CN118534240A - 一种非侵入式电动自行车电池识别技术 - Google Patents

Abstract

本申请公开了一种非侵入式电动自行车电池识别技术，涉及非侵入式负荷分解技术领域，所述非侵入式电动自行车电池识别技术，包括：获取用户用电网络的实时样本电流信号；对实时样本电流信号进行小波变换，获得实时样本电流信号各层的小波细节系数；基于小波细节系数确定电动自行车电池的充电指示特征值；根据充电指示特征值进行电动自行车电池识别。由于对抽样获得的实时样本电流信号进行小波变换处理以完成对用户用电网络的干路电流信号不同频段信号的分离，进而实现对不同频段信号的特征提取并与特定段纹波分布比对，以完成用户用电网络潜在电动自行车充电行为评估，可有效地避免基于图像识别技术的电动自行车入户识别装置的盲区，且更具实用性。

Description

一种非侵入式电动自行车电池识别技术

技术领域

本申请涉及非侵入式负荷分解技术领域，尤其涉及非侵入式电动自行车电池识别技术。

背景技术

经研究表明，电气火灾尤其是重特大电气火灾的高发不止与电气线路故障等因素有关，还有部分人员违规将电动自行车或其电池私自带入室内充电而诱发的热失控所致。为了保障用户的生命财产的安全及电力系统的安全运行，科学界及工业界开发了大量基于图像识别技术的电动自行车入户识别装置，并且随着人工智能技术的不断发展，各类图像识别算法被移植其中，其对电动自行车的识别准确度也日益提高。

此类电动自行车入户识别装置的大量应用极大地降低了部分人员私自将电动自行车带入室内充电的风险，但由于便携式、小型化的锂电池的大面积推广应用使得用户可直接将电动自行车电池进行拆卸后再带入室内或住宅楼道间充电，而基于图像识别技术的电动自行车入户识别装置多安装于电梯或住宅楼入口处且只能识别电动自行车而非其内部的电池，致使其对电动自行车违禁入户充电的识别存在较大的防控漏洞。

上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。

发明内容

本申请的主要目的在于提供一种非侵入式电动自行车电池识别技术，旨在解决现有基于图像识别技术的电动自行车入户识别装置很难甚至无法识别用户私自将电动自行车电池拆卸带入室内或楼道间充电的技术问题。

