CN117719385B - 一种智能充电桩控制系统及方法 - Google Patents

Abstract

本发明属于充电桩控制技术领域，具体涉及一种智能充电桩控制系统及方法。该发明通过对充电桩运行参数的特征进行分类，能够得到多个同类型下的特征参数，后续能够对充电桩的运行参数进行实时监测，并对不同特性的特征参数进行进一步的评估处理，从而得到有序参数和无序参数，使得充电桩的运行参数能够得以全面性的监控，并且在充电桩正常状态下，还会以其已发生的运行参数为基础，对有序参数和无序参数进行预测处理，使得充电桩异常之前便会发出预警信号，提高充电桩运行过程安全性，相应的，也能够增加其使用寿命。

Description

一种智能充电桩控制系统及方法

技术领域

本发明属于充电桩控制技术领域，具体涉及一种智能充电桩控制系统及方法。

背景技术

随着新能源技术的迅猛发展，电动汽车作为一种清洁、高效的交通工具越来越受到人们的青睐，伴随着电动汽车的普及，充电桩作为其重要的基础设施也得到了快速的发展，传统的充电桩大多采用简单的充电控制策略，用户需要手动操作进行充电，且无法实现对充电桩工作状态的实时监控和管理，这无疑增加了用户的使用不便和充电桩的维护成本。

在现有技术中，虽然部分充电桩已经实现了智能化管理，可以进行远程监控和故障诊断，但这些系统往往存在着数据处理效率低下、状态评估准确性不高以及预测功能不足的问题，例如，现有充电桩在状态评估时，通常只针对实时性的参数进行分析，虽然能够准确反映充电桩的实际工作状况，但是往往是在充电桩故障之后才会发出警示，这无疑会使得充电桩无法及时维护，同时故障产生之后所引发的连锁反应，还会降低充电桩的使用寿命，基于此，本方案提供了一种智能充电桩控制方法。

发明内容

本发明的目的是提供一种智能充电桩控制系统及方法，能够对充电桩的运行参数进行实时监测和分类，并对不同特性的特征参数均能够起到预测作用，使得充电桩的参数监测范围更为全面，提高充电桩运行过程安全性。

