷电状态特征值，并根据最大的目标荷电状态确定第二荷电状态特征值；

步骤S540，判断第一荷电状态特征值是否等于第一荷电状态异常特征阈值，并判断第二荷电状态特征值是否等于第二荷电状态异常特征阈值；

步骤S550，当第一荷电状态特征值等于第一荷电状态异常特征阈值时，或者当第二荷电状态特征值等于第二荷电状态异常特征阈值时，确定目标状态信息为状态异常信息；

步骤S560，根据目标时间段内的各个目标荷电状态确定目标充电效率，并判断目标充电效率是否符合效率异常特征；

步骤S570，当目标充电效率符合效率异常特征时，确定目标状态信息为状态异常信息。

可以理解的是，在充电式车辆的充电过程中，当充电桩向电动汽车充电时，充电桩能够获取电动汽车的车辆识别码，即VIN码，而且充电桩还能够获取电动汽车的实时荷电状态，通过荷电状态能够分析电动汽车的实时充电状态和充电效率，充电开始时，电动汽车的实时荷电状态可为0-100％中的任意一个状态值，充电结束时，电动汽车的荷电状态最多为100％，在充电过程中，荷电状态不是线性变化，即充电效率不会保持不变；而充电桩向电动自行车充电时，为了便于建立转换器与充电桩的简易连接，可设置充电桩会获取到虚拟的信息，具体地，充电桩获取到虚拟的目标车辆识别码，例如，虚拟的目标车辆识别码的17位均为0，虚拟的目标车辆识别码具有明显的特异性，充电桩还会获取到虚拟的目标荷电状态，在虚拟的目标荷电状态中，最小的目标荷电状态是固定的，例如，最小的目标荷电状态是固定为10％，最大的目标荷电状态也是固定的，例如，最大的目标荷电状态是固定为95％，因此，通过最小的目标荷电状态确定第一荷电状态特征值，通过最大的目标荷电状态确定第二荷电状态特征值，另外，在目标时间段内虚拟的目标荷电状态是线性变化的，因此，目标充电效率是保持不变的；充电桩的充电对象是电动自行车时，目标车辆识别码与车辆异常识别码相同，第一荷电状态特征值等于第一荷电状态异常特征阈值，第二荷电状态特征值等于第二荷电状态异常特征阈值，目标充电效率符合效率异常特征；充电桩的充电对象是电动汽车时，目标车辆识别码与车辆异常识别码存在差异，第一荷电状态特征值不一定等于第一荷电状态异常特征阈值，第二荷电状态特征值不一定等于第二荷电状态异常特征阈值，目标充电效率不符合效率异常特征。

需要说明的是，由于目标时间段的时长限制，当充电式车辆充电时长较短时，异常模型可以不分析第二荷电状态特征值。

另外，参照图6，在一实施例中，样本供电信息包括样本充电功率，样本状态信息包括样本充电需求量；图1所示实施例中的步骤S110，包括但不限于有以下步骤：

步骤S610，获取样本时间段内的多个样本充电信息；

步骤S620，对样本时间段内的各个样本充电功率进行比对，根据最大的样本充电功率确定功率异常特征阈值；

步骤S630，根据功率异常特征阈值，确定充电桩状态异常模型；

步骤S640，根据样本时间段内的各个样本充电需求量，确定需求量异常特征；

步骤S650，根据需求量异常特征，确定车辆状态异常模型。

可以理解的是，基于步骤S210至步骤S230的描述可知，异常模型可分为充电桩状态异常模型和车辆状态异常模型，具体可通过样本充电功率确定功率异常特征阈值，进而通过功率异常特征阈值确定充电桩状态异常模型，然后通过样本充电需求量确定需求量异常特征，进而通过需求量异常特征确定车辆状态异常模型。

