CN118336944A - 一种电力无线充电控制方法及系统 - Google Patents
一种电力无线充电控制方法及系统 Download PDFInfo
- Publication number
- CN118336944A CN118336944A CN202410443908.3A CN202410443908A CN118336944A CN 118336944 A CN118336944 A CN 118336944A CN 202410443908 A CN202410443908 A CN 202410443908A CN 118336944 A CN118336944 A CN 118336944A
- Authority
- CN
- China
- Prior art keywords
- data
- charging
- mobile terminal
- battery
- real
- 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
- 238000000034 method Methods 0.000 title claims abstract description 154
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 100
- 238000013475 authorization Methods 0.000 claims description 36
- 238000012795 verification Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000002864 sequence alignment Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 25
- 230000005540 biological transmission Effects 0.000 description 17
- 230000006870 function Effects 0.000 description 9
- 239000008186 active pharmaceutical agent Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013021 overheating Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 239000003999 initiator Substances 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及无线充电技术领域，尤其涉及一种电力无线充电控制方法及系统。所述方法包括以下步骤：对预设的手持设备感知区域进行负载感知波扫描，得到设备请求载波信号；基于设备请求载波信号对移动终端进行电池荷电状态解析，得到剩余电量指示数据；根据剩余电量指示数据对移动终端进行电量临界值判据分析，得到充电需求标识数据；若充电需求标识数据显示移动终端的电池电量处于安全阈值范围内，终止充电请求。本发明能够适应多设备充电需求，实现多设备同时充电的灵活性和效率。
Description
技术领域
本发明涉及无线充电技术领域，尤其涉及一种电力无线充电控制方法及系统。
背景技术
现代生活中，随着人们对便捷性和智能化的需求不断增加，无线充电技术已经成为日常生活中不可或缺的一部分。传统的有线充电方式存在着繁琐的插拔操作、充电线束的缠绕等问题，而无线充电技术的出现，为人们提供了更加便捷、无需接触的充电方式，使得充电过程更加轻松和灵活。然而，目前市场上的无线充电技术仍存在一些挑战和不足。
首先，在传输效率方面，现有技术在能量传输过程中会存在一定的能量损耗，导致充电效率不高。这使得用户在享受无线充电便捷性的同时，可能无法获得理想的充电速度，延长了充电时间，降低了充电设备的利用率。
其次，无线充电的传输距离通常会受到限制，需要设备与充电器之间保持相对较近的距离。这种限制使得用户在充电过程中需要将设备放置在特定位置，不能够自由移动设备，影响了充电的灵活性和便捷性。
另外，对于一些特定用户群体如移动办公人士或汽车司机，会出现多个设备同时充电的需求。然而，现有技术并不能无法很好地满足多设备同时充电的需求，导致用户在使用无线充电时会遇到排队等待充电的情况，影响了用户的充电效率和便利性。
发明内容
基于此，本发明有必要提供一种电力无线充电控制方法及系统，以解决至少一个上述技术问题。
为实现上述目的，一种电力无线充电控制方法，包括以下步骤：
步骤S1：对预设的手持设备感知区域进行负载感知波扫描，得到设备请求载波信号；基于设备请求载波信号对移动终端进行电池荷电状态解析，得到剩余电量指示数据；
步骤S2：根据剩余电量指示数据对移动终端进行电量临界值判据分析，得到充电需求标识数据；若充电需求标识数据显示移动终端的电池电量处于安全阈值范围内，终止充电请求；
步骤S3：若充电需求标识数据显示移动终端的电池电量处于紧急充电区间，则将移动终端标记为待充电移动终端，并对设备请求载波信号进行设备ID解码，得到终端设备ID数据；基于终端设备ID数据对待充电移动终端进行最大功率点跟踪计算，得到动态输出功率参数；
步骤S4：对电力无线充电控制系统进行波束方向预估，得到波束赋形预估数据；基于动态输出功率参数与波束赋形预估数据对待充电移动终端进行充电启动作业，并在充电过程中对移动终端进行实时温度监测，得到实时温度数据；根据实时温度数据对移动终端的充电作业进行动态调节；
步骤S5：持续对预设的手持设备感知区域进行负载感知波扫描，若检测到新的设备请求载波信号时，返回步骤S1。
本发明通过对设备感知区域进行负载感知波扫描，这能够及时检测到设备的存在并获取设备请求载波信号。通过电池荷电状态解析，可以获得移动终端的剩余电量指示数据。这有助于实时监测设备的充电需求，为后续充电控制提供基础数据。通过电量临界值判据分析，可以根据剩余电量指示数据对移动终端的充电需求进行判断，并生成充电需求标识数据。如果充电需求标识数据显示移动终端的电池电量处于安全阈值范围内，即电量已经足够满足需求，可以终止充电请求。这能够避免对已经充足电的设备进行不必要的充电，提高充电系统的效率和电能利用率。当充电需求标识数据显示移动终端的电池电量处于紧急充电区间时，将移动终端标记为待充电移动终端，并对设备请求载波信号进行设备ID解码，以获取终端设备ID数据。基于终端设备ID数据进行最大功率点跟踪计算，可以确定移动终端的最佳充电功率，从而实现高效的充电。通过对电力无线充电控制系统进行波束方向预估，可以获取波束赋形预估数据，为后续的充电启动作业提供准确的方向参数。基于动态输出功率参数与波束赋形预估数据，对待充电移动终端进行充电启动作业，实现高效的无线充电。同时，在充电过程中实时监测移动终端的温度，并根据实时温度数据进行动态调节，可以确保充电过程中移动终端的温度保持在安全范围内，提高充电的安全性和效率。通过持续对预设的手持设备感知区域进行负载感知波扫描，可以实时监测新的设备请求载波信号的出现。如果检测到新的设备请求载波信号，系统将返回步骤S1，重新进行电池荷电状态解析和充电需求判据分析，以满足新设备的充电需求。这样能够适应多设备充电需求，实现高效的多设备同时充电。综上所述，本发明通过对设备的感知和数据分析，实现了智能化的充电控制。同时，通过实时温度监测和动态调节，确保充电过程的安全性。此外，本发明能够适应多设备充电需求，实现多设备同时充电的灵活性和效率。
优选地，一种电力无线充电控制系统，包括：
至少一个处理器；
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如上任一项所述的电力无线充电控制方法。
附图说明
通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1示出了一实施例的电力无线充电控制方法的步骤流程示意图。
图2示出了一实施例的步骤S38的详细步骤流程示意图。
