Nothing Special   »   [go: up one dir, main page]

CN117113033B - 一种新能源汽车的充电数据采集方法及系统 - Google Patents

一种新能源汽车的充电数据采集方法及系统 Download PDF

Info

Publication number
CN117113033B
CN117113033B CN202311201624.5A CN202311201624A CN117113033B CN 117113033 B CN117113033 B CN 117113033B CN 202311201624 A CN202311201624 A CN 202311201624A CN 117113033 B CN117113033 B CN 117113033B
Authority
CN
China
Prior art keywords
charging data
charging
data
user
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311201624.5A
Other languages
English (en)
Other versions
CN117113033A (zh
Inventor
谢魁
杨同光
陈毅
陈洪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shexian Zhongneng Tong New Energy Technology Co ltd
Original Assignee
Shexian Zhongneng Tong New Energy Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shexian Zhongneng Tong New Energy Technology Co ltd filed Critical Shexian Zhongneng Tong New Energy Technology Co ltd
Priority to CN202311201624.5A priority Critical patent/CN117113033B/zh
Publication of CN117113033A publication Critical patent/CN117113033A/zh
Application granted granted Critical
Publication of CN117113033B publication Critical patent/CN117113033B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明提供的一种新能源汽车的充电数据采集方法及系统，涉及数据处理技术领域。在本发明中，将预先搭建的关键信息挖掘网络进行网络优化操作，以形成关键信息挖掘网络对应的目标关键信息挖掘网络；通过目标关键信息挖掘网络，将接收到的待处理用户充电数据进行关键信息挖掘操作，以输出对应的充电关键信息特征表示；通过映射输出网络，将充电关键信息特征表示进行映射输出操作，以输出待处理用户充电数据对应的数据异常表征参数；基于数据异常表征参数，对待处理用户充电数据进行数据采集确认操作，并在确认采集待处理用户充电数据的情况下，将待处理用户充电数据确定为采集到的目标用户充电数据。基于上述方法，可以提高充电数据采集的可靠度。