另外，参照图7，在一实施例中，样本状态信息还包括样本车辆识别码和样本荷电状态；图6所示实施例中的步骤S650之后，还包括但不限于有以下步骤：

步骤S710，根据样本车辆识别码，确定车辆异常识别码；

步骤S720，对样本时间段内的各个样本荷电状态进行比对，根据最小的样本荷电状态确定第一荷电状态异常特征阈值，并根据最大的样本荷电状态确定第二荷电状态异常特征阈值；

步骤S730，根据样本时间段内的各个样本荷电状态，确定样本充电效率，并根据样本充电效率确定效率异常特征；

步骤S740，根据车辆异常识别码、第一荷电状态异常特征阈值、第二荷电状态异常特征阈值和效率异常特征，更新车辆状态异常模型。

可以理解的是，还可通过车辆异常识别码、第一荷电状态异常特征阈值、第二荷电状态异常特征阈值和效率异常特征，更新完善车辆状态异常模型，提高车辆状态异常模型的分析能力。

另外，参照图8，在一实施例中，图1所示实施例中的步骤S130之后，还包括但不限于有以下步骤：

步骤S810，当目标充电信息为充电异常信息时，生成中止指令；

步骤S810，向充电桩发送中止指令，以使充电桩停止向充电式车辆充电。

可以理解的是，在确定目标充电信息为充电异常信息的情况下，产生中止指令，将中止指令发送至充电桩，以使充电桩响应于该中止指令，并及时停止向充电式车辆充电，无需人工控制充电桩，能够提高控制效率，及时消除异常充电行为，避免出现火灾。

另外，参照图9，图9为本申请另一个实施例提供的预警***的第一***框图。

可以理解的是，充电桩监控预警方法可应用在云服务器中，当充电桩监控预警方法应用在云服务器时，充电桩通过远程通信将目标充电信息发送至云服务器中，云服务器的处理性能高，能够信息处理效率，从而保证预警的实时性。

需要说明的是，充电桩向电动汽车充电时属于正常充电行为，图9展示的是出现异常充电行为的情况，此时，充电桩向电动自行车充电，电动自行车通过转换器与充电桩建立连接，以获取充电桩的电能。

另外，参照图10，图10为本申请另一个实施例提供的预警***的第二***框图。

可以理解的是，充电桩监控预警方法可应用在本地监控装置中，当充电桩监控预警方法应用在本地监控装置时，充电桩通过本地通信将目标充电信息发送至本地监控装置中，本地通信的时延低，能够提高信息传输效率，从而保证预警的实时性。

需要说明的是，充电桩向电动汽车充电时属于正常充电行为，图10展示的是出现异常充电行为的情况，此时，充电桩向电动自行车充电，电动自行车通过转换器与充电桩建立连接，以获取充电桩的电能。

另外，参照图11和图12，图11为本申请另一个实施例提供的电动汽车的充电信息的示意图，图12为本申请另一个实施例提供的电动自行车的充电信息的示意图。

可以理解的是，通过比对两个示意图，可见，充电桩向电动汽车充电和向电动自行车充电之间充电信息存在明显的差异，充电桩向电动汽车充电时，充电桩的充电功率通常呈阶梯状分布，在充电功率最大的阶梯中，充电功率在60KW左右，在充电功率最小的阶梯中，充电功率在10KW左右，电动汽车的充电需求通常呈阶梯状分布，充电需求包括需求电压和需求电流，例如，荷电状态较小时，需求电流较大，荷电状态较大时，需求电流较小，充电功率会根据需求电流作出相应的变化，充电开始时，电动汽车的实时荷电状态可为0-100％中的任意一个状态值，充电结束时，电动汽车的荷电状态最多为100％，在充电过程中，荷电状态不是线性变化，即充电效率不会保持不变，例如，在3月20号15:27:55中，需求电流为104A，需求电压为394V，需求功率为41.18KW，在3月20号15:27:57中，实时电流为104.4A，实时电压为364.6V，实时功率为38.06KW，荷电状态SOC为85％；但是，充电桩向电动自行车充电时，充电桩的充电功率通常在0.5-1.5KW之间，充电需求不会发生变化，需求电流保持在40A，最小的荷电状态是固定为10％，最大的荷电状态是固定为95％，充电效率是保持不变的，例如，在2月28号17:25:00中，需求电流为40A，需求电压为315V，需求功率为12.6KW，在2月28号17:04:52中，实时电流为1.5A，实时电压为314.89V，实时功率为0.47KW，荷电状态SOC为60％；因此，通过两个充电过程中的充电信息的差异确定异常模型，能够保证异常模型准确性。

