CN110441594A - 电动车充电行为监测方法、装置及计算机可读存储介质 - Google Patents
电动车充电行为监测方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110441594A CN110441594A CN201910746501.7A CN201910746501A CN110441594A CN 110441594 A CN110441594 A CN 110441594A CN 201910746501 A CN201910746501 A CN 201910746501A CN 110441594 A CN110441594 A CN 110441594A
- Authority
- CN
- China
- Prior art keywords
- current
- electric vehicle
- electric
- vehicle charging
- spline smoothing
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/133—Arrangements for measuring electric power or power factor by using digital technique
- G01R21/1331—Measuring real or reactive component, measuring apparent energy
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种电动车充电行为监测方法,该方法包括:实时采集监测环境入口处的电参量数据,并监测电参量数据中有功功率是否产生阶跃变化;若是,则根据电参量数据计算阶跃变化对应的当前阶跃事件的特征向量;计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度;根据当前阶跃事件的特征向量与预设特征库中各样本向量的相似度中最大值判断当前阶跃事件是否为电动车充电行为,若是,则继续采集所述电动车充电行为的电参量数据,以此判断所述电动车充电行为的充电状态。本发明还公开了一种电动车充电行为监测装置以及计算机可读存储介质。本发明能有效避免非电动车充电行为或者电动车异常充电行为造成的火灾事故。
Description
技术领域
本发明涉及智能电网技术领域,尤其涉及一种电动车充电行为监测方法、装置及计算机可读存储介质。
背景技术
随着电动车的普及,国内的电动车保有量越来越高,与此同时电动车引起的火灾数量也在逐年递增。据全国各地消防部门统计,充电器超负荷、长时间过度充电、电池老化等是引发火灾的常见原因。为了进一步强化消防安全工作,重点防范电动车火灾事故,需要对电动车违规充电,私拉乱接电源电线,长时间过度充电等行为设计一套经济、实用的监测方案。
因此,针对上述消防安全应用需求,提供一种有效预防火灾发生的电动车充电行为实时监测方法成为亟待解决的技术问题。
发明内容
本发明的主要目的在于提供一种电动车充电行为监测方法、装置及计算机可读存储介质,旨在解决电动车违规充电容易导致火灾发生的技术问题。
为实现上述目的,本发明提供一种电动车充电行为监测方法,所述电动车充电行为监测方法包括:
实时采集监测环境入口处的电参量数据,并监测所述电参量数据中有功功率是否产生阶跃变化;
若监测到有功功率产生阶跃变化,则根据所述电参量数据计算所述阶跃变化对应的当前阶跃事件的特征向量;
计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度;
根据当前阶跃事件的特征向量与预设特征库中各样本向量的相似度中最大值判断当前阶跃事件是否为电动车充电行为,若是,则继续采集所述电动车充电行为的电参量数据,以此判断所述电动车充电行为的充电状态。
优选地,所述电参量数据包括基波及各谐波电压、基波及各谐波电流和有功功率,所述若监测到有功功率产生阶跃变化,则根据所述电参量数据计算所述阶跃变化对应的当前阶跃事件的特征向量的步骤,包括:
若监测到有功功率产生阶跃变化,则选取所述阶跃变化对应时刻前后的基波及各谐波电压、基波及各谐波电流和有功功率;
根据所述阶跃变化对应时刻前后的基波及各谐波电压、基波及各谐波电流和有功功率,计算当前阶跃变化对应的当前阶跃事件的特征向量。
优选地,所述当前阶跃事件的特征向量包括以下至少之一:所述阶跃变化对应时刻前和所述阶跃变化对应时刻后有功功率的差值△P、所述阶跃变化对应时刻后的功率因数PFC、所述阶跃变化对应时刻后的电流正弦波形失真率WDF、电流谐波总量THD、电流的第3次谐波含量THD3、电流的第5次谐波含量THD5、电流的第7次谐波含量THD7以及电流的第9次谐波含量THD9。
优选地,通过如下计算公式计算所述阶跃变化对应时刻后的电流正弦波形失真率WDF:
WDF=DISTORTION/ORIGINAL;
其中,n为周波实际采样点数,N为周波最大采样点数,In为第n个周波采样的电流值,θ为电压与电流之间的相位角,A为电流绝对值的最大值,n=0,1,…,N-1。
优选地,通过如下计算公式分别计算电流谐波总量THD、所述电流的第3次谐波含量THD3、所述电流的第5次谐波含量THD5、所述电流的第7次谐波含量THD7以及所述电流的第9次谐波含量THD9:
其中,REi为电流第i次谐波实部,IMi为电流第i次谐波虚部,M为谐波统计最高次数,i=2,3,...M。
优选地,所述计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度的步骤,包括:
将所述当前阶跃事件的特征向量进行归一化处理;