为实现上述目的，本申请提出一种非侵入式电动自行车电池识别技术，所述非侵入式电动自行车电池识别技术包括：

获取用户用电网络的干路电流信号；

基于所述干路电流信号的周期特征对所述干路电流信号序列进行等间隔抽取，获得实时样本电流信号；

对所述实时样本电流信号进行小波变换，获得所述实时样本电流信号各层的小波细节系数；

基于所述小波细节系数确定电动自行车电池的充电指示特征值；

根据所述充电指示特征值进行电动自行车电池识别。

在一实施例中，所述基于所述小波细节系数确定电动自行车电池的充电指示特征值的步骤，包括：

基于所述小波细节系数确定所述实时样本电流信号各层之间的相关系数；

基于所述相关系数确定电动自行车电池的充电指示特征值。

在一实施例中，所述基于所述相关系数确定电动自行车电池的充电指示特征值的步骤，包括：

确定所述相关系数的五次方根，将所述五次方根作为电动自行车电池的充电指示特征值；

和/或，确定所述相关系数与含电动自行车充电电流相关系数的协方差，并将所述协方差作为电动自行车电池的充电指示特征。

在一实施例中，所述根据所述充电指示特征值进行电动自行车电池识别的步骤，包括：

获取指示特征阈值；

基于所述充电指示特征值和所述指示特征阈值进行判断；

在所述充电指示特征值均大于所述指示特征阈值时，确定存在正在充电的电动自行车或电动自行车电池；

在存在不大于所述指示特征阈值的充电指示特征值时，确定不存在正在充电的电动自行车或电动自行车电池。

在一实施例中，所述基于所述充电指示特征值和所述指示特征阈值进行判断的步骤之后，还包括：

确定大于所述指示特征阈值的充电指示特征值占比；

若所述充电指示特征值占比超出预设占比阈值，则确定所述用户用电网络中存在潜在的电动自行车电池充电行为。

本申请提出的一个或多个技术方案，至少具有以下技术效果：

本申请通过获取用户用电网络的干路电流信号；基于干路电流信号的周期特征对干路电流信号序列进行等间隔抽取，获得实时样本电流信号；对实时样本电流信号进行小波变换，获得实时样本电流信号各层的小波细节系数；基于小波细节系数确定电动自行车电池的充电指示特征值；根据充电指示特征值进行电动自行车电池识别。由于是通过对用户用电网络干路电流信号进行抽样计算，并对抽样获得的实时样本电流信号进行小波变换处理以完成对用户用电网络的干路电流信号不同频段信号的分离，进而实现对不同频段信号进行特征提取并与特定段纹波分布比对，以完成用户用电网络潜在电动自行车充电行为的评估，相较于传统的基于图像识别技术进行电动自行车电池识别的方案，本申请的方案可有效地避免基于图像识别技术的电动自行车入户识别装置的盲区，且更具有实用性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请非侵入式电动自行车电池识别技术实施例一提供的流程示意图；

图2为本申请实施例电动自行车电池识别装置的模块结构示意图；

图3为本申请实施例中非侵入式电动自行车电池识别技术涉及的硬件运行环境的设备结构示意图。

本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本申请的技术方案，并不用于限定本申请。

为了更好地理解本申请的技术方案，下面将结合说明书附图以及具体的实施方式进行详细的说明。

本申请实施例的主要解决方案是：获取用户用电网络的干路电流信号；基于所述干路电流信号的周期特征对所述干路电流信号序列进行等间隔抽取，获得实时样本电流信号；对实时样本电流信号进行小波变换，获得实时样本电流信号各层的小波细节系数；基于小波细节系数确定电动自行车电池的充电指示特征值；根据充电指示特征值进行电动自行车电池识别。

目前现有技术是通过图像识别技术来进行电动自行车入户识别，对于电动车电池这种便携式部件无法进行有效防控。

本申请提供一种解决方案，采用了非侵入式负荷分解技术，利用用户用电网络的电流、电压等信息分析用户用电网络中的负载情况，可以实现对用户用电网络中潜在的电动自行车或电动自行车电池的充电行为进行预警，从而有效地避免基于图像识别技术的电动自行车入户识别装置的盲区。

需要说明的是，本实施例的执行主体可以是一种具有数据处理、网络通信以及程序运行功能的计算服务设备，例如服务器、计算机等，或者是一种能够实现上述功能的电子设备、电路保护装置、虚拟装置等。以下以电动自行车电池识别设备（简称识别设备）为例，对本实施例及下述各实施例进行说明。

基于此，本申请实施例提供了一种非侵入式电动自行车电池识别技术，参照图1，图1为本申请非侵入式电动自行车电池识别技术第一实施例的流程示意图。

本实施例中，所述非侵入式电动自行车电池识别技术包括步骤S10~S40：

步骤S10，获取用户用电网络的干路电流信号；

步骤S20，基于所述干路电流信号的周期特征对所述干路电流信号序列进行等间隔抽取，获得实时样本电流信号；

需要说明的是，为了避免用户携带便携式、小型化的电池进入室内或住宅楼道间等待监测区域进行充电，设备识别可以对待监测区域对应的用户用电网络中的电流信号进行实时监测，以获得用户用电网络的干路电流信号，通过对该干路电流信号进行采样，即可获得实时样本电流信号。

应当理解的是，对于用户用电网络中的用电行为，可以通过对实时样本电流信号进行解析确定。具体地，对于电动自行车电池充电的行为，识别设备可以通过检测实时样本电流信号中是否含有充电相关的指示特征进行判断。

在本申请实施例中，可以通过高精度电流互感器或其他装置，并于用户配电进线处实时采集用户用电网络中的干路电流信号，获得干路电流信号序列。

需要说明的是，对于非侵入式的电荷识别技术，一般可以以秒为单位进行负荷分解。因此，在本申请实施例中上述干路电流信号序列可以是指某一秒对应的电流信号序列。此外，对于不同的电动自行车充电器，以及电动自行车电池对于电压的响应特性，可以确定进行电流信号采样的采样频率。如，电流信号序列采样频率为40k时，某一秒干路电流信号序列对应的长度为40k。

另外，还需要说明的是，对于电动自行车电池进行充电的充电电流，虽然其由于受整流桥等元器件的影响，不再是标准的正弦波，但其交流侧的周期性仍然存在。因此，为了确定电动自行车电池的充电特性，本申请实施例中需至少观察一个完整周期的电流信号。