Description

一种新能源汽车的充电数据采集方法及系统
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种新能源汽车的充电数据采集方法及系统。
背景技术
在新能源汽车的应用逐渐普遍的情况下，新能源汽车的充电数据的数据量是非常大的，因此，其具有较高的应用价值。但是，对于大量的充电数据，一般需要进行采集确认，但是，在现有技术中，对于充电数据的采集，一般是随机采样或等间隔采集，使得存在可靠度不高的问题。
发明内容
有鉴于此，本发明的目的在于提供一种新能源汽车的充电数据采集方法及系统，以提高充电数据采集的可靠度。
为实现上述目的，本发明实施例采用如下技术方案：
一种新能源汽车的充电数据采集方法，包括：
将预先搭建的关键信息挖掘网络进行网络优化操作，以形成所述关键信息挖掘网络对应的目标关键信息挖掘网络；
通过所述目标关键信息挖掘网络，将接收到的待处理用户充电数据进行关键信息挖掘操作，以输出对应的充电关键信息特征表示；
通过映射输出网络，将所述充电关键信息特征表示进行映射输出操作，以输出所述待处理用户充电数据对应的数据异常表征参数；
基于所述数据异常表征参数，对所述待处理用户充电数据进行数据采集确认操作，并在确认采集所述待处理用户充电数据的情况下，将所述待处理用户充电数据确定为采集到的目标用户充电数据。
在一些优选的实施例中，在上述新能源汽车的充电数据采集方法中，所述将预先搭建的关键信息挖掘网络进行网络优化操作，以形成所述关键信息挖掘网络对应的目标关键信息挖掘网络的步骤，包括：
确定第一用户充电数据对应的内部用户充电数据组合，所述内部用户充电数据组合包括所述第一用户充电数据的至少两个内部用户充电数据，所述至少两个内部用户充电数据属于同一个用户在不同时段的充电数据；
通过关键信息挖掘网络，将所述内部用户充电数据组合中用户充电数据进行关键信息挖掘操作，以形成对应的充电关键信息簇，所述充电关键信息簇包括所述第一用户充电数据对应的充电关键信息特征表示；
基于所述充电关键信息特征表示，分析出所述第一用户充电数据的内部用户充电数据之间的内部匹配参数，并分析出所述内部用户充电数据与外部用户充电数据之间的外部匹配参数，所述外部用户充电数据属于所述第一用户充电数据以外的第二用户充电数据，所述第一用户充电数据和所述第二用户充电数据属于不同的用户的充电数据，且所述第一用户充电数据和所述第二用户充电数据属于同一个时间周期；
基于所述内部匹配参数和所述外部匹配参数，分析出所述第一用户充电数据对应的第一挖掘误差参数，所述第一挖掘误差参数用于反映所述第一用户充电数据对应的内部匹配参数与所述第一用户充电数据对应的外部匹配参数之间的挖掘误差程度；
基于所述充电关键信息特征表示进行充电偏好信息识别操作，以输出所述内部用户充电数据在充电偏好信息具有的预测可能性第一参数、所述内部用户充电数据在所述充电偏好信息具有的预测可能性第二参数；
基于所述预测可能性第一参数和所述预测可能性第二参数，分析出所述第一用户充电数据对应的第二挖掘误差参数，所述第二挖掘误差参数用于反映所述第一用户充电数据的预测可能性第一参数和所述第一用户充电数据的所述预测可能性第二参数之间的挖掘误差程度；
基于所述第一挖掘误差参数和所述第二挖掘误差参数，将所述关键信息挖掘网络进行网络优化操作，以形成目标关键信息挖掘网络。
在一些优选的实施例中，在上述新能源汽车的充电数据采集方法中，在所述基于所述充电关键信息特征表示进行充电偏好信息识别操作，以输出所述内部用户充电数据在充电偏好信息具有的预测可能性第一参数、所述内部用户充电数据在所述充电偏好信息具有的预测可能性第二参数的步骤之后，所述新能源汽车的充电数据采集方法还包括：
基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成对应的分类标识数据和所述内部用户充电数据在分类标识数据对应的分类可能性程度；
基于所述分类可能性程度，确定出不同的第一用户充电数据在目标分类标识数据具有的第三挖掘误差参数，不同的第一用户充电数据是指对应的用户相同但不属于同一个时间周期的充电数据；
其中，所述基于所述第一挖掘误差参数和所述第二挖掘误差参数，将所述关键信息挖掘网络进行网络优化操作，以形成目标关键信息挖掘网络的步骤，包括：
基于所述第一挖掘误差参数、所述第二挖掘误差参数和所述第三挖掘误差参数，将所述关键信息挖掘网络进行网络优化操作，以形成目标关键信息挖掘网络。
在一些优选的实施例中，在上述新能源汽车的充电数据采集方法中，所述基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成对应的分类标识数据和所述内部用户充电数据在分类标识数据对应的分类可能性程度的步骤，包括：
基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成对应的分类标识数据；
对所述分类标识数据和所述充电偏好信息进行对比分析操作，以形成所述内部用户充电数据在分类标识数据对应的分类可能性程度；
其中，所述基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成对应的分类标识数据的步骤，包括：
将所述充电关键信息特征表示进行标识对比分析操作，以形成具有标识数据的充电关键信息特征表示；
将所述具有标识数据的充电关键信息特征表示进行分类操作，以形成对应的分类集合；
对所述分类集合中，数目最大的一个标识数据进行标记操作，以形成所述分类集合对应的分类标识数据。
在一些优选的实施例中，在上述新能源汽车的充电数据采集方法中，所述内部用户充电数据组合包括第一内部用户充电数据和第二内部用户充电数据；以及，所述基于所述充电关键信息特征表示进行充电偏好信息识别操作，以输出所述内部用户充电数据在充电偏好信息具有的预测可能性第一参数、所述内部用户充电数据在所述充电偏好信息具有的预测可能性第二参数的步骤，包括：
基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成所述内部用户充电数据在每一个充电偏好信息的原始分类可能性程度参数；
将所述原始分类可能性程度参数进行分解操作，以形成所述第一内部用户充电数据在每一个充电偏好信息对应的预测可能性第一参数和所述第二内部用户充电数据在每一个充电偏好信息对应的预测可能性第二参数。
在一些优选的实施例中，在上述新能源汽车的充电数据采集方法中，所述基于所述预测可能性第一参数和所述预测可能性第二参数，分析出所述第一用户充电数据对应的第二挖掘误差参数的步骤，包括：
基于目标充电偏好信息的所述预测可能性第一参数和所述目标充电偏好信息的所述预测可能性第二参数，分析出所述第一用户充电数据在目标充电偏好信息的预测可能性第一区别数据；
