CN117495804A - 充电站安全监测方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种充电站安全监测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取目标充电站对应的监测数据集；将电缆局放监测图像和各个充电桩局放监测图像输入充电站异常检测模型中的检测分支得到电缆对应的目标电缆状态和异常指数、各个充电桩分别对应的目标充电桩状态和异常指数；将红外监测图像输入充电站异常检测模型中的检测分支得到过热点预测图像和异常指数；将环境监测数据输入充电站异常检测模型中的检测分支得到异常指数；融合各个异常指数得到综合异常指数；基于目标电缆状态、各个目标充电桩状态、过热点预测图像和综合异常指数，确定目标充电站对应的安全监测结果。采用本方法能够提高安全监测效率。

Description

充电站安全监测方法、装置、计算机设备和存储介质

技术领域

本申请涉及计算机技术领域，特别是涉及一种充电站安全监测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

目前，随着电动汽车的普及，出现了越来越多的地下充电站。电动汽车在地下充电站充电的过程中，由于自身电池老化、受损、短路和外界环境因素，都可能引发火灾，存在一定的安全隐患，因此，出现了安全监测技术，及时发现和控制电动汽车充电过程中可能出现的安全隐患。

然而，传统的安全监测方法是通过人工定期采集充电站内的环境监测数据，由工作人员根据以往的检测经验对充电站的安全状态进行分析，存在安全监测效率低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高安全监测效率的充电站安全监测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

本申请提供了一种充电站安全监测方法。所述方法包括：

获取目标充电站对应的监测数据集；监测数据集包括目标充电站中电缆对应的电缆局放监测图像、目标充电站中多个充电桩分别对应的充电桩局放监测图像、目标充电站对应的红外监测图像和环境监测数据；

将电缆局放监测图像和各个充电桩局放监测图像输入充电站异常检测模型中的第一异常检测分支，得到电缆对应的目标电缆状态和异常指数、各个充电桩分别对应的目标充电桩状态和异常指数；

将红外监测图像输入充电站异常检测模型中的第二异常检测分支，得到红外监测图像对应的过热点预测图像和异常指数；

将环境监测数据输入充电站异常检测模型中的第三异常检测分支，得到环境监测数据对应的异常指数；

融合电缆对应的异常指数、各个充电桩分别对应的异常指数、红外监测图像对应的异常指数和环境监测数据对应的异常指数，得到目标充电站对应的综合异常指数；

基于电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像和综合异常指数，确定目标充电站对应的安全监测结果。

本申请还提供了一种充电站安全监测装置。所述装置包括：

监测数据集获取模块，用于获取目标充电站对应的监测数据集；监测数据集包括目标充电站中电缆对应的电缆局放监测图像、目标充电站中多个充电桩分别对应的充电桩局放监测图像、目标充电站对应的红外监测图像和环境监测数据；

局放图像检测模块，用于将电缆局放监测图像和各个充电桩局放监测图像输入充电站异常检测模型中的第一异常检测分支，得到电缆对应的目标电缆状态和异常指数、各个充电桩分别对应的目标充电桩状态和异常指数；

红外图像检测模块，用于将红外监测图像输入充电站异常检测模型中的第二异常检测分支，得到红外监测图像对应的过热点预测图像和异常指数；

环境数据检测模块，用于将环境监测数据输入充电站异常检测模型中的第三异常检测分支，得到环境监测数据对应的异常指数；

综合异常指数确定模块，用于融合电缆对应的异常指数、各个充电桩分别对应的异常指数、红外监测图像对应的异常指数和环境监测数据对应的异常指数，得到目标充电站对应的综合异常指数；

安全监测结果确定模块，用于基于电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像和综合异常指数，确定目标充电站对应的安全监测结果。

一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述充电站安全监测方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述充电站安全监测方法的步骤。

一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述充电站安全监测方法的步骤。

上述充电站安全监测方法、装置、计算机设备、存储介质和计算机程序产品，通过获取目标充电站对应的监测数据集，监测数据集包括目标充电站中电缆对应的电缆局放监测图像、目标充电站中多个充电桩分别对应的充电桩局放监测图像、目标充电站对应的红外监测图像和环境监测数据。将电缆局放监测图像和各个充电桩局放监测图像输入充电站异常检测模型中的第一异常检测分支，得到电缆对应的目标电缆状态和异常指数、各个充电桩分别对应的目标充电桩状态和异常指数。将红外监测图像输入充电站异常检测模型中的第二异常检测分支，得到对应的过热点预测图像和异常指数。将环境监测数据输入充电站异常检测模型中的第三异常检测分支，得到对应的异常指数。基于各个充电桩分别对应的目标电缆状态、电缆对应的目标电缆状态、红外监测图像对应的过热点预测图像和目标充电站对应的综合异常指数，生成充电站对应的安全监测结果，安全监测结果融合了充电站不同方面的监测数据，能够更加准确地反映充电站的安全状态，提高充电站安全监测的准确性。此外，通过获取目标充电站对应的电缆局放监测图像、充电桩局放监测图像、红外监测图像和环境监测数据，并通过充电站异常检测模型对各个监测数据进行分析从而确定安全监测结果，能够提高充电站安全监测的效率。

附图说明

图1为一个实施例中充电站安全监测方法的应用环境图；

图2为一个实施例中充电站安全监测方法的流程示意图；

图3为一个实施例中检测局放监测图像的步骤的流程示意图；

图4为一个实施例中地下充电站火灾智慧报警装置的示意图；

图5为一个实施例中充电站安全监测方法装置的结构框图；

图6为一个实施例中计算机设备的内部结构图；

图7为另一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的充电站安全监测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能电视、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。终端102以及服务器104可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。

终端和服务器均可单独用于执行本申请实施例中提供的充电站安全监测方法。

例如，终端获取目标充电站对应的监测数据集。监测数据集包括目标充电站中电缆对应的电缆局放监测图像、目标充电站中多个充电桩分别对应的充电桩局放监测图像、目标充电站对应的红外监测图像和环境监测数据。终端将电缆局放监测图像和各个充电桩局放监测图像输入充电站异常检测模型中的第一异常检测分支，得到电缆对应的目标电缆状态和异常指数、各个充电桩分别对应的目标充电桩状态和异常指数。终端将红外监测图像输入充电站异常检测模型中的第二异常检测分支，得到红外监测图像对应的过热点预测图像和异常指数。终端将环境监测数据输入充电站异常检测模型中的第三异常检测分支，得到环境监测数据对应的异常指数。终端融合电缆对应的异常指数、各个充电桩分别对应的异常指数、红外监测图像对应的异常指数和环境监测数据对应的异常指数，得到目标充电站对应的综合异常指数。终端基于电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像和综合异常指数，确定目标充电站对应的安全监测结果。