本发明采取的技术方案具体如下：

一种智能充电桩控制方法，包括：

获取充电桩的实时状态信息，所述实时状态信息包括充电桩的电压参数、电流参数、功率参数；

对所述充电桩的实时状态信息执行状态评估处理，得到所述充电桩的工作状态，其中，所述充电桩的工作状态包括正常状态和异常状态；

获取所述正常状态下的实时状态信息，并依据其特性分类为多个特征子集，并将各个所述特征子集中的特征参数按照发生时序进行排列；

根据所述特征参数的发生时序，对各个所述特征子集内的特征参数执行有序性评估，得到有序参数和无序参数；

对所述有序参数和无序参数分别执行预测处理，得到所述充电桩的预测状态信息，且同步对其执行状态评估处理，得到所述充电桩的预测工作状态。

在一种优选方案中，所述对所述充电桩的实时状态信息执行状态评估处理，得到所述充电桩的工作状态的步骤，包括：

获取所述实时状态信息中的充电桩运行参数，并标定为待评估参数；

获取评估区间，并与所述待评估参数进行比较；

若所述待评估参数处于评估区间内，则表明所述充电桩运行正常，并将其对应的工作状态标定为正常状态；

若所述待评估参数未处于评估区间内，则表明所述充电桩运行异常，并将其对应的工作状态标定为异常状态，且同步发出告警信号。

在一种优选方案中，所述评估区间设置有多个，且每个所述评估区间均对应一个特征子集。

在一种优选方案中，所述根据所述特征参数的发生时序，对各个所述特征子集内的特征参数执行有序性评估的步骤，包括：

依据所述发生时序构建监测时段，并在所述监测时段内设置多个采样节点；

获取各个所述采样节点下的特征参数，并对相邻两个所述特征参数执行做差处理，并将其做差结果标定为待评价参数；

获取评价函数，并将所述待评价参数输入至评价函数中，得到测试参数，且随机选取多组相邻两个所述特征参数，验证所述测试参数的有效性；

其中，所述测试参数有效时，将其对应的特征参数标定为有序参数，反之，则将其对应的特征参数标定为无序参数。

在一种优选方案中，所述验证所述测试参数的有效性的步骤，包括：

获取测试数量，并随机选取与所述测试数量一致的相邻特征参数；

获取测试函数，并将所述测试参数以及多组相邻特征参数输入至测试函数中，并将其输出结果标定为偏离参数；

获取校验阈值，并与所述校验阈值进行比较；

若所述偏离参数大于校验阈值，则直接判定其对应的所述测试参数无效；

若所述偏离参数小于或等于校验阈值，则判定其对应的所述测试参数有效。

在一种优选方案中，对所述有序参数执行预测处理的步骤，包括：

获取当前节点下所述充电桩的执行参数，并标定为基准参数；

获取与所述有序参数对应的测试参数，以及预测时段；

获取预测函数；

将所述基准参数、与所述有序参数对应的测试参数以及预测时段一同输入至预测函数中，再将其输出结果标定为第一预测状态信息。

在一种优选方案中，对所述无序参数执行预测处理的步骤，包括：

对所述无序参数执行预测处理的步骤，包括：

获取预测节点，以及与所述预测节点对应的历史节点，再将所述历史节点下的所述无序参数汇总为基准数据组；

将所述基准数据组中的无序参数按照由小至大的顺序进行排列；

从所述基准数据组中随机抽取一个无序参数作为基准元素，并统计其排序位次，并标定为基准位次；

获取所述预测节点的排序位次，并标定为待比对参数，再将所述待比对参数与基准位次进行比较；

若所述待比对参数大于基准位次，则将大于所述基准元素的所有无序参数汇总为后基准数据组，并从所述后基准数据组中随机抽取一个无序参数作为后基准元素，直至其对应的排序位次与预测节点的排序位次一致后停止；

若所述待比对参数等于基准位次，则直接将基准元素标定为第二预测状态信息；

若所述待比对参数小于基准位次，则将小于所述基准元素的所有无序参数汇总为前基准数据组，并从所述前基准数据组中随机抽取一个无序参数作为前基准元素，直至其对应的排序位次与预测节点的排序位次一致前停止。

在一种优选方案中，所述第一预测状态信息和第二预测状态信息输出后，同步与其对应的评估区间执行比较；

若所述第一预测状态信息或第二预测状态信息均处于其对应的评估区间内时，则表明所述充电桩的正常状态持续，反之，则直接判定所述充电桩正常状态间断，并发出预警信号。

本发明还提供了，一种智能充电桩控制系统，应用于上述的智能充电桩控制方法，包括：

信息采集模块，所述信息采集模块用于获取充电桩的实时状态信息，所述实时状态信息包括充电桩的电压参数、电流参数、功率参数；

状态评估模块，所述状态评估模块用于对所述充电桩的实时状态信息执行状态评估处理，得到所述充电桩的工作状态，其中，所述充电桩的工作状态包括正常状态和异常状态；

特征分类模块，所述特征分类模块用于获取所述正常状态下的实时状态信息，并依据其特性分类为多个特征子集，并将各个所述特征子集中的特征参数按照发生时序进行排列；

特征评估模块，所述特征评估模块用于根据所述特征参数的发生时序，对各个所述特征子集内的特征参数执行有序性评估，得到有序参数和无序参数；

状态预测模块，所述状态预测模块用于对所述有序参数和无序参数分别执行预测处理，得到所述充电桩的预测状态信息，且同步对其执行状态评估处理，得到所述充电桩的预测工作状态。

以及，一种智能充电桩控制设备，包括：

至少一个处理器；

以及与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的智能充电桩控制方法。

本发明取得的技术效果为：

本发明通过对充电桩运行参数的特征进行分类，能够得到多个同类型下的特征参数，后续能够对充电桩的运行参数进行实时监测，并对不同特性的特征参数进行进一步的评估处理，从而得到有序参数和无序参数，使得充电桩的运行参数能够得以全面性的监控，并且在充电桩正常状态下，还会以其已发生的运行参数为基础，对有序参数和无序参数进行预测处理，使得充电桩异常之前便会发出预警信号，提高充电桩运行过程安全性，相应的，也能够增加其使用寿命。