需要解释的是，本申请实施例中不对干路电流信号的长度进行限制，可以根据具体应用中的情况去确定，如一个电流周波或多个电流周波等。

需要说明的是，对于一秒内的抽取次数，本申请实施例不加以限制，可以是4次、5次或者其他次数。为了便于描述，本申请实施例中以5次为例对本申请的方案加以说明。

在本申请实施例的一种实现方式中，基于本申请的电流信号采样频率以及周期，可以确定抽样电流信号的长度。如，采样频率为40k、一秒内的周期数量为50个时，对应的抽样电流信号长度为800。为了满足等间隔的抽样原则，对于第一组抽样信号，也即将在前10个周期内随机抽取，获得长度为800的子序列，以此类推，则是与间隔9个电流周波后的第10个电流周波。

在具体实现中，识别设备可以获取用户用电网络的干路电流信号，并基于干路电流信号的周期特征对干路电流信号序列进行等间隔抽取，获得实时样本电流信号。由于是通过抽样计算的方式获取实时样本电流信号，既可以满足电动自行车充电识别算法的抗干扰能力，同时又能极大地降低需要处理的数据运算量，减少了对识别设备的算力需求。

步骤S30，对所述实时样本电流信号进行小波变换，获得所述实时样本电流信号各层的小波细节系数；

应当理解的是，通过对实时样本电流信号进行小波变换，可以获得若干个小波变换层。对于小波变换层的数量，可以根据实际应用中的需求进行选择，本申请实施例对此不加以限制。为了便于描述，本申请实施例中以4层为例，对本申请的方案加以说明。

在本申请实施例的一种实现方式中，可以采用小波基为多贝西小波系列中的db4小波函数进行小波变换，获得各层的小波细节系数，其中为小波变换层数，为抽样的组数，为小波细节系数中的第个值。

步骤S40，基于所述小波细节系数确定电动自行车电池的充电指示特征值；

步骤S50，根据所述充电指示特征值进行电动自行车电池识别。

需要说明的是，在对电动自行车电池进行充电时，其会产生一些特定的电流信号。该电流信号通常包含了电池充电过程中的各种细微变化，如纹波特征、电压变化、电流波动等，通过小波细节系数，可以实现对电池中细微信息的捕捉，从而判断用户用电网络中是否存在电动自行车电池的充电指示特征。

可以理解的是，上述充电指示特征值也即用于判断用户用电网络中是否存在正在充电的电动自行车电池的特征值。在用户用电网络中的充电指示特征值高出预设阈值时，可以说明用户用电网络中可能潜在有正在充电的电动自行车电池；若充电指示特征值低于预设阈值，则不存在正在充电的电动自行车电池。

在具体实现中，识别设备通过对实时样本电流信号进行小波变换，获得实时样本电流信号各层的小波细节系数；基于小波细节系数确定电动自行车电池的充电指示特征值；根据充电指示特征值进行电动自行车电池识别。由于是通过对用户用电网络中的实时样本电流信号进行小波变换，进而实现对电流信号的分析，相较于使用图像识别技术进行电动自行车电池识别的方案，本申请的方案具备更广的识别范围和适用性。

在本申请实施例的一种实现方式中，所述基于所述小波细节系数确定电动自行车电池的充电指示特征值的步骤，包括：

步骤S31，基于所述小波细节系数确定所述实时样本电流信号各层之间的相关系数；

步骤S32，基于所述相关系数确定电动自行车电池的充电指示特征值。

需要说明的是，为了更好地滤除外部谐波的干扰，本申请实施例中增加了实时样本电流信号在不同尺度下小波细节系数相关性的计算，进而提高了识别的准确性。

具体地，小波细节系数的相关系数的计算方式如下所示：

；

可以理解的是，通过计算可得出第一层小波细节系数与第二层小波细节系数的相关系数为，第二层小波细节系数与第三层小波细节系数的相关系数为，第三层小波细节系数与第四层小波细节系数的相关系数为。

本申请实施例中，以求取第一层小波细节系数与第二层小波细节系数的相关系数以及第三层小波细节系数与第四层小波细节系数的相关系数为例进行说明。

需要说明的是，为了更为贴近电动自行车电池充电电流的纹波特征，本申请实施例基于小波细节系数的相关性系数，进行五次方根和/或协方差计算，从而获得充电指示特征值。也即，所述基于所述相关系数确定电动自行车电池的充电指示特征值的步骤，包括：