将归一化处理后的特征向量与预设特征库中的样本向量逐一匹配,计算归一化处理后的特征向量与预设特征库中各样本向量的相似度。
优选地,通过如下计算公式计算所述计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度:
EIGj=[ΔP/ΔPj,PFC/PFCj,WDF/WDFj,THD/THDj,THD3/THD3j,THD5/THD5j,THD7/THD7j,THD9/THD9j];
其中,EIGj为当前阶跃事件的特征向量与特征库中第j个样本的归一化值,j为特征库中样本的个数,j为正整数,n为周波实际采样点数,n=0,1,…,N-1。
优选地,所述继续采集所述电动车充电行为的电参量数据,以此判断所述电动车充电行为的充电状态的步骤之后,包括:
当监测到所述电动车充电行为的充电状态异常时,则控制所述监测环境入口处的电源断开或者发出提示信息。
此外,为实现上述目的,本发明还提供一种电动车充电行为监测装置,所述电动车充电行为监测装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电动车充电行为监测程序,所述电动车充电行为监测程序被所述处理器执行时实现如上所述电动车充电行为监测方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,其上存储有电动车充电行为监测程序,所述电动车充电行为监测程序被处理器执行时实现如上所述电动车充电行为监测方法的步骤。
本发明通过实时采集监测环境入口处的电参量数据,并监测所述电参量数据中有功功率是否产生阶跃变化;若监测到有功功率产生阶跃变化,则根据所述电参量数据计算所述阶跃变化对应的当前阶跃事件的特征向量;计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度;根据当前阶跃事件的特征向量与预设特征库中各样本向量的相似度中最大值判断当前阶跃事件是否为电动车充电行为,若是,则继续采集所述电动车充电行为的电参量数据,以此判断所述电动车充电行为的充电状态。通过上述实施方式,本发明通过对监测环境入口处的每个阶跃事件进行监测,并判断监测到的每个阶跃事件是否为电动车充电行为,进而对电动车充电行为的状态进行判断,如果电动车充电行为的状态异常,则及时断开充电电源或者发出提示信息,以保证用电安全,有效避免了因违规充电,私拉乱接电源电线,长时间过度充电等造成的火灾事故。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图;
图2为本发明电动车充电行为监测方法的第一实施例的流程示意图;
图3为图2中若监测到有功功率产生阶跃变化,则根据所述电参量数据计算所述阶跃变化对应的当前阶跃事件的特征向量的步骤的细化流程示意图
图4为图2中计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度的步骤的细化流程示意图。
本发明目的的实现、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发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图。
本发明实施例装置可以是PC,也可以是智能手机、平板电脑、便携计算机等终端设备。
如图1所示,该装置可以包括:处理器1001,例如CPU,通信总线1002,用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选的用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,装置还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示屏的亮度,接近传感器可在移动装置移动到耳边时,关闭显示屏和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别移动装置姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;当然,移动装置还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的装置结构并不构成对装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及电动车充电行为监测程序。
在图1所示的装置中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的电动车充电行为监测程序,并执行以下操作:
实时采集监测环境入口处的电参量数据,并监测所述电参量数据中有功功率是否产生阶跃变化;
若监测到有功功率产生阶跃变化,则根据所述电参量数据计算所述阶跃变化对应的当前阶跃事件的特征向量;
计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度;
根据当前阶跃事件的特征向量与预设特征库中各样本向量的相似度中最大值判断当前阶跃事件是否为电动车充电行为,若是,则继续采集所述电动车充电行为的电参量数据,以此判断所述电动车充电行为的充电状态。
进一步地,处理器1001可以调用存储器1005中存储的电动车充电行为监测程序,还执行以下操作:
若监测到有功功率产生阶跃变化,则选取所述阶跃变化对应时刻前后的基波及各谐波电压、基波及各谐波电流和有功功率;
根据所述阶跃变化对应时刻前后的基波及各谐波电压、基波及各谐波电流和有功功率,计算当前阶跃变化对应的当前阶跃事件的特征向量。
进一步地,处理器1001可以调用存储器1005中存储的电动车充电行为监测程序,还执行以下操作:
所述当前阶跃事件的特征向量包括以下至少之一:所述阶跃变化对应时刻前和所述阶跃变化对应时刻后有功功率的差值△P、所述阶跃变化对应时刻后的功率因数PFC、所述阶跃变化对应时刻后的电流正弦波形失真率WDF、电流谐波总量THD、电流的第3次谐波含量THD3、电流的第5次谐波含量THD5、电流的第7次谐波含量THD7以及电流的第9次谐波含量THD9。
进一步地,处理器1001可以调用存储器1005中存储的电动车充电行为监测程序,还执行以下操作:
通过如下计算公式计算所述阶跃变化对应时刻后的电流正弦波形失真率WDF:
WDF=DISTORTION/ORIGINAL;
其中,n为周波实际采样点数,N为周波最大采样点数,In为第n个周波采样的电流值,θ为电压与电流之间的相位角,A为电流绝对值的最大值,n=0,1,…,N-1。
进一步地,处理器1001可以调用存储器1005中存储的电动车充电行为监测程序,还执行以下操作:
通过如下计算公式分别计算电流谐波总量THD、所述电流的第3次谐波含量THD3、所述电流的第5次谐波含量THD5、所述电流的第7次谐波含量THD7以及所述电流的第9次谐波含量THD9:
其中,REi为电流第i次谐波实部,IMi为电流第i次谐波虚部,M为谐波统计最高次数,i=2,3,...M。
进一步地,处理器1001可以调用存储器1005中存储的电动车充电行为监测程序,还执行以下操作:
将所述当前阶跃事件的特征向量进行归一化处理;
将归一化处理后的特征向量与预设特征库中的样本向量逐一匹配,计算归一化处理后的特征向量与预设特征库中各样本向量的相似度。
进一步地,处理器1001可以调用存储器1005中存储的电动车充电行为监测程序,还执行以下操作:
通过如下计算公式计算所述计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度:
EIGj=[ΔP/ΔPj,PFC/PFCj,WDF/WDFj,THD/THDj,THD3/THD3j,THD5/THD5j,THD7/THD7j,THD9/THD9j];
其中,EIGj为当前阶跃事件的特征向量与特征库中第j个样本的归一化值,j为特征库中样本的个数,j为正整数,n为周波实际采样点数,n=0,1,…,N-1。
进一步地,处理器1001可以调用存储器1005中存储的电动车充电行为监测程序,还执行以下操作:
当监测到所述电动车充电行为的充电状态异常时,则控制所述监测环境入口处的电源断开或者发出提示信息。
本发明电动车充电行为监测装置的具体实施例与下述电动车充电行为监测方法各实施例基本相同,在此不作赘述。
参照图2,图2为本发明电动车充电行为监测方法的第一实施例的流程示意图,所述电动车充电行为监测方法包括:
步骤S10,实时采集监测环境入口处的电参量数据,并监测所述电参量数据中有功功率是否产生阶跃变化。
本发明实施例硬件装置可以是PC,也可以是智能手机、平板电脑、便携计算机等终端设备。本实施例的监测环境入口处是指电网中的特定充电装置,通过在电网中的特定充电装置如电动车充电桩或者专用充电插头上设置用于电参量数据采集的芯片或者传感装置来实时采集监测环境入口处的电参量数据,并将采集到的电参量数据发送至电动车充电行为监测装置(后续简称监测装置)中,监测装置接收到电参量数据后,实时监测电参量数据中有功功率是否产生阶跃变化,一旦监测到有功功率产生阶跃变化,则进一步分析判断当前阶跃事件是否为电动车充电行为,若没有监测到有功功率产生阶跃变化,则继续对监测环境入口处的电参量数据进行监测。
步骤S20,若监测到有功功率产生阶跃变化,则根据所述电参量数据计算所述阶跃变化对应的当前阶跃事件的特征向量。
当监测到有功功率产生阶跃变化时,监测装置将从接收到的电参量数据中选取该阶跃变化对应时刻前后的电参量数据,并根据选取的电参量数据计算该阶跃变化对应的当前阶跃事件的特征向量。其中,所述电参量数据包括基波及各谐波电压、基波及各谐波电流和有功功率,而根据电参量数据计算得到的当前阶跃事件的特征向量可以包括所述阶跃变化对应时刻前和所述阶跃变化对应时刻后有功功率的差值△P、所述阶跃变化对应时刻后的功率因数PFC、所述阶跃变化对应时刻后的电流正弦波形失真率WDF、电流谐波总量THD、电流的第3次谐波含量THD3、电流的第5次谐波含量THD5、电流的第7次谐波含量THD7以及电流的第9次谐波含量THD9中的至少一种。
本实施例以所述阶跃变化对应时刻前和所述阶跃变化对应时刻后有功功率的差值△P、所述阶跃变化对应时刻后的功率因数PFC、所述阶跃变化对应时刻后的电流正弦波形失真率WDF、电流谐波总量THD、电流的第3次谐波含量THD3、电流的第5次谐波含量THD5、电流的第7次谐波含量THD7以及电流的第9次谐波含量THD9作为当前阶跃事件的特征向量,本领域技术人员可以理解为,可选取上述列举的一种或多种参数作为当前阶跃事件的特征向量,也可以组合其他参数作为当前阶跃事件的特征向量,本发明不作具体限制。
步骤S30,计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度。
将上述步骤S20计算得到的当前阶跃事件的特征向量进行归一化处理,并在归一化处理后将当前阶跃事件的特征向量与预设特征库中的样本向量逐一匹配,计算当前阶跃事件与预设特征库中各样本向量的相似度。需要说明的是,在监测装置中预先设置有特征库,特征库中包含各种不同型号的电动车在正常充电时训练得到的样本向量,如特征库中包含有各种型号的电动自行车正常充电时的样本向量、各种型号电动汽车正常充电时的样本向量等。其中,样本向量可以包括所述阶跃变化对应时刻前和所述阶跃变化对应时刻后有功功率的差值△P、所述阶跃变化对应时刻后的功率因数PFC、所述阶跃变化对应时刻后的电流正弦波形失真率WDF、电流谐波总量THD、电流的第3次谐波含量THD3、电流的第5次谐波含量THD5、电流的第7次谐波含量THD7以及电流的第9次谐波含量THD9等。监测装置通过归一化计算公式将当前阶跃事件的特征向量分别与特征库中的样本向量进行归一化计算,得到若干个归一化的值,再将这些归一化的值通过相似度算法计算出与预设特征库中各样本向量的相似度。
