CN115207998A - 一种充电安全防护方法、装置、介质及显示终端 - Google Patents

Abstract

本申请公开了一种充电安全防护方法、装置及介质，基于充电云平台，方法包括，通过预设的安全评价模型确定目标新能源设备为高危新能源设备，向运维平台发送包含有高危数据的跟踪信号，以便于运维平台根据跟踪信号获取包含有异常原因的跟踪数据后，向充电云平台发送包含有跟踪数据的反馈信号，接收反馈信号并根据反馈信号调整安全评价模型，其中高危数据表示目标新能源设备的身份数据以及对应的异常数据。由此可见，应用于本方案，能够通过反馈信号中包含的跟踪数据对安全评价模型进行调整和完善，提高了安全评价模型在实际使用过程中的准确性，从而提高了识别充电异常的准确性。

Description

一种充电安全防护方法、装置、介质及显示终端

技术领域

本申请涉及新能源技术领域，特别是涉及一种充电安全防护方法、装置、介质及显示终端。

背景技术

随着新能源技术和充电行业的发展，越来越多的新能源设备(例如：电动汽车)涌入市场。由于电动汽车的销售量和产量激增，导致大量存在质量瑕疵的电动汽车(例如：电池存在故障或问题的电动汽车)进入市场，使得电动汽车在试用期间发生质量问题的比例急速上升。

为了防止电池在充电过程中，由于电池温度过高等因素造成充电事故，通常是厂家对电池进行测试实验，通过测试实验得到电池的安全充电的各变量的安全阈值，并写入电池管理系统(BMS)。在充电过程中，比较电池当前参数与所设定的安全阈值的大小关系来确定电池充电是否有异常。测试实验所得到的安全阈值通常是固定，而随着电池性能的变化，所对应的阈值也在不断变化，如果以一个固定的安全阈值作为异常判断标准必然导致判断结果不准确。

由此可见，如何提高识别充电异常的准确性是本领域技术人员亟待解决的问题。

发明内容

本申请的目的是提供一种充电安全防护方法，用以提高识别充电异常的准确性。本申请的目的是还提供一种充电安全防护装置、介质及显示终端。

为解决上述技术问题，本申请提供一种充电安全防护方法，基于充电云平台，包括：

根据预设的安全评价模型确定目标新能源设备为高危新能源设备；

向运维平台发送包含有高危数据的跟踪信号，所述高危数据表示所述目标新能源设备的身份数据以及对应的异常数据，以便于所述运维平台根据所述跟踪信号获取跟踪数据，并向所述充电云平台发送包含有所述跟踪数据的反馈信号，所述跟踪数据包含有所述目标新能源设备的异常原因；

接收所述反馈信号；

根据所述反馈信号调整所述安全评价模型。

优选的，所述向运维平台发送包含有高危数据的跟踪信号，具体包括：

获取所述目标新能源设备的高危充电订单次数；

在所述高危充电订单次数超过预设次数的情况下，发送包含有高危重点标识和所述高危数据的所述跟踪信号。

优选的，所述根据安全评价模型确定目标新能源设备为高危新能源设备后，还包括：发送告警信号。

优选的，获取所述反馈信号后，还包括：

根据所述反馈信号解除所述目标新能源设备对应的高危防护措施。

优选的，所述安全评价模型具体为大数据安全评价模型；

则，根据所述大数据安全评价模型确定所述目标新能源设备为高危新能源设备，具体为：

确定所述目标新能源设备的类型；

选择所述类型下的多个新能源设备集作为分析对象；

获取所述分析对象在预设时间范围内、与所述分析对象匹配的一次参考充电过程数据，所述一次参考充电过程数据为所述分析对象在充电过程中所产生的数据；

根据所述一次参考充电过程数据计算各变量对应的用于表征变量变化趋势的二次参考充电过程数据；

根据所述目标新能源设备的一次实际充电过程数据计算各变量对应的用于表征变量变化趋势的二次实际充电过程数据；其中，所述一次实际充电过程数据为在所述目标新能源设备当前充电过程中所产生的数据；

基于所述一次参考充电过程数据和/或所述二次参考充电过程数据与时间的对应关系，确定所述一次参考充电过程数据对应的第一安全阈值和/或所述二次参考充电过程数据对应的第二安全阈值，所述第一安全阈值作为比较对象与所述目标新能源设备的一次实际充电过程数据进行比较和/或所述第二安全阈值作为比较对象与所述目标新能源设备的二次实际充电过程数据进行比较，以确定所述目标新能源设备为高危新能源设备；

根据预设的偏离程度与健康状况的对应关系，确定所述一次实际充电过程数据与所述一次安全阈值的偏离程度所对应的健康状况和/或所述二次实际充电过程数据与所述二次安全阈值的偏离程度所对应的健康状况。

为解决上述技术问题，本申请还提供一种充电安全防护方法，基于运维平台，包括：

接收充电云平台在根据预设的安全评价模型确定目标新能源设备为高危新能源设备后、发送的包含有高危数据的跟踪信号，所述高危数据表示所述目标新能源设备的身份数据以及对应的异常数据；

根据所述跟踪信号获取跟踪数据，所述跟踪数据包含有所述目标新能源设备的异常原因；

向所述充电云平台发送包含有所述跟踪数据的反馈信号，以便于所述充电云平台根据所述反馈信号调整所述安全评价模型。

优选的，所述根据所述跟踪信号获取跟踪数据，具体为：

根据地域数据按预设周期获取所述跟踪数据。

优选的，所述跟踪数据还包括：检修前后目标新能源设备的各项充电指标以及检修过程数据。

为解决上述技术问题，本申请还提供一种充电安全防护装置，基于充电云平台，包括：

第一确定模块，用于根据预设的安全评价模型确定目标新能源设备为高危新能源设备；

第一发送模块，用于向运维平台发送包含有高危数据的跟踪信号，所述高危数据表示所述目标新能源设备的身份数据以及对应的异常数据，以便于所述运维平台根据所述跟踪信号获取跟踪数据，并向所述充电云平台发送包含有所述跟踪数据的反馈信号，所述跟踪数据包含有所述目标新能源设备的异常原因；