另外，参考图13，本申请还提供了一种充电桩监控预警装置1300，包括：

模型确定单元1310，用于获取样本充电信息，并根据样本充电信息确定异常模型，其中，样本充电信息由充电桩以及使用充电桩充电的电动自行车确定；

获取单元1320，用于获取目标时间段内的多个目标充电信息，其中，目标充电信息由充电桩以及使用充电桩充电的充电式车辆确定，充电式车辆为电动汽车或电动自行车；

分析单元1330，用于基于异常模型，对目标时间段内的各个目标充电信息进行异常分析，判断目标充电信息是否为充电异常信息；

预警单元1340，用于当目标充电信息为充电异常信息时，生成用于指示充电式车辆为电动自行车的预警信息。

可以理解的是，该充电桩监控预警装置1300的具体实施方式与上述充电桩监控预警方法的具体实施例基本相同，在此不再赘述。

另外，参照图14，图14示意了另一实施例的电子设备的硬件结构，电子设备包括：

处理器1401，可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；

存储器1402，可以采用只读存储器(Read Only Memory，ROM)、静态存储设备、动态存储设备或者随机存取存储器(Random Access Memory，RAM)等形式实现。存储器1402可以存储操作***和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1402中，并由处理器1401来调用执行本申请实施例的充电桩监控预警方法，例如，执行以上描述的图1中的方法步骤S110至步骤S140、图2中的方法步骤S210至步骤S230、图3中的方法步骤S310至步骤S330、图4中的方法步骤S410至S420、图5中的方法步骤S510至S540、图6中的方法步骤S610至S650、图7中的方法步骤S710至S740；

输入/输出接口1403，用于实现信息输入及输出；

通信接口1404，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；

总线1405，在设备的各个组件(例如处理器1401、存储器1402、输入/输出接口1403和通信接口1404)之间传输信息；

其中处理器1401、存储器1402、输入/输出接口1403和通信接口1404通过总线1405实现彼此之间在设备内部的通信连接。

本申请实施例还提供了一种存储介质，存储介质为计算机可读存储介质，用于计算机可读存储，存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述充电桩监控预警方法，例如，执行以上描述的图1中的方法步骤S110至步骤S140、图2中的方法步骤S210至步骤S230、图3中的方法步骤S310至步骤S330、图4中的方法步骤S410至S420、图5中的方法步骤S510至S540、图6中的方法步骤S610至S650、图7中的方法步骤S710至S740。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本申请实施例提供的充电桩监控预警方法、装置、设备及存储介质，其通过获取样本充电信息，并根据样本充电信息确定异常模型，其中，样本充电信息由充电桩以及使用充电桩充电的电动自行车确定；获取目标时间段内的多个目标充电信息，其中，目标充电信息由充电桩以及使用充电桩充电的充电式车辆确定，充电式车辆为电动汽车或电动自行车；基于异常模型，对目标时间段内的各个目标充电信息进行异常分析，判断目标充电信息是否为充电异常信息；当目标充电信息为充电异常信息时，生成用于指示充电式车辆为电动自行车的预警信息。基于此，在模型生成阶段，获取充电桩向电动自行车充电时所确定的样本充电信息，然后将用于表征出现异常充电行为的样本充电信息作为模型的样本数据，确定异常模型，在监控阶段，获取充电桩向充电式车辆充电时所确定的目标充电信息，利用异常模型实时分析目标充电信息，在充电式车辆为电动汽车的情况下，不会产生预警信息，在充电式车辆为电动自行车的情况下，目标充电信息确定为用于指示出现异常充电行为的充电异常信息，进而产生预警信息，实现了出现异常充电行为的实时预警，相对于人工巡查，能够及时发现向电动自行车充电的充电桩，避免出现火灾，而且能够减少工作量，降低人工成本。

