CN115775087A - 一种充电桩风险预警方法、装置及存储介质 - Google Patents

一种充电桩风险预警方法、装置及存储介质 Download PDF

Info

Publication number
CN115775087A
CN115775087A CN202310102736.9A CN202310102736A CN115775087A CN 115775087 A CN115775087 A CN 115775087A CN 202310102736 A CN202310102736 A CN 202310102736A CN 115775087 A CN115775087 A CN 115775087A
Authority
CN
China
Prior art keywords
charging
index
charging pile
historical
risk
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.)
Granted
Application number
CN202310102736.9A
Other languages
English (en)
Other versions
CN115775087B (zh
Inventor
梁帆
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.)
Guangdong Prophet Big Data Co ltd
Original Assignee
Dongguan Prophet Big Data 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 Dongguan Prophet Big Data Co ltd filed Critical Dongguan Prophet Big Data Co ltd
Priority to CN202310102736.9A priority Critical patent/CN115775087B/zh
Publication of CN115775087A publication Critical patent/CN115775087A/zh
Application granted granted Critical
Publication of CN115775087B publication Critical patent/CN115775087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Landscapes

  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种充电桩风险预警方法、装置及存储介质，用于对充电桩进行风险预警。本申请公开的充电桩风险预警方法包括：检测充电桩的充电压力指数；检测充电桩的历史风险指数；检测充电桩的电流风险指数；根据所述充电压力指数，历史风险指数和电流风险指数确定充电桩风险预警指数；当所述充电桩风险预警指数大于设定的第十二判断阈值时，判定充电桩存在风险。本申请还提供了一种充电桩风险预警装置及存储介质。