第一接收模块，用于接收所述反馈信号；

调整模块，用于根据所述反馈信号调整所述安全评价模型。

为解决上述技术问题，本申请还提供一种充电安全防护装置，基于运维平台，包括：

第二接收模块，用于接收充电云平台在根据预设的安全评价模型确定目标新能源设备为高危新能源设备后、发送的包含有高危数据的跟踪信号，所述高危数据表示所述目标新能源设备的身份数据以及对应的异常数据；

第一获取模块，用于根据所述跟踪信号获取跟踪数据，所述跟踪数据包含有所述目标新能源设备的异常原因；

第二发送模块，用于向所述充电云平台发送包含有所述跟踪数据的反馈信号，以便于所述充电云平台根据所述反馈信号调整所述安全评价模型。

为解决上述技术问题，本申请还提供一种充电安全防护装置，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如上所述的充电安全防护方法的步骤。

为解决上述技术问题，本申请还提供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计算机程序，所述计算机程序被处理器执行时实现如上所述的充电安全防护方法的步骤。

为解决上述技术问题，本申请还提供一种显示终端，包括：

存储器，用于存储计算机程序；

处理器，用于在执行所述计算机程序时实现如下步骤：

接收跟踪信号和反馈信号；

输出所述跟踪信号和所述反馈信号；

其中，所述跟踪信号和所述反馈信号通过如下步骤得到：

根据预设的安全评价模型确定目标新能源设备为高危新能源设备；

向运维平台发送包含有高危数据的所述跟踪信号，所述高危数据表示所述目标新能源设备的身份数据以及对应的异常数据，以便于所述运维平台根据所述跟踪信号获取跟踪数据，并向所述充电云平台发送包含有所述跟踪数据的所述反馈信号，所述跟踪数据包含有所述目标新能源设备的异常原因；

接收所述反馈信号；

根据所述反馈信号调整所述安全评价模型。

本申请所提供的充电安全防护方法，基于充电云平台，通过预设的安全评价模型确定目标新能源设备为高危新能源设备，向运维平台发送包含有高危数据的跟踪信号，以便于运维平台根据跟踪信号获取包含有异常原因的跟踪数据后，向充电云平台发送包含有跟踪数据的反馈信号，接收反馈信号并根据反馈信号调整安全评价模型，其中高危数据表示目标新能源设备的身份数据以及对应的异常数据。由此可见，应用于本方案，能够通过反馈信号中包含的跟踪数据对安全评价模型进行调整和完善，提高了安全评价模型在实际使用过程中的准确性，从而提高了识别充电异常的准确性。此外，应用于本方案还能够对高危新能源设备的检修进行有效的督促和跟踪，降低了高危新能源设备的使用风险。

此外，本申请所提供的充电安全防护装置及介质，与上述充电安全防护方法对应，效果同上。

附图说明

为了更清楚地说明本申请实施例，下面将对实施例中所需要使用的附图做简单的介绍，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一种电动汽车的充电管理系统的结构图；

图2为本申请实施例提供的一种充电安全防护方法的流程图；

图3为本申请实施例提供的一种根据大数据安全评价模型确定目标新能源设备为高危新能源设备方法的流程图；

图4为本申请实施例提供的另一种充电安全防护方法的流程图；

图5为本申请实施例提供的第一种充电安全防护装置的结构示意图；

图6为本申请实施例提供的第二种充电安全防护装置的结构图；

图7为本申请实施例提供的第三种充电安全防护装置的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本申请保护范围。

本申请的核心是提供一种充电安全防护方法、装置、介质及显示终端，用以提高识别充电异常的准确性。本申请所提出的新能源设备可以为电动汽车或其它电动设备，下文中以电动汽车为例说明。本申请实施例提到的充电安全防护方法可以应用于充电云平台或充电设备，还可以是无人驾驶车管理平台(适用于无人驾驶车辆)。下文中，以充电安全防护方法应用于充电云平台进行说明。其中，充电云平台与充电设备通信连接，用于统一管理多个充电设备。通常情况下，充电云平台由多台计算机相互协作实现相应的功能。充电设备通常有两种硬件组成方式，一种是充电机和充电终端一体设置，体积较大，常见于高速服务区等快速充电的场景，另一种是充电机和充电终端分体设置，一台充电机可以与多台充电终端通信连接，用于统一管理多台充电终端。由于充电机和充电终端分体设置，故充电终端体积较小，直接与电动汽车进行数据交互，功能较为简单，通常是将获取的车辆数据发送至对应的充电机，由充电机完成较复杂的数据运算，再将运算结果返回至充电终端。图1为本申请实施例提供的一种电动汽车的充电管理系统的结构图。如图1所示，充电管理系统包括充电云平台，与充电云平台通信连接的多个充电设备，充电设备获取到电动汽车的相关数据，例如，充电启动信息，将充电启动信息发送至充电云平台，由充电云平台依据充电启动信息识别出设备型号，从而对与该设备信号相匹配的充电过程数据进行相关计算以得到安全阈值。需要说明的是，图1仅仅是一种具体的应用场景，并不代表必须由充电云平台实现对新能源设备充电异常的检测。

上文中对于本申请提供的充电安全防护方法对应的硬件使用场景进行了说明。下文中对于充电安全防护方法的实施例进行说明。为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。

图2为本申请实施例提供的一种充电安全防护方法的流程图。如图2所示，基于充电云平台，该方法包括：

S10：根据预设的安全评价模型确定目标新能源设备为高危新能源设备。

本申请实施例中，预设的安全评价模型可以是在充电过程中，通过比较电池当前参数与厂家所设定的安全阈值的大小关系从而确定电池充电是否有异常的安全评价模型，也可以是通过历史大数据构建的、用于判断电池充电是否有异常的安全评价模型。