终端和服务器也可协同用于执行本申请实施例中提供的充电站安全监测方法。

例如，终端向服务器发送目标充电站对应的监测数据集。监测数据集包括目标充电站中电缆对应的电缆局放监测图像、目标充电站中多个充电桩分别对应的充电桩局放监测图像、目标充电站对应的红外监测图像和环境监测数据。服务器将电缆局放监测图像和各个充电桩局放监测图像输入充电站异常检测模型中的第一异常检测分支，得到电缆对应的目标电缆状态和异常指数、各个充电桩分别对应的目标充电桩状态和异常指数。服务器将红外监测图像输入充电站异常检测模型中的第二异常检测分支，得到红外监测图像对应的过热点预测图像和异常指数。服务器将环境监测数据输入充电站异常检测模型中的第三异常检测分支，得到环境监测数据对应的异常指数。服务器融合电缆对应的异常指数、各个充电桩分别对应的异常指数、红外监测图像对应的异常指数和环境监测数据对应的异常指数，得到目标充电站对应的综合异常指数。服务器基于电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像和综合异常指数，确定目标充电站对应的安全监测结果，并将安全监测结果发送至终端。终端可以对安全监测结果进行展示。

在一个实施例中，如图2所示，提供了一种充电站安全监测方法，以该方法应用于计算机设备为例进行说明，计算机设备可以是终端或服务器，由终端或服务器自身单独执行，也可以通过终端和服务器之间的交互来实现。充电站安全监测方法包括以下步骤：

步骤S202，获取目标充电站对应的监测数据集；监测数据集包括目标充电站中电缆对应的电缆局放监测图像、目标充电站中多个充电桩分别对应的充电桩局放监测图像、目标充电站对应的红外监测图像和环境监测数据。

其中，目标充电站是指需要进行充电站安全监测的充电站，充电站可以是地下充电站或露天充电站，充电站内铺设了电缆并设置了多个充电桩，可以为电动汽车或电动自行车提供充电服务。监测数据集是指包含通过充电站内的各种传感器和监测装置采集到的、目标充电站内的监测数据的数据集。电缆局放监测图像是指通过设置在电缆槽内的局部放电传感器，对电缆的局部放电信号进行采集得到的局部放电监测图像，用于指示电缆是否出现损坏。充电桩局放监测图像是指通过设置在充电桩内部的局部放电传感器，对充电桩内部的局部放电信号进行采集得到的局部放电监测图像，用于指示充电桩内部线路是否出现损坏。红外监测图像是指通过设置在充电站内的红外热成像传感器采集到的红外热成像图片，用于指示充电站内部是否存在过热区域。环境监测数据是指通过设置在充电站内的不同类型的传感器采集到的环境监测数据，例如，环境监测数据可以包括烟雾浓度、有害气体浓度、湿度等监测数据。

示例性地，为了提高充电站安全监测的效率，计算机设备获取目标充电站内电缆对应的电缆局放监测图像、目标充电站内多个充电桩分别对应的充电桩局放监测图像、目标充电站对应的红外监测图像和环境监测数据，得到目标充电站对应的监测数据集。具体地，目标充电站中设置于电缆槽内的局部放电传感器实时采集电缆对电缆的局部放电信号进行采集，得到电缆局放监测图像，并通过通信模块将电缆局放监测图像传输至计算机设备。目标充电站中设置于充电桩内部的局部放电传感器实时采集充电桩内部线路的局部放电信号，得到充电桩局放监测图像，并通过通信模块将充电桩局放监测图像传输至计算机设备。目标充电站内的红外热成像传感器实时采集目标充电站对应的红外热成像图片，并通过通信模块将红外热成像图传输至计算机设备。目标充电站内的其他各个传感器采集充电站的环境监测数据，并通过相应的通信模块将环境监测数据传输至计算机设备。在实际实现过程中，通信模块可以是5G通信模块，能够提高数据传输的效率和可靠性。

步骤S204，将电缆局放监测图像和各个充电桩局放监测图像输入充电站异常检测模型中的第一异常检测分支，得到电缆对应的目标电缆状态和异常指数、各个充电桩分别对应的目标充电桩状态和异常指数。

其中，充电站异常检测模型是指用于根据充电站对应的监测数据集，预测充电桩的安全状况的模型，充电站异常检测模型的输入数据是充电站对应的电缆局放监测图像、充电桩局放监测图像、红外监测图像和环境监测数据，输出数据包括目标电缆状态、目标充电桩状态、过热点预测图像以及充电站对应的综合异常指数。

第一异常检测分支是指充电站异常检测模型中用于处理充电桩局放监测图像和电缆局放监测图像的分支。目标电缆状态是指基于电缆局放监测图像确定的电缆的运行状态。目标充电桩状态是指基于充电桩局放监测图像确定的充电桩的运行状态。电缆对应的异常指数是指电缆局放监测图像所反映的电缆的异常程度。充电桩对应的异常指数是指充电桩局放监测图像所反映的充电桩的异常程度。

示例性地，计算机设备将电缆局放监测图像和各个充电桩局放监测图像分别对应的充电桩局放监测图像输入充电站异常检测模型，由充电站异常检测模型中的第一异常检测分支对电缆局放监测图像和充电桩局放图像进行特征提取与处理，得到电缆对应的目标电缆状态和异常指数，各个充电桩分别对应的目标充电桩状态和异常指数。具体地，第一异常检测分支将电缆局放监测图像、各个充电桩局放监测图像分别与多个标准局放监测图像进行比对，得到电缆对应的目标电缆状态和异常指数、各个充电桩分别对应的目标充电桩状态和异常指数。

步骤S206，将红外监测图像输入充电站异常检测模型中的第二异常检测分支，得到红外监测图像对应的过热点预测图像和异常指数。

其中，第二异常检测分支是指充电站异常检测模型中用于处理红外监测图像的分支。过热点预测图像是指对红外监测图像中存在的各个过热点的位置进和温度进行标注得到的图像。红外监测图像对应的异常指数是指红外监测图像所反映的充电站的异常程度。

示例性地，计算机设备将红外监测图像输入充电站异常检测模型，由充电站异常检测模型中的第二异常检测分支识别红外监测图像中的各个过热点，得到红外监测图像对应的过热点预测图像，基于红外监测图像中的各个过热点得到红外监测图像对应的异常指数。在实际实现过程中，第二异常检测分支可以通过R-FCN（Region-based FullyConvolutional Networks，基于区域的全卷积检测网络）构建。

