CN109934473A - 充电健康指数评分方法、装置、终端设备及存储介质 - Google Patents

Abstract

本申请实施例适用于充电桩技术领域，公开了一种充电健康指数评分方法、装置、终端设备以及计算机可读存储介质，其中，方法包括：获取充电桩上传的电动车充电数据；根据充电数据，识别用户充电行为；根据充电行为和预设评分规则，计算充电健康分值。本申请实施例实现了对用户充电行为的分析，通过充电健康分值来反应充电行为分析结果，使得用户直观地了解到充电行为是否安全健康，提高了用户充电体验。

Description

充电健康指数评分方法、装置、终端设备及存储介质

技术领域

本申请属于充电桩技术领域，尤其涉及一种充电健康指数评分方法、装置、终端设备以及计算机可读存储介质。

背景技术

随着科学技术的不断发展，电动车的应用越来越广泛。

目前，车主一般是使用充电站为电动车充电的，车主利用手机等移动终端扫描支付后，充电桩的相应插座就会通电，然后，车主可以通过电动车的适配器、充电线将电动车连接至充电桩的相应插座，以为电动车充电。

现有阶段，针对充电用户的分析维度只有充电频次和充电金额等基础信息，还没有对充电用户的充电行为进行分析、评分或引导。而用户往往缺乏安全意识，缺乏一定的专业知识，无法正确认识自身充电行为是否对电池有影响、是否存在安全隐患、是否健康，使得用户无法及时了解到自身不当充电行为的危害，也无法得知采取何种应对措施，用户充电体验较差。

发明内容

有鉴于此，本申请实施例提供一种充电健康指数评分方法、装置、终端设备以及计算机可读存储介质，以解决现有技术中没有对用户充电行为进行分析，导致用户充电体验较差的问题。

本申请实施例的第一方面提供一种充电健康指数评分方法，包括：

获取充电桩上传的电动车充电数据；

根据所述充电数据，识别用户充电行为；

根据所述充电行为和预设评分规则，计算充电健康分值。

结合第一方面，在一种可行的实现方式中，所述根据所述充电数据，识别用户充电行为，包括：

根据所述充电数据，识别所述充电数据对应的充电模式；

根据所述充电模式，确定用户充电行为。

结合第一方面，在一种可行的实现方式中，所述根据所述充电数据，识别所述充电数据对应的充电模式，包括：

根据所述充电数据，生成充电曲线，所述充电曲线包括电流曲线；

将所述电流曲线转化为充电曲线样本图片；

将所述充电曲线样本图片输入预先训练的神经网络模型，得到所述充电数据对应的充电模式，所述神经网络模型为基于堆叠稀疏自编码的神经网络；

或者

将所述充电数据输入预先训练的随机森林模型，得到所述充电数据对应的充电模式。

结合第一方面，在一种可行的实现方式中，在所述根据所述充电数据，识别用户充电行为之后，还包括：

根据所述充电行为，生成对应的充电行为提示信息和充电建议信息；

将所述充电行为提示信息和充电建议信息呈现给用户。

结合第一方面，在一种可行的实现方式中，在所述获取充电桩上传的电动车充电数据之前，还包括：

获取用户的激活操作信息；

根据所述激活操作信息，激活所述用户的充电健康指数体系，所述充电健康指数体系包括基础分、充电健康分、信用分以及活跃分；

根据预设初始分值分配规则，为所述用户分配相应的基础分初始分值、充电健康分初始分值、信用分初始分值以及活跃分初始分值。

结合第一方面，在一种可行的实现方式中，在所述根据所述充电行为和预设评分规则，计算充电健康分值之后，还包括：

计算所述充电健康分值、所述基础分、所述信用分以及所述活跃分的相加值；

根据所述相加值和预设等级划分标准，确定所述相加值对应的充电健康指数等级。

结合第一方面，在一种可行的实现方式中，在所述根据预设初始分值分配规则，为所述用户分配相应的基础分初始分值、充电健康分初始分值、信用分初始分值以及活跃分初始分值之后，还包括：