步骤S40,根据当前阶跃事件的特征向量与预设特征库中各样本向量的相似度中最大值判断当前阶跃事件是否为电动车充电行为,若是,则继续采集所述电动车充电行为的电参量数据,以此判断所述电动车充电行为的充电状态。
由于预设特征库中各样本向量为各型号电动车正常充电时采集的电参数数据,并根据正常充电时采集的电参数数据计算得到样本向量,因而在判断当前阶跃事件是否为电动车充电行为时,只需要计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度,当相似度满足预设的阈值时,即可认为当前阶跃事件与该特征库中某一型号电动车的样本向量相似,为某一型号电动车的充电行为,否则,则不是该特征库中任一电动车充电行为。因此,在计算得到当前阶跃事件的特征向量与预设特征库中各样本向量的相似度后,需要获取各相似度中的最大值,并将该相似度最大值与预设阈值比较,根据比较结果判断当前阶跃事件是否为电动车充电行为。具体地,若当前阶跃事件的特征向量与预设特征库中各样本向量的相似度中最大值大于预设阈值,则表示当前阶跃事件为某一电动车充电行为,并继续采集该电动车充电行为的电参量数据,以此来判断该电动车充电行为的充电状态,如果该电动车充电行为的充电状态出现异常如充电时间过长或者明显异常的充电电压、电流及功率等,则监测装置控制监测环境入口处的电源断开或者发出提示信息;若当前阶跃事件的特征向量与预设特征库中各样本向量的相似度中最大值小于或者等于预设阈值,则表示当前阶跃事件非电动车充电行为或者电动车异常充电行为,同样监测装置也会控制监测环境入口处的电源断开或者发出提示信息。此处的提示信息可以是显示在监测装置显示屏上的文本或图片提示,也可以是语音报警提示。本领域的技术人员可以认为,该预设阈值可以根据实际情况进行设定,本实施例不作具体限制。
在本实施例中通过监测每个有功功率的阶跃变化,并根据阶跃变化前后的电参量数据计算当前阶跃事件的特征向量,通过计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度,判断当前阶跃事件是否为电动车充电行为,从而使得监测环境入口处的每个阶跃事件都被监测到,并判断每个阶跃事件是否为电动车充电行为,如果判断为电动车充电行为,继续采集电动车充电行为对应的电参量数据,以此判断该电动车充电行为的充电状态,如果充电状态异常,则及时断开充电电源,以保证用电安全,有效避免了因违规充电,私拉乱接电源电线,长时间过度充电等造成的火灾事故。
进一步的,参照图3,图3为图2中若监测到有功功率产生阶跃变化,则根据所述电参量数据计算所述阶跃变化对应的当前阶跃事件的特征向量的步骤的细化流程示意图,基于上述图2所示的实施例,所述若监测到有功功率产生阶跃变化,则根据所述电参量数据计算所述阶跃变化对应的当前阶跃事件的特征向量的步骤,包括:
S201,若监测到有功功率产生阶跃变化,则选取所述阶跃变化对应时刻前后的基波及各谐波电压、基波及各谐波电流和有功功率。
若监测到有功功率产生阶跃变化,则表示当前监测环境入口处有充电行为,需要选取所述阶跃变化对应时刻前后的电参量数据,其中,所述电参量数据包括基波及各谐波电压、基波及各谐波电流和有功功率。本领域技术人员可以认为,所述阶跃变化对应时刻前后包括阶跃变化对应时刻前后的第一个值、第二个值或者第三个值等,可以根据实际需要选择阶跃变化对应时刻前和阶跃变化对应时刻后若干个周波的采样值。
S202,根据所述阶跃变化对应时刻前后的基波及各谐波电压、基波及各谐波电流和有功功率,计算当前阶跃变化对应的当前阶跃事件的特征向量。
根据所述阶跃变化对应时刻前和所述阶跃变化对应时刻后的基波及各谐波电压、基波及各谐波电流和有功功率,计算所述当前阶跃事件的特征向量。该特征向量可以包括:所述阶跃变化对应时刻前和所述阶跃变化对应时刻后有功功率的差值△P、所述阶跃变化对应时刻后的功率因数PFC、所述阶跃变化对应时刻后的电流正弦波形失真率WDF、电流谐波总量THD、电流的第3次谐波含量THD3、电流的第5次谐波含量THD5、电流的第7次谐波含量THD7以及电流的第9次谐波含量THD9等。本实施例以所述阶跃变化对应时刻前和所述阶跃变化对应时刻后有功功率的差值△P、所述阶跃变化对应时刻后的功率因数PFC、所述阶跃变化对应时刻后的电流正弦波形失真率WDF、电流谐波总量THD、电流的第3次谐波含量THD3、电流的第5次谐波含量THD5、电流的第7次谐波含量THD7以及电流的第9次谐波含量THD9作为当前阶跃事件的特征向量,本领越技术人员可以理解为,可选取上述列举的一种或多种参数作为当前阶跃事件的特征向量,也可以组合其他参数作为当前阶跃事件的特征向量,本发明不作具体限制。
需要说明的是,所述阶跃变化对应时刻前和所述阶跃变化对应时刻后有功功率的差值△P是根据有功功率直接计算得到,所述阶跃变化对应时刻后的功率因数PFC为有功功率和视在功率的比值,功率因数的大小与电路的负荷性质有关,如白炽灯泡、电阻炉等电阻负荷的功率因数为1,一般具有电感性负载的电路功率因数都小于1。功率因数是电力系统的一个重要的技术数据。功率因数是衡量电气设备效率高低的一个系数。所述阶跃变化对应时刻后的电流正弦波形失真率WDF可以根据如下计算公式计算得到:
WDF=DISTORTION/ORIGINAL;
其中,n为周波实际采样点数,N为周波最大采样点数,In为第n个周波采样的电流值,θ为电压与电流之间的相位角,A为电流绝对值的最大值,n=0,1,…,N-1。