步骤S208，将环境监测数据输入充电站异常检测模型中的第三异常检测分支，得到环境监测数据对应的异常指数。

其中，第三检测分支是指充电站异常检测模型中用于处理环境监测数据的分支。环境监测数据对应的异常指数是指环境监测指数所反映的充电站的异常程度。

示例性地，计算机设备将环境监测数据输入充电站异常检测模型，由充电站异常检测模型中的第三检测分支，将环境监测数据中包含的各个子数据分别与相子数据所属环境监测指标对应的监测阈值进行比对，得到环境监测数据中各个子数据分别对应的异常指数。融合环境监测数据中各个子数据分别对应的异常指数，得到环境监测数据对应的异常指数。

步骤S210，融合电缆对应的异常指数、各个充电桩分别对应的异常指数、红外监测图像对应的异常指数和环境监测数据对应的异常指数，得到目标充电站对应的综合异常指数。

其中，综合异常指数是指用于表征目标充电站对应的综合异常程度的数值。

示例性地，计算机设备基于电缆、充电桩、红外监测图像、环境监测数据分别对应的权重，对电缆对应的异常指数、各个充电桩分别对应的异常指数、红外监测图像对应的异常指数和环境监测数据对应的异常指数进行融合，得到目标充电站对应的综合异常指数。

步骤S212，基于电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像和综合异常指数，确定目标充电站对应的安全监测结果。

其中，安全监测结果是指对目标充电站进行安全监测得到的监测结果，用于指示目标充电站的安全状况。

示例性地，计算机设备生成包含电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像和综合异常指数的安全监测结果。具体地，获取安全监测结果对应的消息模板，将电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像和综合异常指数填充至消息模板内的相应的栏位，得到目标充电站对应的安全监测结果。将安全监测结果发送至管理人员对应的终端，以使管理人员能够及时了解目标充电站对应的安全监测结果。在实际实现过程中，可以将安全监测结果以5G消息的形式发送至管理人员的终端，提高消息传输的效率和可靠性，从而提高充电站安全监测的效率。

在一个实施例中，获取充电站异常检测模型对应的模型训练集，模型训练集包括多个训练样本和各个训练样本分别对应的样本标签。其中，训练样本为充电站对应的监测数据集，可以是以往采集到的目标充电站对应的监测数据集，可以是以往采集到的与目标充电站属于同一充电站类型的充电站对应的监测数据集。例如，当目标充电站为地下电动汽车充电站时，采集的训练样本即为地下电动汽车充电站对应的监测数据集。训练样本对应的样本标签为充电站对应的实际电缆状态、各个充电桩分别对应的实际充电桩状态、标注了过热点的红外监测图像，以及根据历史经验对充电站的监测数据集进行评估得到的充电站对应的综合异常指数。

将各个训练样本输入初始充电站异常检测模型，得到各个训练样本对应的预测标签，基于同一训练样本对应的预测标签和样本标签之间的差异得到模型损失。基于模型损失调整初始充电站异常检测模型中的模型参数，得到中间充电站异常检测模型。其中，初始充电站异常检测模型的模型参数包含了多个初始的标准局放监测图像、各个环境监测指标分别对应的初始的监测阈值，基于模型损失调整初始的标准局放监测图像以及各个环境监测指标分别对应的初始的监测阈值，得到中间充电站异常检测模型。将中间充电站异常检测模型作为初始充电站异常检测模型，返回获取充电站异常检测模型对应的模型训练集的步骤执行，直至满足模型收敛条件，得到目标充电站异常检测模型。目标充电站异常检测模型的模型参数中包含了多个更新后的标准局放监测图像和各个环境监测指标对应的更新后的监测阈值。这样，通过对初始充电站异常检测模型进行模型训练，得到包含多个更新后的标准局放监测图像和各个环境监测指标对应的更新后的监测阈值的目标充电站异常检测模型，无需另外获取多个标准局放监测图像和各个环境监测指标分别对应的监测阈值来构建充电站异常检测模型，能够简化模型构建过程，并且通过模型训练得到的标准局放监测图像和环境监测指标对应的监测阈值更加准确，能够提高模型的预测准确性。

上述充电站安全监测方法中，通过获取目标充电站对应的监测数据集，监测数据集包括目标充电站中电缆对应的电缆局放监测图像、目标充电站中多个充电桩分别对应的充电桩局放监测图像、目标充电站对应的红外监测图像和环境监测数据。将电缆局放监测图像和各个充电桩局放监测图像输入充电站异常检测模型中的第一异常检测分支，得到电缆对应的目标电缆状态和异常指数、各个充电桩分别对应的目标充电桩状态和异常指数。将红外监测图像输入充电站异常检测模型中的第二异常检测分支，得到对应的过热点预测图像和异常指数。将环境监测数据输入充电站异常检测模型中的第三异常检测分支，得到对应的异常指数。基于各个充电桩分别对应的目标电缆状态、电缆对应的目标电缆状态、红外监测图像对应的过热点预测图像和目标充电站对应的综合异常指数，生成充电站对应的安全监测结果，安全监测结果融合了充电站不同方面的监测数据，能够更加准确地反映充电站的安全状态，提高充电站安全监测的准确性。此外，通过获取目标充电站对应的电缆局放监测图像、充电桩局放监测图像、红外监测图像和环境监测数据，并通过充电站异常检测模型对各个监测数据进行分析从而确定安全监测结果，能够提高充电站安全监测的效率。

在一个实施例中，如图3所示，将电缆局放监测图像和各个充电桩局放监测图像输入充电站异常检测模型中的第一异常检测分支，得到电缆对应的目标电缆状态和异常指数、各个充电桩分别对应的目标充电桩状态和异常指数，包括：

步骤S302，通过充电站异常检测模型中的第一异常检测分支，将电缆局放监测图像分别和各个候选电缆状态对应的标准局放监测图像进行匹配，基于匹配结果从各个候选电缆状态中确定电缆对应的目标电缆状态和异常指数。

步骤S304，通过第一异常检测分支，将各个充电桩局放监测图像分别和各个候选充电桩状态对应的标准局放监测图像进行匹配，基于匹配结果从各个候选充电桩状态中确定各个充电桩分别对应的目标充电桩状态和异常指数。

其中，各个候选电缆状态是指电缆针对局部放电所存在的多种类型的电缆运行状态。例如，当局部放电监测图像中显示未出现局部放电时，相应的候选电缆状态为正常；当局部放电监测图像中出现属于沿面放电类型的局部放电脉冲波形时，相应的候选电缆状态为沿面放电；当局部放电监测图像中出现属于电晕放电类型的局部放电脉冲波形时，相应的候选电缆状态为电晕放电；当局部放电监测图像中出现属于内部放电类型的局部放电脉冲波形时，相应的候选电缆状态为内部放电；当局部放电监测图像中出现属于悬浮电位放电类型的局部放电脉冲波形时，相应的候选电缆状态为悬浮电位放电；等等。候选电缆状态对应的标准局放监测图像是指候选电缆状态对应的、标准的局部放电脉冲波形的局部放电监测图像，候选电缆状态对应的标准局放监测图像可以是预先设置的，也可以是通过模型训练得到的模型参数。例如，当候选电缆状态为正常时，对应的标准局放监测图像为未出现局部放电情况下的电缆局部放电监测图像；当候选电缆状态为沿面放电时，对应的标准局放监测图像为包含标准的、沿面放电类型对应的局部放电脉冲波形的电缆局部放电监测图像；等等。