在用户终端无网络下扫描充电时，获取充电桩上报的充电请求指令；

判断所述用户的信用分是否大于或等于预设阈值；

当所述用户的信用分大于或等于所述预设阈值时，向所述充电桩返回充电开启指令，以使所述充电桩根据所述充电开启指令执行供电操作。

本申请实施例的第二方面提供一种充电健康指数评分装置，包括：

充电数据获取模块，用于获取充电桩上传的电动车充电数据；

充电行为识别模块，用于根据所述充电数据，识别用户充电行为；

充电健康分值计算模块，用于根据所述充电行为和预设评分规则，计算充电健康分值。

结合第二方面，在一种可行的实现方式中，所述充电行为识别模块包括：

充电模式识别单元，用于根据所述充电数据，识别所述充电数据对应的充电模式；

充电行为识别单元，用于根据所述充电模式，确定用户充电行为。

结合第二方面，在一种可行的实现方式中，所述充电模式识别单元包括：

充电曲线生成子单元，用于根据所述充电数据，生成充电曲线，所述充电曲线包括电流曲线；

转换子单元，用于将所述电流曲线转化为充电曲线样本图片；

第一输入子单元，用于将所述充电曲线样本图片输入预先训练的神经网络模型，得到所述充电数据对应的充电模式，所述神经网络模型为基于堆叠稀疏自编码的神经网络；

或者

第二输入子单元，用于将所述充电数据输入预先训练的随机森林模型，得到所述充电数据对应的充电模式。

结合第二方面，在一种可行的实现方式中，还包括：

生成模块，用于根据所述充电行为，生成对应的充电行为提示信息和充电建议信息；

呈现模块，用于将所述充电行为提示信息和充电建议信息呈现给用户。

结合第二方面，在一种可行的实现方式中，还包括：

获取模块，用于获取用户的激活操作信息；

激活模块，用于根据所述激活操作信息，激活所述用户的充电健康指数体系，所述充电健康指数体系包括基础分、充电健康分、信用分以及活跃分；

初始分值分配模块，用于根据预设初始分值分配规则，为所述用户分配相应的基础分初始分值、充电健康分初始分值、信用分初始分值以及活跃分初始分值。

结合第二方面，在一种可行的实现方式中，还包括：

计算模块，用于计算所述充电健康分值、所述基础分、所述信用分以及所述活跃分的相加值；

等级划分模块，用于根据所述相加值和预设等级划分标准，确定所述相加值对应的充电健康指数等级。

结合第二方面，在一种可行的实现方式中，还包括：

充电请求指令获取模块，用于在用户终端无网络下扫描充电时，获取充电桩上报的充电请求指令；

判断模块，用于判断所述用户的信用分是否大于或等于预设阈值；

返回模块，用于当所述用户的信用分大于或等于所述预设阈值时，向所述充电桩返回充电开启指令，以使所述充电桩根据所述充电开启指令执行供电操作。

本申请实施例的第三方面提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面任一项所述方法的步骤。

本申请实施例的第四方面提供一种计算机可读存储介质，所述计算机可读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如上述第一方面任一项所述方法的步骤。

本申请实施例与现有技术相比存在的有益效果是：

本申请实施例通过电动车的充电数据，识别出对应的充电模式，根据充电模式确定用户充电行为，并根据用户充电行为和预设评分规则，计算得出对应的充电健康分值，实现了用户充电行为的分析，通过充电健康分值来反应充电行为分析结果，使得用户直观地了解到充电行为是否健康，提高了用户充电体验。

附图说明

为了更清楚地说明本申请实施例中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，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为本申请实施例提供的充电场景示意图；

图2为本申请实施例提供的充电健康指数评分方法的流程示意框图；

图3为本申请实施例提供的充电健康指数评分方法的另一种流程示意框图；

图4为本申请实施例提供的无网络充电流程示意图；

图5为本申请实施例提供的充电模式识别过程的流程示意框图；

图6为本申请实施例提供的基于堆叠稀疏自编码的神经网络示意图；

图7为本申请实施例提供的第一隐藏层输出的电流曲线特征示意图；

图8为本申请实施例提供的第二隐藏层输出的电流曲线特征示意图；

图9为本申请实施例提供的随机森林模型示意图；

图10为本申请实施例提供的充电健康指数评分装置结构示意框图

图11为本申请实施例提供的终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

在介绍本申请实施例的具体技术方案之前，首先对本申请实施例可能涉及的应用场景进行介绍说明。

参见图1示出的充电场景示意图，在该充电场景下包括充电站1、待充电电动车2、服务器3、用户终端4，充电站1内包括至少一个充电桩11。用户终端可以通过运营商网络与后台服务器通信，充电站以及充电桩可以通过充电站内的场地网络与后台服务器通信，用户终端可以通过互联网与充电桩通信。充电桩上有至少一个插座，充电车主可以通过电动车适配器、充电线连接至充电桩的插座上。当充电车主通过用户终端完成充电订单支付之后，后台服务器会控制充电桩相应的插座通电，即可对待充电电动动车进行充电。

其中，用户终端内安装有相应的APP，以实现与后台交互、计算、人机交互等相应业务功能，该用户终端可以具体为手机、平板等智能终端。待充电电动车可以具体为电动自行车、电动摩托车或电动汽车等。

充电车主通过用户终端扫码充电桩上的二维码，用户终端在获取到二维码信息之后跳转至相应的界面；在该界面上，充电车主可以进行充电模式选择、充电金额输入等操作；确定充电订单信息之后，充电桩会将该充电订单上传至服务器，服务器通过与用户终端进行数据交互，完成订单支付之后，服务器会通知充电桩，充电桩则会控制相应插座通电，充电车主则可以开始充电。

在充电过程中，充电桩可以采集充电电流、充电电压、充电功率等充电数据，并将该充电数据上传至服务器。具体地，充电桩在采集到电动车的充电数据之后，向后台服务器上报设备遥测报文，该设备遥测报文可以包括充电电流、电压、充电功率等信息，以使后台服务器可以采集到各个在充电桩上充电的电动车的充电数据。

服务器接收到充电桩上报的充电数据之后，可以相应地绘制充电电流曲线、充电电压曲线、功率曲线等。然后，服务器根据充电电流曲线、电压曲线等数据，识别所上报的充电数据对应的充电模式。在识别出充电模式之后，可以根据充电模式确定充电过程中是否存在一些异常状况或者是不健康的充电行为，如果识别出相应的充电行为，可以实时通过用户终端反馈给用户。