Description

一种充电桩风险预警方法、装置及存储介质
技术领域
本申请涉及计算技术领域，尤其涉及一种充电桩风险预警方法、装置和存储介质。
背景技术
随着城镇化进程加剧，道路拥堵污染问题日益凸出，而减堵降污有利于城市环境的绿色慢行交通开始复兴，其中电动车凭借高效、便捷、低碳环保等特点成为主力军。然而，涉电动车的安全问题也逐渐凸显，尤其是充电和不当使用造成的火灾事故时有发生。现有技术中，充电桩防火方法大多是基于消防装置解决充电桩在发生火灾时自我防护的技术问题，不能在安全问题发生前对充电桩进行有效处理，缺少有效的风险预警方法，导致事故发生，造成生命财产损失。
发明内容
针对上述技术问题，本申请实施例提供了一种充电桩风险预警方法、装置及存储介质，用以对充电桩进行风险预警。
第一方面，本申请实施例提供的一种充电桩风险预警方法，包括：
检测充电桩的充电压力指数
Figure SMS_1
；
检测充电桩的历史风险指数
Figure SMS_2
；
检测充电桩的电流风险指数
Figure SMS_3
；
根据所述充电压力指数
Figure SMS_4
，历史风险指数
Figure SMS_5
和电流风险指数
Figure SMS_6
确定充电桩风险 预警指数
Figure SMS_7
；
当所述充电桩风险预警指数
Figure SMS_8
大于设定的第十二判断阈值
Figure SMS_9
时，判定充电桩存 在风险。
本发明中，在充电桩的安全事故发生前，通过检测充电桩的充电压力指数，历史风险指数和电流风险指数，从而计算充电桩的风险预警指数。当充电桩的风险预警指数超过预设的判断阈值时，判断充电桩存在风险，发出预警信号。
优选的，所述根据所述充电压力指数
Figure SMS_10
，历史风险指数
Figure SMS_11
和电流风险指数
Figure SMS_12
确定 充电桩风险预警指数
Figure SMS_13
包括：
根据以下公式确定充电桩风险预警指数
Figure SMS_14
：
Figure SMS_15
，
其中，k1为充电压力指数的加权系数，k2为历史风险指数的加权系数，k3为电流风险指数的加权系数。
优选的，所述检测充电桩的充电压力指数
Figure SMS_16
包括：
获取所述充电桩连续n天的充电数据，根据所述充电数据中每一笔订单的充电时 长
Figure SMS_17
以及充电桩的充电口个数
Figure SMS_18
，获取充电桩的充电饱和指数：
Figure SMS_19
，
若所述充电饱和指数
Figure SMS_20
大于设定的第一判断阈值
Figure SMS_21
时，判定充电桩使用饱和， 则充电压力指数
Figure SMS_22
；
若所述充电饱和指数
Figure SMS_23
小于等于设定的第一判断阈值
Figure SMS_24
时，判定充电桩使用未 饱和，则根据以下步骤计算所述充电压力指数
Figure SMS_25
：
确定充电集中压力得分
Figure SMS_26
；
确定充电附加压力得分
Figure SMS_27
；
根据所述电集中压力得分和所述充电附加压力得分确定充电压力指数：
Figure SMS_28
；
其中n为设定的判断天数，i为订单的序号，订单个数为
Figure SMS_29
。
优选的，所述确定充电集中压力得分
Figure SMS_30
包括：
将一天平均划分成
Figure SMS_31
个时间区间，统计每个时间区间的中点对应时间节点处正在 充电的订单数
Figure SMS_32
，其中j为时间节点的序号，k为对应的天数；
获取每个时间节点的使用热度指数：
Figure SMS_33
，
其中
Figure SMS_34
为设定的第二判断阈值；
根据所述每个时间节点的使用热度指数
Figure SMS_35
，确定充电桩的集中程度指数
Figure SMS_36
：
Figure SMS_37
当
Figure SMS_38
大于设定的第二判断阈值
Figure SMS_39
时，判定充电桩存在集中使用情况，则提取
Figure SMS_40
对应的时间区间组成集中使用区间
Figure SMS_41
，将剩余的时间区间组成空闲区间
Figure SMS_42
，对于当 前检测时间t，获取对应的充电集中压力得分
Figure SMS_43
：
Figure SMS_44
，
当
Figure SMS_45
小于等于设定的第二判断阈值
Figure SMS_46
时，判定充电桩不存在集中使用情况，令 充电集中压力得分
Figure SMS_47
。
优选的，所述确定充电附加压力得分
Figure SMS_48
包括：
当以充电桩为中心半径为
Figure SMS_49
的圆形区域内不存在其他存在集中使用情况的充电 桩时，充电附加压力得分
Figure SMS_50
；
当以充电桩为中心半径为
Figure SMS_51
的圆形区域内存在其他存在集中使用情况的充电桩 时，通过以下步骤确定充电附加压力得分
Figure SMS_52
：
获取圆形区域内的其他存在集中使用情况的充电桩信息，所述充电桩信息包括： 充电桩的个数
Figure SMS_53
、每个充电桩的集中使用区间
Figure SMS_54
及空闲区间
Figure SMS_55
，m为充电桩的序号，以 每个充电桩为中心半径为
Figure SMS_56
的圆形区域内的充电桩个数
Figure SMS_57
、每个充电桩距离目标充电桩 的距离
Figure SMS_58
；
根据所述充电桩信息获取每个充电桩的充电集中压力得分
Figure SMS_59
：
Figure SMS_60
；
计算充电附加压力得分
Figure SMS_61
：
Figure SMS_62
；
其中
Figure SMS_63
为根据历史数据训练得到表示充电桩集中使用时邻域内其他充电桩充电 增加压力程度的第一修正常数。
优选的，所述检测充电桩的历史风险指数
Figure SMS_64
包括：
确定充电桩的历史维修得分
Figure SMS_65
；
确定充电桩的历史投诉得分
Figure SMS_66
；
根据所述历史维修得分
Figure SMS_67
和所述历史投诉得分
Figure SMS_68
确定充电桩的历史风险指数
Figure SMS_69
；
其中，
Figure SMS_70
。
进一步的，所述确定充电桩的历史维修得分
Figure SMS_71
包括：
确定维修趋势得分
Figure SMS_72
；
确定维修需求得分
Figure SMS_73
；
根据所述维修趋势得分
Figure SMS_74
和所述维修需求得分
Figure SMS_75
确定充电桩的历史维修得 分
Figure SMS_76
；
其中，
Figure SMS_77
。
进一步的，所述确定维修趋势得分
Figure SMS_78
包括：
根据以下公式计算维修趋势得分
Figure SMS_79
：
Figure SMS_80
，
其中，
Figure SMS_81
为维修趋势指数，且：
Figure SMS_82
，
Figure SMS_83
为设定的第三判断阈值，
Figure SMS_84
为设定的第四判断阈值，
Figure SMS_85
为故障维修对应的时 间，b为故障维修的序号，
Figure SMS_86
为
Figure SMS_87
元素的个数。
进一步的，所述确定维修需求得分
Figure SMS_88
包括：
根据以下公式计算所述维修需求得分
Figure SMS_89
：
Figure SMS_90
，
其中，
Figure SMS_91
为维修需求指数，且：
Figure SMS_92
，
Figure SMS_93
为设定的第五判断阈值，
Figure SMS_94
为设定的第六判断阈值，
Figure SMS_95
为故障维修对应的时 间，
Figure SMS_96
为
Figure SMS_97
元素的个数。
优选的，所述确定充电桩的历史投诉得分
Figure SMS_98
包括：
根据以下公式计算所述历史投诉得分
Figure SMS_99
：
Figure SMS_100
，
其中，
Figure SMS_101
为投诉影响程度指数，且：
Figure SMS_102
，
其中，
Figure SMS_103
为充电桩投诉对应的时间，
Figure SMS_106
为
Figure SMS_107
元素的个数，
Figure SMS_105
为设定的第七判断 阈值，
Figure SMS_108
为设定的第八判断阈值，
Figure SMS_109
为设定的第九判断阈值，z为投诉的序号，
Figure SMS_110
，
Figure SMS_104