附图说明

图1是本发明实施例1所提供的方法流程图；

图2是本发明实施例2所提供的系统模块图；

图3是本发明实施例3所提供的设备结构图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个较佳的实施方式中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

实施例1：

请参阅图1所示，为本发明的第一个实施例，该实施例提供了一种智能充电桩控制方法，包括：

S1、获取充电桩的实时状态信息，实时状态信息包括充电桩的电压参数、电流参数、功率参数；

S2、对充电桩的实时状态信息执行状态评估处理，得到充电桩的工作状态，其中，充电桩的工作状态包括正常状态和异常状态；

S3、获取正常状态下的实时状态信息，并依据其特性分类为多个特征子集，并将各个特征子集中的特征参数按照发生时序进行排列；

S4、根据特征参数的发生时序，对各个特征子集内的特征参数执行有序性评估，得到有序参数和无序参数；

S5、对有序参数和无序参数分别执行预测处理，得到充电桩的预测状态信息，且同步对其执行状态评估处理，得到充电桩的预测工作状态。

如上述步骤S1-S5所述，随着电动汽车行业的快速发展，充电桩作为其基础设施的重要组成部分，其智能化水平直接影响到电动汽车的普及和用户体验，传统的充电桩通常功能单一，缺乏有效的智能监控和管理机制，无法满足用户对于充电效率、安全性和智能化服务的需求，智能充电桩控制方法是一种现代化的充电设备管理技术，它通过实时监测和分析充电桩的各项参数，实现对充电桩的智能控制和管理，本实施例中，首先采集了充电桩的实时状态信息，这些实时状态信息包括充电桩的电压、电流和功率等关键参数，它们是评估充电桩工作状态的基础，实时状态信息的获取有助于我们及时了解充电桩的运行状况，为后续的控制和维护提供数据支持，接下来对充电桩的实时状态信息进行状态评估处理，根据评估结果，充电桩的工作状态可以分为正常状态和异常状态，正常状态表示充电桩运行正常，可以正常为电动汽车充电，而异常状态则表示充电桩存在一定的问题，需要进行维修或调整，在获取充电桩正常状态下的实时状态信息后，需要对这些信息进行进一步的处理，具体来说，是根据这些状态信息的特性将其分类为多个特征子集，并将各个特征子集中的特征参数按照发生时序进行排列，其目的是将复杂的实时状态信息转化为更具规律性和可分析性的特征子集，为后续的预测处理奠定基础，然后，根据特征参数的发生时序，对各个特征子集内的特征参数执行有序性评估，评估结果分为有序参数和无序参数，有序参数表示充电桩运行过程中的规律性变化，无序参数则表示不规律的变化，最后，对有序参数和无序参数分别执行预测处理，预测处理是基于历史数据和现有信息，对充电桩的未来状态进行预测，以此输出预测状态信息，其中，预测状态信息包括第一预测状态信息（对应有序参数）和第二预测状态信息（对应无序参数），同时，同步对充电桩进行状态评估处理，得到充电桩的预测工作状态，有助于提前了解充电桩的可能发展趋势，为充电桩的优化和管理提供依据。