基于所述目标充电偏好信息的所述预测可能性第一参数、所述目标充电偏好信息的所述预测可能性第二参数、其它充电偏好信息的所述预测可能性第一参数和所述其它充电偏好信息的所述预测可能性第二参数，分析出所述第一用户充电数据在目标充电偏好信息和其它充电偏好信息之间的预测可能性第二区别数据；
基于所述预测可能性第一区别数据和所述预测可能性第二区别数据，分析出所述第一用户充电数据的待处理第二挖掘误差参数，所述待处理第二挖掘误差参数用于反映所述第一用户充电数据的预测可能性第一参数和所述第一用户充电数据的所述预测可能性第二参数之间在所述目标充电偏好信息的挖掘误差程度；
基于所述待处理第二挖掘误差参数得到对应的第二挖掘误差参数。
在一些优选的实施例中，在上述新能源汽车的充电数据采集方法中，所述基于所述预测可能性第一参数和所述预测可能性第二参数，分析出所述第一用户充电数据对应的第二挖掘误差参数的步骤，包括：
基于所述第一内部用户充电数据在每一个充电偏好信息对应的预测可能性第一参数和所述第二内部用户充电数据在每一个充电偏好信息对应的预测可能性第二参数，分析出所述第一用户充电数据对应的待分析第二挖掘误差参数，所述待分析第二挖掘误差参数用于反映所述第一用户充电数据的预测可能性第一参数和所述第一用户充电数据的所述预测可能性第二参数之间在不同充电偏好信息具有的挖掘误差程度；
基于所述待分析第二挖掘误差参数得到对应的第二挖掘误差参数。
本发明实施例还提供一种新能源汽车的充电数据采集系统，包括：
网络优化模块，用于将预先搭建的关键信息挖掘网络进行网络优化操作，以形成所述关键信息挖掘网络对应的目标关键信息挖掘网络；
关键信息挖掘模块，用于通过所述目标关键信息挖掘网络，将接收到的待处理用户充电数据进行关键信息挖掘操作，以输出对应的充电关键信息特征表示；
映射输出模块，用于通过映射输出网络，将所述充电关键信息特征表示进行映射输出操作，以输出所述待处理用户充电数据对应的数据异常表征参数；
采集确认模块，用于基于所述数据异常表征参数，对所述待处理用户充电数据进行数据采集确认操作，并在确认采集所述待处理用户充电数据的情况下，将所述待处理用户充电数据确定为采集到的目标用户充电数据。
在一些优选的实施例中，在上述新能源汽车的充电数据采集系统中，所述网络优化模块包括：
第一网络优化子模块，用于确定第一用户充电数据对应的内部用户充电数据组合，所述内部用户充电数据组合包括所述第一用户充电数据的至少两个内部用户充电数据，所述至少两个内部用户充电数据属于同一个用户在不同时段的充电数据；
第二网络优化子模块，用于通过关键信息挖掘网络，将所述内部用户充电数据组合中用户充电数据进行关键信息挖掘操作，以形成对应的充电关键信息簇，所述充电关键信息簇包括所述第一用户充电数据对应的充电关键信息特征表示；
第三网络优化子模块，用于基于所述充电关键信息特征表示，分析出所述第一用户充电数据的内部用户充电数据之间的内部匹配参数，并分析出所述内部用户充电数据与外部用户充电数据之间的外部匹配参数，所述外部用户充电数据属于所述第一用户充电数据以外的第二用户充电数据，所述第一用户充电数据和所述第二用户充电数据属于不同的用户的充电数据，且所述第一用户充电数据和所述第二用户充电数据属于同一个时间周期；
第四网络优化子模块，用于基于所述内部匹配参数和所述外部匹配参数，分析出所述第一用户充电数据对应的第一挖掘误差参数，所述第一挖掘误差参数用于反映所述第一用户充电数据对应的内部匹配参数与所述第一用户充电数据对应的外部匹配参数之间的挖掘误差程度；
第五网络优化子模块，用于基于所述充电关键信息特征表示进行充电偏好信息识别操作，以输出所述内部用户充电数据在充电偏好信息具有的预测可能性第一参数、所述内部用户充电数据在所述充电偏好信息具有的预测可能性第二参数；
第六网络优化子模块，用于基于所述预测可能性第一参数和所述预测可能性第二参数，分析出所述第一用户充电数据对应的第二挖掘误差参数，所述第二挖掘误差参数用于反映所述第一用户充电数据的预测可能性第一参数和所述第一用户充电数据的所述预测可能性第二参数之间的挖掘误差程度；
第七网络优化子模块，用于基于所述第一挖掘误差参数和所述第二挖掘误差参数，将所述关键信息挖掘网络进行网络优化操作，以形成目标关键信息挖掘网。
在一些优选的实施例中，在上述新能源汽车的充电数据采集系统中，所述第五网络优化子模块，具体用于：
基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成所述内部用户充电数据在每一个充电偏好信息的原始分类可能性程度参数；
将所述原始分类可能性程度参数进行分解操作，以形成所述第一内部用户充电数据在每一个充电偏好信息对应的预测可能性第一参数和所述第二内部用户充电数据在每一个充电偏好信息对应的预测可能性第二参数。
本发明实施例提供的一种新能源汽车的充电数据采集方法及系统，可以先将预先搭建的关键信息挖掘网络进行网络优化操作，以形成关键信息挖掘网络对应的目标关键信息挖掘网络；通过目标关键信息挖掘网络，将接收到的待处理用户充电数据进行关键信息挖掘操作，以输出对应的充电关键信息特征表示；通过映射输出网络，将充电关键信息特征表示进行映射输出操作，以输出待处理用户充电数据对应的数据异常表征参数；基于数据异常表征参数，对待处理用户充电数据进行数据采集确认操作，并在确认采集待处理用户充电数据的情况下，将待处理用户充电数据确定为采集到的目标用户充电数据。基于上述的内容，可以利用神经网络的高精度的数据处理能力，确定出进行数据采集确认操作的可靠依据，使得可以提高充电数据采集的可靠度，改善现有技术中的不足。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
图1为本发明实施例提供的新能源汽车的充电数据采集平台的结构框图。
图2为本发明实施例提供的新能源汽车的充电数据采集方法包括的各步骤的流程示意图。
图3为本发明实施例提供的新能源汽车的充电数据采集系统包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供了一种新能源汽车的充电数据采集平台。其中，所述新能源汽车的充电数据采集平台可以包括存储器和处理器。
详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件（firmware）的形式，存在的软件功能模块（计算机程序）。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例（如后文所述）提供的新能源汽车的充电数据采集方法。
可以选择的是，在一种实施方式中，所述存储器可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-Only Memory，PROM），可擦除只读存储器（Erasable ProgrammableRead-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable ProgrammableRead-Only Memory，EEPROM）等。