为根据历史数据训练得到的第二修正常数。
优选的，所述检测充电桩的电流风险指数
Figure SMS_111
包括：
根据以下公式计算所述电流风险指数
Figure SMS_112
：
Figure SMS_113
，
其中，
Figure SMS_114
为设定的第十判断阈值，
Figure SMS_115
为设定的第十一判断阈值；
Figure SMS_116
为电流差异指数，且：
Figure SMS_117
，
Figure SMS_118
为当前充电订单电流充电程度指数，
Figure SMS_119
为历史订单对应的电流充电程度指 数；
Figure SMS_120
，
Figure SMS_121
，
其中
Figure SMS_122
为标准充电检测时长，
Figure SMS_123
为历史订单的个数，p为历史订单的序号，
Figure SMS_124
为时间u时的历史电流，
Figure SMS_125
订单对应的电流，
Figure SMS_126
开始充电的时间，l为订单的序 号，u为电流获取的时间，t为当前时间。
第二方面，本申请实施例还提供一种充电桩风险预警装置，包括：
检测模块一，被配置用于检测充电桩的充电压力指数
Figure SMS_127
；
检测模块二，被配置用于检测充电桩的历史风险指数
Figure SMS_128
；
检测模块三，被配置用于检测充电桩的电流风险指数
Figure SMS_129
；
计算模块，被配置用于根据所述充电压力指数
Figure SMS_130
，历史风险指数
Figure SMS_131
和电流风险指 数
Figure SMS_132
确定充电桩风险预警指数
Figure SMS_133
。
第三方面，本申请实施例还提供一种充电桩风险预警装置，包括：存储器、处理器和用户接口；
所述存储器，用于存储计算机程序；
所述用户接口，用于与用户实现交互；
所述处理器，用于读取所述存储器中的计算机程序，所述处理器执行所述计算机程序时，实现本发明提供的充电桩风险预警方法。
第四方面，本申请实施例还提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述处理器执行所述计算机程序时实现本发明提供的充电桩风险预警方法。
通过本发明的风险预警方法，在充电桩的安全事故发生前，根据检测充电桩的充电压力指数，历史风险指数和电流风险指数计算充电桩的风险预警指数。当充电桩的风险预警指数超过预设的判断阈值时，判断充电桩存在风险，发出预警信号，以便及时对充电桩进行有效的风险处理，将风险提前化解，保护生命财产安全。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域的普通技术人员来讲，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充电桩风险预警方法流程示意图；
图2 为本申请实施例提供的充电亚利指数计算流程示意图；
图3为本申请实施例提供的历史风险指数计算流程示意图；
图4为本申请实施例提供的电流风险指数计算流程示意图；
图5为本申请实施例提供的一种充电桩风险预警装置结构示意图
图6为本申请实施例提供的另一种充电桩风险预警装置结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
下面对文中出现的一些词语进行解释：
1、本发明实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
2、本申请实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
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，并不是全部的实施例。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，都属于本申请保护的范围。
需要说明的是，本申请实施例的展示顺序仅代表实施例的先后顺序，并不代表实施例所提供的技术方案的优劣。
实施例一
参见图1，本申请实施例提供的一种充电桩风险预警方法示意图，如图1所示，该方法包括步骤S101到S105：
S101、检测充电桩的充电压力指数
Figure SMS_134
；
本申请中，充电压力指数是指同时充电及充电需求对充电桩的影响程度用于衡量充电桩目前的供电压力情况。充电压力指数与充电桩风险预警之间为正相关关系，即在其他因素不变的情况下，充电压力指数越大，则充电桩的风险越大。
作为一种优选示例，可计算连续n天内的充电压力指数，即如图2所示，确定充电亚利指数的方法如下：
S201、获取所述充电桩连续n天的充电数据，根据所述充电数据中每一笔订单的充电时长以及充电桩的充电口个数，获取充电桩的充电饱和指数。
具体的，获取所述充电桩连续n天的充电数据，根据所述充电数据中每一笔订单的 充电时长
Figure SMS_135
以及充电桩的充电口个数
Figure SMS_136
，获取充电桩的充电饱和指数：
Figure SMS_137
。
其中n为设定的判断天数，i为订单的序号，订单个数为
Figure SMS_138
。
其中，充电时长
Figure SMS_139
为第i个订单的充电时长，单位为小时。
也就是说，充电饱和指数反映的是n天之内，充电桩在充电的时间占比，充电饱和指数越大，则时间占比越高。
S202、判断充电饱和指数是否大于设定的第一判断阈值。若是则执行S203，否则执行S204。
本步骤中，根据充电饱和指数是否大于设定的第一判断阈值，分别采用不同的方 法计算充电压力指数。若所述充电饱和指数
Figure SMS_140
大于设定的第一判断阈值
Figure SMS_141
时，判定充电 桩使用饱和，执行S203，即充电压力指数
Figure SMS_142
。若所述充电饱和指数
Figure SMS_143
小于等于设定的 第一判断阈值
Figure SMS_144
时，采用S204到S206的步骤计算充电压力指数
Figure SMS_145
。
S203、充电压力指数等于1；
S204、确定充电集中压力得分
Figure SMS_146
；
作为一种优选示例，充电集中压力得分
Figure SMS_147
通过以下方式计算：
将一天平均划分成
Figure SMS_148
个时间区间，统计每个时间区间的中点对应时间节点处正在 充电的订单数
Figure SMS_149
，其中j为时间节点的序号，k为对应的天数；
本发明中，每个时间区间的中点对应时间节点指的时间区间的中间位置，例如“时 间区间”为
Figure SMS_150
，其中
Figure SMS_151
为开始时间，
Figure SMS_152
为结束时间，则“中点对应时间节点”为时刻
Figure SMS_153
。统计每个时间区间的中点对应时间节点处正在充电的订单数就是对于时间区间
Figure SMS_154
，提取在时刻
Figure SMS_155
正在充电的订单。
获取每个时间节点的使用热度指数：
Figure SMS_156
，
其中
Figure SMS_157
为设定的第二判断阈值；
根据所述每个时间节点的使用热度指数
Figure SMS_158
，确定充电桩的集中程度指数
Figure SMS_159
：
Figure SMS_160
当
Figure SMS_161
大于设定的第二判断阈值
Figure SMS_162
时，判定充电桩存在集中使用情况，则提取
Figure SMS_163
对应的时间区间组成集中使用区间
Figure SMS_164
，将剩余的时间区间组成空闲区间
Figure SMS_165
，对于当 前检测时间t，获取对应的充电集中压力得分
Figure SMS_166
：
Figure SMS_167
，
当
Figure SMS_168
小于等于设定的第二判断阈值
Figure SMS_169
时，判定充电桩不存在集中使用情况，令 充电集中压力得分
Figure SMS_170
。
S205、确定充电附加压力得分
Figure SMS_171
；
作为一种优选示例，确定充电附加压力得分
Figure SMS_172
包括：
当以充电桩为中心半径为
Figure SMS_173
的圆形区域内不存在其他存在集中使用情况的充电 桩时，充电附加压力得分
Figure SMS_174
；
当以充电桩为中心半径为
Figure SMS_175
的圆形区域内存在其他存在集中使用情况的充电桩 时，通过以下步骤确定充电附加压力得分
Figure SMS_176
：
获取圆形区域内的其他存在集中使用情况的充电桩信息，所述充电桩信息包括： 充电桩的个数