需要说明，上述所提及的应用场景仅仅是示例性场景，并不造成对本申请实施例具体场景的限定。

在介绍完本申请实施例可能涉及的应用场景后，下面将对本申请实施例提供的技术方案进行详细介绍说明。为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

实施例一

请参见图2，为本申请实施例的一种充电健康指数评分方法的流程示意框图，该方法可以包括以下步骤：

步骤S201、获取充电桩上传的电动车充电数据。

需要说明，上述充电数据可以包括但不限于充电电流、充电电压以及充电功率。其中，在电动车充电过程中，充电桩可以通过功率计量芯片识别电动车的充电功率，采集充电电流、电压等信息，并且，充电桩可以将充电功率、电流、电压等数据以遥测报文的形式上报至后台服务器。后台服务器根据遥测报文所携带的充电桩唯一ID等信息，解析遥测报文，得到充电桩对应的充电数据。

步骤S202、根据充电数据，识别用户充电行为。

需要说明，用户的充电行为可以例如为充电过程中适配器被包裹、私拉插排或者充电过程中被换了车等等。充电过程中的不同充电行为可以产生不同的充电数据，通过对充电数据进行分析，再适当地结合业务场景或历史数据等，可以根据充电数据识别出用户在充电过程中存在哪种充电行为。

具体应用中，可以先根据充电数据，识别出该充电数据对应的充电模式，再根据充电模式的特点和用户充电行为的特点，确定该充电模式对应的充电行为。

其中，根据充电数据识别出充电模式可以具体通过基于堆叠稀疏自编码的神经网络实现，此时，将所有充电模式的充电数据转化成相应的充电曲线样本图片，利用充电曲线样本图片对预先建立的基于堆叠稀疏自编码的多层神经网络进行训练，训练完成之后，将新的电流数据、电压数据等充电数据输入至神经网络模型，神经网络模型的输出即为所输入的充电数据对应的充电模式。根据充电数据识别出充电模式也可以具体通过随机森林模型实现，此时，利用包括所有充电模式的充电数据和人工标定的充电模式标签，对建立的随机森林模型进行训练，训练完成之后，将新的充电数据输入至随机森林模型，随机森林模型的输出即为充电数据对应的充电模式。当然，根据充电数据识别出充电模式的方法还可以为其它，在此不作限定。

需要说明，电动车充电过程中，充电电压和充电功率一般是恒定不变的，充电电压和充电功率包含的充电行为信息较少，且电压和功率的识别均较简单，电压和功率的识别可以在电流识别之前就完成。因此，在实际应用中，可以只利用充电数据中的充电电流数据来识别用户充电行为，即，根据充电电流数据识别出充电模式，根据充电模式确定用户充电行为。

步骤S203、根据充电行为和预设评分规则，计算充电健康分值。

需要说明，上述充电健康分值具体可以外现为数字形式，例如，80分。该充电健康分值可以在一定的基础分值的基础上，依据预先设定的评分规则，根据用户的充电行为，相应地进行加分或减分而得到的分值。该充电健康分值可以表征用户持续时间内的充电行为的总体表现。当充电健康分值较低时，说明用户的充电习惯较差，可能存在较为严重的安全隐患，对电池健康造成影响，反之，当充电健康分值较高时，说明用户的充电习惯较好。

其中，充电健康分的初始分值为用户激活充电健康指数体系之后系统为用户分配的默认分值，该初始分值可以根据实际需要进行设定，例如，充电健康分的初始分值为100分。根据评分规则和充电行为，在基础分值上进行加分或减分。

上述预设评分规则是指不同充电行为对应的加分或减分规则。即，预先将相应的充电行为划分为加分项和减分项，当用户出现加分项时则加分，当用户出现减分项时则减分。例如，正常充电一次加5分，连续正常充电5次加10分，适配器被包裹减20分，私拉插排减20分。该评分规则可以根据实际需要进行设定。

例如，充电健康分的初始分值为100分，评分规则包括适配器被包裹减20分，私拉插排减20分。对当次所获取到的用户充电数据进行分析，确定出用户在充电过程中存在适配器被包裹的行为，故充电健康分变为100－20＝80分。

可以看出，通过对用户每次的充电行为进行分析，并以充电健康分值表现用户充电行为的安全性，可以使得用户直观地了解到自身充电行为是否规范，是否存在安全隐患，以及时采取应对措施，提高用户充电体验。

可以理解，为了进一步规范用户行为，及时提醒用户当前充电行为的相关信息，可以在识别充电行为之后，将相应的充电行为信息和建议信息反馈给用户，以进一步提高用户充电体验。

此外，为了使得充电用户评价更加全面，还可以增加除充电健康以外的其他分析维度，例如，信用分、活跃分等。将充电健康分和其他维度的指标综合起来对用户进行评分，可以使得用户评价更加全面。

本实施例中，通过电动车的充电数据识别出对应的充电模式，根据充电模式确定用户充电行为，并根据用户充电行为和预设评分规则，计算得出对应的充电健康分值，实现了用户充电行为的分析，通过充电健康分值来反应充电行为分析结果，使得用户直观地了解到充电行为是否健康，提高了用户充电体验。