S11：向运维平台发送包含有高危数据的跟踪信号，以便于运维平台根据跟踪信号获取跟踪数据，并向充电云平台发送包含有跟踪数据的反馈信号。

其中，高危数据表示目标新能源设备的身份数据以及对应的异常数据，跟踪数据包含有目标新能源设备的异常原因。

可以理解的是，上述高危数据还可以包含有追踪提示或追踪指令，以便于运维平台能够根据追踪提示或追踪指令进行针对性的追踪，提高了获取跟踪数据的效率。

此外，高危数据中包含的目标新能源设备的身份数据可通过充电设备在充电过程(握手阶段、参数配置阶段、充电阶段、充电结束的任意阶段)中从车辆处获取，也可以通过在充电设备上部署摄像头，在充电过程中对车辆进行拍照，从而获取车辆的宏观身份数据例如车辆品牌、类型和车牌号等，并根据支撑充电业务的云平台系统存储的用户数据确定与车辆对应的用户信息(例如：车主姓名、电话号码、住址等)。高危数据中包含的目标新能源设备的异常数据可通过新能源设备在充电过程中所产生的异常数据获取，所述异常数据可通过：在充电过程中直接获得一次数据(例如：动力蓄电池的最高温度、动力蓄电池的最低温度、动力蓄电池的SOC、单体电池最高电压、单体电池最低电压等)、并根据对应的安全阈值确定的一次异常数据和/或在充电过程中根据一次数据得到的用于表征变量变化趋势的二次数据(例如：动力蓄电池的最大温差、动力蓄电池的最大压差、动力蓄电池的最高温升速率、动力蓄电池的最大SOC变化速率、单体电池电压最大变化速率等)、并根据对应的安全阈值确定的二次异常数据等。可以理解的是，一次数据中的变量越多，则二次数据中的变量越多，能够获取的跟踪数据越全面，优化后的安全评价模型的检测结果越准确。

在具体实施中，跟踪信号可以具体为包含有高危数据的工单或跟踪档案，运维平台的安全专员在获取目标新能源设备异常原因后，可完善工单或跟踪档案，并反馈至运维平台。

具体的，可通过计算机程序构建运行于运维平台的高危新能源设备跟踪应用软件，该应用软件能够实现本申请提供的充电安全防护方法，即在运维平台接收到跟踪信号后，可由高危新能源设备跟踪应用软件根据跟踪信号形成对应的工单或跟踪档案，并发送至各安全专员，以便于安全专员根据工单或跟踪档案对高危新能源设备进行跟踪，并完善工单或跟踪档案后，由高危新能源设备跟踪应用软件形成反馈信号，并由运维平台发送至充电云平台。

可以理解的是，工单或跟踪档案除跟踪信号对应的数据外，还可以包含有高危新能源设备对应车主的身份信息以及电话号码，以便于安全专员进行跟踪和督促。

S12：接收反馈信号。

S13：根据反馈信号调整安全评价模型。

为了提高充电云平台的实用性，作为优选的实施例，在确定目标新能源设备为高危新能源设备的情况下，发送告警信号。可以理解的是，告警信号可以由充电云平台发送至目标新能源设备，也可以是通过云平台系统存储的用户数据确定目标新能源设备对应的目标用户后、根据目标用户的身份数据以短信、邮件、电话等形式向目标用户发送告警信号。需要说明的是，告警信号中还可以包含有一次异常数据和/或二次异常数据，以便于用户能够全方位的了解目标新能源设备的异常原因，进而针对性的对目标新能源设备进行检修。

本申请实施例所提供的充电安全防护方法，基于充电云平台，通过预设的安全评价模型确定目标新能源设备为高危新能源设备，向运维平台发送包含有高危数据的跟踪信号，以便于运维平台根据跟踪信号获取包含有异常原因的跟踪数据后，向充电云平台发送包含有跟踪数据的反馈信号，接收反馈信号并根据反馈信号调整安全评价模型，其中高危数据表示目标新能源设备的身份数据以及对应的异常数据。由此可见，应用于本方案，能够通过反馈信号中包含的跟踪数据对安全评价模型进行调整和完善，提高了安全评价模型在实际使用过程中的准确性，从而提高了识别充电异常的准确性。此外，应用于本方案还能够对高危新能源设备的检修进行有效的督促和跟踪，降低了高危新能源设备的使用风险。

在上述实施例的基础上，向运维平台发送包含有高危数据的跟踪信号具体包括：

获取目标新能源设备的高危充电订单次数；

在高危充电订单次数超过预设次数的情况下，发送包含有高危重点标识和高危数据的跟踪信号。

需要说明的是，高危充电订单次数具体指确定目标新能源设备为高危新能源设备后、目标新能源设备在高危充电过程中的高危充电次数，在具体实施中，高危充电订单次数仅获取高危次数的一种表现形式，不代表仅有这一种获取高危次数的表现形式。

可以理解的是，对高危充电订单次数超过预设次数的电动汽车设置高危重点标识，可以通过高危重点标识重点提醒运维平台和安全专员，以便于对存在高危重点标识的跟踪信号对应的电动汽车按较高优先程度对待和跟踪，从而进一步保证对这类车辆的检修进行有效的督促和跟踪，进一步保证了充电云平台的充电安全。

在上述实施例的基础上，S12后，还包括：根据反馈信号解除目标新能源设备对应的高危防护措施。

本申请实施例中，高危防护措施具体由充电云平台预先设置，高危防护措施可以是：在根据安全评价模型确定目标新能源设备为高危新能源设备的情况下，禁止目标新能源设备进行充电。需要说明的是，高危防护措施按照充电云平台侧的安全防护要求进行设置，可以是对所有高危设备采取同一种防护措施，也可以按照高危设备的危险等级对应采取不同防护程度的防护措施。

可以理解的是，根据反馈信号解除对应的高危防护措施，能够在目标新能源设备检修回到正常状态后，继续按正常的充电数据对目标新能源设备进行充电，保证了用户能够正常使用检修后的目标新能源设备，提高了用户的使用体验感。