可以选择的是，在一种实施方式中，所述处理器可以是一种通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）、片上系统(System on Chip，SoC)等；还可以是数字信号处理器（DSP）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以选择的是，在一种实施方式中，所述新能源汽车的充电数据采集平台还可包括比图1中所示更多或者更少的组件，或具有与图1所示不同的配置，例如，可以包括用于与其它设备进行信息交互的通信单元。
可以选择的是，在一种实施方式中，所述新能源汽车的充电数据采集平台可以是一种具备数据处理能力的服务器。
结合图2，本发明实施例还提供一种新能源汽车的充电数据采集方法，可应用于上述新能源汽车的充电数据采集平台。其中，所述新能源汽车的充电数据采集方法有关的流程所定义的方法步骤，可以由所述新能源汽车的充电数据采集平台实现。下面将对图2所示的具体流程，进行详细阐述。
步骤S110，将预先搭建的关键信息挖掘网络进行网络优化操作，以形成所述关键信息挖掘网络对应的目标关键信息挖掘网络。
在本发明实施例中，所述新能源汽车的充电数据采集平台可以将预先搭建的关键信息挖掘网络进行网络优化操作，以形成所述关键信息挖掘网络对应的目标关键信息挖掘网络。
步骤S120，通过所述目标关键信息挖掘网络，将接收到的待处理用户充电数据进行关键信息挖掘操作，以输出对应的充电关键信息特征表示。
在本发明实施例中，所述新能源汽车的充电数据采集平台可以通过所述目标关键信息挖掘网络，将接收到的待处理用户充电数据进行关键信息挖掘操作，以输出对应的充电关键信息特征表示。
步骤S130，通过映射输出网络，将所述充电关键信息特征表示进行映射输出操作，以输出所述待处理用户充电数据对应的数据异常表征参数。
在本发明实施例中，所述新能源汽车的充电数据采集平台可以通过映射输出网络，将所述充电关键信息特征表示进行映射输出操作，以输出所述待处理用户充电数据对应的数据异常表征参数。所述映射输出网络可以和所述目标关键信息挖掘网络，一起进行网络优化以形成，且所述映射输出网络可以包括全连接单元和激活单元。
步骤S140，基于所述数据异常表征参数，对所述待处理用户充电数据进行数据采集确认操作，并在确认采集所述待处理用户充电数据的情况下，将所述待处理用户充电数据确定为采集到的目标用户充电数据。
在本发明实施例中，所述新能源汽车的充电数据采集平台可以基于所述数据异常表征参数，对所述待处理用户充电数据进行数据采集确认操作，并在确认采集所述待处理用户充电数据的情况下，将所述待处理用户充电数据确定为采集到的目标用户充电数据。例如，在所述数据异常表征参数大于预设异常表征参数的情况下，可以确定不采集所述待处理用户充电数据，避免不可靠的用户充电数据对后续分析造成干扰，或者，在所述数据异常表征参数大于预设异常表征参数的情况下，可以确定采集所述待处理用户充电数据，此时，采集的用户充电数据可以用于异常统计分析，如此，基于不同的应用场景，采集确认的方式可以不一样。
基于上述的内容，即步骤S110-步骤S140，可以利用神经网络的高精度的数据处理能力，确定出进行数据采集确认操作的可靠依据，使得可以提高充电数据采集的可靠度，改善现有技术中的不足。
可以选择的是，在一种实施方式中，所述将预先搭建的关键信息挖掘网络进行网络优化操作，以形成所述关键信息挖掘网络对应的目标关键信息挖掘网络的步骤，可以进一步包括以下的描述：
确定第一用户充电数据对应的内部用户充电数据组合，所述内部用户充电数据组合包括所述第一用户充电数据的至少两个内部用户充电数据，所述至少两个内部用户充电数据属于同一个用户在不同时段的充电数据，但是，所述至少两个内部用户充电数据属于同一个时间周期，另外，时间周期的定义不受限制，可以根据实际应用需求进行配置；
通过关键信息挖掘网络，将所述内部用户充电数据组合中用户充电数据进行关键信息挖掘操作，以形成对应的充电关键信息簇，所述充电关键信息簇包括所述第一用户充电数据对应的充电关键信息特征表示；
基于所述充电关键信息特征表示，分析出所述第一用户充电数据的内部用户充电数据之间的内部匹配参数，如特征表示的余弦相似度，并分析出所述内部用户充电数据与外部用户充电数据之间的外部匹配参数，所述外部用户充电数据属于所述第一用户充电数据以外的第二用户充电数据，所述第一用户充电数据和所述第二用户充电数据属于不同的用户的充电数据，所述第一用户充电数据和所述第二用户充电数据属于同一个时间周期；
基于所述内部匹配参数和所述外部匹配参数，分析出所述第一用户充电数据对应的第一挖掘误差参数，所述第一挖掘误差参数用于反映所述第一用户充电数据对应的内部匹配参数与所述第一用户充电数据对应的外部匹配参数之间的挖掘误差程度；
基于所述充电关键信息特征表示进行充电偏好信息识别操作，以输出所述内部用户充电数据在充电偏好信息具有的预测可能性第一参数、所述内部用户充电数据在所述充电偏好信息具有的预测可能性第二参数，所述充电偏好信息可以是指充电的地点、时间、频次等信息；
基于所述预测可能性第一参数和所述预测可能性第二参数，分析出所述第一用户充电数据对应的第二挖掘误差参数，所述第二挖掘误差参数用于反映所述第一用户充电数据的预测可能性第一参数和所述第一用户充电数据的所述预测可能性第二参数之间的挖掘误差程度；
基于所述第一挖掘误差参数和所述第二挖掘误差参数，将所述关键信息挖掘网络进行网络优化操作，以形成目标关键信息挖掘网络，例如，可以对所述第一挖掘误差参数和所述第二挖掘误差参数进行加权求和，以得到目标挖掘误差参数，然后，可以基于所述目标挖掘误差参数将所述关键信息挖掘网络进行网络优化操作，以形成目标关键信息挖掘网络。
可以选择的是，在一种实施方式中，在所述基于所述充电关键信息特征表示进行充电偏好信息识别操作，以输出所述内部用户充电数据在充电偏好信息具有的预测可能性第一参数、所述内部用户充电数据在所述充电偏好信息具有的预测可能性第二参数的步骤之后，所述新能源汽车的充电数据采集方法还可以进一步包括以下的描述：
基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成对应的分类标识数据和所述内部用户充电数据在分类标识数据对应的分类可能性程度；
基于所述分类可能性程度，确定出不同的第一用户充电数据在目标分类标识数据具有的第三挖掘误差参数，不同的第一用户充电数据是指对应的用户相同但不属于同一个时间周期的充电数据，所述第三挖掘误差参数约束每一个第一用户充电数据对应的内部用户充电数据组合在对应的分类标识数据上的分类可能性程度可以最大。