实施例二

请参见图3，为本申请实施例提供的充电健康指数评分方法的另一种流程示意框图，该方法可以包括以下步骤：

步骤S301、获取用户的激活操作信息。

需要说明，上述激活操作信息是指用户为了激活充电健康指数体系，执行相应的激活操作后产生的信息，该激活操作信息根据预先设定的激活操作对应。例如，当激活操作为完善设备信息和完成一次充电时，完善设备信息是指用户在APP内填写并提交的电动车信息，该电动车信息可以例如包括电动车型号、充电功率、电池个数、电动车厂商等信息。而完成一次充电是指用户通过充电桩为电动车充电一次，当用户完成相应的激活操作时，后台服务器会接收相应的激活操作信息，后台服务器根据该激活操作信息，激活该用户对应的充电健康指数体系。

步骤S302、根据激活操作信息，激活用户的充电健康指数体系，充电健康指数体系包括基础分、充电健康分、信用分以及活跃分。

步骤S303、根据预设初始分值分配规则，为用户分配相应的基础分初始分值、充电健康分初始分值、信用分初始分值以及活跃分初始分值。

其中，基础分是指用户完成基本信息录入之后即可获得的分数，该分值大小由用户基本信息录入程度决定。活跃分是指表征用户在APP内的活跃程度的分值。

用户激活充电健康指数体系时，系统会为该用户分配初始分值，各个指标的初始分值可以预先设定。例如，基础分的初始分值为200分，充电健康分的初始分值为100分，信用分的初始分值为100分，活跃分的初始分值为50分。系统会根据用户的充电行为以及其它操作，对相应的指标进行加分或减分。例如，当用户行为违规并被拉入黑名单时，则扣除相应的信用分。

为了进一步提高用户充电体验，可以在一些特殊情况下，根据用户的信用分高低，为用户采取相应的应对措施。

在一些实施例中，参见图4所示的无网络充电流程示意图，在上述根据预设初始分值分配规则，为用户分配相应的基础分初始分值、充电健康分初始分值、信用分初始分值以及活跃分初始分值之后，还可以包括以下步骤：

步骤S401、在用户终端无网络下扫描充电时，获取充电桩上报的充电请求指令。

可以理解，当用户需要充电时，需要利用手机等终端扫描充电桩上的二维码，完成订单支付之后才能进行充电。而在一些情况下，手机等终端可能没有网络，从而导致无法完成订单的支付，也就无法为电动车充电。

具体地，在用户无网络时，手机通过蓝牙等近场通信方式和充电桩通信，以告知网络故障信息。然后，充电桩确认手机无网络后，则可以生成充电请求指令，并上报至后台服务器，该充电请求指令中携带有用户的账号信息。

步骤S402、判断用户的信用分是否大于或等于预设阈值。当用户的信用分大于或等于预设阈值时，进入步骤S403，反之，当用户的信用分小于预设阈值时，进入步骤S404。

具体地，后台服务器根据充电请求指令中携带的用户信息，查找到该用户对应的账号信息，根据账号记录确定用户的信用分是否大于或等于预设阈值。其中，该预设阈值可以根据实际应用进行设定，例如，该预设阈值为零，即只要用户的信用分不为零，均可以执行步骤S403。当然，该预设阈值为经验阈值，所设定的数值可以优先保证充电桩运营商的风险最小化。

步骤S403、向充电桩返回充电开启指令，以使充电桩根据充电开启指令执行供电操作。

需要说明，当用户信用分大于或等于预设阈值时，可以跳过付费环节，使得用户可以在不付费的情况下进行充电，此时，结束充电之后，充电桩可以生成相应的充电订单，并将该充电订单上传至后台服务器中存储，当后台服务器检测用户重新登录之后，即检测到用户的手机等终端有网之后，后台服务器可以主动向用户终端发起支付请求，用户可以根据该支付请求支付之前没有付费的订单；当然，后台服务器也可以提醒用户当前还有未付款订单，等待用户主动支付订单，此时，如果用户在一段时间之后(例如一个月)仍然没有完成订单支付，扣除该用户相应的信用分，并主动向用户发起支付请求。

其中，当后台服务器判断出用户信用分大于或等于预设阈值时，则可以生成控制指令，并将该控制指令下发至相应充电桩，充电桩根据该控制指令主动控制其中的一个插座通电，接着车主即可利用充电适配器和充电线连接插座为电动车充电。

步骤S404、向用户呈现网络故障提示信息。

可以理解，当用户信用分不达标时，则不能跳过付费环节，不能再不付费的情况下进行充电。此时，可以在用户终端显示相应的提示信息，以提示当前网络出现故障。

可以看出，通过信用分实现用户不付费的情况下仍能顺利充电，进一步提高了用户充电体验。

步骤S304、获取充电桩上传的电动车充电数据。

步骤S305、根据充电数据，识别充电数据对应的充电模式。

在一些实施例中，参见图5所示的充电模式识别过程的流程示意框图，上述根据充电数据，识别充电数据对应的充电模式的具体过程可以包括：

步骤S501、根据充电数据，生成充电曲线，充电曲线包括电流曲线。

具体地，根据充电电流、电压等数据，在设定的坐标系中绘制出相应的曲线。其中，在电流曲线图中，横轴表示时间，竖轴表示电流值；在电压曲线图中，横轴表示时间，竖轴表示电压值；在功率曲线图中，横轴表示时间，竖轴表示功率值。