而电流谐波总量THD、所述电流的第3次谐波含量THD3、所述电流的第5次谐波含量THD5、所述电流的第7次谐波含量THD7以及所述电流的第9次谐波含量THD9可以根据如下计算公式得到:
其中,REi为电流第i次谐波实部,IMi为电流第i次谐波虚部,M为谐波统计最高次数,i=2,3,...M。
在本实施例通过实时采集当前阶跃事件的电参数数据,通过有功功率的阶跃变化及时识别是否为充电行为,并通过电参数数据计算当前阶跃事件的特征向量,这样便于后期对充电行为进一步识别,方便监测装置自动识别充电行为是否为电动车充电行为。
参照图4,图4为图2中计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度的步骤的细化流程示意图,基于上述图2所示的实施例,所述计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度步骤,包括:
步骤S301,将所述当前阶跃事件的特征向量进行归一化处理。
由于当前阶跃事件的特征向量包含多个不同维度的参数,为了更好的比较当前阶跃事件与预设特征库中各样本向量的相似度,需要将当前阶跃事件的特征向量进行归一化处理。具体地,根据如下计算公式计算当前阶跃事件的特征向量的归一化值:
EIGj=[ΔP/ΔPj,PFC/PFCj,WDF/WDFj,THD/THDj,THD3/THD3j,THD5/THD5j,THD7/THD7j,THD9/THD9j];
其中,EIGj为当前阶跃事件的特征向量与特征库中第j个样本的归一化值,j为特征库中样本的个数,j为正整数。
由此得到当前阶跃事件的特征向量分别与特征库中每个样本向量比较,计算与特征库中每个样本向量的归一化值。
步骤S302,将归一化处理后的特征向量与预设特征库中的样本向量逐一匹配,计算归一化处理后的特征向量与预设特征库中各样本向量的相似度。
由于预设特征库中包含各种型号的电动车正常充电时的样本向量,因而在判断当前阶跃事件是否为电动车充电行为时,只需要计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度,具体地,根据如下计算公式计算归一化处理后的特征向量与预设特征库中各样本向量的相似度:
其中,EIGj为当前阶跃事件的特征向量与特征库中第j个样本的归一化值,j为特征库中样本的个数,j为正整数,n为周波实际采样点数,n=0,1,…,N-1。
由此计算得到当前阶跃事件的特征向量与特征库中样本向量的相似度,监测装置后续可基于计算得到的相似度与预设阈值进行比较,并根据比较结果判断当前阶跃事件是否为电动车充电行为。若当前阶跃事件的特征向量与预设特征库中各样本向量的相似度中最大值大于预设阈值,则表示当前阶跃事件为电动车充电行为,且该电动车充电行为为正常充电状态,可以继续充电;若当前阶跃事件的特征向量与预设特征库中各样本向量的相似度中最大值小于或者等于预设阈值,则表示当前阶跃事件非电动车充电行为或者电动车异常充电行为,则监测装置需要控制该监测环境入口处的电源断开或者发出提示信息。
在本实施例通过将当前阶跃事件的特征向量与预设库中的样本向量比较,计算其相似度,由此方便判断当前阶跃事件是否为样本中正常电动车的充电行为,从而实现电动车充电行为的自动判断和异常情况预警。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有电动车充电行为监测程序,所述电动车充电行为监测程序被处理器执行时实现如下操作:
实时采集监测环境入口处的电参量数据,并监测所述电参量数据中有功功率是否产生阶跃变化;
若监测到有功功率产生阶跃变化,则根据所述电参量数据计算所述阶跃变化对应的当前阶跃事件的特征向量;
计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度;
根据当前阶跃事件的特征向量与预设特征库中各样本向量的相似度中最大值判断当前阶跃事件是否为电动车充电行为,若是,则继续采集所述电动车充电行为的电参量数据,以此判断所述电动车充电行为的充电状态。
进一步地,所述电动车充电行为监测程序被处理器执行时还实现如下操作:
若监测到有功功率产生阶跃变化,则选取所述阶跃变化对应时刻前后的基波及各谐波电压、基波及各谐波电流和有功功率;
根据所述阶跃变化对应时刻前后的基波及各谐波电压、基波及各谐波电流和有功功率,计算当前阶跃变化对应的当前阶跃事件的特征向量。
进一步地,所述电动车充电行为监测程序被处理器执行时还实现如下操作:
所述当前阶跃事件的特征向量包括以下至少之一:所述阶跃变化对应时刻前和所述阶跃变化对应时刻后有功功率的差值△P、所述阶跃变化对应时刻后的功率因数PFC、所述阶跃变化对应时刻后的电流正弦波形失真率WDF、电流谐波总量THD、电流的第3次谐波含量THD3、电流的第5次谐波含量THD5、电流的第7次谐波含量THD7以及电流的第9次谐波含量THD9。
进一步地,所述电动车充电行为监测程序被处理器执行时还实现如下操作:
通过如下计算公式计算所述阶跃变化对应时刻后的电流正弦波形失真率WDF:
WDF=DISTORTION/ORIGINAL;
其中,n为周波实际采样点数,N为周波最大采样点数,In为第n个周波采样的电流值,θ为电压与电流之间的相位角,A为电流绝对值的最大值,n=0,1,…,N-1。
进一步地,所述电动车充电行为监测程序被处理器执行时还实现如下操作:
通过如下计算公式分别计算电流谐波总量THD、所述电流的第3次谐波含量THD3、所述电流的第5次谐波含量THD5、所述电流的第7次谐波含量THD7以及所述电流的第9次谐波含量THD9:
其中,REi为电流第i次谐波实部,IMi为电流第i次谐波虚部,M为谐波统计最高次数,i=2,3,...M。
进一步地,所述电动车充电行为监测程序被处理器执行时还实现如下操作:
所述计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度的步骤,包括:
将所述当前阶跃事件的特征向量进行归一化处理;
将归一化处理后的特征向量与预设特征库中的样本向量逐一匹配,计算归一化处理后的特征向量与预设特征库中各样本向量的相似度。
进一步地,所述电动车充电行为监测程序被处理器执行时还实现如下操作:
通过如下计算公式计算所述计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度:
EIGj=[ΔP/ΔPj,PFC/PFCj,WDF/WDFj,THD/THDj,THD3/THD3j,THD5/THD5j,THD7/THD7j,THD9/THD9j];
其中,EIGj为当前阶跃事件的特征向量与特征库中第j个样本的归一化值,j为特征库中样本的个数,j为正整数,n为周波实际采样点数,n=0,1,…,N-1。
进一步地,所述电动车充电行为监测程序被处理器执行时还实现如下操作:
当监测到所述电动车充电行为的充电状态异常时,则控制所述监测环境入口处的电源断开或者发出提示信息。
本发明计算机可读存储介质的具体实施例与上述电动车充电行为监测方法各实施例基本相同,在此不作赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种电动车充电行为监测方法,其特征在于,所述电动车充电行为监测方法包括:
实时采集监测环境入口处的电参量数据,并监测所述电参量数据中有功功率是否产生阶跃变化;
若监测到有功功率产生阶跃变化,则根据所述电参量数据计算所述阶跃变化对应的当前阶跃事件的特征向量;
计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度;
根据当前阶跃事件的特征向量与预设特征库中各样本向量的相似度中最大值判断当前阶跃事件是否为电动车充电行为,若是,则继续采集所述电动车充电行为的电参量数据,以此判断所述电动车充电行为的充电状态。
2.如权利要求1所述的电动车充电行为监测方法,其特征在于,所述电参量数据包括基波及各谐波电压、基波及各谐波电流和有功功率,所述若监测到有功功率产生阶跃变化,则根据所述电参量数据计算所述阶跃变化对应的当前阶跃事件的特征向量的步骤,包括:
若监测到有功功率产生阶跃变化,则选取所述阶跃变化对应时刻前后的基波及各谐波电压、基波及各谐波电流和有功功率;
根据所述阶跃变化对应时刻前后的基波及各谐波电压、基波及各谐波电流和有功功率,计算当前阶跃变化对应的当前阶跃事件的特征向量。
3.如权利要求2所述的电动车充电行为监测方法,其特征在于,所述当前阶跃事件的特征向量包括以下至少之一:所述阶跃变化对应时刻前和所述阶跃变化对应时刻后有功功率的差值△P、所述阶跃变化对应时刻后的功率因数PFC、所述阶跃变化对应时刻后的电流正弦波形失真率WDF、电流谐波总量THD、电流的第3次谐波含量THD3、电流的第5次谐波含量THD5、电流的第7次谐波含量THD7以及电流的第9次谐波含量THD9。
4.如权利要求3所述的电动车充电行为监测方法,其特征在于,通过如下计算公式计算所述阶跃变化对应时刻后的电流正弦波形失真率WDF:
WDF=DISTORTION/ORIGINAL;
其中,n为周波实际采样点数,N为周波最大采样点数,In为第n个周波采样的电流值,θ为电压与电流之间的相位角,A为电流绝对值的最大值,n=0,1,…,N-1。
5.如权利要求3所述的电动车充电行为监测方法,其特征在于,通过如下计算公式分别计算电流谐波总量THD、所述电流的第3次谐波含量THD3、所述电流的第5次谐波含量THD5、所述电流的第7次谐波含量THD7以及所述电流的第9次谐波含量THD9:
其中,REi为电流第i次谐波实部,IMi为电流第i次谐波虚部,M为谐波统计最高次数,i=2,3,...M。
6.如权利要求1所述的电动车充电行为监测方法,其特征在于,所述计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度的步骤,包括:
将所述当前阶跃事件的特征向量进行归一化处理;
将归一化处理后的特征向量与预设特征库中的样本向量逐一匹配,计算归一化处理后的特征向量与预设特征库中各样本向量的相似度。
7.如权利要求6所述的电动车充电行为监测方法,其特征在于,通过如下计算公式计算所述计算当前阶跃事件的特征向量与预设特征库中各样本向量的相似度:
EIGj=[ΔP/ΔPj,PFC/PFCj,WDF/WDFj,THD/THDj,THD3/THD3j,THD5/THD5j,THD7/THD7j,THD9/THD9j];
其中,EIGj为当前阶跃事件的特征向量与特征库中第j个样本的归一化值,j为特征库中样本的个数,j为正整数,n为周波实际采样点数,n=0,1,…,N-1。
8.如权利要求1所述的电动车充电行为监测方法,其特征在于,所述继续采集所述电动车充电行为的电参量数据,以此判断所述电动车充电行为的充电状态的步骤之后,包括:
当监测到所述电动车充电行为的充电状态异常时,则控制所述监测环境入口处的电源断开或者发出提示信息。
9.一种电动车充电行为监测装置,其特征在于,所述电动车充电行为监测装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电动车充电行为监测程序,所述电动车充电行为监测程序被所述处理器执行时实现如权利要求1至8中任一项所述电动车充电行为监测方法的步骤。