可以选择的是，在一种实施方式中，所述基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成对应的分类标识数据和所述内部用户充电数据在分类标识数据对应的分类可能性程度的步骤，可以进一步包括以下的描述：
基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成对应的分类标识数据；
对所述分类标识数据和所述充电偏好信息进行对比分析操作，以形成所述内部用户充电数据在分类标识数据对应的分类可能性程度。
可以选择的是，在一种实施方式中，所述基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成对应的分类标识数据的步骤，可以进一步包括以下的描述：
将所述充电关键信息特征表示进行标识对比分析操作，以形成具有标识数据的充电关键信息特征表示；以及，将所述具有标识数据的充电关键信息特征表示进行分类操作，以形成对应的分类集合，如形成多个分类集合；以及，对所述分类集合中，数目最大的一个标识数据进行标记操作，以形成所述分类集合对应的分类标识数据，其中，可以对相同第一用户充电数据对应的充电关键信息特征表示分配相同的分类标识数据。
可以选择的是，在一种实施方式中，所述内部用户充电数据组合包括第一内部用户充电数据和第二内部用户充电数据，基于此，所述基于所述充电关键信息特征表示进行充电偏好信息识别操作，以输出所述内部用户充电数据在充电偏好信息具有的预测可能性第一参数、所述内部用户充电数据在所述充电偏好信息具有的预测可能性第二参数的步骤，可以进一步包括以下的描述：
基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成所述内部用户充电数据在每一个充电偏好信息的原始分类可能性程度参数；
将所述原始分类可能性程度参数进行分解操作，以形成所述第一内部用户充电数据在每一个充电偏好信息对应的预测可能性第一参数和所述第二内部用户充电数据在每一个充电偏好信息对应的预测可能性第二参数。
可以选择的是，在一种实施方式中，所述基于所述预测可能性第一参数和所述预测可能性第二参数，分析出所述第一用户充电数据对应的第二挖掘误差参数的步骤，可以进一步包括以下的描述：
基于目标充电偏好信息的所述预测可能性第一参数和所述目标充电偏好信息的所述预测可能性第二参数，分析出所述第一用户充电数据在目标充电偏好信息的预测可能性第一区别数据；
基于所述目标充电偏好信息的所述预测可能性第一参数、所述目标充电偏好信息的所述预测可能性第二参数、其它充电偏好信息的所述预测可能性第一参数和所述其它充电偏好信息的所述预测可能性第二参数，分析出所述第一用户充电数据在目标充电偏好信息和其它充电偏好信息之间的预测可能性第二区别数据，所述其它充电偏好信息为所述目标充电偏好信息以外的其它的充电偏好信息；
基于所述预测可能性第一区别数据和所述预测可能性第二区别数据，分析出所述第一用户充电数据的待处理第二挖掘误差参数，所述待处理第二挖掘误差参数用于反映所述第一用户充电数据的预测可能性第一参数和所述第一用户充电数据的所述预测可能性第二参数之间在所述目标充电偏好信息的挖掘误差程度；
基于所述待处理第二挖掘误差参数得到对应的第二挖掘误差参数，例如，可以将所述待处理第二挖掘误差参数作为对应的第二挖掘误差参数，或者，作为所述第二挖掘误差参数的一部分。
可以选择的是，在一种实施方式中，所述基于所述预测可能性第一参数和所述预测可能性第二参数，分析出所述第一用户充电数据对应的第二挖掘误差参数的步骤，可以进一步包括以下的描述：
基于所述第一内部用户充电数据在每一个充电偏好信息对应的预测可能性第一参数和所述第二内部用户充电数据在每一个充电偏好信息对应的预测可能性第二参数，分析出所述第一用户充电数据对应的待分析第二挖掘误差参数，所述待分析第二挖掘误差参数用于反映所述第一用户充电数据的预测可能性第一参数和所述第一用户充电数据的所述预测可能性第二参数之间在不同充电偏好信息具有的挖掘误差程度；
基于所述待分析第二挖掘误差参数得到对应的第二挖掘误差参数，例如，可以将所述待分析第二挖掘误差参数作为对应的第二挖掘误差参数，或者，作为所述第二挖掘误差参数的一部分。
对于所述待分析第二挖掘误差参数，可以限制所有内部用户充电数据对于不同充电偏好信息的可能性程度保持平均，例如，充电偏好信息包括第a个充电偏好信息和第b个充电偏好信息，所有内部用户充电数据在第a个充电偏好信息的可能性程度的和值，与所有内部用户充电数据在第b个充电偏好信息的可能性程度的和值之间的差值可以较小，如小于预设值。
结合图3，本发明实施例还提供一种新能源汽车的充电数据采集系统，可应用于上述新能源汽车的充电数据采集平台。其中，所述新能源汽车的充电数据采集系统可以包括以下的软件模块：
网络优化模块，用于将预先搭建的关键信息挖掘网络进行网络优化操作，以形成所述关键信息挖掘网络对应的目标关键信息挖掘网络；
关键信息挖掘模块，用于通过所述目标关键信息挖掘网络，将接收到的待处理用户充电数据进行关键信息挖掘操作，以输出对应的充电关键信息特征表示；
映射输出模块，用于通过映射输出网络，将所述充电关键信息特征表示进行映射输出操作，以输出所述待处理用户充电数据对应的数据异常表征参数；
采集确认模块，用于基于所述数据异常表征参数，对所述待处理用户充电数据进行数据采集确认操作，并在确认采集所述待处理用户充电数据的情况下，将所述待处理用户充电数据确定为采集到的目标用户充电数据。
可以选择的是，在一种实施方式中，所述网络优化模块包括：
第一网络优化子模块，用于确定第一用户充电数据对应的内部用户充电数据组合，所述内部用户充电数据组合包括所述第一用户充电数据的至少两个内部用户充电数据，所述至少两个内部用户充电数据属于同一个用户在不同时段的充电数据；
第二网络优化子模块，用于通过关键信息挖掘网络，将所述内部用户充电数据组合中用户充电数据进行关键信息挖掘操作，以形成对应的充电关键信息簇，所述充电关键信息簇包括所述第一用户充电数据对应的充电关键信息特征表示；
第三网络优化子模块，用于基于所述充电关键信息特征表示，分析出所述第一用户充电数据的内部用户充电数据之间的内部匹配参数，并分析出所述内部用户充电数据与外部用户充电数据之间的外部匹配参数，所述外部用户充电数据属于所述第一用户充电数据以外的第二用户充电数据，所述第一用户充电数据和所述第二用户充电数据属于不同的用户的充电数据，且所述第一用户充电数据和所述第二用户充电数据属于同一个时间周期；
第四网络优化子模块，用于基于所述内部匹配参数和所述外部匹配参数，分析出所述第一用户充电数据对应的第一挖掘误差参数，所述第一挖掘误差参数用于反映所述第一用户充电数据对应的内部匹配参数与所述第一用户充电数据对应的外部匹配参数之间的挖掘误差程度；