需要说明，一般情况下，充电数据主要包括电流、电压以及功率，而功率是指电动车的充电功率，其数值一般是不变的，功率曲线在电池状态的分析识别过程中，所携带的信息较少。因此，在一些情况下，只需要电流曲线和/或电流曲线即可。此外，由于电压曲线较为简单单一，电压识别可以在电流曲线识别之前就能完成，故在一些特殊情况下，充电数据可以只包括电流数据，充电曲线也可以只包括电流曲线。其中，通常情况下，输入到神经网络模型的数据为电流曲线和电压曲线。

另外，电动车电池的材质类型、各类成分含量、电池容量、剩余SOC、电池老化程度、充电适配器、生成厂家等均不同，导致电池在充电过程中会出现各种各样的电流表现形式，不可能存在电流曲线完全相同的两辆电动车，故可以通过充电电流曲线对电池的当前充电状态、电池的安全性、电池的老化程度、用户充电行为的安全性等进行识别和判断。换句话说，在充电模式识别的过程中，主要依赖于电流曲线进行充电模式的分析识别。

步骤S502、将电流曲线转化为充电曲线样本图片。

具体地，将电流曲线转化为一定像素大小(例如128×128)的图片；对该图片像素灰度值进行标准化处理，得到充电曲线样本图片。其中，可以通过对数Logistic标准化的方式对图片进行处理，以使图片的像素值落入至0～1之间。

步骤S503、将充电曲线样本图片输入预先训练的神经网络模型，得到充电数据对应的充电模式，神经网络模型为基于堆叠稀疏自编码的神经网络。

需要说明，上述神经网络模型可以具体包括输入层、第一隐藏层、第二隐藏层、多分类层以及输出层。具体地，该神经网络模型可以如图6所示，其具体包括输入层Input L₁、隐藏层Layer L₂、隐藏层Layer L₃、输出层Output L₄。其中的网络参数W、h、f可以通过模型训练确定，图中未示出多分类层。

其中，将充电曲线样本图片输入该神经网络的输入层；然后再从输入层输入至第一隐藏层，以使第一隐藏层对充电曲线样本图片进行特征提取操作，输出第一电流曲线特征；接着，将第一电流曲线特征输入第二隐藏层，以使第二隐藏层对第一电流曲线特征进行特征提取和组合操作，输出第二电流曲线特征，第二电流曲线特征的精度高于第一电流曲线特征；最后，将第二电流曲线特征输入多分类层，以使多分类层将第二电流曲线特征进行组合识别，根据特征组合，识别具体类别对应到输出层。

其中，第一电流曲线特征可以是指一个或多个曲线特征，第二电流曲线特征可以是指一个或多个曲线特征。第二电流曲线特征比第一电流曲线特征更加精确，第一隐藏层输出的电流曲线特征可以如图7所示，第二隐藏层输出的电流曲线特征可以如图8所示。第二隐藏层的作用可以进一步提高曲线特征的精度，因此可以说，隐藏层的数量越多，所提取得到的曲线特征的精度越高，反之，隐藏层的数量越少，曲线特征精度越低。但是，隐藏层数量的增多可以能会导致某些特征被淹没，因此，可以根据实际需要、精度需求等确定隐藏层的数量。

需要说明，不同电动车的充电电流曲线是各不相同的，但是，不同的充电数据却可以包含某些相同的特征，不同的特征可以构成不同的充电模式。电流曲线特征可以是指表征一定形状的曲线的特征，即用特征表示某一段一定曲线形状或功能的曲线。例如，电流曲线特征中的凹槽特征，该凹槽特征对应一段呈凹槽形状的电流曲线，具体表现为电流持续缓慢下降至一个不为0的数值后，紧接着缓慢上升到与下降过程开始位置电流相差0.2A以下的位置。

又例如，充电电流曲线一般是三段式的，正常的三段式充电曲线包括第一阶段、第二阶段和第三阶段，分别将第一阶段、第二阶段、第三阶段对应的曲线均作为一个电流曲线特征，即，第一阶段特征、第二阶段特征以及第三阶段特征，其中，第一阶段特征表示正常的三段式充电曲线中的第一段的曲线；第二阶段特征表示正常的三段式充电曲线中的持续下降段，且下降的时间长度为半个小时；第三阶段特征表示正常的三段式充电曲线中的持续下降段之后充电时长大于1个小时，且电流值低于0.3A的一段曲线。

依次类推，针对电流曲线的形状以及其它特性，用不同的特征表示不同的曲线段。在本实施例中，充电电流曲线特征可以包括14个，分别为：凹槽、第一阶段、第二阶段、第三阶段、第一阶段部分振荡、第二阶段部分振荡、第三阶段部分振荡、凸、开始电流小于0.3A、中间为0、单个阶梯、中间阶梯、全振荡、多个持续阶梯。当然，实际应用中，还可以根据需要增加或减少电流曲线特征的类别。