在上述实施例的基础上，安全评价模型具体为大数据安全评价模型。图3为本申请实施例提供的一种根据大数据安全评价模型确定目标新能源设备为高危新能源设备方法的流程图。如图3所示，根据大数据安全评价模型确定目标新能源设备为高危新能源设备，具体为：

S20：确定目标新能源设备的类型。

本实施例中提到的目标新能源设备是新能源设备中的其中一种，确定目标新能源设备的类型的目的在于选取该类型下的多个新能源设备作为分析对象。

S21：选择类型下的多个新能源设备集作为分析对象。

需要说明的是，分析对象至少是与目标新能源设备同类型的设备，本实施例中分析对象可以是与目标新能源设备同类型，也可以是与目标新能源设备同类型+同车龄等，选取同类型的多个新能源设备作为分析对象的目的是保证所得到的参考充电过程数据能够准确反映目标新能源设备的充电状态使得检测结果更加准确。作为优选地实施方式，选择同类型下的同区域和/或同车龄的多个新能源设备作为分析对象。

S22：获取分析对象在预设时间范围内、与分析对象匹配的一次参考充电过程数据。

本申请中提到的充电过程数据是任意新能源设备在充电过程中所产生的数据。充电过程数据来源于充电云平台和充电设备，包括充电系统数据和充电数据，充电系统数据主要是支撑充电业务的云平台系统存储的充电桩/充电终端数据、用户数据、车辆数据，充电数据是由充电设备在充电过程中从车辆处获取。一次参考充电过程数据为分析对象在充电过程中所产生的数据。一次参考充电过程数据与下文中提到的一次实际充电过程数据均是充电过程数据中的一种，即新能源设备在充电过程中所产生的数据。只不过为了进行区分，将目标新能源设备在当前充电过程中所产生的数据称为一次实际充电过程数据，而将与目标新能源设备同型号的新能源设备(分析对象)的充电过程数据称为一次参考充电过程数据，以作为参考数据使用。

对应的，一次参考充电过程数据，可以是与目标新能源设备同类型的新能源设备的充电过程数据，也可以是与目标新能源设备同类型+同车龄的新能源设备的充电过程数据等。以电动汽车为例，参考充电过程数据可以是如下新能源设备在充电过程中产生的数据：同车型+过去某一时间段/当前时刻；同车型+同区域(如同城市)+过去某一时间段/当前时刻；同车型+同车龄+过去某一时间段/当前时刻。比如，目标新能源设备的类型为特斯拉Model 3，则选择类型下的多个新能源设备作为分析对象可以为：获取成都地区特斯拉Model 3在2021年1月1日至1月31日的，3年车龄的电动汽车作为分析对象。

作为优选地实施方式，一次参考充电过程数据包括动力蓄电池的最高温度、动力蓄电池的最低温度、动力蓄电池的SOC、单体电池最高电压、单体电池最低电压、单体电池最高电压所在编号、最高温度监测点编号和最低温度监测点编号。需要说明的是，本实施例中提到的动力蓄电池的SOC包括正常充电时的SOC，也包括不均衡性异常终止时的SOC。不均衡性异常终止时的SOC属于充电过程数据，只不过是充电异常发生后，反过来分析充电结束时的SOC。不均衡性异常终止时的SOC是动力蓄电池因为不均衡性导致异常终止时的电池SOC，和不均衡性关联性较大的异常终止原因为新能源设备的单体电池电压达到目标值终止、动力蓄电池达到目标SOC终止。在具体实施例中，一次参考充电过程数据中的变量越多，则充电异常检测结果越准确。在此基础上，二次参考充电过程数据包括动力蓄电池的最大温差、动力蓄电池的最大压差、动力蓄电池的最高温升速率、动力蓄电池的最大SOC变化速率、单体电池电压最大变化速率、最高温度监测点编号的香浓熵值、最低温度监测点编号的香浓熵值、单体电池最高电压所在编号的香浓熵值。

其中，最大温差是指充电过程中同一时刻电池最高温度和最低温度的差值，由动力蓄电池的最高温度、动力蓄电池的最低温度获取。最大温差指一次充电过程中温差的最大值。最大压差是指一次充电过程结束后单体电池最高电压和单体电池最低电压的差值。最高温升速率是指充电过程中电池最高温度在特定频率(毫秒、秒、分)的变化量。最高温升速率指一次充电过程中温升速率的最大值。最大SOC变化速率是指一次充电过程中BMS传输的SOC在特定频率(毫秒、秒、分)的变化率。最大SOC变化速率是指一次充电过程中SOC变化速率的最大值。单体电池电压变化速率是指充电过程中BMS传输的单体电池最高电压在特定频率(毫秒、秒、分)的变化量。单体电池电压最大变化速率是指一次充电过程中单体电池电压变化速率的最大值。最高温度监测点编号的香浓熵值具体为：基于一次充电过程中，按照特定频率(毫秒、秒、分)获取的最高温度检测点编号，结合香浓熵算法计算得到最高温度监测点编号的香浓熵值。最低温度监测点编号的香浓熵值具体为：基于一次充电过程中，按照特定频率(毫秒、秒、分)获取的最低温度检测点编号，结合香浓熵算法计算得到最低温度监测点编号的香浓熵值。单体电池最高电压所在编号的香浓熵值具体为：基于一次充电过程中，按照特定频率(毫秒、秒、分)获取的单体电池最高电压检测点编号，结合香浓熵算法计算单体电池最高电压所在编号的香浓熵值。

可以理解的是，香浓熵值是能看出充电过程中最高温度监测点编号和单体电池最高电压所在编号的离散程度，离散程度越低，出现充电异常的可能性越大。

另外，本步骤中所获取的一次参考充电过程数据可以是在获取到目标新能源的充电启动信息后在线获取，也可以是预先将其存储在本地数据库，在获取到目标新能源的充电启动信息后从本地数据库中直接调用。可以理解的是，如果是在获取到目标新能源的充电启动信息后在线获取，则一次参考充电过程数据可以是历史数据，也可以是实时数据，如果是在获取到目标新能源的充电启动信息后从本地数据库中直接调用，则一次参考充电过程数据是历史数据。