各个候选充电桩状态是指充电桩针对局部放电所存在的多种类型的充电桩运行状态，候选充电桩状态对应的标准局放监测图像可以是预先设置的，也可以是通过模型训练得到的模型参数。例如，例如，当局部放电监测图像中显示未出现局部放电时，相应的候选充电桩状态为正常；当局部放电监测图像中出现属于沿面放电类型的局部放电脉冲波形时，相应的候选充电桩状态为沿面放电；当局部放电监测图像中出现属于电晕放电类型的局部放电脉冲波形时，相应的候选充电桩状态为电晕放电；当局部放电监测图像中出现属于内部放电类型的局部放电脉冲波形时，相应的候选充电桩状态为内部放电；当局部放电监测图像中出现属于悬浮电位放电类型的局部放电脉冲波形时，相应的候选充电桩状态为悬浮电位放电；等等。候选充电桩状态对应的标准局放监测图像是指候选充电桩状态对应的、标准的局部放电脉冲波形的局部放电监测图像。例如，当候选充电桩状态为正常时，对应的标准局放监测图像为未出现局部放电情况下的充电桩局部放电监测图像；当候选充电桩状态为沿面放电时，对应的标准局放监测图像为包含标准的、沿面放电类型对应的局部放电脉冲波形的充电桩局部放电监测图像；等等。

示例性地，计算机设备通过充电站异常检测模型中的第一异常检测分支，提取电缆局放监测图像对应的图像特征以及各个候选电缆状态分别对应的标准局放监测图像对应的图像特征，计算电缆局放监测图像对应的图像特征与候选电缆状态对应的标准局放监测图像所对应的图像特征之间的特征相似度，分别得到电缆局放监测图像针对各个候选电缆状态的相似度。基于电缆局放监测图像针对各个候选电缆状态的相似度，确定电缆对应的目标电缆状态和异常指数。

计算机设备通过充电站异常检测模型中的第一异常检测分支，提取充电桩局放监测图像对应的图像特征以及各个候选充电桩状态分别对应的标准局放监测图像对应的图像特征，计算充电桩局放监测图像对应的图像特征与候选充电桩状态对应的标准局放监测图像所对应的图像特征之间的特征相似度，分别得到充电桩局放监测图像针对各个候选电缆状态的相似度。基于充电桩局放监测图像针对各个候选充电桩状态的相似度，确定充电桩对应的目标充电桩状态和异常指数。通过相同的方法，确定其他各个充电桩分别对应的目标充电桩状态和异常指数，得到各个充电桩分别对应的目标充电桩状态和异常指数。

上述实施例中，通过将电缆局放监测图像与各个候选电缆状态分别对应的标准局放监测图像进行比对，能够快速准确地得到电缆对应的目标电缆状态和异常指数，将充电桩局放监测图像与各个候选充电桩状态分别对应的标准局放监测图像进行比对，能够快速准确地得到充电桩对应的目标充电桩状态和异常指数，从而能够提高监测数据处理的效率，从而提高充电站安全监测效率。

在一个实施例中，将电缆局放监测图像分别和各个候选电缆状态对应的标准局放监测图像进行匹配，基于匹配结果从各个候选电缆状态中确定电缆对应的目标电缆状态和异常指数，将各个充电桩局放监测图像分别和各个候选充电桩状态对应的标准局放监测图像进行匹配，基于匹配结果从各个候选充电桩状态中确定各个充电桩分别对应的目标充电桩状态和异常指数，包括：

针对当前对象对应的当前局放监测图像，从当前局放监测图像中提取局放幅值和局放频率；当前对象为电缆或充电桩；基于当前局放监测图像对应的局放幅值和标准局放监测图像对应的局放幅值之间的幅值相似度、当前局放监测图像对应的局放频率和标准局放监测图像对应的局放频率之间的频率相似度，确定当前局放监测图像分别和各个候选对象状态对应的标准局放监测图像之间的目标相似度；在当前局放监测图像和各个候选对象状态分别对应的标准局放监测图像之间的目标相似度中，将目标相似度最大值对应的候选对象状态作为当前对象对应的目标对象状态；基于当前局放监测图像和目标对象状态对应的标准局放监测图像之间的目标相似度，确定当前对象对应的异常指数。

其中，当当前对象为电缆时，当前局放监测图像为电缆局放监测图像，候选对象状态为候选电缆状态，目标对象状态为目标电缆状态，当当前对象为充电桩时，当前局放监测图像为充电桩局放监测图像，候选对象状态为候选充电桩状态，目标对象状态为目标充电桩状态。局放幅值是指局部放电监测图像中的局部放电脉冲波形对应的电流峰值。局放频率是指局部放电监测图像中的局部放电脉冲波形中出现局部放电脉冲的频率。幅值相似度是指当前局放监测图像对应的局放幅值和标准局放监测图像对应的局放幅值之间的相似度。频率相似度是指当前局放监测图像对应的局放频率和标准局放监测图像对应的局放频率之间的相似度。目标相似度是指当前局放监测图像和标准局放监测图像之间的相似度。

示例性地，计算机设备在目标充电站对应的电缆局放监测图像和各个充电桩局放监测图像中确定当前对象对应的当前局放监测图像。识别当前局放监测图像中的局部放电脉冲波形对应的局放幅值和局放频率。计算当前局放监测图像对应的局放幅值与候选对象状态对应的标准局放监测图像所对应的局放幅值之间的局放相似度，分别得到当前局放监测图像对应的局放幅值与每个候选对象状态对应的局放幅值之间的幅值相似度。计算当前局放监测图像对应的局放频率与候选对象状态对应的标准局放监测图像所对应的局放频率之间的频率相似度，分别得到当前局放监测图像对应的局放频率与每个候选对象状态对应的局放频率之间的频率相似度。在实际实现过程中，可以计算当前局放监测图像对应的局放幅值与标准局放监测图像对应的局放幅值之间的差值，将预设值与差值的绝对值之间的比值作为幅值相似度，可以计算当前局放监测图像对应的局放频率与标准局放监测图像对应的局放频率之间的差值，将预设值与差值的绝对值之间的比值作为频率相似度。