图3示出了一实施例的步骤S385的详细步骤流程示意图。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的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，都属于本发明保护的范围。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
为实现上述目的，请参阅图1至图3，本发明提供了一种电力无线充电控制方法，包括以下步骤：
步骤S1：对预设的手持设备感知区域进行负载感知波扫描，得到设备请求载波信号；基于设备请求载波信号对移动终端进行电池荷电状态解析，得到剩余电量指示数据；
具体地，可以使用无线电频谱分析仪或类似的设备，对预设的手持设备感知区域进行波扫描。该设备可以探测到在该区域内正在传输的无线信号。通过分析波扫描结果，识别出手持设备发送的特定请求载波信号。这可以通过识别频率、信号强度等特征来实现。使用相关算法和技术对设备请求载波信号进行解析，以获取移动终端的电池荷电状态信息。这可以包括解码信号中的特定数据字段，如电池电量、电压等信息。根据电池荷电状态信息，计算或提取出移动终端的剩余电量指示数据。这可以是一个百分比值或其他表示电池剩余电量的指标。
步骤S2：根据剩余电量指示数据对移动终端进行电量临界值判据分析，得到充电需求标识数据；若充电需求标识数据显示移动终端的电池电量处于安全阈值范围内，终止充电请求；
具体地，可以根据剩余电量指示数据，设定一个或多个电量临界值作为充电需求的判断标准。例如，可以将电池电量低于20％的情况定义为需要充电的临界点。根据电量临界值判据分析，将移动终端的充电需求状态转化为充电需求标识数据。例如，可以使用布尔值表示充电需求，其中True表示需要充电，False表示不需要充电。根据充电需求标识数据判断移动终端的电池电量是否处于安全阈值范围内。这可以根据具体应用场景和电池管理策略来定义。如果移动终端的电量处于安全阈值范围内，即不需要充电，可以终止充电请求。
步骤S3：若充电需求标识数据显示移动终端的电池电量处于紧急充电区间，则将移动终端标记为待充电移动终端，并对设备请求载波信号进行设备ID解码，得到终端设备ID数据；基于终端设备ID数据对待充电移动终端进行最大功率点跟踪计算，得到动态输出功率参数；
具体地，可以根据充电需求标识数据，判断移动终端的电池电量是否处于紧急充电区间。例如，将电池电量低于10％定义为紧急充电区间。如果移动终端的电池电量处于紧急充电区间，将该移动终端标记为待充电移动终端。使用相应的解码算法和工具对设备请求载波信号中的设备ID进行解码，以获取终端设备ID数据。基于终端设备ID数据，使用最大功率点跟踪算法对待充电移动终端进行计算，以确定适合其充电的最大输出功率参数。
步骤S4：对电力无线充电控制系统进行波束方向预估，得到波束赋形预估数据；基于动态输出功率参数与波束赋形预估数据对待充电移动终端进行充电启动作业，并在充电过程中对移动终端进行实时温度监测，得到实时温度数据；根据实时温度数据对移动终端的充电作业进行动态调节；
具体地，可以使用电力无线充电控制系统中的传感器、信号处理算法或机器学习模型对待充电移动终端进行波束方向预估。这可以通过根据移动终端的位置、速度等环境因素来预测最佳波束方向。基于波束方向预估，得到波束赋形预估数据，即确定充电时使用的波束形状和方向。这些数据可以用于控制充电设备的发射模式，以更好地匹配移动终端的位置和方向。根据动态输出功率参数和波束赋形预估数据，启动充电作业。这可以包括调整充电设备的功率输出、波束形状和方向，以实现对待充电移动终端的有效充电。使用内置温度传感器等设备对移动终端进行实时温度监测，以获取实时温度数据。这可以帮助监控移动终端的温度变化和充电过程中的热量分布情况。根据实时温度数据，对移动终端的充电作业进行动态调节。例如，如果温度过高，可以减少充电功率或调整波束方向，以避免过热。或者，如果温度正常或过低，可以增加充电功率以加快充电速度。
步骤S5：持续对预设的手持设备感知区域进行负载感知波扫描，若检测到新的设备请求载波信号时，返回步骤S1。
具体地，可以使用负载感知技术和工具对预设的手持设备感知区域进行波扫描。这可以通过无线电频谱分析仪、信道探测技术或其他相关工具来实现。扫描过程中，可以检测到潜在的设备请求载波信号。通过对波扫描结果进行信号处理和分析，检测是否存在新的设备请求载波信号。如果检测到新的设备请求载波信号，执行相应的操作并返回到步骤S1，以处理新的设备请求。
本发明通过对设备感知区域进行负载感知波扫描，这能够及时检测到设备的存在并获取设备请求载波信号。通过电池荷电状态解析，可以获得移动终端的剩余电量指示数据。这有助于实时监测设备的充电需求，为后续充电控制提供基础数据。通过电量临界值判据分析，可以根据剩余电量指示数据对移动终端的充电需求进行判断，并生成充电需求标识数据。如果充电需求标识数据显示移动终端的电池电量处于安全阈值范围内，即电量已经足够满足需求，可以终止充电请求。这能够避免对已经充足电的设备进行不必要的充电，提高充电系统的效率和电能利用率。当充电需求标识数据显示移动终端的电池电量处于紧急充电区间时，将移动终端标记为待充电移动终端，并对设备请求载波信号进行设备ID解码，以获取终端设备ID数据。基于终端设备ID数据进行最大功率点跟踪计算，可以确定移动终端的最佳充电功率，从而实现高效的充电。通过对电力无线充电控制系统进行波束方向预估，可以获取波束赋形预估数据，为后续的充电启动作业提供准确的方向参数。基于动态输出功率参数与波束赋形预估数据，对待充电移动终端进行充电启动作业，实现高效的无线充电。同时，在充电过程中实时监测移动终端的温度，并根据实时温度数据进行动态调节，可以确保充电过程中移动终端的温度保持在安全范围内，提高充电的安全性和效率。通过持续对预设的手持设备感知区域进行负载感知波扫描，可以实时监测新的设备请求载波信号的出现。如果检测到新的设备请求载波信号，系统将返回步骤S1，重新进行电池荷电状态解析和充电需求判据分析，以满足新设备的充电需求。这样能够适应多设备充电需求，实现高效的多设备同时充电。综上所述，本发明通过对设备的感知和数据分析，实现了智能化的充电控制。同时，通过实时温度监测和动态调节，确保充电过程的安全性。此外，本发明能够适应多设备充电需求，实现多设备同时充电的灵活性和效率。
优选地，步骤S1包括以下步骤：
步骤S11：获取感知区域覆盖范围参数；
具体地，可以使用全球定位系统(GPS)技术，通过在移动设备中集成的GPS芯片获取设备的当前位置信息。然后，利用地理信息系统(GIS)软件工具，将获取到的位置信息与事先建立的覆盖范围数据库进行匹配。覆盖范围数据库包含了各个基站或者传感器的覆盖范围信息。通过匹配，可以确定设备所处的感知区域，包括覆盖范围的边界和范围参数。
步骤S12：根据感知区域覆盖范围参数对宽带压控振荡器进行扫描波形参数编码，得到负载感知扫描波形数据；
具体地，可以利用波形编辑软件工具，设计或选择适当的扫描波形模板。这些模板通常包含不同频率、振幅和相位的波形形状。接下来，根据感知区域覆盖范围参数，确定需要在该区域内进行负载感知的频率范围和参数设置。然后，将这些参数编码到所选的扫描波形模板中。编码过程可以使用编程脚本或者图形界面进行，根据具体工具的特点而定。完成编码后，生成的负载感知扫描波形数据可以存储在移动设备的内部存储器或者外部存储介质中。
步骤S13：通过发射器将负载感知扫描波形数据发射覆盖预设的手持设备感知区域，接收器接收处于预设的手持设备感知区域内移动终端发出的设备请求载波信号，得到设备请求载波信号；
具体地，可以使用一个发射器，将负载感知扫描波形数据以适当的频率和功率发射到预设的手持设备感知区域内。这可以通过配置发射器的参数，如频率、功率和传输模式来实现。发射器可以是一台无线电设备。确保负载感知扫描波形数据能够覆盖整个预设的感知区域。使用一个接收器，它能够接收处于预设的手持设备感知区域内的移动终端发出的设备请求载波信号。接收器可以是专用的无线电接收设备。配置接收器以接收特定频率范围的信号，并具备解调和解析所接收到的设备请求载波信号的能力。