S23：根据一次参考充电过程数据计算各变量对应的用于表征变量变化趋势的二次参考充电过程数据。

二次参考充电过程数据是根据一次参考充电过程数据得到的，用于表征变量变化趋势，例如变量变差、梯度变化等。可以理解的是，一次参考充电过程数据中包含的变量数目与二次参考充电过程数据中包含的变量数目可以相同也可以不同，但是变量类型必然不同。

S24：根据目标新能源设备的一次实际充电过程数据计算各变量对应的用于表征变量变化趋势的二次实际充电过程数据。

一次实际充电过程数据为在目标新能源设备当前充电过程中所产生的数据。二次实际充电过程数据是根据一次实际充电过程数据得到的，用于表征变量变化趋势，例如变量变差、梯度变化、离散程度等。需要说明的是，由一次参考充电过程数据得到二次参考充电过程数据的方法与由一次实际充电过程数据得到二次实际充电过程数据的方法相同。可以理解的是，一次参考充电过程数据中包含的变量数目与二次参考充电过程数据中包含的变量数目可以相同也可以不同，但是变量类型必然不同。

S25：基于一次参考充电过程数据和/或二次参考充电过程数据与时间的对应关系，确定一次参考充电过程数据对应的第一安全阈值和/或二次参考充电过程数据对应的第二安全阈值。

本步骤中，第一安全阈值和第二安全阈值用于作为比较对象分别与目标新能源设备的一次实际充电过程数据和二次实际充电过程数据进行比较，以确定目标新能源设备充电异常。需要说明的是，本实施例中对于一次安全阈值和二次安全阈值的计算方式不做限定，可以利用统计学分析方法或聚类分析方法确定。本步骤中的一次安全阈值和二次安全阈值与现有的通过实验所得到的固定阈值均用于衡量充电是否异常，只不过本步骤中的一次安全阈值和二次安全阈值是通过与目标新能源设备同类型的新能源设备在充电过程中的真实数据所得到的，故能够真实反映同类型设备的充电状态。

目标新能源设备在充电过程中，分为握手阶段、参数配置阶段、充电阶段、充电结束四个阶段，实际充电过程数据可以为四个阶段中的一个阶段或全部阶段的数据。由于一次安全阈值和二次安全阈值是对目标新能源设备同类型的新能源设备的充电过程数据所确定的，故能够作为目标新能源设备异常的检测标准。只要一次实际充电过程数据或二次实际充电过程数据中的至少一个超出了所对应的安全阈值，则确定目标新能源设备充电异常。

此外，本步骤中可通过统计学分析方法或聚类分析方法确定第一安全阈值和/或第二安全阈值。作为优选地实施方式，统计学分析方法包括正态分布统计方法，聚类分析方法包括高斯混合聚类方法。

S26：根据预设的偏离程度与健康状况的对应关系，确定一次实际充电过程数据与一次安全阈值的偏离程度所对应的健康状况和/或二次实际充电过程数据与二次安全阈值的偏离程度所对应的健康状况。

需要说明的是，步骤S25和S26是相互独立的，即使目标新能源设备没有出现充电异常，也可以对其进行健康状况的评估。本实施例中利用一次实际充电过程数据与一次安全阈值的偏离程度，以及二次实际充电过程数据与二次安全阈值的偏离程度确定目标新能源设备的实际健康等级，使得用户及时掌握设备的健康状况。

此外，S26可以包括：获取目标新能源设备的预定时间内的多个历史充电订单，从各历史充电订单中获取一次历史充电过程数据，并计算一次历史充电过程数据中各变量对应的平均值以作为一次实际平均值，计算一次参考充电过程数据在预定时间内各变量对应的一次参考平均值，确定同一变量对应的一次实际平均值与一次安全阈值的一次变量偏离度，依据预先设定的变量偏离度与健康等级的对应关系确定一次变量偏离度对应的一次实际健康等级，和/或根据一次历史充电过程数据计算各变量对应的用于表征变量变化趋势的二次历史充电过程数据，计算二次历史充电过程数据中各变量对应的平均值以作为二次实际平均值，计算二次参考充电过程数据在预定时间内各变量对应的二次参考平均值，确定同一变量对应的二次实际平均值与二次安全阈值的二次变量偏离度，依据预先设定变量偏离度与健康等级的对应关系确定二次变量偏离度对应的二次实际健康等级，根据一次实际健康等级和/或二次实际健康等级确定目标新能源设备的健康状况。

S26也可以包括：依据预先设定的各变量对应的一次打分模型确定一次实际充电过程数据中各变量的一次实际得分数据，依据预先设定的得分数据与健康等级的对应关系确定一次实际得分数据对应的一次实际健康等级，和/或依据预先设定的各变量对应的二次打分模型确定二次实际充电过程数据中各变量的二次实际得分数据，依据预先设定的得分数据与健康等级的对应关系确定二次实际得分数据对应的二次实际健康等级。

其中，一次打分模型可以依据一次参考充电过程数据中各变量对应的平均值和方差所组成的多个区间范围进行区间划分，并依据各变量的实际值与对应区间的临界值的偏离程度建立偏离程度与得分数据的对应关系构建得到；二次打分模型可以依据二次参考充电过程数据中各变量对应的平均值和方差所组成的多个区间范围进行区间划分，并依据各变量的实际值与对应区间的临界值的偏离程度建立偏离程度与得分数据的对应关系构建得到。例如，变量为最高温度，划分为三个等级，分别是良、中和差，区间包括：(0，μ)、(μ，μ+3σ)、(μ+3σ、∞)，设μ+3σ为60分，则(0，μ)为100分(良)，则60分＜(μ，μ+3σ)＜100分(中)，(μ+3σ、∞)＜60分(差)。需要说明的是，良、中和差对应的分数划分需根据具体需求和变量类型进行设置。