确定所述相关系数对应的五次方根，将所述五次方根作为电动自行车电池的充电指示特征值。

和/或，确定所述相关系数与含电动车充电电流相关系数的协方差，并将所述协方差作为电动自行车电池的充电指示特征值。

在本申请实施例的一种实现方式中，可以计算与的五次方根和。具体地，计算方法可以如下所示：

；

；

在本申请实施例的一种实现方式中，可以计算与与包含电动自行车充电电流与的协方差和。具体地，计算方法可以如下所示：

；

；

可以理解的是，在确定各相关系数对应的五次方根时，即可将该五次方根作为电动自行车的充电指示特征。在确定各相关系数对应的协方差时，即可将该协方差作为电动自行车的充电指示特征。在实际应用中，充电指示特征可以是五次方根和/或协方差，本申请实施例对此不加以限制。

应当理解的是，该充电指示特征具有不受其他用电负荷电流干扰，且与电动自行车电池的电流信号强相关的特点。

本申请实施例通过基于小波细节系数确定实时样本电流信号各层之间的相关系数；确定相关系数对应的五次方根及协方差，将五次方根及协方差作为电动自行车电池的充电指示特征值。由于是通过确定不同小波变换层之间小波细节系数的相关系数，能够更好地滤除外部谐波的干扰；同时通过小波细节系数的相关系数的五次方根及协方差作为电动自行车电池充电的充电指示特征，能够更为贴近电动自行车充电电流的纹波特征，且不受其他用电负荷的影响，能够确保本申请提出的非侵入式非侵入式电动自行车电池识别技术对违禁电动自行车充电识别的可靠性及抗干扰能力，提高了本申请方案的实用性。

在本申请实施例的一种实现方式中，所述根据所述充电指示特征值进行电动自行车电池识别的步骤，包括：

步骤S41，获取指示特征阈值；

步骤S21，基于所述充电指示特征值和所述指示特征阈值进行判断；

步骤S43，在所述充电指示特征值均大于所述指示特征阈值时，确定存在正在充电的电动自行车电池；

步骤S44，在存在不大于所述指示特征阈值的充电指示特征值时，确定不存在正在充电的电动自行车电池。

可以理解的是，上述指示特征阈值也即预先设置的特征阈值，通过该阈值可以判断用户用电网络中是否存在正在充电的电动自行车电池。该指示特征阈值的获取方式可以是基于先验知识进行设定，如基于特定频段的纹波分布获得，也可以是基于深度学习等方法生成，本申请实施例对此不加以限制。

需要说明的是，对于各层对应的指示特征阈值，其值可以相同也可以不同，本申请实施例对此不加以限制。

应当理解的是，通过将各小波变换层的充电指示特征值与指示特征阈值进行比对，若充电指示特征值超过指示特征阈值，则可以视为用户用电网络中出现疑似电动自行车电池类的负荷。

在本申请实施例的一种实现方式中，可以将和与其对应的指示特征阈值进行比较，若和均超过预设阈值，则可以视为用户用电网络中出现疑似电动自行车电池类的负荷。示例性的，在本申请实施例中，电动自行车的上述指示特征阈值的取值可以为5，也可以是其他数值，本申请实施例对此不加以限制。

可以理解的是，基于上述只是特征阈值进行判断，在满足判断条件时，可以认为用户用电网络中存在潜在的电动自行车电池充电行为。

在本申请实施例的一种实现方式中，所述基于所述充电指示特征值和所述指示特征阈值进行判断的步骤之后，还包括：

确定大于所述指示特征阈值的充电指示特征值占比；

若所述充电指示特征值占比超出预设占比阈值，则确定所述用户用电网络中存在潜在的电动自行车电池充电行为。

需要说明的是，为了降低误判断的可能，本申请实施例可以设置有预设占比阈值。在大于指示特征阈值的充电指示特征值占总充电指示特征的比例超出预设占比阈值时，可以认为用户用电网络中存在潜在的电动自行车电池充电行为。

本申请实施例通过获取指示特征阈值；基于充电指示特征值和指示特征阈值进行判断；在充电指示特征值均大于指示特征阈值时，确定存在正在充电的电动自行车电池；在存在不大于指示特征阈值的充电指示特征值时，确定不存在正在充电的电动自行车电池。由于是基于充电指示特征值和指示特征阈值进行判断，从而对用户用电网络中潜在电动自行车电池的充电行为进行评估，与传统基于图像识别的电动自行车入户识别方法相比，本方案技术实现简单，仅需通过对用户配电进线处的干路电流的抽样计算即可完成所述电动自行车充电指示特征的计算，计算复杂度较低，计算量也更少，同时可以有效避免基于图像识别技术的电动自行车入户识别装置的盲区。