Figure SMS_177
、每个充电桩的集中使用区间
Figure SMS_178
及空闲区间
Figure SMS_179
，m为充电桩的序号，以 每个充电桩为中心半径为
Figure SMS_180
的圆形区域内的充电桩个数
Figure SMS_181
、每个充电桩距离目标充电桩 的距离
Figure SMS_182
；
根据所述充电桩信息获取每个充电桩的充电集中压力得分
Figure SMS_183
：
Figure SMS_184
；
计算充电附加压力得分
Figure SMS_185
：
Figure SMS_186
；
其中
Figure SMS_187
为根据历史数据训练得到表示充电桩集中使用时邻域内其他充电桩充电 增加压力程度的第一修正常数。
S206、根据所述电集中压力得分和所述充电附加压力得分确定充电压力指数。
作为一种优选示例，根据以下公式确定充电压力指数
Figure SMS_188
：
Figure SMS_189
；
其中n为设定的判断天数，i为订单的序号，订单个数为
Figure SMS_190
。
S102、检测充电桩的历史风险指数
Figure SMS_191
；
本申请中，充电桩的历史风险指数是指充电桩历史风险规律预测当前充电桩发生风险的可能性，用于衡量当前充电桩发生风险的难易程度。充电桩的历史风险指数与充电桩风险预警之间为正相关关系，即在其他因素不变的情况下，充电桩的历史风险指数越大，则充电桩的风险越大。
作为一种优选示例，充电桩的历史风险指数
Figure SMS_192
的确定如图3所示，包括S301到 S303：
S301、确定充电桩的历史维修得分
Figure SMS_193
；
作为一种优选示例，确定充电桩的历史维修得分
Figure SMS_194
包括：
确定维修趋势得分
Figure SMS_195
；
确定维修需求得分
Figure SMS_196
；
根据所述维修趋势得分
Figure SMS_197
和所述维修需求得分
Figure SMS_198
确定充电桩的历史维修得 分
Figure SMS_199
；
其中，
Figure SMS_200
。
作为一种优选示例，根据以下公式计算维修趋势得分
Figure SMS_201
：
Figure SMS_202
，
其中，
Figure SMS_203
为维修趋势指数，且：
Figure SMS_204
，
Figure SMS_205
为设定的第三判断阈值，
Figure SMS_206
为设定的第四判断阈值，
Figure SMS_207
为故障维修对应的时 间，b为故障维修的序号，
Figure SMS_208
为
Figure SMS_209
元素的个数，
Figure SMS_210
为序号b+1对应的故障维修时间。
其中，故障维修的序号b的取值范围为1到
Figure SMS_211
。
作为一种优选示例，根据以下公式计算所述维修需求得分
Figure SMS_212
：
Figure SMS_213
，
其中，
Figure SMS_214
为维修需求指数，且：
Figure SMS_215
，
Figure SMS_216
为设定的第五判断阈值，
Figure SMS_217
为设定的第六判断阈值，
Figure SMS_218
为故障维修对应的时 间，
Figure SMS_219
为
Figure SMS_220
元素的个数，
Figure SMS_221
为序号b+1对应的故障维修时间。
S302、确定充电桩的历史投诉得分
Figure SMS_222
；
作为一种优选示例，根据以下公式计算所述历史投诉得分
Figure SMS_223
：
Figure SMS_224
，
其中，
Figure SMS_225
为投诉影响程度指数，且：
Figure SMS_226
，
其中，
Figure SMS_228
为充电桩投诉对应的时间，
Figure SMS_232
为
Figure SMS_235
元素的个数，
Figure SMS_229
为设定的第七判断 阈值，
Figure SMS_231
为设定的第八判断阈值，
Figure SMS_234
为设定的第九判断阈值，z为投诉的序号，
Figure SMS_236
，
Figure SMS_227
为根据历史数据训练得到的第二修正常数，
Figure SMS_230
为序号
Figure SMS_233
对应的充电桩 投诉时间。
S303、根据所述历史维修得分和所述历史投诉得分确定充电桩的历史风险指数。
也就是说，根据所述历史维修得分
Figure SMS_237
和所述历史投诉得分
Figure SMS_238
确定充电桩的历史 风险指数
Figure SMS_239
；
其中，
Figure SMS_240
。
S103、检测充电桩的电流风险指数
Figure SMS_241
；
本申请中，充电桩的电流风险指数是指充电桩电流情况存在风险的可能性等级，用于衡量充电桩电流引发风险的可能性。充电桩的电流风险指数与充电桩风险预警之间为正相关关系，即在其他因素不变的情况下，充电桩的电流风险指数越大，则充电桩的风险越大。
作为一种优选示例，充电桩的电流风险指数的确定如图4所示，包括S401到S404，具体的：
S401、确定当前充电订单电流充电程度指数；
作为一种优选示例，当前充电订单电流充电程度指数
Figure SMS_242
通过以下公式确定：
Figure SMS_243
。
S402、确定历史订单对应的电流充电程度指数；
作为一种优选示例，历史订单对应的电流充电程度指数
Figure SMS_244
通过以下公式确定：
Figure SMS_245
。
上述S401和S402中，其中
Figure SMS_246
为标准充电检测时长，
Figure SMS_247
为历史订单的个数，p为历史 订单的序号，
Figure SMS_248
为时间u时的历史电流，
Figure SMS_249
订单对应的电流，
Figure SMS_250
开始充电的时间， l为订单的序号，u为电流获取的时间，t为当前时间。
S403、确定电流差异指数；
优选的，电流差异指数为：
Figure SMS_251
。
S404、根据所述电流差异指数，当前充电订单电流充电程度指数和历史订单对应的电流充电程度指数确定电桩的电流风险指数。
作为一种优选示例，根据以下公式计算所述电流风险指数
Figure SMS_252
：
Figure SMS_253
，
其中，
Figure SMS_254
为设定的第十判断阈值，
Figure SMS_255
为设定的第十一判断阈值。
S104、根据所述充电压力指数
Figure SMS_256
，历史风险指数
Figure SMS_257
和电流风险指数
Figure SMS_258
确定充电桩 风险预警指数
Figure SMS_259
；
作为一种优选示例，所述根据所述充电压力指数
Figure SMS_260
，历史风险指数
Figure SMS_261
和电流风险 指数
Figure SMS_262
确定充电桩风险预警指数
Figure SMS_263
包括：
根据以下公式确定充电桩风险预警指数
Figure SMS_264
：
Figure SMS_265
，
其中，k1为充电压力指数的加权系数，k2为历史风险指数的加权系数，k3为电流风险指数的加权系数。
作为一种优选示例，k1，k2和k3是大于等于0的数，例如k1=1，k2=1，k3=1，或者例如k1=0.5，k2=1，k3=1.5，或者例如k1=0.5，k2=2，k3=0.5，或者例如k1=3，k2=1，k3=0.2等。需要说明的是，k1，k2和k3的具体取值，可以根据需要事先确定。
S105、当所述充电桩风险预警指数
Figure SMS_266
大于设定的第十二判断阈值
Figure SMS_267
时，判定充 电桩存在风险。
通过本发明的风险预警方法，在充电桩的安全事故发生前，根据检测充电桩的充电压力指数，历史风险指数和电流风险指数计算充电桩的风险预警指数。当充电桩的风险预警指数超过预设的判断阈值时，判断充电桩存在风险，发出预警信号，以便及时对充电桩进行有效的风险处理，将风险提前化解，保护生命财产安全。
为了更好的说明本发明的充电桩风险预警方法，下面对S101到S105的方法再次进行说明。
1. 对充电桩的充电压力进行评估，获取充电桩连续n天的充电数据，其中n为设定 的判断天数，根据充电数据中每一笔订单的充电时长
Figure SMS_268
（单位为小时）以及充电桩的充电 口个数
Figure SMS_269
，其中i为订单的序号，订单个数为
Figure SMS_270