本申请实施例所提供的充电安全防护方法，能够及时给出用户当前设备的健康状况的提示，提高了用户体验感，避免在健康状况较差时充电而引起的严重后果。另外，一次安全阈值和二次安全阈值是通过一次参考充电过程数据得到的，而一次参考充电过程数据是真实数据，故相比于现有技术中的固定阈值而言，本技术方案所得到的一次安全阈值和二次安全阈值能够提高充电异常检测的准确性。最后，二次参考充电过程数据能够反映变量的动态发展，故所得到的二次安全阈值能够量化变量动态发展，可以及时识别出充电异常。

上述实施例中以充电云平台侧进行描述，本申请下文中的实施例以运维平台侧进行描述。由于充电云平台和运维平台是相互交互的，故运维平台侧的方法实施例可参见上文。

图4为本申请实施例提供的另一种充电安全防护方法的流程图。如图4所示，基于运维平台，该方法包括：

S30：接收充电云平台在根据预设的安全评价模型确定目标新能源设备为高危新能源设备后、发送的包含有高危数据的跟踪信号。

其中，高危数据表示目标新能源设备的身份数据以及对应的异常数据。

S31：根据跟踪信号获取跟踪数据。

其中，跟踪数据包含有目标新能源设备的异常原因。

S32：向充电云平台发送包含有跟踪数据的反馈信号，以便于充电云平台根据反馈信号调整安全评价模型。

作为优选的实施例，S31可以为：根据地域数据按预设周期获取跟踪数据。由于不同地区之间造成电动汽车的动力蓄电池异常的原因不同，因此可以按照地域数据针对性的总结跟踪数据，以确保安全评价模型在当地检测结果的准确性。此外，按预设周期获取跟踪数据，能够进一步提高对高危新能源设备的检修进行有效的督促和跟踪，进一步降低了高危新能源设备的使用风险。

本申请实施例所提供的充电安全防护方法，基于运维平台，接收充电云平台在根据预设的安全评价模型确定目标新能源设备为高危新能源设备后、发送的包含有高危数据的跟踪信号，跟踪信号获取包含有异常原因的跟踪数据后，向充电云平台发送包含有跟踪数据的反馈信号，以便于充电云平台根据反馈信号调整安全评价模型。由此可见，应用于本方案，能够通过反馈信号中包含的跟踪数据对安全评价模型进行调整和完善，提高了安全评价模型在实际使用过程中的准确性，从而提高了识别充电异常的准确性。此外，应用于本方案还能够对高危新能源设备的检修进行有效的督促和跟踪，降低了高危新能源设备的使用风险。

在上述实施例基础上，跟踪数据还包括：检修前后目标新能源设备的各项充电指标以及检修过程数据。

可以理解的是，由于跟踪数据中还包含有检修前后目标新能源设备的各项充电指标以及检修过程数据，因此在根据跟踪数据调整安全评价模型，能够根据检修前后目标新能源设备的各项充电指标调整安全评价模型对于各项充电指标的检测结果，根据检修过程数据调整安全评价模型对于充电数据异常原因挖掘的检测结果，进一步提高了识别充电异常的准确性。

在上述实施例中，对于充电安全防护方法进行了详细描述，本申请还提供充电安全防护装置对应的实施例。需要说明的是，本申请从两个角度对装置部分的实施例进行描述，一种是基于功能模块的角度，另一种是基于硬件的角度。

图5为本申请实施例提供的第一种充电安全防护装置的结构示意图。如图5所示，基于充电云平台侧功能模块的角度，该装置包括：

第一确定模块10，用于根据预设的安全评价模型确定目标新能源设备为高危新能源设备。

第一发送模块11，用于向运维平台发送包含有高危数据的跟踪信号，以便于运维平台根据跟踪信号获取跟踪数据，并向充电云平台发送包含有跟踪数据的反馈信号，其中，高危数据表示目标新能源设备的身份数据以及对应的异常数据，跟踪数据包含有目标新能源设备的异常原因。

第一接收模块12，用于接收反馈信号。

调整模块13，用于根据反馈信号调整安全评价模型。

由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。

作为优选的实施例，第一发送模块11具体包括：

第二获取模块，用于获取目标新能源设备的高危充电订单次数。

第三发送模块，用于在高危充电订单次数超过预设次数的情况下，发送包含有高危重点标识和高危数据的所述跟踪信号。

还包括：

第三发送模块，用于发送告警信号。

还包括：

解除模块，用于根据反馈信号解除目标新能源设备对应的高危防护措施。

第一确定模块10具体包括：

第二确定模块，用于确定目标新能源设备的类型。

选择模块，用于选择类型下的多个新能源设备集作为分析对象。

第三获取模块，用于获取分析对象在预设时间范围内、与所述析对象匹配的一次参考充电过程数据，一次参考充电过程数据为分析对象在充电过程中所产生的数据。

第一计算模块，用于根据一次参考充电过程数据计算各变量对应的用于表征变量变化趋势的二次参考充电过程数据。

第二计算模块，用于根据目标新能源设备的一次实际充电过程数据计算各变量对应的用于表征变量变化趋势的二次实际充电过程数据；其中，一次实际充电过程数据为在目标新能源设备当前充电过程中所产生的数据。

第三确定模块，用于基于一次参考充电过程数据和/或二次参考充电过程数据与时间的对应关系，确定一次参考充电过程数据对应的第一安全阈值和/或二次参考充电过程数据对应的第二安全阈值，第一安全阈值作为比较对象与目标新能源设备的一次实际充电过程数据进行比较和/或第二安全阈值作为比较对象与目标新能源设备的二次实际充电过程数据进行比较，以确定目标新能源设备为高危新能源设备。

第四确定模块，用于根据预设的偏离程度与健康状况的对应关系，确定一次实际充电过程数据与一次安全阈值的偏离程度所对应的健康状况和/或二次实际充电过程数据与二次安全阈值的偏离程度所对应的健康状况。