10.一种计算机可读存储介质,其上存储有电动车充电行为监测程序,其特征在于,所述电动车充电行为监测程序被处理器执行时实现如权利要求1至8中任一项所述电动车充电行为监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910746501.7A CN110441594A (zh) | 2019-08-13 | 2019-08-13 | 电动车充电行为监测方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910746501.7A CN110441594A (zh) | 2019-08-13 | 2019-08-13 | 电动车充电行为监测方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110441594A true CN110441594A (zh) | 2019-11-12 |
Family
ID=68435211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910746501.7A Pending CN110441594A (zh) | 2019-08-13 | 2019-08-13 | 电动车充电行为监测方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110441594A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110954772A (zh) * | 2019-12-17 | 2020-04-03 | 深圳华建电力工程设计有限公司 | 一种基于电气量的电动车识别方法及装置 |
CN112881835A (zh) * | 2021-01-19 | 2021-06-01 | 贵州电网有限责任公司 | 一种基于电气特征序列分析的电瓶车充电状态分析方法 |
CN113156202A (zh) * | 2021-03-11 | 2021-07-23 | 国电南瑞科技股份有限公司 | 基于谐波与时间特性的电瓶车充电非侵入辨识方法及装置 |
CN113538037A (zh) * | 2021-06-16 | 2021-10-22 | 北京市腾河智慧能源科技有限公司 | 监测电瓶车充电事件的方法及系统、设备、存储介质 |
WO2022155791A1 (zh) * | 2021-01-19 | 2022-07-28 | 贵州电网有限责任公司 | 一种基于电气特征序列分析的电瓶车充电状态分析方法 |
CN117838510A (zh) * | 2024-03-08 | 2024-04-09 | 深圳市艾利特医疗科技有限公司 | 一种体外反搏装置及体外反搏信号控制方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103187806A (zh) * | 2011-12-31 | 2013-07-03 | 中国电力科学研究院 | 用于调频的电池储能电站功率控制方法及其系统 |
CN105759113A (zh) * | 2016-02-29 | 2016-07-13 | 北京工业大学 | 一种电动汽车充电的非侵入式负荷监测与分解方法 |
CN105896561A (zh) * | 2016-05-24 | 2016-08-24 | 北京交通大学 | 利用电动汽车充电机对配电网进行实时无功补偿的方法 |
CN106483370A (zh) * | 2016-10-21 | 2017-03-08 | 威胜集团有限公司 | 基于多特征融合的非侵入式家用负荷实时识别方法及装置 |
CN106762594A (zh) * | 2017-01-12 | 2017-05-31 | 威胜集团有限公司 | 压缩机设备启动实时监测方法 |
CN106970263A (zh) * | 2017-05-16 | 2017-07-21 | 国网江苏省电力公司电力科学研究院 | 一种电动汽车交流充电桩的能效计量系统与计量方法 |
US9760452B2 (en) * | 2015-08-06 | 2017-09-12 | International Business Machines Corporation | In-line backup power source incorporating communication capability |
US9837822B2 (en) * | 2014-09-23 | 2017-12-05 | Lsis Co., Ltd. | Control device of energy storage system |
CN109428135A (zh) * | 2017-08-21 | 2019-03-05 | 许继集团有限公司 | 一种电动车充电控制方法及系统 |
-
2019
- 2019-08-13 CN CN201910746501.7A patent/CN110441594A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103187806A (zh) * | 2011-12-31 | 2013-07-03 | 中国电力科学研究院 | 用于调频的电池储能电站功率控制方法及其系统 |
US9837822B2 (en) * | 2014-09-23 | 2017-12-05 | Lsis Co., Ltd. | Control device of energy storage system |
US9760452B2 (en) * | 2015-08-06 | 2017-09-12 | International Business Machines Corporation | In-line backup power source incorporating communication capability |
CN105759113A (zh) * | 2016-02-29 | 2016-07-13 | 北京工业大学 | 一种电动汽车充电的非侵入式负荷监测与分解方法 |