在一个较佳的实施方式中，对充电桩的实时状态信息执行状态评估处理，得到充电桩的工作状态的步骤，包括：

S201、获取实时状态信息中的充电桩运行参数，并标定为待评估参数；

S202、获取评估区间，并与待评估参数进行比较；

若待评估参数处于评估区间内，则表明充电桩运行正常，并将其对应的工作状态标定为正常状态；

若待评估参数未处于评估区间内，则表明充电桩运行异常，并将其对应的工作状态标定为异常状态，且同步发出告警信号。

在上述步骤S201-S202所述，在对充电桩的工作状态进行评估时，首先采集充电桩的实时状态信息，这些信息包括充电桩的运行参数，再将这些参数作为待评估参数，用于评估充电桩的工作状态，接下来确定评估区间，评估区间设置有多个，且每个评估区间均对应一个特征子集，评估区间可以根据充电桩的运行规律、历史数据以及专家经验等进行设定，例如，可以设置电流和电压的上下限，以及功率的合理范围等，然后待评估参数将与评估区间进行比较，以判断其是否在区间内，如果待评估参数处于评估区间内，说明充电桩运行正常，此时，将其对应的工作状态标定为正常状态，这种状态表示充电桩在当前条件下，能够为电动汽车提供正常的充电服务，反之，如果待评估参数未处于评估区间内，表明充电桩运行异常，此时，需要将其对应的工作状态标定为异常状态，这种状态表示充电桩在当前条件下，可能无法为电动汽车提供正常的充电服务，同时，系统将同步发出告警信号，以提醒相关人员及时处理，为电动汽车充电提供安全、可靠、高效的服务。

在一个较佳的实施方式中，根据特征参数的发生时序，对各个特征子集内的特征参数执行有序性评估的步骤，包括：

S401、依据发生时序构建监测时段，并在监测时段内设置多个采样节点；

S402、获取各个采样节点下的特征参数，并对相邻两个特征参数执行做差处理，并将其做差结果标定为待评价参数；

S403、获取评价函数，并将待评价参数输入至评价函数中，得到测试参数，且随机选取多组相邻两个特征参数，验证测试参数的有效性；

其中，测试参数有效时，将其对应的特征参数标定为有序参数，反之，则将其对应的特征参数标定为无序参数。

如上述步骤S401-S403所述，在确定特征参数的有序性和无序性时，首先需要根据特征参数的发生时序来构建监测时段，考虑到特征参数的时间顺序，以便更好地捕捉到数据的动态变化，监测时段的设置目的在于统计充足的充电桩运行参数，以便于为后续数据的分类提供支持，在监测时段内，还设置了多个采样节点，以此来确定特征参数的采集点，接下来，需要获取各个采样节点下的特征参数，在获取到特征参数后，需要对相邻的两个特征参数执行做差处理，这个差值可以反映出特征参数之间的变化趋势，为评估其有序性提供依据，本实施方式将这个做差处理后的结果标定为待评价参数然后，需要获取评价函数，并将待评价参数输入至评价函数中，其中，评价函数的表达式为：，式中，/>表示测试参数，/>表示监测时段的时长，/>和表示相邻的特征参数，/>表示特征参数的数量，基于上式，在输出测试参数之后，从众多相邻的两个特征参数进行随机选取，并对测试参数的准确性进行验证，以此来确定特征参数的有序性和无序性，即如果待评价参数的有效性得到验证，将其对应的特征参数标定为有序参数，反之，如果待评价参数的有效性未得到验证，将其对应的特征参数标定为无序参数。

在一个较佳的实施方式中，验证测试参数的有效性的步骤，包括：

Step1、获取测试数量，并随机选取与测试数量一致的相邻特征参数；

Step2、获取测试函数，并将测试参数以及多组相邻特征参数输入至测试函数中，并将其输出结果标定为偏离参数；

Step3、获取校验阈值，并与校验阈值进行比较；

若偏离参数大于校验阈值，则直接判定其对应的测试参数无效；

若偏离参数小于或等于校验阈值，则判定其对应的测试参数有效。

如上述步骤Step1-Step3所述，在对测试参数进行验证时，首先确定需要采集的特征参数的数量，本实施方式将其标定为测试数量，而后依据该测试数量在众多特征参数中进行选取即可，而后再结合测试函数的应用，以此来计算测试结果与实际参数之间的差值，并将该差值确定为偏离参数，其中，测试函数的表达式为：，式中，/>表示偏离参数，/>表示位次靠后的特征参数，/>表示位次靠前的特征参数，/>表示相邻特征参数采集节点的时间间隔，基于上式，在偏离参数输出之后，再获取校验阈值，校验阈值为验证结果的最大容许误差，之后将校验阈值与偏离参数进行比较，如果偏离参数大于校验阈值，则表明测试参数下的预测结果误差较大，其对应的测试参数被确定为无效，反之，则将其对应的测试参数确定为有效；

此外，为排除测试结果偶然性的现象，在校验执行完成后，还需要判断同一特性下，有效测试参数或无效测试参数的占比率，有效测试参数或无效测试参数的占比率不小于80%，否则就认定测试参数的验证结果不准确，并继续增加特征参数的选择，以此为有序参数和无序参数的确定提供准确的判定依据。