，获取充电桩的充电饱和指数：
Figure SMS_271
，
1.1当
Figure SMS_272
大于设定的第一判断阈值
Figure SMS_273
时，判定充电桩使用饱和，充电压力指数
Figure SMS_274
;
1.2当
Figure SMS_275
小于等于设定的第一判断阈值
Figure SMS_276
时，判定充电桩使用未饱和，将一天平 均划分成
Figure SMS_277
个时间区域，统计每个时间区间中点对应时间节点处正在充电的订单数
Figure SMS_278
， 其中j为时间节点的序号，k为对应的天数，获取每个时间节点的使用热度指数：
Figure SMS_279
，
其中
Figure SMS_280
为设定的第二判断阈值；
根据获得每个时间节点的使用热度指数，计算得到充电桩的集中程度指数：
Figure SMS_281
。
当
Figure SMS_282
大于设定的第二判断阈值
Figure SMS_283
时，判定充电桩存在集中使用情况，提取
Figure SMS_284
对应的时间区域组成集中使用区间
Figure SMS_285
，将剩余的时间区域组成空闲区间
Figure SMS_286
，对于当 前检测时间t，获取对应的充电集中压力得分：
Figure SMS_287
，
反之，判定充电桩不存在集中使用情况，令充电集中压力得分
Figure SMS_288
。
当检测充电桩为中心半径为
Figure SMS_290
的圆形区域内不存在其他存在集中使用情况的充 电桩时，充电附加压力得分
Figure SMS_292
；反之，获取前述圆形区域内的其他存在集中使用情况 的充电桩信息，其中信息包括充电桩的个数
Figure SMS_295
、每个充电桩的集中使用区间
Figure SMS_291
及空闲区 间
Figure SMS_294
，m为充电桩的序号，每个充电桩半径为
Figure SMS_296
的圆形区域内的充电桩个数
Figure SMS_297
、每个充 电桩距离目标充电桩的距离
Figure SMS_289
，根据充电桩信息获取每个充电桩的充电集中压力得分
Figure SMS_293
，计算得到充电附加压力得分：
Figure SMS_298
。
其中
Figure SMS_299
为历史数据训练得到表示充电桩集中使用时邻域内其他充电桩充电增加 压力程度的第一修正常数。
根据充电集中压力得分
Figure SMS_300
及充电附加压力得分
Figure SMS_301
获取充电压力指数
Figure SMS_302
2. 对检测充电桩的历史风险进行评估，获取充电桩的使用年限
Figure SMS_303
，故障维修对 应的时间
Figure SMS_304
，充电桩投诉对应的时间
Figure SMS_305
，其中b,z分别为故障维修、投诉的序号。
获取历史维修记录反映充电桩故障发生概率对应的历史维修得分：
Figure SMS_306
，
其中：
Figure SMS_307
为维修趋势得分，表示充电桩维修频次变化趋势：
Figure SMS_308
，
Figure SMS_309
为
Figure SMS_310
元素的个数，
Figure SMS_311
为维修趋势指数；
Figure SMS_312
‘’
Figure SMS_313
为设定的第三判断阈值，
Figure SMS_314
为设定的第四判断阈值。
Figure SMS_315
为维修需求得分表示当前时间充电桩需要维修的需求程度：
Figure SMS_316
，
Figure SMS_317
为维修需求指数：
Figure SMS_318
。
Figure SMS_319
为设定的第五判断阈值，
Figure SMS_320
为设定的第六判断阈值。
获取历史投诉记录反映充电桩潜在风险发生可能性的历史投诉得分：
Figure SMS_321
，
其中
Figure SMS_322
为
Figure SMS_323
元素的个数，
Figure SMS_324
为设定的第七判断阈值，
Figure SMS_325
为设定的第八判断阈 值，
Figure SMS_326
为投诉影响程度指数：
Figure SMS_327
，
Figure SMS_328
，
Figure SMS_329
为历史数据训练得到的第二修正常数，
Figure SMS_330
为设定的第九判断阈 值。
根据历史维修得分
Figure SMS_331
及历史投诉得分
Figure SMS_332
获取充电桩的历史风险指数
Figure SMS_333
。
3. 对充电桩的电流异常风险进行评估，获取当前正在充电的订单信息，包括订单 对应的电流
Figure SMS_334
，开始充电的时间
Figure SMS_335
，l为订单的序号，u为电流获取的时间，订单对应用户 的历史订单数据。
对每一个正在执行的订单，获取当前充电订单电流充电程度指数：
Figure SMS_336
，
其中
Figure SMS_337
为标准充电检测时长。
获取历史订单对应的电流充电程度指数：
Figure SMS_338
，
其中
Figure SMS_339
为历史订单的个数，p为历史订单的序号，
Figure SMS_340
为时间u时的历史电流。
获取充电桩的电流风险指数：
Figure SMS_341
，
其中
Figure SMS_342
电流差异指数：
Figure SMS_343
，
Figure SMS_344
为设定的第十判断阈值，
Figure SMS_345
为设定的第十一判断阈值。
根据当前检测时间t检测充电桩的充电压力指数
Figure SMS_346
，历史风险指数
Figure SMS_347
，电流风险 指数
Figure SMS_348
，进行权重加和得到充电桩风险预警指数：
Figure SMS_349
，
其中，k1为充电压力指数的加权系数，k2为历史风险指数的加权系数，k3为电流风险指数的加权系数。
例如，当k1、k2好k3均等于1时：
Figure SMS_350
。
当充电桩风险预警指数
Figure SMS_351
大于设定的第十二判断阈值
Figure SMS_352
时，判定充电桩存在风 险，实时进行风险预警并发送预警信息至相关管理部门实现防灾减灾。
实施例二
基于同一个发明构思，本发明实施例还提供了一种充电桩风险预警装置，如图5所示，该装置包括：
检测模块一501，被配置用于检测充电桩的充电压力指数
Figure SMS_353
；
检测模块二502，被配置用于检测充电桩的历史风险指数
Figure SMS_354
；
检测模块三503，被配置用于检测充电桩的电流风险指数
Figure SMS_355
；
计算模块504，被配置用于根据所述充电压力指数
Figure SMS_356
，历史风险指数
Figure SMS_357
和电流风 险指数
Figure SMS_358
确定充电桩风险预警指数
Figure SMS_359
。
作为一种优选示例，检测模块一501还被配置通过以下方式确定检测充电桩的充 电压力指数
Figure SMS_360
：
获取所述充电桩连续n天的充电数据，根据所述充电数据中每一笔订单的充电时 长
Figure SMS_361
以及充电桩的充电口个数
Figure SMS_362
，获取充电桩的充电饱和指数：
Figure SMS_363
，
若所述充电饱和指数
Figure SMS_364
大于设定的第一判断阈值
Figure SMS_365
时，判定充电桩使用饱和， 则充电压力指数
Figure SMS_366
；
若所述充电饱和指数
Figure SMS_367
小于等于设定的第一判断阈值
Figure SMS_368
时，判定充电桩使用未 饱和，则根据以下步骤计算所述充电压力指数
Figure SMS_369
：
确定充电集中压力得分
Figure SMS_370
；
确定充电附加压力得分
Figure SMS_371
；
根据所述电集中压力得分和所述充电附加压力得分确定充电压力指数：
Figure SMS_372
；
其中n为设定的判断天数，i为订单的序号，订单个数为
Figure SMS_373
。
需要说明的是，检测模块一501被配置用于检测充电桩的充电压力指数
Figure SMS_374
的具体 步骤，与实施例一中步骤S101相同，能实现S101包含的全部功能，解决相同技术问题，达到 相同技术效果，在此不再赘述；
作为一种优选示例，检测模块二502还被配置通过以下方式检测充电桩的历史风 险指数
Figure SMS_375
：
确定充电桩的历史维修得分
Figure SMS_376
；
确定充电桩的历史投诉得分