计算机设备基于幅值相似度和频率相似度分别对应的权重，融合当前局放监测图像与同一标准局放监测图像对应的幅值相似度和频率相似度，分别得到当前局放监测图像与每个候选对象状态对应的标准局放监测图像之间的目标相似度。幅值相似度和频率相似度分别对应的权重可以根据实际情况进行设置。将目标相似度最大值对应的候选对象状态作为当前对象对应的目标对象状态。可以根据各个候选对象状态分别对应的异常程度，确定各个候选对象状态分别对应的初始异常指数，进而基于当前局放监测图像与目标对象状态对应的标准局放监测图像之间的目标相似度，调整目标对象状态对应的初始异常指数，得到当前对象对应的异常指数。在实际实现过程中，异常指数与目标相似度呈正相关，例如，可以将目标相似度与目标对象状态对应的初始异常指数之间的乘积作为当前对象对应的异常指数。

上述实施例中，由于局放幅值和局放频率是局放监测图像中的主要特征信息，基于当前局放监测图像与标准局放监测图像之间的幅值相似度、频率相似度，能够快速准确地确定的当前局放监测图像与标准局放监测图像之间的目标相似度，进而将目标相似度最大值对应的候选对象状态作为当前对象对应的目标对象状态，能提高确定目标对象状态的准确性和效率。

在一个实施例中，将红外监测图像输入充电站异常检测模型中的第二异常检测分支，得到红外监测图像对应的过热点预测图像和异常指数，包括：

通过充电站异常检测模型中的第二异常检测分支对红外监测图像进行过热点识别处理，得到红外监测图像对应的过热点预测图像；通过第二异常检测分支，基于过热点预测图像中各个过热点分别对应的温度信息，确定各个过热点分别对应的异常指数，将各个过热点分别对应的异常指数作为红外监测图像对应的异常指数。

其中，过热点对应的异常指数是指用于表征过热点对应的异常程度的数值。

示例性地，计算机设备通过充电站异常检测模型中的第二异常检测分支，识别红外监测图像中的多个过热点，以及各个过热点分别对应温度信息，得到标注了各个过热点和各个过热点分别对应的温度信息的过热点预测图像。第二异常检测分支将过热点预测图像中过热点对应的温度信息与温度阈值进行比对，得到各个过热点分别对应的异常指数。具体地，可以在过热点对应的温度小于或等于温度阈值时，将过热点对应的异常指数确定为0，在过热点对应的温度大于温度阈值时，基于过热点对应的温度与温度阈值之间的差值确定过热点对应的异常指数，过热点对应的温度、温度阈值之间的温度差值与异常指数呈正相关；也可以在过热点对应的温度小于或等于温度阈值时，将过热点对应的异常指数确定为0，在过热点对应的温度大于温度阈值时，将过热点对应的异常指数确定为1；等等。进而将各个过热点分别对应的异常指数作为红外监测图像对应的异常指数。

上述实施例中，第二异常检测分支识别红外监测图像中的过热点和过热点对应的温度信息，得到红外监测图像对应的过热点预测图像，进而，将过热点预测图像中各个过热点分别对应的异常指数作为红外监测图像对应的异常指数。过热点预测图像可以直观地展示目标充电站中的过热点，并且红外监测图像对应的异常指数能够指示各个过热点分别对应的异常程度，方便管理人员快速确定存在安全问题的异常区域，以及异常区域对应的异常程度，能够保证充电站安全监测的效率。

在一个实施例中，环境监测数据包括第一监测数据和至少一种第二监测数据，第一监测数据为湿度监测值，至少一种第二监测数据包括温度监测值、有害气体浓度监测值、烟雾浓度监测值、接地线电流监测值、电缆槽水位监测值中的至少一者；将环境监测数据输入充电站异常检测模型中的第三异常检测分支，得到环境监测数据对应的异常指数，包括：

通过充电站异常检测模型中的第三异常检测分支，基于第一监测数据与第一监测数据所属环境监测指标对应的监测阈值之间的第一差异值，得到第一监测数据对应的异常指数；第一监测数据对应的异常指数与第一差异值呈负相关；通过第三异常检测分支，基于第二监测数据与第二监测数据所属环境监测指标对应的监测阈值之间的第二差异值，分别得到各个第二监测数据对应的异常指数；第二监测数据对应的异常指数与第二差异值呈正相关；将第一监测数据分别对应的异常指数、各个第二监测数据对应的异常指数作为环境监测数据对应的异常指数。

其中，第一监测数据是指与充电站安全程度呈正相关的一类监测数据。第二监测数据是指与充电站安全程度呈负相关的一类监测数据。湿度监测值是指通过设置湿度传感器采集的监测值，温度监测值是指通过温度传感器采集的监测值，有害气体浓度监测值是指通过有害气体浓度传感器采集的监测值，烟雾浓度监测值是指通过烟雾浓度传感器采集的监测值，接地线电流监测值是指通过设置在电缆或充电桩上的接电线电流采集模块采集的监测值。电缆槽水位监测值是指通过设置在电缆槽内部的水位采集模块采集的监测值。湿度传感器、温度传感器、有害气体浓度传感器、烟雾浓度传感器、接地线电流采集模块均设置于充电站内部，具体地，可以设置于充电桩内部、电缆槽内部或者充电站内的其他区域。

第一监测数据所属环境监测指标是指第一监测数据所对应的监测指标，例如，当第一监测数据为湿度监测值时，第一监测数据所属环境指标即为湿度。第二监测数据所属环境监测指标是指第二监测数据所对应的监测指标，例如，当第二监测数据为温度监测值时，第二监测数据所属环境指标即为温度，当第二监测数据为有害气体浓度监测值时，第二监测数据所属环境指标即为有害气体浓度。环境监测指标对应的监测阈值是指环境监测指标对应的监测值的安全阈值，若监测值大于监测阈值，则说明存在安全隐患。

示例性地，计算机设备通过充电站异常检测模型中的第三异常检测分支，将第一监测数据与第一监测数据所属环境监测指标对应的监测阈值之间的差值作为第一差异值，基于第一差异值得到第一监测数据对应的异常指数。具体地，可以对第一监测数据进行归一化，将第一预设值与归一化后的第一监测数据之间的差值作为第一监测数据对应的异常指数。将第二监测数据与第二监测数据所属环境监测指标对应的监测阈值之间的差值作为第二差异值，基于第二差异值分别得到各个第二监测数据对应的异常指数。具体地，可以对第二监测数据进行归一化，将归一化后的第二监测数据作为第二监测数据对应的异常指数。进而将第一监测数据对应的异常指数与各个第二监测数据分别对应的异常指数作为环境监测数据对应的异常指数。