在一个较佳的实施方式中，对有序参数执行预测处理的步骤，包括：

S501、获取当前节点下充电桩的执行参数，并标定为基准参数；

S502、获取与有序参数对应的测试参数，以及预测时段；

S503、获取预测函数；

S504、将基准参数、与有序参数对应的测试参数以及预测时段一同输入至预测函数中，再将其输出结果标定为第一预测状态信息。

如上述步骤S501-S504所述，在充电桩正常执行的状态下，对有序参数执行预测处理，首先需要采集当前节点下雨有序参数对应的执行参数，并标定为基准参数，而后再获取上述得到的与该有序参数对应的测试参数，之后调用预测函数，以此来计算第一预测状态信息，其中，预测函数的表达式为：，式中，/>表示第一预测状态信息，表示基准参数，/>表示预测时段，即当前节点与需求预测节点之间的时间间隔，在第一预测状态信息输出之后，便可直接对其执行状态评估处理，以此确定其是否会对充电桩的工作状态造成影响。

在一个较佳的实施方式中，对无序参数执行预测处理的步骤，包括：

S505、获取预测节点，以及与预测节点对应的历史节点，再将历史节点下的无序参数汇总为基准数据组；

S506、将基准数据组中的无序参数按照由小至大的顺序进行排列；

S507、从基准数据组中随机抽取一个无序参数作为基准元素，并统计其排序位次，并标定为基准位次；

S508、获取预测节点的排序位次，并标定为待比对参数，再将待比对参数与基准位次进行比较；

若待比对参数大于基准位次，则将大于基准元素的所有无序参数汇总为后基准数据组，并从后基准数据组中随机抽取一个无序参数作为后基准元素，直至其对应的排序位次与预测节点的排序位次一致后停止；

若待比对参数等于基准位次，则直接将基准元素标定为第二预测状态信息；

若待比对参数小于基准位次，则将小于基准元素的所有无序参数汇总为前基准数据组，并从前基准数据组中随机抽取一个无序参数作为前基准元素，直至其对应的排序位次与预测节点的排序位次一致前停止。

如上述步骤S505-S508所述，在对无序参数进行预测处理时，首先需要确定预测节点，而后再将其对应的历史节点下的无序参数汇总为基准数据组，其包含了预测节点下可能出现的所有情况，之后将基准数据组中的无序参数按照由大至小的顺序进行排列，并以其中位数为基准元素，再同步获取基准元素的排序位次，本实施方式将其标定为基准位次，同样的，再获取预测节点的实际排序位次，并标定为待比对参数，之后直接将待比对参数和基准位次进行比较即可，如果待比对参数大于基准位次，就对大于基准参数的无序参数进行二次汇总处理，并重复上述步骤，直至待比对参数与基准位次一致之后停止，并将磁情况下的基准元素确定为第二预测状态信息，反之，如果待比对参数小于基准位次，则对小于基准参数的无序参数进行二次汇总，再重复上述步骤来确定第二预测状态信息即可。

其中，第一预测状态信息和第二预测状态信息输出后，同步与其对应的评估区间执行比较；

若第一预测状态信息或第二预测状态信息均处于其对应的评估区间内时，则表明充电桩的正常状态持续，此时充电桩能持续正常运行，并且继续预测后续需求节点下的充电桩状态即可，反之，则直接判定充电桩正常状态间断，并发出预警信号，以便于工作人员进行检修。