步骤S14：基于设备请求载波信号对移动终端进行电池荷电状态解析，得到剩余电量指示数据。
具体地，可以根据事先制定的协议或标准，对设备请求载波信号进行解调和解码。使用适用于特定载波信号类型的解调算法，如频率解调、相位解调或振幅解调等。根据信号特性选择合适的解调算法，将载波信号转化为数字信号。例如，对频率调制的载波信号可以使用频率解调算法，将其转化为基带信号。根据协议规定的数据格式，对解调后的数字信号进行解码，还原成原始数据。根据协议中定义的编码方式和数据结构，使用相应的解码算法对数字信号进行解码。例如，如果协议采用二进制编码，可以使用二进制解码算法将数字信号还原为二进制数据。接下来，从解码后的数据中提取与电池状态相关的信息。根据协议规定的数据结构，使用适当的数据提取技术，如数据分割、字段匹配或模式识别等，识别和提取出包含电池电量百分比、剩余使用时间、充电状态等指示数据的字段或信息。
本发明通过获取感知区域覆盖范围参数，可以确定无线充电系统所能感知和覆盖的区域范围。这有助于精确控制充电系统的工作范围，避免能量浪费和无效的扫描操作。同时，该参数还可用于优化系统配置和部署，确保充电设备能够覆盖目标区域，并提供更全面的充电服务。通过根据感知区域覆盖范围参数对宽带压控振荡器进行扫描波形参数编码，可以生成适合当前感知区域的负载感知扫描波形数据。这可以定制化生成扫描波形，以满足特定区域内移动终端的充电需求。通过合理的波形设计，可以提高充电效率、减少干扰和能量损失，从而提升系统的性能和稳定性。通过发射器将负载感知扫描波形数据发射到预设的手持设备感知区域内，可以实现对移动终端的感知和数据接收。接收器在预设区域内接收到移动终端发出的设备请求载波信号，这可以及时获取移动终端的充电需求数据。通过基于设备请求载波信号对移动终端进行电池荷电状态解析，可以准确地分析移动终端的电池荷电状态。这可以获取剩余电量指示数据，即移动终端当前的电量情况。这对于充电系统来说非常重要，可以根据移动终端的电量情况进行合理的充电调度和控制。
优选地，步骤S2包括以下步骤：
步骤S21：将剩余电量指示数据与预设的电量临界阈值进行对比判断，若剩余电量指示数据小于或等于预设的电量临界阈值，将剩余电量指示数据标记为紧急电量数据；
具体地，可以在设备的设置或配置文件中预先设定或根据特定需求确定预设的电量临界阈值，将剩余电量指示数据与预设的电量临界阈值进行比较。可以使用数值比较方法，如小于或等于运算符，来判断剩余电量指示数据是否小于或等于预设的电量临界阈值。如果剩余电量指示数据满足小于或等于预设的电量临界阈值的条件，将其标记为紧急电量数据。这可以通过添加一个标记或设置一个特定的状态值来实现。
步骤S22：若剩余电量指示数据大于预设的电量临界阈值，将剩余电量指示数据标记为安全电量数据；
具体地，可以将剩余电量指示数据与预设的电量临界阈值进行比较。可以使用数值比较方法，如大于运算符，来判断剩余电量指示数据是否大于预设的电量临界阈值。如果剩余电量指示数据满足大于预设的电量临界阈值的条件，将其标记为安全电量数据。这可以通过添加一个标记或设置一个特定的状态值来实现。
步骤S23：将紧急电量数据或安全电量数据作为充电需求标识数据；
具体地，如果剩余电量指示数据被标记为紧急电量数据或安全电量数据，将其作为充电需求标识数据，可以将标记数据保存在适当的位置，如变量或数据结构中。
步骤S24：若充电需求标识数据显示移动终端的电池电量处于安全阈值范围内，终止充电请求。
具体地，可以根据充电需求标识数据进行判断。如果充电需求标识数据显示移动终端的电池电量被标识为安全电量数据，表示电池电量处于安全阈值范围内。在这种情况下，终止充电请求。可以通过发送指令或信号给充电设备或系统，以通知其停止对移动终端进行充电。
本发明通过将剩余电量指示数据与预设的电量临界阈值进行对比判断，可以确定移动终端的电量状态是否属于紧急情况。将剩余电量指示数据标记为紧急电量数据有助于及时识别电量不足的情况，以便采取相应的措施。通过将剩余电量指示数据与预设的电量临界阈值进行对比判断，可以确定移动终端的电量状态是否处于安全范围内。将剩余电量指示数据标记为安全电量数据有助于确认电量充足的情况，可以避免无必要的充电操作，节省能源和充电时间。通过将紧急电量数据或安全电量数据作为充电需求标识数据，可以将移动终端的电量需求信息传递给充电系统。这样，充电系统可以根据需求标识数据来判断是否需要进行充电操作以及如何进行充电调度。将电量数据作为需求标识有助于确保充电系统针对不同的电量状态进行灵活的充电控制，提高充电效率和充电质量。通过判断充电需求标识数据中移动终端的电池电量是否处于安全阈值范围内，可以决定是否终止充电请求。这可以避免对电量充足的移动终端进行无必要的充电，减少能量浪费和充电时间。同时，终止充电请求还可以保护移动终端的电池寿命，提高充电设备的利用效率。
优选地，步骤S3包括以下步骤：
步骤S31：若充电需求标识数据显示移动终端的电池电量处于紧急充电区间，则将移动终端标记为待充电移动终端；
具体地，可以根据充电需求标识数据进行判断，如果数据显示移动终端的电池电量被标识为紧急电量数据，即电池电量处于紧急充电区间，将移动终端标记为待充电移动终端，为了实现标记操作，可以添加一个标记或设置一个特定的状态值。
步骤S32：对设备请求载波信号进行解调和解码，得到请求载波参数；
具体地，可以使用适当的解调算法，例如频率解调或相干解调，对接收到的数字信号进行解调操作，以恢复出原始的调制信号。随后，针对解调后的信号，进行解码操作，将其转换为原始的数据形式。解码过程涉及具体的编码规则，例如二进制编码、差分编码或霍夫曼编码等。通过以上实施例中的解调和解码操作，可以得到请求载波参数，其中包含了设备发送请求时所携带的信息，如请求类型、设备ID等。
步骤S33：对请求载波参数进行设备ID提取，得到终端设备ID数据；
具体地，可以采用适当的技术手段进行设备ID的提取。这包括字符串分割、正则表达式匹配、位操作或解析特定数据结构等方法。通过这些技术手段，能够从请求载波参数中成功提取出终端设备ID数据。
步骤S34：将终端设备ID数据与预设的授权设备ID数据库进行查询匹配，若预设的授权设备ID数据库存在与终端设备ID数据匹配的数据，进入步骤S38；
具体地，可以使用适当的查询工具或方法，例如数据库查询语言(SQL)，将终端设备ID数据与预设的授权设备ID数据库进行匹配查询。数据库中存储了已授权的设备ID信息。如果查询结果返回存在与终端设备ID数据匹配的数据，即数据库中存在该设备的授权信息，可以进入步骤S38，进行下一步操作。
步骤S35：若预设的授权设备ID数据库不存在与终端设备ID数据匹配的数据，基于设备请求载波信号对移动终端进行充电授权验证，得到授权验证结果数据；
具体地，可以若预设的授权设备ID数据库不存在与终端设备ID数据匹配的数据，针对移动终端，使用特定的充电授权验证工具或方法，例如人工授权、数字签名、加密算法或身份验证协议等，对请求载波信号进行授权验证。
步骤S36：若授权验证结果数据显示拒绝该设备的充电请求，终止充电请求；
具体地，如果授权验证结果数据显示拒绝该设备的充电请求，需要执行相应的操作来终止充电请求。
步骤S37：若授权验证结果数据显示授予该设备的充电请求，将该终端设备ID写入预设的授权设备ID数据库；
具体地，若授权验证结果数据显示授予该设备的充电请求，提取授权验证结果数据中的终端设备ID信息。这可以根据数据的格式或特定的字段进行提取。使用适当的数据库操作工具或方法，例如数据库查询语言(SQL)或专用的数据库API，将提取到的终端设备ID写入预设的授权设备ID数据库。这可以是插入新记录、更新现有记录或执行特定的数据库操作，以实现数据的存储和更新。
步骤S38：基于终端设备ID数据对待充电移动终端进行最大功率点跟踪计算，得到动态输出功率参数。
具体地，可以根据终端设备ID，确定要进行最大功率点跟踪计算的待充电移动终端。使用适当的最大功率点跟踪算法，例如Perturb and Observe(P&O)算法、IncrementalConductance(IncCond)算法或模型预测控制(MPC)算法等，对待充电移动终端进行功率点跟踪计算。通过算法计算，能够确定待充电移动终端在当前条件下的最佳工作点，即最大功率点。该工作点对应的输出功率参数即为所需的动态输出功率参数。