Figure SMS_377
；
根据所述历史维修得分
Figure SMS_378
和所述历史投诉得分
Figure SMS_379
确定充电桩的历史风险指数
Figure SMS_380
；
其中，
Figure SMS_381
。
需要说明的是，检测模块二502被配置用于检测充电桩的历史风险指数
Figure SMS_382
具体步 骤，与实施例一中步骤S102相同，能实现S102包含的全部功能，解决相同技术问题，达到相 同技术效果，在此不再赘述；
作为一种优选示例，检测模块三503还被配置根据以下方式检测充电桩的电流风 险指数
Figure SMS_383
：
根据以下公式计算所述电流风险指数
Figure SMS_384
：
Figure SMS_385
，
其中，
Figure SMS_386
为设定的第十判断阈值，
Figure SMS_387
为设定的第十一判断阈值；
Figure SMS_388
为电流差异指数，且：
Figure SMS_389
，
Figure SMS_390
为当前充电订单电流充电程度指数，
Figure SMS_391
为历史订单对应的电流充电程度指 数；
Figure SMS_392
，
Figure SMS_393
，
其中
Figure SMS_394
为标准充电检测时长，
Figure SMS_395
为历史订单的个数，p为历史订单的序号，
Figure SMS_396
为时间u时的历史电流，
Figure SMS_397
订单对应的电流，
Figure SMS_398
开始充电的时间，l为订单的序 号，u为电流获取的时间，t为当前时间。
需要说明的是，检测模块三503被配置用于检测充电桩的电流风险指数
Figure SMS_399
的具体 步骤，与实施例一中步骤S103相同，能实现S103包含的全部功能，解决相同技术问题，达到 相同技术效果，在此不再赘述；
作为一种优选示例，计算模块504还被配置通过以下方式确定充电桩风险预警指 数
Figure SMS_400
：
根据以下公式确定充电桩风险预警指数
Figure SMS_401
：
Figure SMS_402
，
其中，k1为充电压力指数的加权系数，k2为历史风险指数的加权系数，k3为电流风险指数的加权系数。
需要说明的是，本实施例提供的计算模块504，能实现实施例一中步骤S104和S105包含的全部功能，解决相同技术问题，达到相同技术效果，在此不再赘述；
需要说明的是，实施例二提供的装置与实施例一提供的方法属于同一个发明构思，解决相同的技术问题，达到相同的技术效果，实施例二提供的装置能实现实施例一的所有方法，相同之处不再赘述。
实施例三
基于同一个发明构思，本发明实施例还提供了一种充电桩风险预警装置，如图6所示，该装置包括：
包括存储器602、处理器601和用户接口603；
所述存储器602，用于存储计算机程序；
所述用户接口603，用于与用户实现交互；
所述处理器601，用于读取所述存储器602中的计算机程序，所述处理器601执行所述计算机程序时，实现：
检测充电桩的充电压力指数
Figure SMS_403
；
检测充电桩的历史风险指数
Figure SMS_404
；
检测充电桩的电流风险指数
Figure SMS_405
；
根据所述充电压力指数
Figure SMS_406
，历史风险指数
Figure SMS_407
和电流风险指数
Figure SMS_408
确定充电桩风险 预警指数
Figure SMS_409
；
当所述充电桩风险预警指数
Figure SMS_410
大于设定的第十二判断阈值
Figure SMS_411
时，判定充电桩存 在风险。
其中，在图6中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器601代表的一个或多个处理器和存储器602代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。处理器601负责管理总线架构和通常的处理，存储器602可以存储处理器501在执行操作时所使用的数据。
处理器601可以是CPU、ASIC、FPGA或CPLD，处理器601也可以采用多核架构。
处理器601执行存储器602存储的计算机程序时，实现实施例一中的任一充电桩风险预警方法。
需要说明的是，实施例三提供的装置与实施例一提供的方法属于同一个发明构思，解决相同的技术问题，达到相同的技术效果，实施例三提供的装置能实现实施例一的所有方法，相同之处不再赘述。
本申请还提出一种处理器可读存储介质。其中，该处理器可读存储介质存储有计算机程序，所述处理器执行所述计算机程序时实现实施例一中的任一充电桩风险预警方法。
需要说明的是，本申请实施例中对单元的划分是示意性的，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。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。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器和光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种充电桩风险预警方法，其特征在于，包括：
检测充电桩的充电压力指数
Figure QLYQS_1
；
检测充电桩的历史风险指数
Figure QLYQS_2
；
检测充电桩的电流风险指数
Figure QLYQS_3
；
根据所述充电压力指数
Figure QLYQS_4
，历史风险指数
Figure QLYQS_5
和电流风险指数
Figure QLYQS_6
确定充电桩风险预警指数
Figure QLYQS_7
；
当所述充电桩风险预警指数
Figure QLYQS_8
大于设定的第十二判断阈值
Figure QLYQS_9
时，判定充电桩存在风险。
2.根据权利要求1所述的方法，其特征在于，所述根据所述充电压力指数
Figure QLYQS_10
，历史风险指数
Figure QLYQS_11
和电流风险指数
Figure QLYQS_12
确定充电桩风险预警指数
Figure QLYQS_13
包括：
根据以下公式确定充电桩风险预警指数
Figure QLYQS_14
：
Figure QLYQS_15
，
其中，k1为充电压力指数的加权系数，k2为历史风险指数的加权系数，k3为电流风险指数的加权系数；
所述检测充电桩的充电压力指数
Figure QLYQS_16
包括：
获取所述充电桩连续n天的充电数据，根据所述充电数据中每一笔订单的充电时长
Figure QLYQS_17
以及充电桩的充电口个数
Figure QLYQS_18
，获取充电桩的充电饱和指数：
Figure QLYQS_19
，
若所述充电饱和指数
Figure QLYQS_20
大于设定的第一判断阈值
Figure QLYQS_21
时，判定充电桩使用饱和，则充电压力指数
Figure QLYQS_22
；
若所述充电饱和指数
Figure QLYQS_23
小于等于设定的第一判断阈值
Figure QLYQS_24
时，判定充电桩使用未饱和，则根据以下步骤计算所述充电压力指数
Figure QLYQS_25
：
确定充电集中压力得分
Figure QLYQS_26
；
确定充电附加压力得分
Figure QLYQS_27
；
根据所述电集中压力得分和所述充电附加压力得分确定充电压力指数：
Figure QLYQS_28
；
其中n为设定的判断天数，i为订单的序号，订单个数为
Figure QLYQS_29
。
3.根据权利要求2所述的方法，其特征在于，所述确定充电集中压力得分
Figure QLYQS_30
包括：
将一天平均划分成
Figure QLYQS_31
个时间区间，统计每个时间区间的中点对应时间节点处正在充电的订单数
Figure QLYQS_32
，其中j为时间节点的序号，k为对应的天数；
获取每个时间节点的使用热度指数：
Figure QLYQS_33
，
其中
Figure QLYQS_34
为设定的第二判断阈值；
根据所述每个时间节点的使用热度指数
Figure QLYQS_35
，确定充电桩的集中程度指数
Figure QLYQS_36
：
Figure QLYQS_37
；
当
Figure QLYQS_38
大于设定的第二判断阈值
Figure QLYQS_39
时，判定充电桩存在集中使用情况，则提取
Figure QLYQS_40
对应的时间区间组成集中使用区间
Figure QLYQS_41
，将剩余的时间区间组成空闲区间
Figure QLYQS_42