第五网络优化子模块，用于基于所述充电关键信息特征表示进行充电偏好信息识别操作，以输出所述内部用户充电数据在充电偏好信息具有的预测可能性第一参数、所述内部用户充电数据在所述充电偏好信息具有的预测可能性第二参数；
第六网络优化子模块，用于基于所述预测可能性第一参数和所述预测可能性第二参数，分析出所述第一用户充电数据对应的第二挖掘误差参数，所述第二挖掘误差参数用于反映所述第一用户充电数据的预测可能性第一参数和所述第一用户充电数据的所述预测可能性第二参数之间的挖掘误差程度；
第七网络优化子模块，用于基于所述第一挖掘误差参数和所述第二挖掘误差参数，将所述关键信息挖掘网络进行网络优化操作，以形成目标关键信息挖掘网络。
可以选择的是，在一种实施方式中，所述第五网络优化子模块，具体用于：
基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成所述内部用户充电数据在每一个充电偏好信息的原始分类可能性程度参数；
将所述原始分类可能性程度参数进行分解操作，以形成所述第一内部用户充电数据在每一个充电偏好信息对应的预测可能性第一参数和所述第二内部用户充电数据在每一个充电偏好信息对应的预测可能性第二参数。
综上所述，本发明提供的一种新能源汽车的充电数据采集方法及系统，可以先将预先搭建的关键信息挖掘网络进行网络优化操作，以形成关键信息挖掘网络对应的目标关键信息挖掘网络；通过目标关键信息挖掘网络，将接收到的待处理用户充电数据进行关键信息挖掘操作，以输出对应的充电关键信息特征表示；通过映射输出网络，将充电关键信息特征表示进行映射输出操作，以输出待处理用户充电数据对应的数据异常表征参数；基于数据异常表征参数，对待处理用户充电数据进行数据采集确认操作，并在确认采集待处理用户充电数据的情况下，将待处理用户充电数据确定为采集到的目标用户充电数据。基于上述的内容，可以利用神经网络的高精度的数据处理能力，确定出进行数据采集确认操作的可靠依据，使得可以提高充电数据采集的可靠度，改善现有技术中的不足。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种新能源汽车的充电数据采集方法，其特征在于，包括：
将预先搭建的关键信息挖掘网络进行网络优化操作，以形成所述关键信息挖掘网络对应的目标关键信息挖掘网络；
通过所述目标关键信息挖掘网络，将接收到的待处理用户充电数据进行关键信息挖掘操作，以输出对应的充电关键信息特征表示；
通过映射输出网络，将所述充电关键信息特征表示进行映射输出操作，以输出所述待处理用户充电数据对应的数据异常表征参数；
基于所述数据异常表征参数，对所述待处理用户充电数据进行数据采集确认操作，并在确认采集所述待处理用户充电数据的情况下，将所述待处理用户充电数据确定为采集到的目标用户充电数据；
其中，所述将预先搭建的关键信息挖掘网络进行网络优化操作，以形成所述关键信息挖掘网络对应的目标关键信息挖掘网络的步骤，包括：
确定第一用户充电数据对应的内部用户充电数据组合，所述内部用户充电数据组合包括所述第一用户充电数据的至少两个内部用户充电数据，所述至少两个内部用户充电数据属于同一个用户在不同时段的充电数据；
通过关键信息挖掘网络，将所述内部用户充电数据组合中用户充电数据进行关键信息挖掘操作，以形成对应的充电关键信息簇，所述充电关键信息簇包括所述第一用户充电数据对应的充电关键信息特征表示；
基于所述充电关键信息特征表示，分析出所述第一用户充电数据的内部用户充电数据之间的内部匹配参数，并分析出所述内部用户充电数据与外部用户充电数据之间的外部匹配参数，所述外部用户充电数据属于所述第一用户充电数据以外的第二用户充电数据，所述第一用户充电数据和所述第二用户充电数据属于不同的用户的充电数据，且所述第一用户充电数据和所述第二用户充电数据属于同一个时间周期；
基于所述内部匹配参数和所述外部匹配参数，分析出所述第一用户充电数据对应的第一挖掘误差参数，所述第一挖掘误差参数用于反映所述第一用户充电数据对应的内部匹配参数与所述第一用户充电数据对应的外部匹配参数之间的挖掘误差程度；
基于所述充电关键信息特征表示进行充电偏好信息识别操作，以输出所述内部用户充电数据在充电偏好信息具有的预测可能性第一参数、所述内部用户充电数据在所述充电偏好信息具有的预测可能性第二参数；
基于所述预测可能性第一参数和所述预测可能性第二参数，分析出所述第一用户充电数据对应的第二挖掘误差参数，所述第二挖掘误差参数用于反映所述第一用户充电数据的预测可能性第一参数和所述第一用户充电数据的所述预测可能性第二参数之间的挖掘误差程度；
基于所述第一挖掘误差参数和所述第二挖掘误差参数，将所述关键信息挖掘网络进行网络优化操作，以形成目标关键信息挖掘网络。
2.如权利要求1所述的新能源汽车的充电数据采集方法，其特征在于，在所述基于所述充电关键信息特征表示进行充电偏好信息识别操作，以输出所述内部用户充电数据在充电偏好信息具有的预测可能性第一参数、所述内部用户充电数据在所述充电偏好信息具有的预测可能性第二参数的步骤之后，所述新能源汽车的充电数据采集方法还包括：
基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成对应的分类标识数据和所述内部用户充电数据在分类标识数据对应的分类可能性程度；
基于所述分类可能性程度，确定出不同的第一用户充电数据在目标分类标识数据具有的第三挖掘误差参数，不同的第一用户充电数据是指对应的用户相同但不属于同一个时间周期的充电数据；
所述基于所述第一挖掘误差参数和所述第二挖掘误差参数，将所述关键信息挖掘网络进行网络优化操作，以形成目标关键信息挖掘网络的步骤，包括：
基于所述第一挖掘误差参数、所述第二挖掘误差参数和所述第三挖掘误差参数，将所述关键信息挖掘网络进行网络优化操作，以形成目标关键信息挖掘网络。
3.如权利要求2所述的新能源汽车的充电数据采集方法，其特征在于，所述基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成对应的分类标识数据和所述内部用户充电数据在分类标识数据对应的分类可能性程度的步骤，包括：
基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成对应的分类标识数据；
对所述分类标识数据和所述充电偏好信息进行对比分析操作，以形成所述内部用户充电数据在分类标识数据对应的分类可能性程度；
其中，所述基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成对应的分类标识数据的步骤，包括：
将所述充电关键信息特征表示进行标识对比分析操作，以形成具有标识数据的充电关键信息特征表示；
将所述具有标识数据的充电关键信息特征表示进行分类操作，以形成对应的分类集合；