实施例2：

请参阅图2，为本发明的第二个实施例，该实施例基于上一个实施例，还提供了一种智能充电桩控制系统，应用于上述的智能充电桩控制方法，包括：

信息采集模块，信息采集模块用于获取充电桩的实时状态信息，实时状态信息包括充电桩的电压参数、电流参数、功率参数；

状态评估模块，状态评估模块用于对充电桩的实时状态信息执行状态评估处理，得到充电桩的工作状态，其中，充电桩的工作状态包括正常状态和异常状态；

特征分类模块，特征分类模块用于获取正常状态下的实时状态信息，并依据其特性分类为多个特征子集，并将各个特征子集中的特征参数按照发生时序进行排列；

特征评估模块，特征评估模块用于根据特征参数的发生时序，对各个特征子集内的特征参数执行有序性评估，得到有序参数和无序参数；

状态预测模块，状态预测模块用于对有序参数和无序参数分别执行预测处理，得到充电桩的预测状态信息，且同步对其执行状态评估处理，得到充电桩的预测工作状态。

上述中，该控制系统主要包括以下五个模块：信息采集模块、状态评估模块、特征分类模块、特征评估模块以及状态预测模块，信息采集模块负责实时监测充电桩的各项状态信息，这些信息包括电压、电流和功率等参数，通过信息采集模块，系统能够全面了解充电桩的实时工作情况，状态评估模块对采集到的实时状态信息进行评估，判断充电桩的工作状态，充电桩的工作状态分为正常状态和异常状态，状态评估模块能够及时发现异常情况，为后续处理提供依据，特征分类模块针对正常状态下的实时状态信息进行特征提取和分类，通过对充电桩运行数据的分析，将同一特性下的特征归为一个子集，形成多个特征子集，便于后续对不同特性的参数进行分析，特征评估模块负责对各个特征子集中的特征参数进行有序性评估，将特征参数分为有序参数和无序参数，状态预测模块对有序参数和无序参数分别进行预测处理，根据历史数据和当前状态，预测充电桩的未来状态，并同步对其执行状态评估处理，以获得充电桩的预测工作状态，实现了对充电桩运行状态的实时监控和预测，有助于提高充电桩的运行效率，减少故障率。

实施例3：

请参阅图3，为本发明的第三个实施例，该实施例基于前两个实施例，并提供了一种智能充电桩控制设备，包括：

至少一个处理器；

以及与至少一个处理器通信连接的存储器；

其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行上述的智能充电桩控制方法。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。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、装置、物品或者方法中还存在另外的相同要素。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本发明中未具体描述和解释说明的结构、装置以及操作方法，如无特别说明和限定，均按照本领域的常规手段进行实施。

Claims (6)

1.一种智能充电桩控制方法，其特征在于：包括：

获取充电桩的实时状态信息，所述实时状态信息包括充电桩的电压参数、电流参数、功率参数；

对所述充电桩的实时状态信息执行状态评估处理，得到所述充电桩的工作状态，其中，所述充电桩的工作状态包括正常状态和异常状态；

获取所述正常状态下的实时状态信息，并依据其特性分类为多个特征子集，并将各个所述特征子集中的特征参数按照发生时序进行排列；

根据所述特征参数的发生时序，对各个所述特征子集内的特征参数执行有序性评估，得到有序参数和无序参数；

对所述有序参数和无序参数分别执行预测处理，得到所述充电桩的预测状态信息，且同步对其执行状态评估处理，得到所述充电桩的预测工作状态；

其中，所述根据所述特征参数的发生时序，对各个所述特征子集内的特征参数执行有序性评估的步骤，包括：

依据所述发生时序构建监测时段，并在所述监测时段内设置多个采样节点；

获取各个所述采样节点下的特征参数，并对相邻两个所述特征参数执行做差处理，并将其做差结果标定为待评价参数；

获取评价函数，并将所述待评价参数输入至评价函数中，得到测试参数，且随机选取多组相邻两个所述特征参数，验证所述测试参数的有效性，其中，评价函数的表达式为：，式中，/>表示测试参数，/>表示监测时段的时长，/>和/>表示相邻的特征参数，/>表示特征参数的数量；

其中，所述测试参数有效时，将其对应的特征参数标定为有序参数，反之，则将其对应的特征参数标定为无序参数；

验证所述测试参数的有效性的步骤，包括：

获取测试数量，并随机选取与所述测试数量一致的相邻特征参数；

获取测试函数，并将所述测试参数以及多组相邻特征参数输入至测试函数中，并将其输出结果标定为偏离参数，其中，测试函数的表达式为：，式中，/>表示偏离参数，/>表示位次靠后的特征参数，/>表示位次靠前的特征参数，/>表示相邻特征参数采集节点的时间间隔；