，对于当前检测时间t，获取对应的充电集中压力得分
Figure QLYQS_43
：
Figure QLYQS_44
，
当
Figure QLYQS_45
小于等于设定的第二判断阈值
Figure QLYQS_46
时，判定充电桩不存在集中使用情况，令充电集中压力得分
Figure QLYQS_47
；
所述确定充电附加压力得分
Figure QLYQS_48
包括：
当以充电桩为中心半径为
Figure QLYQS_49
的圆形区域内不存在其他存在集中使用情况的充电桩时，充电附加压力得分
Figure QLYQS_50
；
当以充电桩为中心半径为
Figure QLYQS_51
的圆形区域内存在其他存在集中使用情况的充电桩时，通过以下步骤确定充电附加压力得分
Figure QLYQS_52
：
获取圆形区域内的其他存在集中使用情况的充电桩信息，所述充电桩信息包括：充电桩的个数
Figure QLYQS_53
、每个充电桩的集中使用区间
Figure QLYQS_54
及空闲区间
Figure QLYQS_55
，m为充电桩的序号，以每个充电桩为中心半径为
Figure QLYQS_56
的圆形区域内的充电桩个数
Figure QLYQS_57
、每个充电桩距离目标充电桩的距离
Figure QLYQS_58
；
根据所述充电桩信息获取每个充电桩的充电集中压力得分
Figure QLYQS_59
：
Figure QLYQS_60
；
计算充电附加压力得分
Figure QLYQS_61
：
Figure QLYQS_62
；
其中
Figure QLYQS_63
为根据历史数据训练得到表示充电桩集中使用时邻域内其他充电桩充电增加压力程度的第一修正常数。
4.根据权利要求1所述的方法，其特征在于，所述检测充电桩的历史风险指数
Figure QLYQS_64
包括：
确定充电桩的历史维修得分
Figure QLYQS_65
；
确定充电桩的历史投诉得分
Figure QLYQS_66
；
根据所述历史维修得分
Figure QLYQS_67
和所述历史投诉得分
Figure QLYQS_68
确定充电桩的历史风险指数
Figure QLYQS_69
；
其中，
Figure QLYQS_70
；
所述确定充电桩的历史维修得分
Figure QLYQS_71
包括：
确定维修趋势得分
Figure QLYQS_72
；
确定维修需求得分
Figure QLYQS_73
；
根据所述维修趋势得分
Figure QLYQS_74
和所述维修需求得分
Figure QLYQS_75
确定充电桩的历史维修得分
Figure QLYQS_76
；
其中，
Figure QLYQS_77
；
所述确定充电桩的历史投诉得分
Figure QLYQS_78
包括：
根据以下公式计算所述历史投诉得分
Figure QLYQS_79
：
Figure QLYQS_80
，
其中，
Figure QLYQS_81
为投诉影响程度指数，且：
Figure QLYQS_82
，
其中，
Figure QLYQS_84
为充电桩投诉对应的时间，
Figure QLYQS_87
为
Figure QLYQS_90
元素的个数，
Figure QLYQS_85
为设定的第七判断阈值，
Figure QLYQS_86
为设定的第八判断阈值，
Figure QLYQS_88
为设定的第九判断阈值，z为投诉的序号，
Figure QLYQS_91
，
Figure QLYQS_83
为根据历史数据训练得到的第二修正常数，
Figure QLYQS_89
为序号
Figure QLYQS_92
对应的充电桩投诉时间。
5.根据权利要求4所述的方法，其特征在于，所述确定维修趋势得分
Figure QLYQS_93
包括：
根据以下公式计算维修趋势得分
Figure QLYQS_94
：
Figure QLYQS_95
，
其中，
Figure QLYQS_96
为维修趋势指数，且：
Figure QLYQS_97
，
Figure QLYQS_98
为设定的第三判断阈值，
Figure QLYQS_99
为设定的第四判断阈值，
Figure QLYQS_100
为故障维修对应的时间，b为故障维修的序号，
Figure QLYQS_101
为
Figure QLYQS_102
元素的个数，
Figure QLYQS_103
为序号b+1对应的故障维修时间。
6.根据权利要求5所述的方法，其特征在于，所述确定维修需求得分
Figure QLYQS_104
包括：
根据以下公式计算所述维修需求得分
Figure QLYQS_105
：
Figure QLYQS_106
，
其中，
Figure QLYQS_107
为维修需求指数，且：
Figure QLYQS_108
，
Figure QLYQS_109
为设定的第五判断阈值，
Figure QLYQS_110
为设定的第六判断阈值，
Figure QLYQS_111
为故障维修对应的时间，
Figure QLYQS_112
为
Figure QLYQS_113
元素的个数，
Figure QLYQS_114
序号b+1对应的故障维修时间。
7.根据权利要求1所述的方法，其特征在于，所述检测充电桩的电流风险指数
Figure QLYQS_115
包括：
根据以下公式计算所述电流风险指数
Figure QLYQS_116
：
Figure QLYQS_117
，
其中，
Figure QLYQS_118
为设定的第十判断阈值，
Figure QLYQS_119
为设定的第十一判断阈值；
Figure QLYQS_120
为电流差异指数，且：
Figure QLYQS_121
，
Figure QLYQS_122
为当前充电订单电流充电程度指数，
Figure QLYQS_123
为历史订单对应的电流充电程度指数；
Figure QLYQS_124
，
Figure QLYQS_125
，
其中
Figure QLYQS_126
为标准充电检测时长，
Figure QLYQS_127
为历史订单的个数，p为历史订单的序号，
Figure QLYQS_128
为时间u时的历史电流，
Figure QLYQS_129
订单对应的电流，
Figure QLYQS_130
开始充电的时间，l为订单的序号，u为电流获取的时间，t为当前时间。
8.一种充电桩风险预警装置，其特征在于，包括：
检测模块一，被配置用于检测充电桩的充电压力指数
Figure QLYQS_131
；
检测模块二，被配置用于检测充电桩的历史风险指数
Figure QLYQS_132
；
检测模块三，被配置用于检测充电桩的电流风险指数
Figure QLYQS_133
；
计算模块，被配置用于根据所述充电压力指数
Figure QLYQS_134
，历史风险指数
Figure QLYQS_135
和电流风险指数
Figure QLYQS_136
确定充电桩风险预警指数
Figure QLYQS_137
。
9.一种充电桩风险预警装置，其特征在于，包括存储器、处理器和用户接口；
所述存储器，用于存储计算机程序；
所述用户接口，用于与用户实现交互；
所述处理器，用于读取所述存储器中的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1到7之一所述的充电桩风险预警方法。
10.一种处理器可读存储介质，其特征在于，所述处理器可读存储介质存储有计算机程序，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之一所述的充电桩风险预警方法。
CN202310102736.9A 2023-02-13 2023-02-13 一种充电桩风险预警方法、装置及存储介质 Active CN115775087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310102736.9A CN115775087B (zh) 2023-02-13 2023-02-13 一种充电桩风险预警方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310102736.9A CN115775087B (zh) 2023-02-13 2023-02-13 一种充电桩风险预警方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN115775087A true CN115775087A (zh) 2023-03-10
CN115775087B CN115775087B (zh) 2023-05-12