本申请实施例所提供的充电安全防护装置，基于充电云平台，通过预设的安全评价模型确定目标新能源设备为高危新能源设备，向运维平台发送包含有高危数据的跟踪信号，以便于运维平台根据跟踪信号获取包含有异常原因的跟踪数据后，向充电云平台发送包含有跟踪数据的反馈信号，接收反馈信号并根据反馈信号调整安全评价模型，其中高危数据表示目标新能源设备的身份数据以及对应的异常数据。由此可见，应用于本方案，能够通过反馈信号中包含的跟踪数据对安全评价模型进行调整和完善，提高了安全评价模型在实际使用过程中的准确性，从而提高了识别充电异常的准确性。此外，应用于本方案还能够对高危新能源设备的检修进行有效的督促和跟踪，降低了高危新能源设备的使用风险。

图6为本申请实施例提供的第二种充电安全防护装置的结构图。如图6所示，在上述实施例的基础上，基于运维平台侧功能模块的角度，该装置包括：

第二接收模块20，用于接收充电云平台在根据预设的安全评价模型确定目标新能源设备为高危新能源设备后、发送的包含有高危数据的跟踪信号，高危数据表示目标新能源设备的身份数据以及对应的异常数据。

第一获取模块21，用于根据跟踪信号获取跟踪数据，跟踪数据包含有目标新能源设备的异常原因。

第二发送模块22，用于向充电云平台发送包含有跟踪数据的反馈信号，以便于充电云平台根据反馈信号调整安全评价模型。

由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。

作为优选的实施例，第一获取模块21具体用于根据地域数据按预设周期获取跟踪数据。

本申请实施例所提供的充电安全防护装置，基于运维平台，接收充电云平台在根据预设的安全评价模型确定目标新能源设备为高危新能源设备后、发送的包含有高危数据的跟踪信号，跟踪信号获取包含有异常原因的跟踪数据后，向充电云平台发送包含有跟踪数据的反馈信号，以便于充电云平台根据反馈信号调整安全评价模型。由此可见，应用于本方案，能够通过反馈信号中包含的跟踪数据对安全评价模型进行调整和完善，提高了安全评价模型在实际使用过程中的准确性，从而提高了识别充电异常的准确性。此外，应用于本方案还能够对高危新能源设备的检修进行有效的督促和跟踪，降低了高危新能源设备的使用风险。

图7为本申请实施例提供的第三种充电安全防护装置的结构示意图。如图7所示，基于硬件结构的角度，该装置包括：

存储器30，用于存储计算机程序；

处理器31，用于执行计算机程序时实现如上述实施例中充电安全防护方法的步骤。

其中，处理器31可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器31可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器31也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称中央处理器(CentralProcessing Unit，CPU)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器31可以在集成有图像处理器(Graphics Processing Unit，GPU)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器31还可以包括人工智能(Artificial Intelligence，AI)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器30可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器30还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器30至少用于存储以下计算机程序301，其中，该计算机程序301被处理器31加载并执行之后，能够实现前述任一实施例公开的充电安全防护方法的相关步骤。另外，存储器30所存储的资源还可以包括操作系统302和数据303等，存储方式可以是短暂存储或者永久存储。其中，操作系统302可以包括Windows、Unix、Linux等。数据303可以包括但不限于充电安全防护方法中涉及的数据等。

在一些实施例中，充电安全防护装置还可包括有显示屏32、输入输出接口33、通信接口34、电源35以及通信总线36。

本领域技术人员可以理解，图7中示出的结构并不构成对充电安全防护装置的限定，可以包括比图示更多或更少的组件。

本申请实施例提供的充电安全防护装置，包括存储器和处理器，处理器在执行存储器存储的程序时，能够实现如下方法：基于充电云平台，通过预设的安全评价模型确定目标新能源设备为高危新能源设备，向运维平台发送包含有高危数据的跟踪信号，以便于运维平台根据跟踪信号获取包含有异常原因的跟踪数据后，向充电云平台发送包含有跟踪数据的反馈信号，接收反馈信号并根据反馈信号调整安全评价模型，其中高危数据表示目标新能源设备的身份数据以及对应的异常数据。由此可见，应用于本方案，能够通过反馈信号中包含的跟踪数据对安全评价模型进行调整和完善，提高了安全评价模型在实际使用过程中的准确性，从而提高了识别充电异常的准确性。此外，应用于本方案还能够对高危新能源设备的检修进行有效的督促和跟踪，降低了高危新能源设备的使用风险。

本申请还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。

可以理解的是，如果上述实施例中的方法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，本申请实施例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，执行本申请各个实施例所述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，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后，本申请还提供一种显示终端，包括：

存储器，用于存储计算机程序；

处理器，用于在执行计算机程序时实现如下步骤：

接收跟踪信号和反馈信号；

输出跟踪信号和反馈信号；

其中，跟踪信号和反馈信号通过如下步骤得到：

根据预设的安全评价模型确定目标新能源设备为高危新能源设备；

向运维平台发送包含有高危数据的跟踪信号，高危数据表示目标新能源设备的身份数据以及对应的异常数据，以便于运维平台根据跟踪信号获取跟踪数据，并向充电云平台发送包含有跟踪数据的反馈信号，跟踪数据包含有目标新能源设备的异常原因；

接收反馈信号；

根据反馈信号调整安全评价模型。

可以理解的是，本实施例提供的显示终端可以包括但不限于智能手机、平板电脑、笔记本电脑或台式电脑等。通常情况下，跟踪信号和反馈信号由上文中提到的充电云平台和运维平台等得到，这些设备与显示终端建立通信连接，从而在得到跟踪信号和反馈信号后，发送至显示终端，由显示终端接收并输出跟踪信号和反馈信号，以便于用户可以及时查看。

以上对本申请所提供的一种充电安全防护方法、装置、介质及显示终端进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (13)