本发明通过判断充电需求标识数据中移动终端的电池电量是否处于紧急充电区间，可以确定移动终端是否需要进行紧急充电。将移动终端标记为待充电移动终端有助于识别出电量不足且需要尽快充电的设备，为后续的充电授权和充电功率控制提供基础信息。通过解调和解码设备请求载波信号，可以提取出请求载波参数，即充电设备发送的特定信号参数。这可以获取充电设备发出的具体请求信息，为后续的设备验证和授权提供必要的数据。通过提取请求载波参数中的设备ID，可以获取到移动终端的唯一标识符，即终端设备ID数据。通过将终端设备ID数据与预设的授权设备ID数据库进行匹配，可以验证移动终端是否属于授权的充电设备。这可以确保只有授权的设备才能进行充电操作，增强了充电系统的安全性和合规性。当预设的授权设备ID数据库中不存在与终端设备ID数据匹配的数据时，通过对设备请求载波信号进行充电授权验证，可以进一步确认移动终端的合法性。授权验证结果数据的获取有助于判断移动终端是否有权进行充电，为后续的充电请求处理提供决策依据。通过判断授权验证结果数据是否显示拒绝该设备的充电请求，可以有效阻止未经授权的设备进行充电操作。这可以保护充电系统的安全性，防止非授权设备滥用充电资源。当授权验证结果数据显示授予该设备的充电请求时，将该终端设备ID写入预设的授权设备ID数据库，确保下次该设备的充电请求可以直接通过比对数据库进行验证，提高充电授权的效率和准确性。这可以建立和更新授权设备ID数据库，为未来的充电请求处理提供便利和准确性。通过基于终端设备ID数据进行最大功率点跟踪计算，可以确定待充电移动终端的最大输出功率。这可以优化充电系统的能量利用率，确保在充电过程中以最高效率提供电能，减少能量浪费。
优选地，步骤S35包括以下步骤：
步骤S351：若预设的授权设备ID数据库不存在与终端设备ID数据匹配的数据，对设备请求载波信号进行双因子身份特征提取，得到用户身份特征数据；
具体地，可以使用适当的身份特征提取工具或方法，例如生物特征识别技术(如指纹、虹膜或声纹识别)、行为特征分析(如键入模式、手写特征等)或其他身份验证技术，对请求载波信号进行双因子身份特征提取。通过身份特征提取，可以从请求载波信号中提取出与用户身份相关的特征数据。
步骤S352：对用户身份特征数据进行身份真实性评估，得到身份信任度评分数据；
具体地，可以使用适当的身份真实性评估工具或方法，例如模式识别算法、统计分析技术或机器学习模型等，对用户身份特征数据进行分析和评估。根据需求和数据特点，选择适当的评估模型，如模式识别算法、统计分析技术或机器学习模型。常用的评估方法包括支持向量机(SVM)、随机森林(Random Forest)、神经网络(Neural Networks)等。使用标记好的训练数据集，对选定的评估模型进行训练和调优。通过模型训练，模型可以学习用户身份特征数据的模式和规律。然后，使用独立的测试数据集对模型进行评估，以评估模型的性能和准确度。根据评估模型的输出结果，生成身份信任度评分数据。通过评估过程，能够判断用户身份特征数据的真实性和可信度，并生成相应的身份信任度评分数据。该评分数据可以是定量的得分值或分类的可信度等级，用于表示对用户身份的信任程度。
步骤S353：将用户身份特征数据与身份信任度评分数据发送至电力无线充电控制系统的拥有者终端设备，根据用户身份特征数据与身份信任度评分数据由电力无线充电控制系统的拥有者对移动终端进行充电授权验证，并将验证结果返回至电力无线充电控制系统，得到授权验证结果数据。
具体地，可以将用户身份特征数据和身份信任度评分数据进行打包，以便进行传输。打包的数据可以采用常见的数据格式，如JSON或XML等。通过无线通信协议，将打包好的数据发送至拥有者终端设备。在拥有者终端设备上，接收到用户身份特征数据和身份信任度评分数据后，执行充电授权验证过程。这可以由电力无线充电控制系统的拥有者进行判断是否授权。根据验证过程的结果，生成授权验证结果数据。这个结果可以表示充电授权的成功与否，通常是一个布尔值(例如，验证通过为true，验证失败为false)。将授权验证结果数据通过无线通信协议发送回电力无线充电控制系统。
本发明通过对设备请求载波信号进行双因子身份特征提取，可以从充电设备发送的信号中提取出用户的身份特征数据，这可以进一步确认充电请求的发起者身份。通过对用户身份特征数据进行身份真实性评估，可以对充电请求的发起者身份进行验证和评估。身份信任度评分数据的获取有助于判断用户身份的可信程度，提供一个量化的指标用于判断是否授予充电请求。将用户身份特征数据与身份信任度评分数据发送至电力无线充电控制系统的拥有者终端设备，可以让充电设备的拥有者对移动终端的身份进行验证和授权决策。通过授权验证结果数据的返回，可以确定是否允许该移动终端进行充电操作。这可以增加充电系统的安全性和可信度，确保只有经过验证的用户才能获得充电权限。
优选地，步骤S38包括以下步骤：
步骤S381：根据终端设备ID数据对预设的设备ID-性能指标映射表进行对应历史电池特征提取，得到历史电池特征参数集；
具体地，可以准备设备ID-性能指标映射表，该表记录了不同终端设备ID与其对应的历史电池特征数据。这个表可以是一个数据库表格或者一个数据文件，其中每一行对应一个设备ID和与之关联的历史电池特征数据。当收到特定终端设备的ID数据时，根据该ID在映射表中查找对应的历史电池特征数据。根据映射表的结构，提取历史电压参数、历史电流参数、历史温度参数与历史SOC参数，以组成历史电池特征参数集。数据的提取可以使用编程语言(如Python)和数据库操作或文件读取操作来实现。通过查询映射表，根据终端设备ID找到对应的历史电池特征数据，并将其提取出来形成历史电池特征参数集。
步骤S382：对历史电池特征参数集进行时间序列对齐，得到电池特征时间线数据；
具体地，可以对于每个参数，可以通过插值、对齐算法或时间对齐函数来实现对齐操作。这些方法可以根据实际需求选择，如线性插值、样条插值、时间对齐算法(如DTW)等。通过对历史电池特征参数集中的每个参数进行时间序列对齐，可以得到电池特征时间线数据。
步骤S383：基于电池特征时间线数据对历史电池特征参数集进行非线性回归拟合，得到电池状态动态预测模型；
具体地，可以准备一个非线性回归模型，如支持向量机(Support VectorMachine，SVM)、神经网络(Neural Network)或决策树(Decision Tree)等。将电池特征时间线数据作为输入数据，将历史电池特征参数集中的某个参数(如电压、电流、温度或SOC)作为目标变量，利用非线性回归模型进行拟合。拟合过程中，需要将数据集分为训练集和测试集。使用训练集来训练非线性回归模型，通过调整模型的参数和结构，使其能够较好地拟合历史数据。然后，使用测试集来评估模型的预测性能，如均方根误差(Root Mean SquareError，RMSE)或决定系数(Coefficient of Determination，R2)等指标。通过迭代优化模型的参数和结构，直到达到满意的预测性能。最终得到的非线性回归模型即为电池状态动态预测模型。其中，数据集指的的是包含电池特征时间线数据和对应目标变量的整体数据集合，即输入数据和目标变量的组合。这个数据集将被划分为两个独立的子集，即训练集和测试集。输入数据(特征数据)：这些数据是电池特征时间线数据，包含了电池在不同时间点上的电压、电流、温度、SOC等参数的观测值。每个观测值对应一个时间点，并与目标变量(历史电池特征参数集中的某个参数)进行对应。目标变量是历史电池特征参数集中的某个参数，如电压、电流、温度或SOC。它是模型所要预测的值。目标变量的观测值应与输入数据中的时间点对应。
步骤S384：对待充电移动终端与电力无线充电控制系统进行通信链路构建，并基于通信链路对待充电移动终端进行电池特征参数实时获取，得到实时电池特征参数集；
步骤S385：基于实时电池特征参数集与电池状态动态预测模型进行最大功率点跟踪计算，得到动态输出功率参数。