不同曲线特征的时序组合可以构成不同的充电模式，即，根据充电电流曲线中所包含的曲线特征，以及这些曲线特征出现的时间先后顺序，对应不同的充电模式。在本实施例中，充电模式可以包括13个，分别为：只有一阶段、只有一二阶段、三阶段全、只有一三阶段、只有二三阶段、只有三阶段、大电流、同一订单同一个时段多辆车同时充电、同一订单不同时段多辆车分别充电、温控时间大于2个小时的充电、全振荡、突然停止(外界因素)、突然停止(非外界因素)。其中，不同充电模式由不同的曲线特征组合得到。例如，“只有一阶段”充电模式对应的充电电流曲线只有“第一阶段”曲线特征，即，此时的充电电流曲线只包括正常的三段式充电曲线中的第一段。

将相应的充电电流曲线的图片输入至神经网络模型之后，神经网络模型可以提取曲线特征，根据所提取的曲线特征来确定该充电电流曲线对应的充电模式。例如，假如某个充电电流曲线中包括正常的三段式曲线中的第一阶段、第二阶段和第三阶段，则将该充电曲线图片输入至神经网络模型之后，神经网络模型则可以提取出“第一阶段”特征、“第二阶段”特征以及“第三阶段”特征，然后根据“第一阶段”特征、“第二阶段特征”以及“第三阶段”特征的出现时间，确定该充电电流曲线对应的充电模式，假如三个特征的时间先后顺序为“第一阶段”特征、“第二阶段”特征、“第三阶段”特征，则神经网络模型可以确定该充电电流曲线对应的充电模式为“三阶段全”。

在另一些实施例中，上述根据充电数据，识别充电数据对应的充电模式的具体过程可以包括：将充电数据输入预先训练的随机森林模型，得到充电数据对应的充电模式。

需要说明，随机森林模型可以为包括n棵决策树的模型，n为大于零的正整数，该模型可以具体图9的随机森林模型示意图中的模型，具体可以包括决策树Tree1、Tree2…Tree(n-1)、Tree(n)，每棵决策树对相应的随机样本集进行分类处理，得到相应的分类结果类型1、类型1…类型2、类型3。即通过n棵决策树对充电电流数据进行分类，得到n个分类结果；通过投票机制从n个分类结果中确定最终分类结果，将最终分类结果作为充电模式，最终分类结果为n个分类结果中数量大于等于n/2的分类结果。其中，在随机森林中各棵决策树得到分类结果之后，可以利用投票机制，将数量占比达到50％以上的分类结果作为最终分类结果，该分类结果结果即为充电数据对应的充电模式识别结果。例如，当分类结果“类型1”的数量占比达到50％以上时，则通过投票机制得到的最终结果为“类型1”。

将充电电流数据输入至随机森林模型之后，随机森林中的各个决策树根据预先训练的模型参数，对该充电电流数据进行分类，得到分类结果，各个分类结果为各个决策树对该充电电流数据的模式分类，最后通过统计各分类结果的数量，将数量占比50％以上的分类结果作为模型的最终输出结果，该最终输出结果即为充电模式识别结果。例如，假如某个充电电流数据对应的充电电流曲线中包括正常的三段式曲线中的第一阶段、第二阶段和第三阶段，随机森林模型对该电流数据进行分类识别后，可以确定该充电电流数据对应的充电模式为“三阶段全”。

当然，充电模式的识别方法并不限于上文提及的两种方法，还可以通过其它方法实现充电模式的识别，在此不作限定。

步骤S306、根据充电模式，确定用户充电行为。

需要说明，上述充电行为是指在电动车充电过程中用户所作出的行为，例如，在充电过程中，充电适配器被用户用塑料袋等物品包裹、充电过程中私拉插排同时给多个车进行电、充电过程中突然换车等。用户的充电行为是否健康、安全，与电池寿命、充电安全等息息相关。

根据电动车的特定充电模式，可以确定出用户的特定充电行为。例如，识别出的充电模式为温控时间大于2小时的充电，一般情况下，充电适配在外部温度过高时，会触发适配器保护机制，主动断掉外部充电电源，而导致适配器温度过高的原因可能是外界环境温度过高，也可能是用户为了防止适配器被雨淋，在适配器上包裹塑料袋等物品导致的。因此，在识别出上述温控时间大于2小时的充电时，则可以推测用户在充电过程中出现了适配器被包裹的行为。

又例如，识别出的充电模式为同一订单同一时段多辆车同时充电，由于在充电站的充电场景下，一个充电桩的插座只能供一辆电动车充电，而此时识别出多辆车同时充电，则表明用户通过私拉插排，以同时供多辆车充电。

又例如，识别出的充电模式为同一订单不同时段多辆车分别充电，由于相同的电动车对应的充电曲线类别是一样的，故当出现前后时段出现两个不同充电曲线类别时，则可以认为用户在充电过程中出现了换车的行为。