CN105896561A (zh) * | 2016-05-24 | 2016-08-24 | 北京交通大学 | 利用电动汽车充电机对配电网进行实时无功补偿的方法 |
CN106483370A (zh) * | 2016-10-21 | 2017-03-08 | 威胜集团有限公司 | 基于多特征融合的非侵入式家用负荷实时识别方法及装置 |
CN106762594A (zh) * | 2017-01-12 | 2017-05-31 | 威胜集团有限公司 | 压缩机设备启动实时监测方法 |
CN106970263A (zh) * | 2017-05-16 | 2017-07-21 | 国网江苏省电力公司电力科学研究院 | 一种电动汽车交流充电桩的能效计量系统与计量方法 |
CN109428135A (zh) * | 2017-08-21 | 2019-03-05 | 许继集团有限公司 | 一种电动车充电控制方法及系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110954772A (zh) * | 2019-12-17 | 2020-04-03 | 深圳华建电力工程设计有限公司 | 一种基于电气量的电动车识别方法及装置 |
CN112881835A (zh) * | 2021-01-19 | 2021-06-01 | 贵州电网有限责任公司 | 一种基于电气特征序列分析的电瓶车充电状态分析方法 |
WO2022155791A1 (zh) * | 2021-01-19 | 2022-07-28 | 贵州电网有限责任公司 | 一种基于电气特征序列分析的电瓶车充电状态分析方法 |
CN113156202A (zh) * | 2021-03-11 | 2021-07-23 | 国电南瑞科技股份有限公司 | 基于谐波与时间特性的电瓶车充电非侵入辨识方法及装置 |
CN113156202B (zh) * | 2021-03-11 | 2023-08-29 | 国电南瑞科技股份有限公司 | 基于谐波与时间特性的电瓶车充电非侵入辨识方法及装置 |
CN113538037A (zh) * | 2021-06-16 | 2021-10-22 | 北京市腾河智慧能源科技有限公司 | 监测电瓶车充电事件的方法及系统、设备、存储介质 |
CN113538037B (zh) * | 2021-06-16 | 2023-11-24 | 北京市腾河智慧能源科技有限公司 | 监测电瓶车充电事件的方法及系统、设备、存储介质 |
CN117838510A (zh) * | 2024-03-08 | 2024-04-09 | 深圳市艾利特医疗科技有限公司 | 一种体外反搏装置及体外反搏信号控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110441594A (zh) | 电动车充电行为监测方法、装置及计算机可读存储介质 | |
CN106505695B (zh) | 一种充电控制方法、装置及终端 | |
CN102984352B (zh) | 终端的屏幕亮度调整方法、装置及终端 | |
CN110166994B (zh) | 一种数据分时传输互用方法、系统、移动终端及存储介质 | |
CN109142953B (zh) | 漏电流监控方法及电子设备 | |
CN107302633B (zh) | 应用控制方法、装置、存储介质以及电子设备 | |
CN111092748B (zh) | 物联网设备的告警规则设置方法、装置、设备及存储介质 | |
CN110426554A (zh) | 家用负荷电气特征提取方法、装置及计算机可读存储介质 | |
CN102983609A (zh) | 一种智能手持终端充电及软件更新方法及装置 | |
CN109462260A (zh) | 一种充电方法、充电设备以及电子设备 | |
CN109256095A (zh) | Led电流保护方法、显示器和存储介质 | |
CN109204056A (zh) | 一种充电桩 | |
CN106569890A (zh) | 一种应用控制方法及终端 | |
CN107343100A (zh) | 信息提示方法、装置、存储介质及电子设备 | |
CN108989548A (zh) | 一种检测移动终端应用耗电量的控制方法及控制装置 | |
CN111293748A (zh) | 监控电量数据的方法及装置 | |
CN113220350B (zh) | 一种基于智能终端充电过程的动画解锁系统及方法 | |
CN113780600A (zh) | 电力设备工作状态管理方法、系统及电子设备 | |
CN115339354A (zh) | 一种动力电池加热保温控制方法、装置、终端及存储介质 | |
CN106708703A (zh) | 一种基于移动终端温度的显示方法和显示系统 | |
CN110596453B (zh) | 电磁感应涡流加热设备启动监控方法、装置和存储介质 | |
CN108307060B (zh) | 电子设备、跌落保护方法及相关产品 | |
CN112531809A (zh) | 基于智能充电机柜的移动电源的充电控制方法及装置 | |
CN105677545B (zh) | 一种基于移动设备的界面处理方法和装置 | |
CN110611127B (zh) | 电池管理方法、装置、存储介质及电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191112 |
|
RJ01 | Rejection of invention patent application after publication |