具体地，可以使用NumPy库创建一个向量或矩阵，将实时获取的电池特征参数转换为适当的输入格式。例如，可以创建一个包含电池电压、电流、温度和SOC值的NumPy数组，作为输入提供给电池状态动态预测模型。接着，调用加载的电池状态动态预测模型的预测函数，将实时电池特征参数作为输入进行计算。在根据模型的预测结果确定当前电池状态下的最大功率点的过程中，具体的计算方法取决于所使用的模型类型。对于基于回归函数的模型，可以使用回归函数的输出来表示功率与电池特征参数之间的关系，通过计算得到最大功率点。对于基于神经网络模型的方法，可以使用神经网络的输出作为预测的功率值，并找到其中的最大值作为最大功率点。根据实时电池特征参数和最大功率点之间的函数关系，使用特定的算法或策略进行计算。这些算法可以包括简单的数学运算(如乘法、加法和除法)，也可以基于电池特性曲线或功率曲线的插值或拟合算法。这些算法和策略旨在找到实时电池特征参数与最大功率点之间的最优关系，以确定动态输出功率参数。
本发明通过对预设的设备ID-性能指标映射表进行历史电池特征提取，可以获取与终端设备ID相关的历史电池特征参数集。这可以为后续的电池状态预测和功率跟踪提供基础数据，帮助了解电池的过去行为和性能。通过对历史电池特征参数集进行时间序列对齐，可以将这些参数按照时间顺序整合为电池特征时间线数据。这可以提供一个统一的时间轴，以便对电池特征参数的变化进行分析和建模。通过对电池特征时间线数据进行非线性回归拟合，可以建立电池状态动态预测模型。这个模型可以根据历史数据预测电池的未来状态，包括电压、电流、温度和SOC等参数。这可以提供一种预测电池行为的方法，有助于优化充电过程和提高电池的使用寿命。通过与待充电移动终端建立通信链路，并实时获取电池特征参数，可以获得当前电池的实时状态信息。这可以提供实时监测和反馈机制，使充电设备能够了解正在充电的移动终端的实际电池状态，为后续的功率跟踪和控制提供准确的输入数据。通过将实时电池特征参数集与电池状态动态预测模型结合，可以进行最大功率点跟踪计算。这可以确定最佳的输出功率，以实现充电效率的最大化和电池寿命的优化。通过动态调整输出功率，可以根据实时的电池状态进行充电，提高充电效率并减少对电池的损害，还可以提高充电系统的安全性和稳定性，避免电池过充或过放等不良情况的发生。。
优选地，步骤S385包括以下步骤：
步骤S3851：将实时电池特征参数集输入至电池状态动态预测模型进行最优化能量分配计算，得到初始最大功率点数据；
具体地，可以使用Python和Scikit-learn库加载电池状态动态预测模型，调用加载的电池状态动态预测模型的预测函数，将实时电池特征参数作为输入进行计算。根据模型的预测结果，确定在当前电池状态下的最大功率点数据。
步骤S3852：以初始最大功率点数据为迭代优化起点，对电池状态动态预测模型中的状态变量进行微分方程求解迭代，得到动态输出功率参数；
具体地，可以使用初始最大功率点数据作为迭代优化的起点。根据电池的动态模型和微分方程，使用数值求解方法(如欧拉法或龙格-库塔法)对状态变量进行迭代求解。这些状态变量可以包括电池的电流、电压、SOC等。在每个迭代步骤中，根据当前状态变量的值，使用模型中定义的功率输出函数计算动态输出功率参数。重复进行迭代求解，直到达到收敛条件或满足停止准则。得到最终的动态输出功率参数。
步骤S3853：对充电过程中的移动终端进行电池内阻值实时监测，得到实时电池内阻数据；
具体地，可以使用专用的电池内阻测试仪或传感器对充电过程中的移动终端进行实时电池内阻监测。连接电池内阻测试仪或传感器与移动终端的电池接口，确保正确获取电池内阻数据。在充电过程中，定期或连续地读取电池内阻测试仪或传感器的输出，以获取实时电池内阻数据。
步骤S3854：将实时电池内阻数据与预设的电池内阻极限值进行比较，若实时电池内阻数据小于预设的电池内阻极限值，则维持当前动态输出功率参数；
具体地，可以获取预设的电池内阻极限值，这可以是事先设定的固定值或基于历史数据和经验确定的阈值。将实时电池内阻数据与预设的电池内阻极限值进行比较。如果实时电池内阻数据小于预设的电池内阻极限值，表示电池内阻在可接受范围内，可以维持当前动态输出功率参数。在维持当前动态输出功率参数的情况下，继续进行充电或放电操作，不进行调整。
步骤S3855：若实时电池内阻数据不小于预设的电池内阻极限值，返回步骤S3851对动态输出功率参数进行实时更新。
具体地，可以比较实时电池内阻数据和预设的电池内阻极限值，如果实时电池内阻数据不小于预设的电池内阻极限值，执行以下操作。返回步骤S3851，对动态输出功率参数进行实时更新。
本发明通过将实时电池特征参数集输入电池状态动态预测模型，可以进行最优化能量分配计算，得到初始最大功率点数据。这可以根据当前电池状态和特征参数，计算出最佳的功率分配方案，以实现充电过程的高效能量利用和最大功率输出。通过以初始最大功率点数据为起点，对电池状态动态预测模型中的状态变量进行微分方程求解迭代，可以得到动态输出功率参数。通过迭代优化，根据实时变化的电池状态，实时调整输出功率，以实现最佳的充电效率和功率跟踪能力。通过实时监测充电过程中移动终端的电池内阻值，可以获取实时电池内阻数据。这可以提供关于电池内阻变化的信息，以便判断电池的健康状况和性能稳定性，为后续的功率控制和安全保护提供参考依据。通过将实时电池内阻数据与预设的电池内阻极限值进行比较，可以判断电池内阻是否超过了安全范围。如果实时电池内阻数据小于预设的电池内阻极限值，那么可以维持当前动态输出功率参数，继续进行高效充电。这可以保护电池的安全性，避免因过高的电池内阻而引起的异常情况或损害。如果实时电池内阻数据不小于预设的电池内阻极限值，意味着电池内阻已经超过了安全范围，需要进行调整。在这种情况下，返回步骤S3851对动态输出功率参数进行实时更新。这可以根据实时电池内阻数据的变化，及时调整输出功率，以确保充电过程的安全性和稳定性。
优选地，步骤S4包括以下步骤：
步骤S41：对待充电移动终端进行实时位置坐标采集，得到终端位置坐标数据；
具体地，可以使用全球定位系统(GPS)或其他位置定位技术对待充电移动终端进行实时位置坐标采集。在移动终端上集成或连接GPS芯片或模块，确保获取准确的位置信息。通过读取GPS芯片或模块的输出数据，获取待充电移动终端的实时位置坐标数据。
步骤S42：对待充电移动终端进行无线电子测向，得到终端电子测向数据；
具体地，可以使用无线电子测向技术，如基站信号强度测量、射频指纹识别、方向探测等方法，对待充电移动终端进行电子测向。在移动终端上集成或连接相应的无线电子测向设备或模块，确保获取准确的测向信息。通过读取无线电子测向设备或模块的输出数据，获取待充电移动终端的终端电子测向数据。
步骤S43：对终端位置坐标数据与终端电子测向数据进行位置数据融合，得到融合终端位置数据；
具体地，可以使用位置数据融合算法或技术，如卡尔曼滤波、加权平均、最大似然估计等，将位置坐标数据和电子测向数据进行融合。根据所选的位置数据融合方法，结合实时位置坐标数据和终端电子测向数据的权重，计算融合后的终端位置数据。
步骤S44：对待充电移动终端与电力无线充电控制系统进行三维射线传播建模，得到电磁波传播模型；
具体地，可以收集待充电移动终端和电力无线充电控制系统的几何信息，包括它们的位置、天线高度、天线方向等。使用三维射线传播建模工具，如Wireless InSite、RayTracing等，加载待充电移动终端和电力无线充电控制系统的几何信息。根据加载的几何信息，设置射线传播模型的环境参数，如地形、建筑物、信号传播特性等。运行射线传播建模工具，生成电磁波的传播模型，其中包括信号路径损耗、多径效应、阴影衰落等信息。保存电磁波传播模型。
步骤S45：基于融合终端位置数据与电磁波传播模型进行波束路径优化计算，得到最优波束路径数据；
具体地，可以定义优化目标，例如最大化无线充电效率或最小化传输功率。为了表示波束路径，可以设计一组参数，如波束的方向角、俯仰角和相位差等。然后，初始化波束路径群体，可以通过随机生成或基于经验设置初始解。通过计算目标函数和问题约束，计算每个波束路径解的适应度值，以反映其性能。在进化优化过程中，根据适应度值选择具有较高适应度的波束路径解作为父代解，并对父代解进行变异操作，如随机扰动、交叉和变异，生成新的波束路径解作为子代解。然后，评估子代解的适应度值，并与父代解进行比较。根据一定的策略，选择具有更好适应度的波束路径解作为下一代的父代解。设定终止条件，如达到最大迭代次数或优化目标达到一定阈值，来结束优化过程。最后，根据优化过程中的迭代结果，选择具有最优适应度的波束路径解作为最优波束路径数据。