上述实施例中，环境监测数据包括第一监测数据和第二监测数据，其中，第一监测数据与充电站安全程度呈正相关的一类监测数据，第二监测数据是与充电站安全程度呈负相关的一类监测数据。基于各个监测数据分别与相应的监测阈值之间的差异值，以及各个监测数据分别与充电站安全程度的相关性，能够快速准确地得到各个监测数据分别对应的异常指数，即得到环境监测数据对应的异常指数，能够有效地提高充电站安全监测的效率。

在一个实施例中，基于电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像和综合异常指数，确定目标充电站对应的安全监测结果，包括：

当综合异常指数小于安全阈值时，确定目标充电站对应的安全状态为正常状态，得到目标充电站对应的安全监测结果；当综合异常指数大于或等于安全阈值、且小于报警阈值时，确定目标充电站对应的安全状态为隐患状态，基于电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像和隐患状态，生成目标充电站对应的安全监测结果；当综合异常指数大于或等于报警阈值时，确定目标充电站对应的安全状态为异常状态，基于电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像和异常状态，生成目标充电站对应的安全监测结果，并启动目标充电站内的安全保障装置；安全保障装置用于进行火灾报警和火灾扑救操作。

其中，安全阈值是指综合异常指数对应的安全范围，用于判断充电站是否处于正常状态，若综合异常指数小于安全阈值，说明充电站处于正常状态。报警阈值用于判断充电站是否处于异常状态，是否需要触发报警，若综合异常指数大于或等于安全阈值，且小于报警阈值时，则说明充电站存在安全隐患，若综合异常指数大于或等于报警阈值，则说明充电站处于异常状态，充电站内出现火灾，需要进行火灾报警和火灾扑救。

示例性地，计算机设备在目标充电站对应的综合异常指数小于安全阈值时，确定目标充电站对应的安全状态为正常状态，基于目标充电站对应的安全状态，生成目标充电站对应的安全监测结果。在综合异常指数大于或等于安全阈值且小于报警阈值时，确定目标充电站对应的安全状态为隐患状态，生成包含电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像和安全状态的安全监测结果。当综合异常指数大于或等于报警阈值时，确定目标充电站对应的安全状态为异常状态，生成包含电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像和安全状态的安全监测结果，并启动目标充电站内的安全保障装置，由安全保障装置立即进行火灾报警和火灾扑救操作。

上述实施例中，通过设置安全阈值和报警阈值，将综合异常指数与安全阈值、报警阈值比对，可以快速确定目标充电站对应的安全状态。在目标充电站处于隐患状态时和异常状态时，生成包含电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像的安全监测结果，将安全监测结果发送至管理人员的终端，能够使得管理人员及时了解目标充电站的安全监测情况，从而能够更加有针对性地采取措施，提高充电站安全监测的效率。此外，在目标充电站对应的安全状态为异常状态时，直接启动目标充电站内的安全保障措施，能够提高充电站的安全性。

在一个具体的实施例中，本申请提出的充电站安全监测方法可以应用于地下充电站火灾智慧报警装置，如图4所示，地下充电站火灾智慧报警装置包括红外视频监测装置、运行状态在线监测装置、烟雾报警装置、电缆在线监测装置、数据采集装置、火灾故障预测装置、火情处理装置。充电站安全监测方法包括以下步骤：

1、数据采集

红外视频监测装置包括红外热成像传感器、可见光成像传感器、自适应调焦镜头、CPU主板和后台通讯装置。若干红外视频监测装置分别设置与地下充电站顶部，实时获取地下充电站对应的红外热成像、可见光成像视频信息，通过CPU主板与后台通讯装置将视频信息实时传输至数据采集装置。

地下充电桩对应的运行状态在线监测装置包括充电桩状态采集模块、充电桩状态信息调理模块两部分，充电桩状态采集模块包括充电桩温度传感器单元、湿度传感器单元、烟雾传感器单元及局部放电传感器单元四部分。充电桩状态采集模块实时采集充电桩的温度、湿度、烟雾、放电信息，充电桩状态信息调理模块包含充电桩温度传感器信号处理单元、湿度传感器信号处理单元、烟雾传感器信号处理单元、局部放电传感器信号处理单元及数据存储传输单元。充电桩状态信息调理模块将充电站状态采集模块采集到的物理信号转换为数字信号，并将数字信号存储在数据存储传输单元，借助5G通信模块将数字信号传输至数据采集装置。

烟雾报警装置包括烟雾感应探头、防虫滤网、高分贝报警提示器及数据储存传输模块四部分，若干烟雾报警装置分别设于地下充电站顶部，可以实现地下充电站360°大范围探测，具有火灾报警、一键自检功能，烟雾报警装置将采集到物理信号转换为数字信号后，通过5G通信模块将数字信号传输至数据采集装置。

电缆在线监测装置包括电缆接地线电流采集模块、温度采集模块、水位采集模块、有害气体浓度采集模块、局部放电信号采集模块及数据储存传输模块六部分 ，将电缆在线监测装置采集到物理信号转换为数字信号后，通过5G通信模块将数字信号传输至数据采集装置。

2、数据处理

数据采集装置接收红外视频监测装置、运行状态在线监测装置、烟雾报警装置、电缆在线监测装置分别采集的数字信号，并构建充电站火情信息特征层，对各个数字信号进行处理、整合，并进行特征提取，得到地下充电站红外视频信息、充电桩运行状态信息、烟雾信息、电缆运行状态信息，并传输至火灾故障预测装置。

3、火灾预警

火灾故障预测装置接收数据采集装置传输的地下充电站红外视频信息、充电桩运行状态信息、烟雾信息、电缆运行状态信息，并将接收的信息输入地下充电站火灾故障预测模型，得到地下充电站对应的火灾概率。火情处理装置在地下充电站对应的火灾概率超过安全阈值时，及时向充电站负责人、站内人员提供火情信息，启动站内消防安全装置，及时扑灭地下充电站火情。

上述实施例中，地下充电站火灾智慧报警装置中的红外视频监测装置实现了对充电站内设备温度的实时监控，能够及时发现过热位置，同时运行状态在线监测装置及时采集充电站内充电桩温湿度、烟雾信息、放电信息，实现充电桩状态全面监测，烟雾报警装置实现站内烟雾信息全面监测，电缆在线监测装置实时采集电缆局部放电信息、电缆槽内水位高度、有害气体浓度等信息，数据采集装置完成上述模块运行数据汇总，发送至火灾故障预测装置，实现对地下充电站火灾概率的预测，能够及时驱动火情处理装置在火情初始阶段扑灭火情，提高安全监测的效率。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的充电站安全监测方法的充电站安全监测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个充电站安全监测装置实施例中的具体限定可以参见上文中对于充电站安全监测方法的限定，在此不再赘述。