Family

ID=85393647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310102736.9A Active CN115775087B (zh) 2023-02-13 2023-02-13 一种充电桩风险预警方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN115775087B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116228205A (zh) * 2023-03-29 2023-06-06 东莞先知大数据有限公司 一种充电桩断电风险诊断方法、装置及存储介质
CN116259167A (zh) * 2023-03-14 2023-06-13 东莞先知大数据有限公司 一种充电桩区域高温风险预警方法、装置、设备和介质
CN116362452A (zh) * 2023-03-15 2023-06-30 东莞先知大数据有限公司 一种研磨机故障预警方法、装置及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106650963A (zh) * 2016-12-30 2017-05-10 山东鲁能智能技术有限公司 一种电动汽车充电设备检测维修管理方法和装置
CN109981328A (zh) * 2017-12-28 2019-07-05 中国移动通信集团陕西有限公司 一种故障预警方法及装置
WO2022099951A1 (zh) * 2020-11-16 2022-05-19 深圳市康士柏实业有限公司 一种充电桩的远程集群充电控制方法、装置及系统
CN114954088A (zh) * 2022-01-26 2022-08-30 浙江浩瀚能源科技有限公司 一种充电设备的故障告警方法
CN115100598A (zh) * 2022-06-27 2022-09-23 东莞先知大数据有限公司 一种充电桩异常使用检测方法、电子设备和存储介质
EP4098096A1 (en) * 2021-04-09 2022-12-07 Stiga S.p.A. in breve anche St. S.p.A. Land maintenance system, in particular configured to enable a mobile device recharge operation at a preferential time slot

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106650963A (zh) * 2016-12-30 2017-05-10 山东鲁能智能技术有限公司 一种电动汽车充电设备检测维修管理方法和装置
CN109981328A (zh) * 2017-12-28 2019-07-05 中国移动通信集团陕西有限公司 一种故障预警方法及装置
WO2022099951A1 (zh) * 2020-11-16 2022-05-19 深圳市康士柏实业有限公司 一种充电桩的远程集群充电控制方法、装置及系统
EP4098096A1 (en) * 2021-04-09 2022-12-07 Stiga S.p.A. in breve anche St. S.p.A. Land maintenance system, in particular configured to enable a mobile device recharge operation at a preferential time slot
CN114954088A (zh) * 2022-01-26 2022-08-30 浙江浩瀚能源科技有限公司 一种充电设备的故障告警方法
CN115100598A (zh) * 2022-06-27 2022-09-23 东莞先知大数据有限公司 一种充电桩异常使用检测方法、电子设备和存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116259167A (zh) * 2023-03-14 2023-06-13 东莞先知大数据有限公司 一种充电桩区域高温风险预警方法、装置、设备和介质
CN116259167B (zh) * 2023-03-14 2023-11-21 东莞先知大数据有限公司 一种充电桩区域高温风险预警方法、装置、设备和介质
CN116362452A (zh) * 2023-03-15 2023-06-30 东莞先知大数据有限公司 一种研磨机故障预警方法、装置及存储介质
CN116362452B (zh) * 2023-03-15 2023-09-12 东莞先知大数据有限公司 一种研磨机故障预警方法、装置及存储介质
CN116228205A (zh) * 2023-03-29 2023-06-06 东莞先知大数据有限公司 一种充电桩断电风险诊断方法、装置及存储介质
CN116228205B (zh) * 2023-03-29 2023-11-21 东莞先知大数据有限公司 一种充电桩断电风险诊断方法、装置及存储介质

Also Published As

Publication number Publication date
CN115775087B (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN115775087A (zh) 一种充电桩风险预警方法、装置及存储介质
KR101205103B1 (ko) 상수관망 운영 관리 시스템
CN111860561A (zh) 网约车的异常停留行为识别方法、装置、设备及存储介质
CN105183614A (zh) 一种数据库故障预测方法及装置
CN113310647B (zh) 电池包泄露检测的方法、装置、电子设备及存储介质
CN114487856A (zh) 换电站电池的热失控预警方法及系统
CN115384311A (zh) 诊断动力电池绝缘故障方法、系统、车辆及存储介质
CN116449762A (zh) 基于物联网实现智能设备的安全预警方法及装置
CN110188126B (zh) 一种利用大数据实现动态确定隧道安全监测预警值的方法
CN110264055B (zh) 部件危害性评估方法、装置、设备及计算机可读存储介质
CN113379280A (zh) 一种燃气用埋地高分子聚乙烯管道风险的判定方法及系统
CN110826882A (zh) 燃气管线韧性评估方法及装置
CN114487839A (zh) 一种电池的预警方法及装置
CN117236486A (zh) 一种基于电力大数据的电动汽车充电站布局方法和系统
CN117151513A (zh) 评价交通安全的方法、装置、设备及存储介质
CN115902629A (zh) 一种锂离子电池安全状态评估及安全故障分级方法
CN115050460A (zh) 一种基于大数据的医疗设备全生命周期监管系统及方法
CN112241806B (zh) 道路破损概率预测方法、装置终端设备及可读存储介质
CN102222269A (zh) 一种高速公路机电设施养护评价的模糊分层评价方法
CN114690047A (zh) 电池故障检测方法、系统、装置及设备
CN116299019B (zh) 锂电池数据采集异常识别方法、系统、存储介质及设备
CN116245512B (zh) 一种易漏损区域推荐方法、装置、电子设备和存储介质
CN112801330A (zh) 基于事故树分析法的供电所生产作业管理指标预警方法
CN115204717B (zh) 安全等级划分方法、装置、设备及可读存储介质
CN115979348B (zh) 一种管网雨污混流的排查方法、排查装置、设备及介质

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: Building 7, No. 124 Dongbao Road, Dongcheng Street, Dongguan City, Guangdong Province, 523015

Patentee after: Guangdong Prophet Big Data Co.,Ltd.

Country or region after: China

Address before: Room 102, Building 7, No. 124, Dongbao Road, Dongcheng Street, Dongguan City, Guangdong Province, 523015

Patentee before: Dongguan prophet big data Co.,Ltd.

Country or region before: China