步骤S46：将最优波束路径数据应用于相控阵天线阵列，并对相控阵天线阵列的无线充电波束进行动态波束成形，得到波束赋形预估数据；
具体地，可以将最优波束路径数据应用于相控阵天线阵列的控制系统。使用相控阵天线阵列的控制系统，根据最优波束路径数据，调整天线阵列中各个天线的相位和振幅。根据调整后的相位和振幅，生成动态波束成形所需的控制指令。将控制指令发送给相控阵天线阵列，使其动态调整波束方向和形状。根据相控阵天线阵列的动态波束成形，预估无线充电时波束的赋形情况，包括波束方向、功率分布等。将波束赋形预估数据保存在适当的数据结构中，以供后续使用，如无线充电功率控制、传输效率评估等。
步骤S47：基于动态输出功率参数与波束赋形预估数据对待充电移动终端进行充电启动作业，并在充电过程中对移动终端进行实时温度监测，得到实时温度数据；
具体地，可以根据获取的动态输出功率参数和波束赋形预估数据，将充电系统设置为相应的功率输出和波束赋形，以启动对待充电移动终端的充电作业。在移动终端上安装或配置温度传感器，以实时监测移动终端的温度变化。温度传感器可以是物理传感器或者软件模拟传感器，根据具体情况选择合适的类型和位置。使用数据采集设备或者传感器接口，定期获取温度传感器的测量数值，并将其作为实时温度数据进行采集。
步骤S48：根据实时温度数据对移动终端的充电作业进行动态调节。
具体地，可以对实时温度数据进行分析，比较当前温度与设定的温度范围或阈值，以确定是否需要进行动态调节。如果实时温度超出设定的范围或阈值，根据具体情况，可以通过调节充电功率、调整波束赋形等措施来动态调节移动终端的充电作业，以保持温度在安全范围内。
本发明通过实时采集待充电移动终端的位置坐标，可以获取终端当前的准确位置信息。这为后续的无线充电过程提供准确的位置参考，以便进行充电设备的定位和功率传输优化。通过对待充电移动终端进行无线电子测向，可以获取终端的电子测向数据。这可以确定终端相对于电力无线充电控制系统的方向，以便进行定向传输和波束成形，提高充电效率和能量传输的精确性。通过将终端位置坐标数据和终端电子测向数据进行融合，可以得到融合后的终端位置数据。这可以综合考虑位置信息和电子测向信息，提供更准确的终端位置数据。这些数据对于充电设备的定位、功率控制和波束成形等方面都非常重要，有助于优化充电效率和能量传输的精确性。通过对待充电移动终端与电力无线充电控制系统进行三维射线传播建模，可以得到电磁波传播模型。这可以模拟和预测无线传输中的信号衰减、路径损耗和多径效应等影响因素，为后续的功率传输优化和波束成形提供依据。通过建立准确的电磁波传播模型，可以更好地了解信号传输的特点，优化充电设备的布局和功率控制策略，提高能量传输效率和充电距离。通过基于融合终端位置数据和电磁波传播模型进行波束路径优化计算，可以得到最优的波束路径数据。这可以根据终端位置和电磁波传播特性，优化波束的传输路径，以实现更高效的能量传输。最优波束路径数据可以指导相控阵天线阵列的波束成形和功率调节，提高充电效率和能量传输的精确性。通过将最优波束路径数据应用于相控阵天线阵列，并对无线充电波束进行动态波束成形，可以得到波束赋形预估数据。这可以根据最优路径数据和动态波束成形技术，实现对充电波束的精确控制和调整。波束赋形预估数据提供了波束的形状、方向和功率分布等信息，用于指导后续的充电启动作业和功率调节，以最大程度地提高能量传输效率和充电距离。通过基于动态输出功率参数和波束赋形预估数据对待充电移动终端进行充电启动作业，并实时监测移动终端的温度，可以得到实时温度数据。这可以根据波束赋形预估数据和实时温度监测，实现对充电过程的动态调节和控制。实时温度数据可以用于监测终端的充电状态和温度变化，以及预防过热等安全问题。同时，根据动态输出功率参数和波束赋形预估数据，可以调整充电功率和波束形状，以适应移动终端的需求和充电环境的变化，提高充电效率和安全性。通过根据实时温度数据对移动终端的充电作业进行动态调节，可以根据温度变化实时调整充电功率和波束形状。这可以实现对充电过程的动态控制和优化，保持终端温度在安全范围内。动态调节充电作业可避免过热和过载等问题，提高充电效率和充电设备的可靠性。同时，根据实时温度数据进行动态调节，还可以针对不同终端和充电环境的差异进行个性化的充电控制，提供更安全和定制化的充电体验。
优选地，步骤S48包括以下步骤：
步骤S481：将实时温度数据与预设的安全温度阈值比较，若实时温度数据小于预设的安全温度阈值，则维持当前充电功率不变；
具体地，可以根据系统要求和设计规范，设定预设的安全温度阈值。将实时温度数据与预设的安全温度阈值进行比较。如果实时温度数据小于预设的安全温度阈值，即温度处于安全范围内。在此情况下，维持当前的充电功率不变，不进行调整操作。
步骤S482：若实时温度数据不小于预设的安全温度阈值，对移动终端进行后台进程扫描，得到后台进程检测结果数据；
具体地，可以若实时温度数据不小于预设的安全温度阈值，利用系统管理工具或移动终端操作系统的相关功能，启动后台进程扫描功能。这可以通过调用系统API、使用系统监控工具或编写自定义脚本来实现。后台进程扫描工具会检查移动终端上当前运行的后台进程，并获取它们的运行状态和资源占用情况。这可以通过遍历系统进程列表、监控进程活动或使用系统性能工具进行实时监测来实现。在扫描过程中，后台进程扫描工具会分析每个后台进程的特征、资源消耗情况和运行行为，以确定它们是否对温度升高有贡献。这可以通过检查CPU占用率、内存使用量、网络活动等指标来评估后台进程的影响程度。根据扫描和分析的结果，后台进程扫描工具会生成后台进程检测结果数据。这些数据可以包括每个后台进程的名称、状态、资源占用情况、对温度的影响程度等信息。
步骤S483：若后台进程检测结果数据显示存在正在运行的程序，对后台进程检测结果数据进行进程识别与分类，得到进程重要性等级数据；
具体地，可以利用进程管理工具或者系统API，对后台进程检测结果数据进行进一步的识别和分类。这可以通过分析进程的名称、标识符、行为模式等信息来判断进程的类型和重要性。根据进程识别与分类的结果，为每个后台进程分配相应的重要性等级数据。这些等级数据可以表示进程对系统性能和温度的影响程度，通常采用数字或者标签表示。
步骤S484：根据进程重要性等级数据对移动终端进行非关键后台进程关闭；若关闭非关键进程后温度仍未降至预设的安全温度阈值，则对待充电移动终端的充电功率进行降低。
具体地，可以根据进程重要性等级数据，识别出非关键后台进程。这些进程通常是对系统性能和温度影响较小的进程。可以根据进程重要性等级数据中定义的标准或规则，筛选出具有低重要性等级的后台进程作为非关键进程。利用系统管理工具、进程管理工具或者系统API，对识别出的非关键后台进程进行关闭操作，以减少资源占用和温度产生。具体的关闭操作可以包括发送终止信号、调用进程管理命令或者使用系统界面进行操作。例如，通过执行命令kill<进程ID>或者在系统界面中选择相应的进程并终止它。利用充电控制机制或者系统API，对待充电移动终端的充电功率进行降低。这可以通过调整充电电流或者充电电压来实现。具体的降低方式可以根据系统的充电机制和硬件支持进行选择。根据系统支持的充电控制方式，可以使用相应的工具或API调整充电功率。例如，通过调用系统API来设置充电电流或者使用充电控制应用程序来降低充电电压。这将导致移动终端的充电速度减慢，从而减少充电过程中产生的热量。如果关闭非关键进程后温度仍未降至预设的安全温度阈值，可以通过调整充电功率的方式进一步降低温度。具体的实施操作可以根据系统的充电控制机制、硬件支持和对应工具或API进行选择和执行。