在一个实施例中，如图5所示，提供了一种充电站安全监测装置，包括：监测数据集获取模块502、局放图像检测模块504、红外图像检测模块506、环境数据检测模块508、综合异常指数确定模块510和安全监测结果确定模块512，其中：

监测数据集获取模块502，获取目标充电站对应的监测数据集；监测数据集包括目标充电站中电缆对应的电缆局放监测图像、目标充电站中多个充电桩分别对应的充电桩局放监测图像、目标充电站对应的红外监测图像和环境监测数据。

局放图像检测模块504，用于将电缆局放监测图像和各个充电桩局放监测图像输入充电站异常检测模型中的第一异常检测分支，得到电缆对应的目标电缆状态和异常指数、各个充电桩分别对应的目标充电桩状态和异常指数。

红外图像检测模块506，用于将红外监测图像输入充电站异常检测模型中的第二异常检测分支，得到红外监测图像对应的过热点预测图像和异常指数。

环境数据检测模块508，用于将环境监测数据输入充电站异常检测模型中的第三异常检测分支，得到环境监测数据对应的异常指数。

综合异常指数确定模块510，用于融合电缆对应的异常指数、各个充电桩分别对应的异常指数、红外监测图像对应的异常指数和环境监测数据对应的异常指数，得到目标充电站对应的综合异常指数。

安全监测结果确定模块512，用于基于电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像和综合异常指数，确定目标充电站对应的安全监测结果。

在一个实施例中，局放图像检测模块504还用于：

通过充电站异常检测模型中的第一异常检测分支，将电缆局放监测图像分别和各个候选电缆状态对应的标准局放监测图像进行匹配，基于匹配结果从各个候选电缆状态中确定电缆对应的目标电缆状态和异常指数；通过第一异常检测分支，将各个充电桩局放监测图像分别和各个候选充电桩状态对应的标准局放监测图像进行匹配，基于匹配结果从各个候选充电桩状态中确定各个充电桩分别对应的目标充电桩状态和异常指数。

在一个实施例中，局放图像检测模块504还用于：

针对当前对象对应的当前局放监测图像，从当前局放监测图像中提取局放幅值和局放频率；当前对象为电缆或充电桩；基于当前局放监测图像对应的局放幅值和标准局放监测图像对应的局放幅值之间的幅值相似度、当前局放监测图像对应的局放频率和标准局放监测图像对应的局放频率之间的频率相似度，确定当前局放监测图像分别和各个候选对象状态对应的标准局放监测图像之间的目标相似度；在当前局放监测图像和各个候选对象状态分别对应的标准局放监测图像之间的目标相似度中，将目标相似度最大值对应的候选对象状态作为当前对象对应的目标对象状态；基于当前局放监测图像和目标对象状态对应的标准局放监测图像之间的目标相似度，确定当前对象对应的异常指数。

在一个实施例中，红外图像检测模块506还用于：

通过充电站异常检测模型中的第二异常检测分支对红外监测图像进行过热点识别处理，得到红外监测图像对应的过热点预测图像；通过第二异常检测分支，基于过热点预测图像中各个过热点分别对应的温度信息，确定各个过热点分别对应的异常指数，将各个过热点分别对应的异常指数作为红外监测图像对应的异常指数。

在一个实施例中，环境监测数据包括第一监测数据和至少一种第二监测数据，第一监测数据为湿度监测值，至少一种第二监测数据包括温度监测值、有害气体浓度监测值、烟雾浓度监测值、接地线电流监测值、电缆槽水位监测值中的至少一者，环境数据检测模块508还用于：

通过充电站异常检测模型中的第三异常检测分支，基于第一监测数据与第一监测数据所属环境监测指标对应的监测阈值之间的第一差异值，得到第一监测数据对应的异常指数；第一监测数据对应的异常指数与第一差异值呈负相关；通过第三异常检测分支，基于第二监测数据与第二监测数据所属环境监测指标对应的监测阈值之间的第二差异值，分别得到各个第二监测数据对应的异常指数；第二监测数据对应的异常指数与第二差异值呈正相关；将第一监测数据分别对应的异常指数、各个第二监测数据对应的异常指数作为环境监测数据对应的异常指数。

在一个实施例中，安全监测结果确定模块512还用于：

当综合异常指数小于安全阈值时，确定目标充电站对应的安全状态为正常状态，得到目标充电站对应的安全监测结果；当综合异常指数大于或等于安全阈值、且小于报警阈值时，确定目标充电站对应的安全状态为隐患状态，基于电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像和隐患状态，生成目标充电站对应的安全监测结果；当综合异常指数大于或等于报警阈值时，确定目标充电站对应的安全状态为异常状态，基于电缆对应的目标电缆状态、各个充电桩分别对应的目标充电桩状态、红外监测图像对应的过热点预测图像和异常状态，生成目标充电站对应的安全监测结果，并启动目标充电站内的安全保障装置；安全保障装置用于进行火灾报警和火灾扑救操作。

上述充电站安全监测装置，基于各个充电桩分别对应的目标电缆状态、电缆对应的目标电缆状态、红外监测图像对应的过热点预测图像和目标充电站对应的综合异常指数，生成充电站对应的安全监测结果，安全监测结果融合了充电站不同方面的监测数据，能够更加准确地反映充电站的安全状态，提高充电站安全监测的准确性。此外，通过获取目标充电站对应的电缆局放监测图像、充电桩局放监测图像、红外监测图像和环境监测数据，并通过充电站异常检测模型对各个监测数据进行分析从而确定安全监测结果，能够提高充电站安全监测的效率。

上述充电站安全监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储监测数据集、综合异常指数等数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种充电站安全监测方法。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种充电站安全监测方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图6、7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种充电站安全监测方法，其特征在于，所述方法包括：

获取目标充电站对应的监测数据集；所述监测数据集包括所述目标充电站中电缆对应的电缆局放监测图像、所述目标充电站中多个充电桩分别对应的充电桩局放监测图像、所述目标充电站对应的红外监测图像和环境监测数据；

将所述电缆局放监测图像和各个充电桩局放监测图像输入充电站异常检测模型中的第一异常检测分支，得到所述电缆对应的目标电缆状态和异常指数、各个充电桩分别对应的目标充电桩状态和异常指数；

将所述红外监测图像输入所述充电站异常检测模型中的第二异常检测分支，得到所述红外监测图像对应的过热点预测图像和异常指数；

将所述环境监测数据输入所述充电站异常检测模型中的第三异常检测分支，得到所述环境监测数据对应的异常指数；

融合所述电缆对应的异常指数、所述各个充电桩分别对应的异常指数、所述红外监测图像对应的异常指数和所述环境监测数据对应的异常指数，得到所述目标充电站对应的综合异常指数；

基于所述电缆对应的目标电缆状态、所述各个充电桩分别对应的目标充电桩状态、所述红外监测图像对应的过热点预测图像和所述综合异常指数，确定所述目标充电站对应的安全监测结果。