对所述分类集合中，数目最大的一个标识数据进行标记操作，以形成所述分类集合对应的分类标识数据。
4.如权利要求1所述的新能源汽车的充电数据采集方法，其特征在于，所述内部用户充电数据组合包括第一内部用户充电数据和第二内部用户充电数据；以及，所述基于所述充电关键信息特征表示进行充电偏好信息识别操作，以输出所述内部用户充电数据在充电偏好信息具有的预测可能性第一参数、所述内部用户充电数据在所述充电偏好信息具有的预测可能性第二参数的步骤，包括：
基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成所述内部用户充电数据在每一个充电偏好信息的原始分类可能性程度参数；
将所述原始分类可能性程度参数进行分解操作，以形成所述第一内部用户充电数据在每一个充电偏好信息对应的预测可能性第一参数和所述第二内部用户充电数据在每一个充电偏好信息对应的预测可能性第二参数。
5.如权利要求4所述的新能源汽车的充电数据采集方法，其特征在于，所述基于所述预测可能性第一参数和所述预测可能性第二参数，分析出所述第一用户充电数据对应的第二挖掘误差参数的步骤，包括：
基于目标充电偏好信息的所述预测可能性第一参数和所述目标充电偏好信息的所述预测可能性第二参数，分析出所述第一用户充电数据在目标充电偏好信息的预测可能性第一区别数据；
基于所述目标充电偏好信息的所述预测可能性第一参数、所述目标充电偏好信息的所述预测可能性第二参数、其它充电偏好信息的所述预测可能性第一参数和所述其它充电偏好信息的所述预测可能性第二参数，分析出所述第一用户充电数据在目标充电偏好信息和其它充电偏好信息之间的预测可能性第二区别数据；
基于所述预测可能性第一区别数据和所述预测可能性第二区别数据，分析出所述第一用户充电数据的待处理第二挖掘误差参数，所述待处理第二挖掘误差参数用于反映所述第一用户充电数据的预测可能性第一参数和所述第一用户充电数据的所述预测可能性第二参数之间在所述目标充电偏好信息的挖掘误差程度；
基于所述待处理第二挖掘误差参数得到对应的第二挖掘误差参数。
6.如权利要求4所述的新能源汽车的充电数据采集方法，其特征在于，所述基于所述预测可能性第一参数和所述预测可能性第二参数，分析出所述第一用户充电数据对应的第二挖掘误差参数的步骤，包括：
基于所述第一内部用户充电数据在每一个充电偏好信息对应的预测可能性第一参数和所述第二内部用户充电数据在每一个充电偏好信息对应的预测可能性第二参数，分析出所述第一用户充电数据对应的待分析第二挖掘误差参数，所述待分析第二挖掘误差参数用于反映所述第一用户充电数据的预测可能性第一参数和所述第一用户充电数据的所述预测可能性第二参数之间在不同充电偏好信息具有的挖掘误差程度；
基于所述待分析第二挖掘误差参数得到对应的第二挖掘误差参数。
7.一种新能源汽车的充电数据采集系统，其特征在于，包括：
网络优化模块，用于将预先搭建的关键信息挖掘网络进行网络优化操作，以形成所述关键信息挖掘网络对应的目标关键信息挖掘网络；
关键信息挖掘模块，用于通过所述目标关键信息挖掘网络，将接收到的待处理用户充电数据进行关键信息挖掘操作，以输出对应的充电关键信息特征表示；
映射输出模块，用于通过映射输出网络，将所述充电关键信息特征表示进行映射输出操作，以输出所述待处理用户充电数据对应的数据异常表征参数；
采集确认模块，用于基于所述数据异常表征参数，对所述待处理用户充电数据进行数据采集确认操作，并在确认采集所述待处理用户充电数据的情况下，将所述待处理用户充电数据确定为采集到的目标用户充电数据；
其中，所述网络优化模块包括：
第一网络优化子模块，用于确定第一用户充电数据对应的内部用户充电数据组合，所述内部用户充电数据组合包括所述第一用户充电数据的至少两个内部用户充电数据，所述至少两个内部用户充电数据属于同一个用户在不同时段的充电数据；
第二网络优化子模块，用于通过关键信息挖掘网络，将所述内部用户充电数据组合中用户充电数据进行关键信息挖掘操作，以形成对应的充电关键信息簇，所述充电关键信息簇包括所述第一用户充电数据对应的充电关键信息特征表示；
第三网络优化子模块，用于基于所述充电关键信息特征表示，分析出所述第一用户充电数据的内部用户充电数据之间的内部匹配参数，并分析出所述内部用户充电数据与外部用户充电数据之间的外部匹配参数，所述外部用户充电数据属于所述第一用户充电数据以外的第二用户充电数据，所述第一用户充电数据和所述第二用户充电数据属于不同的用户的充电数据，且所述第一用户充电数据和所述第二用户充电数据属于同一个时间周期；
第四网络优化子模块，用于基于所述内部匹配参数和所述外部匹配参数，分析出所述第一用户充电数据对应的第一挖掘误差参数，所述第一挖掘误差参数用于反映所述第一用户充电数据对应的内部匹配参数与所述第一用户充电数据对应的外部匹配参数之间的挖掘误差程度；
第五网络优化子模块，用于基于所述充电关键信息特征表示进行充电偏好信息识别操作，以输出所述内部用户充电数据在充电偏好信息具有的预测可能性第一参数、所述内部用户充电数据在所述充电偏好信息具有的预测可能性第二参数；
第六网络优化子模块，用于基于所述预测可能性第一参数和所述预测可能性第二参数，分析出所述第一用户充电数据对应的第二挖掘误差参数，所述第二挖掘误差参数用于反映所述第一用户充电数据的预测可能性第一参数和所述第一用户充电数据的所述预测可能性第二参数之间的挖掘误差程度；
第七网络优化子模块，用于基于所述第一挖掘误差参数和所述第二挖掘误差参数，将所述关键信息挖掘网络进行网络优化操作，以形成目标关键信息挖掘网络。
8.如权利要求7所述的新能源汽车的充电数据采集系统，其特征在于，所述第五网络优化子模块，具体用于：
基于所述充电关键信息特征表示，将所述内部用户充电数据进行分类操作，以形成所述内部用户充电数据在每一个充电偏好信息的原始分类可能性程度参数；
将所述原始分类可能性程度参数进行分解操作，以形成第一内部用户充电数据在每一个充电偏好信息对应的预测可能性第一参数和第二内部用户充电数据在每一个充电偏好信息对应的预测可能性第二参数。
CN202311201624.5A 2023-09-18 2023-09-18 一种新能源汽车的充电数据采集方法及系统 Active CN117113033B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311201624.5A CN117113033B (zh) 2023-09-18 2023-09-18 一种新能源汽车的充电数据采集方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311201624.5A CN117113033B (zh) 2023-09-18 2023-09-18 一种新能源汽车的充电数据采集方法及系统