本发明通过将实时温度数据与预设的安全温度阈值进行比较，并在实时温度数据低于预设安全温度阈值时维持当前充电功率不变，可以确保移动终端在安全温度范围内进行充电。这可以避免温度过高引发的潜在风险，如过热、损坏或安全问题。通过维持当前充电功率不变，可以保持充电效率和充电速度的稳定，同时保护移动终端的硬件和电池寿命。当实时温度数据不小于预设的安全温度阈值时，对移动终端进行后台进程扫描，可以获取后台进程检测结果数据。这可以检测移动终端后台运行的程序，了解终端当前的工作状态和资源占用情况。通过后台进程检测结果数据，可以为后续的处理步骤提供依据，帮助决策哪些后台进程需要关闭以降低CPU功耗和热量释放。根据后台进程检测结果数据显示存在正在运行的程序，对数据进行进程识别与分类，可以得到进程重要性等级数据。这可以对后台进程进行评估和分类，以确定它们对系统功能和用户体验的重要程度。通过进程重要性等级数据，可以进行有针对性的处理措施，更好地保持系统的稳定性和性能。根据进程重要性等级数据对移动终端进行非关键后台进程关闭，以降低CPU功耗和热量释放。这可以优化系统资源的使用，减少对CPU的负荷，从而降低热量产生和温度升高的风险。通过关闭非关键进程，可以减轻系统运行的负荷，提高系统性能和稳定性，同时降低移动终端在充电过程中的温度。如果关闭非关键进程后温度仍未降至预设的安全温度阈值，那么需要对待充电移动终端的充电功率进行降低。这可以进一步减少热量释放和温度升高的风险，确保移动终端在充电过程中保持在安全温度范围内。
优选地，一种电力无线充电控制系统，包括：
至少一个处理器；
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如上任一项所述的电力无线充电控制方法。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种电力无线充电控制方法，其特征在于，包括以下步骤：
步骤S1：对预设的手持设备感知区域进行负载感知波扫描，得到设备请求载波信号；基于设备请求载波信号对移动终端进行电池荷电状态解析，得到剩余电量指示数据；
步骤S2：根据剩余电量指示数据对移动终端进行电量临界值判据分析，得到充电需求标识数据；若充电需求标识数据显示移动终端的电池电量处于安全阈值范围内，终止充电请求；
步骤S3：若充电需求标识数据显示移动终端的电池电量处于紧急充电区间，则将移动终端标记为待充电移动终端，并对设备请求载波信号进行设备ID解码，得到终端设备ID数据；基于终端设备ID数据对待充电移动终端进行最大功率点跟踪计算，得到动态输出功率参数；
步骤S4：对电力无线充电控制系统进行波束方向预估，得到波束赋形预估数据；基于动态输出功率参数与波束赋形预估数据对待充电移动终端进行充电启动作业，并在充电过程中对移动终端进行实时温度监测，得到实时温度数据；根据实时温度数据对移动终端的充电作业进行动态调节；
步骤S5：持续对预设的手持设备感知区域进行负载感知波扫描，若检测到新的设备请求载波信号时，返回步骤S1。
2.根据权利要求1所述的电力无线充电控制方法，其特征在于，步骤S1包括以下步骤：
步骤S11：获取感知区域覆盖范围参数；
步骤S12：根据感知区域覆盖范围参数对宽带压控振荡器进行扫描波形参数编码，得到负载感知扫描波形数据；
步骤S13：通过发射器将负载感知扫描波形数据发射覆盖预设的手持设备感知区域，接收器接收处于预设的手持设备感知区域内移动终端发出的设备请求载波信号，得到设备请求载波信号；
步骤S14：基于设备请求载波信号对移动终端进行电池荷电状态解析，得到剩余电量指示数据。
3.根据权利要求1所述的电力无线充电控制方法，其特征在于，步骤S2包括以下步骤：
步骤S21：将剩余电量指示数据与预设的电量临界阈值进行对比判断，若剩余电量指示数据小于或等于预设的电量临界阈值，将剩余电量指示数据标记为紧急电量数据；
步骤S22：若剩余电量指示数据大于预设的电量临界阈值，将剩余电量指示数据标记为安全电量数据；
步骤S23：将紧急电量数据或安全电量数据作为充电需求标识数据；
步骤S24：若充电需求标识数据显示移动终端的电池电量处于安全阈值范围内，终止充电请求。
4.根据权利要求1所述的电力无线充电控制方法，其特征在于，步骤S3包括以下步骤：
步骤S31：若充电需求标识数据显示移动终端的电池电量处于紧急充电区间，则将移动终端标记为待充电移动终端；
步骤S32：对设备请求载波信号进行解调和解码，得到请求载波参数；
步骤S33：对请求载波参数进行设备ID提取，得到终端设备ID数据；
步骤S34：将终端设备ID数据与预设的授权设备ID数据库进行查询匹配，若预设的授权设备ID数据库存在与终端设备ID数据匹配的数据，进入步骤S38；
步骤S35：若预设的授权设备ID数据库不存在与终端设备ID数据匹配的数据，基于设备请求载波信号对移动终端进行充电授权验证，得到授权验证结果数据；
步骤S36：若授权验证结果数据显示拒绝该设备的充电请求，终止充电请求；
步骤S37：若授权验证结果数据显示授予该设备的充电请求，将该终端设备ID写入预设的授权设备ID数据库；
步骤S38：基于终端设备ID数据对待充电移动终端进行最大功率点跟踪计算，得到动态输出功率参数。
5.根据权利要求4所述的电力无线充电控制方法，其特征在于，步骤S35包括以下步骤：
步骤S351：若预设的授权设备ID数据库不存在与终端设备ID数据匹配的数据，对设备请求载波信号进行双因子身份特征提取，得到用户身份特征数据；
步骤S352：对用户身份特征数据进行身份真实性评估，得到身份信任度评分数据；
步骤S353：将用户身份特征数据与身份信任度评分数据发送至电力无线充电控制系统的拥有者终端设备，根据用户身份特征数据与身份信任度评分数据由电力无线充电控制系统的拥有者对移动终端进行充电授权验证，并将验证结果返回至电力无线充电控制系统，得到授权验证结果数据。
6.根据权利要求4所述的电力无线充电控制方法，其特征在于，步骤S38包括以下步骤：
步骤S381：根据终端设备ID数据对预设的设备ID-性能指标映射表进行对应历史电池特征提取，得到历史电池特征参数集；
步骤S382：对历史电池特征参数集进行时间序列对齐，得到电池特征时间线数据；
步骤S383：基于电池特征时间线数据对历史电池特征参数集进行非线性回归拟合，得到电池状态动态预测模型；
步骤S384：对待充电移动终端与电力无线充电控制系统进行通信链路构建，并基于通信链路对待充电移动终端进行电池特征参数实时获取，得到实时电池特征参数集；
步骤S385：基于实时电池特征参数集与电池状态动态预测模型进行最大功率点跟踪计算，得到动态输出功率参数。
7.根据权利要求6所述的电力无线充电控制方法，其特征在于，步骤S385包括以下步骤：
步骤S3851：将实时电池特征参数集输入至电池状态动态预测模型进行最优化能量分配计算，得到初始最大功率点数据；
步骤S3852：以初始最大功率点数据为迭代优化起点，对电池状态动态预测模型中的状态变量进行微分方程求解迭代，得到动态输出功率参数；
步骤S3853：对充电过程中的移动终端进行电池内阻值实时监测，得到实时电池内阻数据；
步骤S3854：将实时电池内阻数据与预设的电池内阻极限值进行比较，若实时电池内阻数据小于预设的电池内阻极限值，则维持当前动态输出功率参数；
步骤S3855：若实时电池内阻数据不小于预设的电池内阻极限值，返回步骤S3851对动态输出功率参数进行实时更新。
8.根据权利要求1所述的电力无线充电控制方法，其特征在于，步骤S4包括以下步骤：
步骤S41：对待充电移动终端进行实时位置坐标采集，得到终端位置坐标数据；
步骤S42：对待充电移动终端进行无线电子测向，得到终端电子测向数据；
步骤S43：对终端位置坐标数据与终端电子测向数据进行位置数据融合，得到融合终端位置数据；
步骤S44：对待充电移动终端与电力无线充电控制系统进行三维射线传播建模，得到电磁波传播模型；
步骤S45：基于融合终端位置数据与电磁波传播模型进行波束路径优化计算，得到最优波束路径数据；
步骤S46：将最优波束路径数据应用于相控阵天线阵列，并对相控阵天线阵列的无线充电波束进行动态波束成形，得到波束赋形预估数据；
步骤S47：基于动态输出功率参数与波束赋形预估数据对待充电移动终端进行充电启动作业，并在充电过程中对移动终端进行实时温度监测，得到实时温度数据；
步骤S48：根据实时温度数据对移动终端的充电作业进行动态调节。