需要说明，上述充电行为并不限于上文所列举的，例如还可以包括充电过程中突然拔掉充电插头等行为。可以预先设定不同的充电模式、充电场景对应不同的充电行为。

在识别出用户的充电行为之后，为了规范用户充电行为，消除充电安全隐患，保证电池寿命，提高充电过程的安全性，可以将相应的信息及时反馈给用户，并针对充电行为给出相应的充电建议。也就是说，在上述根据充电数据，识别用户充电行为之后，还可以包括：根据充电行为，生成对应的充电行为提示信息和充电建议信息；将充电行为提示信息和充电建议信息呈现给用户。

需要说明，上述充电行为提示信息可以是指表征在当前充电过程中出现何种充电行为的信息，例如，充电行为是适配器被包裹时，该充电行为提示信息可以具体为“检测到因适配器温度过高而自动断电，推测是适配器被包裹”，这样，用户通过该充电信息可以及时得知自身当前存在的不规范充电行为。

上述充电建议信息可以是指表征针对相应充电行为对应的应对措施的信息。例如，充电行为是适配器被包裹时，该充电建议信息可以具体为“为保证充电安全和充电效率，请保证适配器的通风”。

又例如，充电行为是充电过程中换了车，充电行为提示信息具体为“检测到本次订单与历史订单不一致，推测充电途中换成其他车辆充电或者是电池开始出现异常”。

可以理解，上述充电建议信息和充电行为提示信息可以具体通过用户终端的界面呈现给充电用户。具体界面表现形式可以是任意的，在此不作限定。

步骤S307、根据充电行为和预设评分规则，计算充电健康分值。

需要说明，上述预设评分规则除了包括充电行为评分规则之外，还可以包括基础分、活跃分以及信用分的评分规则。例如，该预设评分规则可以具体如下表1所示。

表1

其中，上表1的取值具体如下：分值≤500分，N＝1；500＜分值≤600，N＝0.5；600＜分值≤800，N＝0.4；800＜分值，N＝0.2。分值是指基础分、信用分、活跃分以及充电健康分的相加之后得到的总分值。

需要说明，上述表1中的评分规则仅仅是示例性的，并不造成对评分规则的限定。

步骤S308、计算充电健康分值、基础分、信用分以及活跃分的相加值；

步骤S309、根据相加值和预设等级划分标准，确定相加值对应的充电健康指数等级。

可以理解，为了更好地评价用户，可以根据分值的大小划分等级。等级的划分以充电健康分、基础分、信用分和活跃分相加之后得到的总分值的大小进行划分。例如，可以具体分为五个等级，分别为极好(800～1000分)、优秀(600～799分)、良好(300～599分)、一般(100～299分)、极差(0～99分)。

为了进一步提高用户的充电体验，提高用户规范充电行为的积极性，可以根据等级高低给予用户相应的权益，等级越高所能享受到的权益越好。

本实施例通过对用户充电行为进行分析评价，提高了用户充电体验。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

实施例三

请参见图10，为本申请实施例提供的一种充电健康指数评分装置结构示意框图，该装置可以包括：

充电数据获取模块101，用于获取充电桩上传的电动车充电数据；

充电行为识别模块102，用于根据充电数据，识别用户充电行为；

充电健康分值计算模块103，用于根据充电行为和预设评分规则，计算充电健康分值。

在一种可行的实现方式中，上述充电行为识别模块包括：

充电模式识别单元，用于根据充电数据，识别充电数据对应的充电模式；

充电行为识别单元，用于根据充电模式，确定用户充电行为。

在一种可行的实现方式中，上述充电模式识别单元包括：

充电曲线生成子单元，用于根据充电数据，生成充电曲线，充电曲线包括电流曲线；

转换子单元，用于将电流曲线转化为充电曲线样本图片；

第一输入子单元，用于将充电曲线样本图片输入预先训练的神经网络模型，得到充电数据对应的充电模式，神经网络模型为基于堆叠稀疏自编码的神经网络；

或者

第二输入子单元，用于将充电数据输入预先训练的随机森林模型，得到充电数据对应的充电模式。

在一种可行的实现方式中，上述装置还包括：

生成模块，用于根据充电行为，生成对应的充电行为提示信息和充电建议信息；

呈现模块，用于将充电行为提示信息和充电建议信息呈现给用户。

在一种可行的实现方式中，上述装置还包括：

获取模块，用于获取用户的激活操作信息；

激活模块，用于根据激活操作信息，激活用户的充电健康指数体系，充电健康指数体系包括基础分、充电健康分、信用分以及活跃分；

初始分值分配模块，用于根据预设初始分值分配规则，为用户分配相应的基础分初始分值、充电健康分初始分值、信用分初始分值以及活跃分初始分值。

在一种可行的实现方式中，上述装置还包括：

计算模块，用于计算充电健康分值、基础分、信用分以及活跃分的相加值；

等级划分模块，用于根据相加值和预设等级划分标准，确定相加值对应的充电健康指数等级。

在一种可行的实现方式中，上述装置还包括：

充电请求指令获取模块，用于在用户终端无网络下扫描充电时，获取充电桩上报的充电请求指令；

判断模块，用于判断用户的信用分是否大于或等于预设阈值；

返回模块，用于当用户的信用分大于或等于预设阈值时，向充电桩返回充电开启指令，以使充电桩根据充电开启指令执行供电操作。

需要说明，本实施例的充电健康指数评分装置与上述各个实施例中的充电健康指数评分方法一一对应，具体介绍请参见上文相应内容，在此不再赘述。

本实施例通过电动车的充电数据识别出对应的充电模式，根据充电模式确定用户充电行为，并根据用户充电行为和预设评分规则，计算得出对应的充电健康分值，实现了用户充电行为的分析，通过充电健康分值来反应充电行为分析结果，使得用户直观地了解到充电行为是否健康，提高了用户充电体验。