本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本领域技术人员可以理解的是，图1至图8中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、***、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。

以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (7)

1.一种充电桩监控预警方法，其特征在于，包括：

获取样本充电信息，并根据所述样本充电信息确定异常模型，其中，所述样本充电信息由充电桩以及使用所述充电桩充电的电动自行车确定；

获取目标时间段内的多个目标充电信息，其中，所述目标充电信息由所述充电桩以及使用所述充电桩充电的充电式车辆确定，所述充电式车辆为电动汽车或所述电动自行车；

基于所述异常模型，对所述目标时间段内的各个所述目标充电信息进行异常分析，判断所述目标充电信息是否为充电异常信息；

当所述目标充电信息为充电异常信息时，生成用于指示所述充电式车辆为所述电动自行车的预警信息；

其中，所述样本充电信息包括由所述充电桩确定的样本供电信息和由使用所述充电桩充电的电动自行车确定的样本状态信息，所述目标充电信息包括由所述充电桩确定的目标供电信息和由使用所述充电桩充电的充电式车辆确定的目标状态信息，所述异常模型包括充电桩状态异常模型和车辆状态异常模型，所述充电桩状态异常模型由所述样本供电信息确定，所述车辆状态异常模型由所述样本状态信息确定；所述基于所述异常模型，对所述目标时间段内的各个所述目标充电信息进行异常分析，判断所述目标充电信息是否为充电异常信息，包括：

基于所述充电桩状态异常模型，对所述目标时间段内的各个所述目标供电信息进行异常分析，判断所述目标供电信息是否为供电异常信息；

基于所述车辆状态异常模型，对所述目标时间段内的各个所述目标状态信息进行异常分析，判断所述目标状态信息是否为状态异常信息；

当所述目标供电信息为供电异常信息，或者当所述目标状态信息为状态异常信息时，确定所述目标充电信息为充电异常信息；

其中，所述样本供电信息包括样本充电功率，所述样本状态信息包括样本充电需求量；所述获取样本充电信息，并根据所述样本充电信息确定异常模型，包括：

获取样本时间段内的多个样本充电信息；

对所述样本时间段内的各个所述样本充电功率进行比对，根据最大的所述样本充电功率确定功率异常特征阈值；

根据所述功率异常特征阈值，确定所述充电桩状态异常模型；

根据所述样本时间段内的各个所述样本充电需求量，确定需求量异常特征；

根据所述需求量异常特征，确定所述车辆状态异常模型；

其中，所述样本状态信息还包括样本车辆识别码和样本荷电状态；所述根据所述需求量异常特征，确定所述车辆状态异常模型的步骤之后，还包括：

根据所述样本车辆识别码，确定车辆异常识别码；

对所述样本时间段内的各个所述样本荷电状态进行比对，根据最小的所述样本荷电状态确定第一荷电状态异常特征阈值，并根据最大的所述样本荷电状态确定第二荷电状态异常特征阈值；

根据所述样本时间段内的各个所述样本荷电状态，确定样本充电效率，并根据所述样本充电效率确定效率异常特征；

根据所述车辆异常识别码、所述第一荷电状态异常特征阈值、所述第二荷电状态异常特征阈值和所述效率异常特征，更新所述车辆状态异常模型。

2.根据权利要求1所述的方法，其特征在于，所述充电桩状态异常模型包括功率异常特征阈值，所述功率异常特征阈值由所述样本供电信息确定，所述目标供电信息包括目标充电功率；所述基于所述充电桩状态异常模型，对所述目标时间段内的各个所述目标供电信息进行异常分析，判断所述目标供电信息是否为供电异常信息，包括：