获取校验阈值，并与所述校验阈值进行比较；

若所述偏离参数大于校验阈值，则直接判定其对应的所述测试参数无效；

若所述偏离参数小于或等于校验阈值，则判定其对应的所述测试参数有效；

对所述有序参数执行预测处理的步骤，包括：

获取当前节点下所述充电桩的执行参数，并标定为基准参数；

获取与所述有序参数对应的测试参数，以及预测时段；

获取预测函数，其中，预测函数的表达式为：，式中，/>表示第一预测状态信息，/>表示基准参数，/>表示预测时段；

将所述基准参数、与所述有序参数对应的测试参数以及预测时段一同输入至预测函数中，再将其输出结果标定为第一预测状态信息；

对所述无序参数执行预测处理的步骤，包括：

获取预测节点，以及与所述预测节点对应的历史节点，再将所述历史节点下的所述无序参数汇总为基准数据组；

将所述基准数据组中的无序参数按照由小至大的顺序进行排列；

从所述基准数据组中随机抽取一个无序参数作为基准元素，并统计其排序位次，并标定为基准位次；

获取所述预测节点的排序位次，并标定为待比对参数，再将所述待比对参数与基准位次进行比较；

若所述待比对参数大于基准位次，则将大于所述基准元素的所有无序参数汇总为后基准数据组，并从所述后基准数据组中随机抽取一个无序参数作为后基准元素，直至其对应的排序位次与预测节点的排序位次一致后停止；

若所述待比对参数等于基准位次，则直接将基准元素标定为第二预测状态信息；

若所述待比对参数小于基准位次，则将小于所述基准元素的所有无序参数汇总为前基准数据组，并从所述前基准数据组中随机抽取一个无序参数作为前基准元素，直至其对应的排序位次与预测节点的排序位次一致前停止。

2.根据权利要求1所述的一种智能充电桩控制方法，其特征在于：所述对所述充电桩的实时状态信息执行状态评估处理，得到所述充电桩的工作状态的步骤，包括：

获取所述实时状态信息中的充电桩运行参数，并标定为待评估参数；

获取评估区间，并与所述待评估参数进行比较；

若所述待评估参数处于评估区间内，则表明所述充电桩运行正常，并将其对应的工作状态标定为正常状态；

若所述待评估参数未处于评估区间内，则表明所述充电桩运行异常，并将其对应的工作状态标定为异常状态，且同步发出告警信号。

3.根据权利要求2所述的一种智能充电桩控制方法，其特征在于：所述评估区间设置有多个，且每个所述评估区间均对应一个特征子集。

4.根据权利要求1所述的一种智能充电桩控制方法，其特征在于：所述第一预测状态信息和第二预测状态信息输出后，同步与其对应的评估区间执行比较；

若所述第一预测状态信息或第二预测状态信息均处于其对应的评估区间内时，则表明所述充电桩的正常状态持续，反之，则直接判定所述充电桩正常状态间断，并发出预警信号。

5.一种智能充电桩控制系统，应用于权利要求1至4中任意一项所述的智能充电桩控制方法，其特征在于：包括：

信息采集模块，所述信息采集模块用于获取充电桩的实时状态信息，所述实时状态信息包括充电桩的电压参数、电流参数、功率参数；

状态评估模块，所述状态评估模块用于对所述充电桩的实时状态信息执行状态评估处理，得到所述充电桩的工作状态，其中，所述充电桩的工作状态包括正常状态和异常状态；

特征分类模块，所述特征分类模块用于获取所述正常状态下的实时状态信息，并依据其特性分类为多个特征子集，并将各个所述特征子集中的特征参数按照发生时序进行排列；

特征评估模块，所述特征评估模块用于根据所述特征参数的发生时序，对各个所述特征子集内的特征参数执行有序性评估，得到有序参数和无序参数；

状态预测模块，所述状态预测模块用于对所述有序参数和无序参数分别执行预测处理，得到所述充电桩的预测状态信息，且同步对其执行状态评估处理，得到所述充电桩的预测工作状态。

6.一种智能充电桩控制设备，其特征在于：包括：

至少一个处理器；

以及与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至4中任意一项所述的智能充电桩控制方法。