Publications (2)

Publication Number Publication Date
CN117113033A CN117113033A (zh) 2023-11-24
CN117113033B true CN117113033B (zh) 2024-11-08

Family

ID=88805567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311201624.5A Active CN117113033B (zh) 2023-09-18 2023-09-18 一种新能源汽车的充电数据采集方法及系统

Country Status (1)

Country Link
CN (1) CN117113033B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115840922A (zh) * 2022-09-15 2023-03-24 杭州齐智科技有限公司 一种基于深度学习算法的充电异常行为分析方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111859057B (zh) * 2020-09-22 2020-12-04 上海冰鉴信息科技有限公司 数据特征处理方法及数据特征处理装置
CN114565008A (zh) * 2022-01-12 2022-05-31 西安理工大学 基于长短时记忆自编码器的锂电池异常检测方法
CN114638440B (zh) * 2022-05-17 2022-08-09 国网湖北省电力有限公司经济技术研究院 一种基于充电桩使用度的充电负荷超短期预测方法
CN115792637A (zh) * 2022-12-09 2023-03-14 杭州电子科技大学 一种锂电池健康状态估算方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115840922A (zh) * 2022-09-15 2023-03-24 杭州齐智科技有限公司 一种基于深度学习算法的充电异常行为分析方法

Also Published As

Publication number Publication date
CN117113033A (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
CN116126947B (zh) 应用于企业管理系统的大数据分析方法及系统
CN117113033B (zh) 一种新能源汽车的充电数据采集方法及系统
CN116821777B (zh) 一种新型基础测绘数据整合方法及系统
CN116757870A (zh) 一种能源物联网的智慧能源监控数据处理方法及系统
CN116070149A (zh) 基于人工智能的数据分析方法、系统及云平台
CN113538735B (zh) 一种车辆用途识别方法及装置
CN115484044A (zh) 一种数据状态的监控方法及系统
CN117113507B (zh) 一种基于建筑信息化的数据采集方法及系统
CN117141290A (zh) 一种新能源汽车的充电管控方法及系统
CN117251790B (zh) 一种智慧物流数据的采集方法及系统
CN113673430A (zh) 一种基于物联网的用户行为分析方法
CN117150065B (zh) 一种图像信息的采集方法及系统
CN114880298A (zh) 一种智慧城市数据的共享方法及系统
CN115687792B (zh) 针对在线互联网服务的大数据采集方法及系统
CN116994609B (zh) 应用于智能生产线的数据分析方法及系统
CN116996403B (zh) 应用ai模型的网络流量诊断方法及系统
CN115980279B (zh) 氖气纯度检测系统的稳定性优化方法及系统
CN114978040B (zh) 基于太阳能电池数据的衰减状况分析方法及系统
CN117668962A (zh) 一种基于建筑信息化的监控方法及系统
CN114880714A (zh) 一种基于智慧城市数据共享的数据安全校验方法及系统
CN116958838B (zh) 一种基于无人机航测技术的森林资源监测方法及系统
CN116662415B (zh) 基于数据挖掘的智能匹配方法及系统
CN114156495B (zh) 基于大数据的叠层电池装配处理方法及系统
CN117201183A (zh) 一种互联网设备的安全访问方法及系统
CN117220939A (zh) 一种互联网设备的安全监控方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20241016

Address after: 056000 Within the Gengle Service Area of National Highway 309, Youshang Village, Gengle Town, Shexian County, Handan City, Hebei Province

Applicant after: Shexian Zhongneng Tong New Energy Technology Co.,Ltd.

Country or region after: China

Address before: Room 3005, Building B, Building 2, Phase 4, Jingji Yujing Impression, No. 1 Zhenhuan Road, Pinghuan Community, Malan Street, Pingshan District, Shenzhen City, Guangdong Province, 518118

Applicant before: Shenzhen Hengmaixiang Technology Co.,Ltd.

Country or region before: China

GR01 Patent grant