本申请实施例实现简单，仅需对用户干路电流信号进行少量的抽样计算即可实现对用户用电网络内潜在的电动自行车充电行为进行监测，可有效解决现有基于图像识别技术的电动自行车入户识别装置很难甚至无法识别用户私自将电动自行车电池拆卸带入室内或楼道间充电的行业难题，且整体方案的实施对硬件电路要求较低，便于推广应用。

本申请实施例通过获取用户用电网络的实时样本电流信号；对实时样本电流信号进行小波变换，获得实时样本电流信号各层的小波细节系数；基于小波细节系数确定电动自行车电池的充电指示特征值；根据充电指示特征值进行电动自行车电池识别。由于是通过对用户用电网络干路电流信号进行抽样计算，并对抽样获得的实时样本电流信号进行小波变换处理以完成对用户用电网络的干路电流信号不同频段信号的分离，进而实现对不同频段信号进行特征提取并与特定段纹波分布比对，以完成用户用电网络潜在电动自行车充电行为的评估，相较于传统的基于图像识别技术进行电动自行车电池识别的方案，本申请的方案可有效地避免基于图像识别技术的电动自行车入户识别装置的盲区，且更具有实用性。

本申请还提供一种电动自行车电池识别装置，请参照图2，所述电动自行车电池识别装置包括：

信号获取模块10，用于获取用户用电网络的实时样本电流信号；

信号分解模块20，用于对所述实时样本电流信号进行小波变换，获得所述实时样本电流信号各层的小波细节系数；

特征确定模块30，用于基于所述小波细节系数确定电动自行车电池的充电指示特征值；

充电识别模块40，用于根据所述充电指示特征值进行电动自行车电池识别。

本申请提供的电动自行车电池识别装置，采用上述实施例中的非侵入式电动自行车电池识别技术，能够解决所述的技术问题。与现有技术相比，本申请提供的电动自行车电池识别装置的有益效果与上述实施例提供的非侵入式电动自行车电池识别技术的有益效果相同，且所述电动自行车电池识别装置中的其他技术特征与上述实施例方法公开的特征相同，在此不做赘述。

本申请提供一种电动自行车电池识别设备，电动自行车电池识别设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述实施例一中的非侵入式电动自行车电池识别技术。

下面参考图3，其示出了适于用来实现本申请实施例的电动自行车电池识别设备的结构示意图。本申请实施例中的电动自行车电池识别设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（Personal Digital Assistant：个人数字助理）、PAD（Portable Application Description：平板电脑）、PMP（Portable Media Player：便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电动自行车电池识别设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图3所示，电动自行车电池识别设备可以包括处理装置1001（例如中央处理器、图形处理器等），其可以根据存储在只读存储器（ROM：Read Only Memory）1002中的程序或者从存储装置1003加载到随机访问存储器（RAM：Random Access Memory）1004中的程序而执行各种适当的动作和处理。在RAM1004中，还存储有电动自行车电池识别设备操作所需的各种程序和数据。处理装置1001、ROM1002以及RAM1004通过总线1005彼此相连。输入/输出（I/O）接口1006也连接至总线。通常，以下系统可以连接至I/O接口1006：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置1007；包括例如液晶显示器（LCD：Liquid Crystal Display）、扬声器、振动器等的输出装置1008；包括例如磁带、硬盘等的存储装置1003；以及通信装置1009。通信装置1009可以允许电动自行车电池识别设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种系统的电动自行车电池识别设备，但是应理解的是，并不要求实施或具备所有示出的系统。可以替代地实施或具备更多或更少的系统。

特别地，根据本申请公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置从网络上被下载和安装，或者从存储装置1003被安装，或者从ROM1002被安装。在该计算机程序被处理装置1001执行时，执行本申请公开实施例的方法中限定的上述功能。

本申请提供的电动自行车电池识别设备，采用上述实施例中的非侵入式电动自行车电池识别技术，能解决所述的技术问题。与现有技术相比，本申请提供的电动自行车电池识别设备的有益效果与上述实施例提供的非侵入式电动自行车电池识别技术的有益效果相同，且该电动自行车电池识别设备中的其他技术特征与上一实施例方法公开的特征相同，在此不做赘述。