对所述目标时间段内的各个所述目标充电功率进行比对，根据最大的所述目标充电功率确定目标功率特征值；

判断所述目标功率特征值是否小于等于所述功率异常特征阈值；

当所述目标功率特征值小于等于所述功率异常特征阈值时，确定所述目标供电信息为供电异常信息。

3.根据权利要求1所述的方法，其特征在于，所述车辆状态异常模型包括需求量异常特征，所述需求量异常特征由所述样本状态信息确定，所述目标状态信息包括目标充电需求量；所述基于所述车辆状态异常模型，对所述目标时间段内的各个所述目标状态信息进行异常分析，判断所述目标状态信息是否为状态异常信息，包括：

计算所述目标时间段内的各个所述目标充电需求量的方差和平均值，确定目标需求量特征；

判断所述目标需求量特征是否符合所述需求量异常特征；

当所述目标需求量特征符合所述需求量异常特征时，确定所述目标状态信息为状态异常信息。

4.根据权利要求1所述的方法，其特征在于，所述车辆状态异常模型包括车辆异常识别码、第一荷电状态异常特征阈值、第二荷电状态异常特征阈值和效率异常特征，所述车辆异常识别码、所述第一荷电状态异常特征阈值、所述第二荷电状态异常特征阈值和所述效率异常特征均由所述样本状态信息确定，所述目标状态信息包括目标车辆识别码和目标荷电状态；所述基于所述车辆状态异常模型，对所述目标时间段内的各个所述目标状态信息进行异常分析，判断所述目标状态信息是否为状态异常信息，包括：

判断所述目标车辆识别码是否与所述车辆异常识别码相同；

当所述目标车辆识别码与所述车辆异常识别码相同时，确定所述目标状态信息为状态异常信息；

对所述目标时间段内的各个所述目标荷电状态进行比对，根据最小的所述目标荷电状态确定第一荷电状态特征值，并根据最大的所述目标荷电状态确定第二荷电状态特征值；

判断所述第一荷电状态特征值是否等于所述第一荷电状态异常特征阈值，并判断所述第二荷电状态特征值是否等于所述第二荷电状态异常特征阈值；

当所述第一荷电状态特征值等于所述第一荷电状态异常特征阈值时，或者当所述第二荷电状态特征值等于所述第二荷电状态异常特征阈值时，确定所述目标状态信息为状态异常信息；

根据所述目标时间段内的各个所述目标荷电状态确定目标充电效率，并判断所述目标充电效率是否符合所述效率异常特征；

当所述目标充电效率符合所述效率异常特征时，确定所述目标状态信息为状态异常信息。

5.一种充电桩监控预警装置，其特征在于，所述充电桩监控预警装置用于执行如权利要求1至4中任一项所述的充电桩监控预警方法，所述充电桩监控预警装置包括：

模型确定单元，用于获取样本充电信息，并根据所述样本充电信息确定异常模型，其中，所述样本充电信息由充电桩以及使用所述充电桩充电的电动自行车确定；

获取单元，用于获取目标时间段内的多个目标充电信息，其中，所述目标充电信息由所述充电桩以及使用所述充电桩充电的充电式车辆确定，所述充电式车辆为电动汽车或所述电动自行车；

分析单元，用于基于所述异常模型，对所述目标时间段内的各个所述目标充电信息进行异常分析，判断所述目标充电信息是否为充电异常信息；

预警单元，用于当所述目标充电信息为充电异常信息时，生成用于指示所述充电式车辆为所述电动自行车的预警信息。

6.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的充电桩监控预警方法。

7.一种存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的充电桩监控预警方法。