1.一种充电安全防护方法，其特征在于，基于充电云平台，包括：

根据预设的安全评价模型确定目标新能源设备为高危新能源设备；

向运维平台发送包含有高危数据的跟踪信号，所述高危数据表示所述目标新能源设备的身份数据以及对应的异常数据，以便于所述运维平台根据所述跟踪信号获取跟踪数据，并向所述充电云平台发送包含有所述跟踪数据的反馈信号，所述跟踪数据包含有所述目标新能源设备的异常原因；

接收所述反馈信号；

根据所述反馈信号调整所述安全评价模型。

2.根据权利要求1所述的充电安全防护方法，其特征在于，所述向运维平台发送包含有高危数据的跟踪信号，具体包括：

获取所述目标新能源设备的高危充电订单次数；

在所述高危充电订单次数超过预设次数的情况下，发送包含有高危重点标识和所述高危数据的所述跟踪信号。

3.根据权利要求1所述的充电安全防护方法，其特征在于，所述根据安全评价模型确定目标新能源设备为高危新能源设备后，还包括：发送告警信号。

4.根据权利要求1所述的充电安全防护方法，其特征在于，获取所述反馈信号后，还包括：

根据所述反馈信号解除所述目标新能源设备对应的高危防护措施。

5.根据权利要求1或3所述的充电安全防护方法，其特征在于，所述安全评价模型具体为大数据安全评价模型；

则，根据所述大数据安全评价模型确定所述目标新能源设备为高危新能源设备，具体为：

确定所述目标新能源设备的类型；

选择所述类型下的多个新能源设备集作为分析对象；

获取所述分析对象在预设时间范围内、与所述分析对象匹配的一次参考充电过程数据，所述一次参考充电过程数据为所述分析对象在充电过程中所产生的数据；

根据所述一次参考充电过程数据计算各变量对应的用于表征变量变化趋势的二次参考充电过程数据；

根据所述目标新能源设备的一次实际充电过程数据计算各变量对应的用于表征变量变化趋势的二次实际充电过程数据；其中，所述一次实际充电过程数据为在所述目标新能源设备当前充电过程中所产生的数据；

基于所述一次参考充电过程数据和/或所述二次参考充电过程数据与时间的对应关系，确定所述一次参考充电过程数据对应的第一安全阈值和/或所述二次参考充电过程数据对应的第二安全阈值，所述第一安全阈值作为比较对象与所述目标新能源设备的一次实际充电过程数据进行比较和/或所述第二安全阈值作为比较对象与所述目标新能源设备的二次实际充电过程数据进行比较，以确定所述目标新能源设备为高危新能源设备；

根据预设的偏离程度与健康状况的对应关系，确定所述一次实际充电过程数据与所述一次安全阈值的偏离程度所对应的健康状况和/或所述二次实际充电过程数据与所述二次安全阈值的偏离程度所对应的健康状况。

6.一种充电安全防护方法，其特征在于，基于运维平台，包括：

接收充电云平台在根据预设的安全评价模型确定目标新能源设备为高危新能源设备后、发送的包含有高危数据的跟踪信号，所述高危数据表示所述目标新能源设备的身份数据以及对应的异常数据；

根据所述跟踪信号获取跟踪数据，所述跟踪数据包含有所述目标新能源设备的异常原因；

向所述充电云平台发送包含有所述跟踪数据的反馈信号，以便于所述充电云平台根据所述反馈信号调整所述安全评价模型。

7.根据权利要求6所述的充电安全防护方法，其特征在于，所述根据所述跟踪信号获取跟踪数据，具体为：

根据地域数据按预设周期获取所述跟踪数据。

8.根据权利要求1至7任意一项所述的充电安全防护方法，其特征在于，所述跟踪数据还包括：检修前后目标新能源设备的各项充电指标以及检修过程数据。

9.一种充电安全防护装置，其特征在于，基于充电云平台，包括：

第一确定模块，用于根据预设的安全评价模型确定目标新能源设备为高危新能源设备；

第一发送模块，用于向运维平台发送包含有高危数据的跟踪信号，所述高危数据表示所述目标新能源设备的身份数据以及对应的异常数据，以便于所述运维平台根据所述跟踪信号获取跟踪数据，并向所述充电云平台发送包含有所述跟踪数据的反馈信号，所述跟踪数据包含有所述目标新能源设备的异常原因；

第一接收模块，用于接收所述反馈信号；

调整模块，用于根据所述反馈信号调整所述安全评价模型。

10.一种充电安全防护装置，其特征在于，基于运维平台，包括：

第二接收模块，用于接收充电云平台在根据预设的安全评价模型确定目标新能源设备为高危新能源设备后、发送的包含有高危数据的跟踪信号，所述高危数据表示所述目标新能源设备的身份数据以及对应的异常数据；

第一获取模块，用于根据所述跟踪信号获取跟踪数据，所述跟踪数据包含有所述目标新能源设备的异常原因；

第二发送模块，用于向所述充电云平台发送包含有所述跟踪数据的反馈信号，以便于所述充电云平台根据所述反馈信号调整所述安全评价模型。

11.一种充电安全防护装置，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至8任意一项所述的充电安全防护方法的步骤。

12.一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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8任意一项所述的充电安全防护方法的步骤。

13.一种显示终端，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于在执行所述计算机程序时实现如下步骤：

接收跟踪信号和反馈信号；

输出所述跟踪信号和所述反馈信号；

其中，所述跟踪信号和所述反馈信号通过如下步骤得到：

根据预设的安全评价模型确定目标新能源设备为高危新能源设备；

向运维平台发送包含有高危数据的所述跟踪信号，所述高危数据表示所述目标新能源设备的身份数据以及对应的异常数据，以便于所述运维平台根据所述跟踪信号获取跟踪数据，并向所述充电云平台发送包含有所述跟踪数据的所述反馈信号，所述跟踪数据包含有所述目标新能源设备的异常原因；

接收所述反馈信号；

根据所述反馈信号调整所述安全评价模型。

Images