应当理解，本申请公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

本申请提供一种计算机可读存储介质，具有存储在其上的计算机可读程序指令（即计算机程序），计算机可读程序指令用于执行上述实施例中的非侵入式电动自行车电池识别技术。

本申请提供的计算机可读存储介质例如可以是U盘，但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。计算机可读存储介质的更具体地例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM：Random Access Memory）、只读存储器（ROM：Read Only Memory）、可擦式可编程只读存储器（EPROM：Erasable Programmable Read Only Memory或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM：CD-Read Only Memory）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（Radio Frequency：射频）等等，或者上述的任意合适的组合。

上述计算机可读存储介质可以是电动自行车电池识别设备中所包含的；也可以是单独存在，而未装配入电动自行车电池识别设备中。

上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被电动自行车电池识别设备执行时，使得电动自行车电池识别设备：

获取用户用电网络的实时样本电流信号；

对所述实时样本电流信号进行小波变换，获得所述实时样本电流信号各层的小波细节系数；

基于所述小波细节系数确定电动自行车电池的充电指示特征值；

根据所述充电指示特征值进行电动自行车电池识别。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN：Local Area Network）或广域网（WAN：Wide Area Network）—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该单元本身的限定。

本申请提供的可读存储介质为计算机可读存储介质，所述计算机可读存储介质存储有用于执行上述非侵入式电动自行车电池识别技术的计算机可读程序指令（即计算机程序），能够解决所述的技术问题。与现有技术相比，本申请提供的计算机可读存储介质的有益效果与上述实施例提供的非侵入式电动自行车电池识别技术的有益效果相同，在此不做赘述。

本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的非侵入式电动自行车电池识别技术的步骤。

本申请提供的计算机程序产品能够解决所述的技术问题。与现有技术相比，本申请提供的计算机程序产品的有益效果与上述实施例提供的非侵入式电动自行车电池识别技术的有益效果相同，在此不做赘述。

以上所述仅为本申请的部分实施例，并非因此限制本申请的专利范围，凡是在本申请的技术构思下，利用本申请说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本申请的专利保护范围内。

Claims (5)

1.一种非侵入式电动自行车电池识别技术，其特征在于，所述方法包括：

获取用户用电网络的干路电流信号；

基于所述干路电流信号的周期特征对所述干路电流信号序列进行等间隔抽取，获得实时样本电流信号；

对所述实时样本电流信号进行小波变换，获得所述实时样本电流信号各层的小波细节系数；

基于所述小波细节系数确定电动自行车电池的充电指示特征值；

根据所述充电指示特征值进行电动自行车电池识别。

2.如权利要求1所述的非侵入式电动自行车电池识别技术，其特征在于，所述基于所述小波细节系数确定电动自行车电池的充电指示特征值的步骤，包括：

基于所述小波细节系数确定所述实时样本电流信号各层之间的相关系数以滤除外界谐波的干扰；

基于所述相关系数确定电动自行车电池的充电指示特征值。

3.如权利要求2所述的非侵入式电动自行车电池识别技术，其特征在于，所述基于所述相关系数确定电动自行车电池的充电指示特征值的步骤，包括：

确定所述相关系数的五次方根，将所述五次方根作为电动自行车电池的充电指示特征值；

和/或，确定所述相关系数与含电动自行车充电电流相关系数的协方差，并将所述协方差作为电动自行车电池的充电指示特征。

4.如权利要求1所述的非侵入式电动自行车电池识别技术，其特征在于，所述根据所述充电指示特征值进行电动自行车电池识别的步骤，包括：

获取指示特征阈值；

基于所述充电指示特征值和所述指示特征阈值进行判断；

在所述充电指示特征值均大于所述指示特征阈值时，确定存在正在充电的电动自行车或电动自行车电池；

在存在不大于所述指示特征阈值的充电指示特征值时，确定不存在正在充电的电动自行车或电动自行车电池。

5.如权利要求4所述的非侵入式电动自行车电池识别技术，其特征在于，所述基于所述充电指示特征值和所述指示特征阈值进行判断的步骤之后，还包括：

确定大于所述指示特征阈值的充电指示特征值占比；

若所述充电指示特征值占比超出预设占比阈值，则确定所述用户用电网络中存在潜在的电动自行车电池充电行为。