实施例四

图11是本申请一实施例提供的终端设备的示意图。如图11所示，该实施例的终端设备11包括：处理器110、存储器111以及存储在所述存储器111中并可在所述处理器110上运行的计算机程序112。所述处理器110执行所述计算机程序112时实现上述各个充电健康指数评分方法实施例中的步骤，例如图2所示的步骤S201至S203。或者，所述处理器110执行所述计算机程序112时实现上述各装置实施例中各模块或单元的功能，例如图10所示模块101至103的功能。

示例性的，所述计算机程序112可以被分割成一个或多个模块或单元，所述一个或者多个模块或单元被存储在所述存储器111中，并由所述处理器110执行，以完成本申请。所述一个或多个模块或单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序112在所述终端设备11中的执行过程。例如，所述计算机程序112可以被分割成充电数据获取模块、充电行为识别模块以及充电健康分值计算模块，各模块具体功能如下：

充电数据获取模块，用于获取充电桩上传的电动车充电数据；充电行为识别模块，用于根据充电数据，识别用户充电行为；充电健康分值计算模块，用于根据充电行为和预设评分规则，计算充电健康分值。

所述终端设备11可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器110、存储器111。本领域技术人员可以理解，图11仅仅是终端设备11的示例，并不构成对终端设备11的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器110可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器111可以是所述终端设备11的内部存储单元，例如终端设备11的硬盘或内存。所述存储器111也可以是所述终端设备11的外部存储设备，例如所述终端设备11上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器111还可以既包括所述终端设备11的内部存储单元也包括外部存储设备。所述存储器111用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器111还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置、终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置、终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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系统，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所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。

所述集成的模块或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，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种充电健康指数评分方法，其特征在于，包括：

获取充电桩上传的电动车充电数据；

根据所述充电数据，识别用户充电行为；

根据所述充电行为和预设评分规则，计算充电健康分值。

2.根据权利要求1所述的充电健康指数评分方法，其特征在于，所述根据所述充电数据，识别用户充电行为，包括：

根据所述充电数据，识别所述充电数据对应的充电模式；

根据所述充电模式，确定用户充电行为。

3.根据权利要求2所述的充电健康指数评分方法，其特征在于，所述根据所述充电数据，识别所述充电数据对应的充电模式，包括：

根据所述充电数据，生成充电曲线，所述充电曲线包括电流曲线；

将所述电流曲线转化为充电曲线样本图片；

将所述充电曲线样本图片输入预先训练的神经网络模型，得到所述充电数据对应的充电模式，所述神经网络模型为基于堆叠稀疏自编码的神经网络；

或者

将所述充电数据输入预先训练的随机森林模型，得到所述充电数据对应的充电模式。

4.根据权利要求1所述的充电健康指数评分方法，其特征在于，在所述根据所述充电数据，识别用户充电行为之后，还包括：

根据所述充电行为，生成对应的充电行为提示信息和充电建议信息；

将所述充电行为提示信息和充电建议信息呈现给用户。

5.根据权利要求1至4任一项所述的充电健康指数评分方法，其特征在于，在所述获取充电桩上传的电动车充电数据之前，还包括：

获取用户的激活操作信息；

根据所述激活操作信息，激活所述用户的充电健康指数体系，所述充电健康指数体系包括基础分、充电健康分、信用分以及活跃分；

根据预设初始分值分配规则，为所述用户分配相应的基础分初始分值、充电健康分初始分值、信用分初始分值以及活跃分初始分值。

6.根据权利要求5所述的充电健康指数评分方法，其特征在于，在所述根据所述充电行为和预设评分规则，计算充电健康分值之后，还包括：

计算所述充电健康分值、所述基础分、所述信用分以及所述活跃分的相加值；

根据所述相加值和预设等级划分标准，确定所述相加值对应的充电健康指数等级。

7.根据权利要求5所述的充电健康指数评分方法，其特征在于，在所述根据预设初始分值分配规则，为所述用户分配相应的基础分初始分值、充电健康分初始分值、信用分初始分值以及活跃分初始分值之后，还包括：

在用户终端无网络下扫描充电时，获取充电桩上报的充电请求指令；

判断所述用户的信用分是否大于或等于预设阈值；

当所述用户的信用分大于或等于所述预设阈值时，向所述充电桩返回充电开启指令，以使所述充电桩根据所述充电开启指令执行供电操作。

8.一种充电健康指数评分装置，其特征在于，包括：

充电数据获取模块，用于获取充电桩上传的电动车充电数据；

充电行为识别模块，用于根据所述充电数据，识别用户充电行为；

充电健康分值计算模块，用于根据所述充电行为和预设评分规则，计算充电健康分值。

9.一种终端设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读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如权利要求1至7任一项所述方法的步骤。