2.根据权利要求1所述的方法，其特征在于，所述将所述电缆局放监测图像和各个充电桩局放监测图像输入充电站异常检测模型中的第一异常检测分支，得到所述电缆对应的目标电缆状态和异常指数、各个充电桩分别对应的目标充电桩状态和异常指数，包括：

通过充电站异常检测模型中的第一异常检测分支，将所述电缆局放监测图像分别和各个候选电缆状态对应的标准局放监测图像进行匹配，基于匹配结果从所述各个候选电缆状态中确定所述电缆对应的目标电缆状态和异常指数；

通过所述第一异常检测分支，将所述各个充电桩局放监测图像分别和各个候选充电桩状态对应的标准局放监测图像进行匹配，基于匹配结果从所述各个候选充电桩状态中确定各个充电桩分别对应的目标充电桩状态和异常指数。

3.根据权利要求2所述的方法，其特征在于，所述将所述电缆局放监测图像分别和各个候选电缆状态对应的标准局放监测图像进行匹配，基于匹配结果从所述各个候选电缆状态中确定所述电缆对应的目标电缆状态和异常指数，将所述各个充电桩局放监测图像分别和各个候选充电桩状态对应的标准局放监测图像进行匹配，基于匹配结果从所述各个候选充电桩状态中确定各个充电桩分别对应的目标充电桩状态和异常指数，包括：

针对当前对象对应的当前局放监测图像，从所述当前局放监测图像中提取局放幅值和局放频率；所述当前对象为所述电缆或所述充电桩；

基于所述当前局放监测图像对应的局放幅值和标准局放监测图像对应的局放幅值之间的幅值相似度、所述当前局放监测图像对应的局放频率和标准局放监测图像对应的局放频率之间的频率相似度，确定所述当前局放监测图像分别和各个候选对象状态对应的标准局放监测图像之间的目标相似度；

在所述当前局放监测图像和所述各个候选对象状态分别对应的标准局放监测图像之间的目标相似度中，将目标相似度最大值对应的候选对象状态作为所述当前对象对应的目标对象状态；

基于所述当前局放监测图像和所述目标对象状态对应的标准局放监测图像之间的目标相似度，确定所述当前对象对应的异常指数。

4.根据权利要求1所述的方法，其特征在于，所述将所述红外监测图像输入所述充电站异常检测模型中的第二异常检测分支，得到所述红外监测图像对应的过热点预测图像和异常指数，包括：

通过所述充电站异常检测模型中的第二异常检测分支对所述红外监测图像进行过热点识别处理，得到所述红外监测图像对应的过热点预测图像；

通过所述第二异常检测分支，基于所述过热点预测图像中各个过热点分别对应的温度信息，确定所述各个过热点分别对应的异常指数，将所述各个过热点分别对应的异常指数作为所述红外监测图像对应的异常指数。

5.根据权利要求1所述的方法，其特征在于，所述环境监测数据包括第一监测数据和至少一种第二监测数据，所述第一监测数据为湿度监测值，所述至少一种第二监测数据包括温度监测值、有害气体浓度监测值、烟雾浓度监测值、接地线电流监测值、电缆槽水位监测值中的至少一者；

所述将所述环境监测数据输入所述充电站异常检测模型中的第三异常检测分支，得到所述环境监测数据对应的异常指数，包括：

通过所述充电站异常检测模型中的第三异常检测分支，基于第一监测数据与第一监测数据所属环境监测指标对应的监测阈值之间的第一差异值，得到第一监测数据对应的异常指数；所述第一监测数据对应的异常指数与所述第一差异值呈负相关；

通过所述第三异常检测分支，基于第二监测数据与第二监测数据所属环境监测指标对应的监测阈值之间的第二差异值，分别得到各个第二监测数据对应的异常指数；所述第二监测数据对应的异常指数与所述第二差异值呈正相关；

将所述第一监测数据分别对应的异常指数、所述各个第二监测数据对应的异常指数作为所述环境监测数据对应的异常指数。

6.根据权利要求1所述的方法，其特征在于，所述基于所述电缆对应的目标电缆状态、所述各个充电桩分别对应的目标充电桩状态、所述红外监测图像对应的过热点预测图像和所述综合异常指数，确定所述目标充电站对应的安全监测结果，包括：

当所述综合异常指数小于安全阈值时，确定所述目标充电站对应的安全状态为正常状态，得到所述目标充电站对应的安全监测结果；

当所述综合异常指数大于或等于所述安全阈值、且小于报警阈值时，确定所述目标充电站对应的安全状态为隐患状态，基于所述电缆对应的目标电缆状态、所述各个充电桩分别对应的目标充电桩状态、所述红外监测图像对应的过热点预测图像和所述隐患状态，生成所述目标充电站对应的安全监测结果；

当所述综合异常指数大于或等于所述报警阈值时，确定所述目标充电站对应的安全状态为异常状态，基于所述电缆对应的目标电缆状态、所述各个充电桩分别对应的目标充电桩状态、所述红外监测图像对应的过热点预测图像和所述异常状态，生成所述目标充电站对应的安全监测结果，并启动所述目标充电站内的安全保障装置；所述安全保障装置用于进行火灾报警和火灾扑救操作。

7.一种充电站安全监测装置，其特征在于，所述装置包括：

监测数据集获取模块，用于获取目标充电站对应的监测数据集；所述监测数据集包括所述目标充电站中电缆对应的电缆局放监测图像、所述目标充电站中多个充电桩分别对应的充电桩局放监测图像、所述目标充电站对应的红外监测图像和环境监测数据；

局放图像检测模块，用于将所述电缆局放监测图像和各个充电桩局放监测图像输入充电站异常检测模型中的第一异常检测分支，得到所述电缆对应的目标电缆状态和异常指数、各个充电桩分别对应的目标充电桩状态和异常指数；

红外图像检测模块，用于将所述红外监测图像输入所述充电站异常检测模型中的第二异常检测分支，得到所述红外监测图像对应的过热点预测图像和异常指数；

环境数据检测模块，用于将所述环境监测数据输入所述充电站异常检测模型中的第三异常检测分支，得到所述环境监测数据对应的异常指数；

综合异常指数确定模块，用于融合所述电缆对应的异常指数、所述各个充电桩分别对应的异常指数、所述红外监测图像对应的异常指数和所述环境监测数据对应的异常指数，得到所述目标充电站对应的综合异常指数；

安全监测结果确定模块，用于基于所述电缆对应的目标电缆状态、所述各个充电桩分别对应的目标充电桩状态、所述红外监测图像对应的过热点预测图像和所述综合异常指数，确定所述目标充电站对应的安全监测结果。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。