9.根据权利要求8所述的电力无线充电控制方法，其特征在于，步骤S48包括以下步骤：
步骤S481：将实时温度数据与预设的安全温度阈值比较，若实时温度数据小于预设的安全温度阈值，则维持当前充电功率不变；
步骤S482：若实时温度数据不小于预设的安全温度阈值，对移动终端进行后台进程扫描，得到后台进程检测结果数据；
步骤S483：若后台进程检测结果数据显示存在正在运行的程序，对后台进程检测结果数据进行进程识别与分类，得到进程重要性等级数据；
步骤S484：根据进程重要性等级数据对移动终端进行非关键后台进程关闭；若关闭非关键进程后温度仍未降至预设的安全温度阈值，则对待充电移动终端的充电功率进行降低。
10.一种电力无线充电控制系统，其特征在于，包括：
至少一个处理器；
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如权利要求1至9中任一项所述的电力无线充电控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410443908.3A CN118336944A (zh) | 2024-04-14 | 2024-04-14 | 一种电力无线充电控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410443908.3A CN118336944A (zh) | 2024-04-14 | 2024-04-14 | 一种电力无线充电控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118336944A true CN118336944A (zh) | 2024-07-12 |
Family
ID=91778248
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410443908.3A Pending CN118336944A (zh) | 2024-04-14 | 2024-04-14 | 一种电力无线充电控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118336944A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006069488A1 (fr) * | 2004-12-31 | 2006-07-06 | Zte Corporation | Procede de detection par combinaison pour systeme de communication sans fil a reseau d'antennes |
| WO2022133824A1 (zh) * | 2020-12-23 | 2022-06-30 | 华为技术有限公司 | 用于无线通信的方法和装置 |
| WO2023115341A1 (zh) * | 2021-12-21 | 2023-06-29 | Oppo广东移动通信有限公司 | 无线通信的方法、终端设备及网络设备 |
| CN117375162A (zh) * | 2023-10-13 | 2024-01-09 | 郭涛 | 一种蓝牙耳机的充电控制方法 |
-
2024
- 2024-04-14 CN CN202410443908.3A patent/CN118336944A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006069488A1 (fr) * | 2004-12-31 | 2006-07-06 | Zte Corporation | Procede de detection par combinaison pour systeme de communication sans fil a reseau d'antennes |
| WO2022133824A1 (zh) * | 2020-12-23 | 2022-06-30 | 华为技术有限公司 | 用于无线通信的方法和装置 |
| WO2023115341A1 (zh) * | 2021-12-21 | 2023-06-29 | Oppo广东移动通信有限公司 | 无线通信的方法、终端设备及网络设备 |
| CN117375162A (zh) * | 2023-10-13 | 2024-01-09 | 郭涛 | 一种蓝牙耳机的充电控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102197371B1 (ko) | 아이덴티티 검증 방법 및 장치 | |
| CN111201693B (zh) | 实现无线能量接收的接收装置 | |
| CN112154683B (zh) | 实现无线能量接收的接收装置 | |
| Wu et al. | Location estimation via support vector regression | |
| CN104683984B (zh) | 无线通信信号实时监测处理方法和系统 | |
| CN112685787B (zh) | 应用于人工智能的大数据信息安全防护方法及云服务器 | |
| CN111401844A (zh) | 基于物联网的数据共享协同办公方法及数据共享平台 | |
| CN109168166A (zh) | 物理层认证系统的安全性检测方法 | |
| CN117955263B (zh) | 智能设备的无线充电方法及系统 | |
| Tsakmalis et al. | Interference constraint active learning with uncertain feedback for cognitive radio networks | |
| Ma et al. | A novel indoor fingerprint localization system based on distance metric learning and AP selection | |
| Li et al. | Machine learning based time domain millimeter-wave beam prediction for 5G-advanced and beyond: design, analysis, and over-the-air experiments | |
| CN117932381A (zh) | 一种非侵入式需求侧资源软量测生成方法及装置 | |
| CN114727286A (zh) | 一种无阈值多属性物理层认证方法及相关设备 | |
| CN118336944A (zh) | 一种电力无线充电控制方法及系统 | |
| CN108966232A (zh) | 基于服务网络的无线物联网物理层混合认证方法及系统 | |
| He et al. | Performance analysis for AOA-based localization under millimeter-wave wireless networks | |
| CN116887348A (zh) | 软件定义的自组网分布式协同干扰方法、介质及系统 | |
| He et al. | A unified analytical framework for RSS-based localization systems | |
| CN112115507A (zh) | 基于云计算和信息数字化的云业务交互方法及大数据平台 | |
| CN112532645A (zh) | 一种物联网设备运行数据监测方法、系统及电子设备 | |
| Lemes et al. | System-to-distribution parameter mapping for the Gini index detector test statistic via artificial neural networks | |
| CN114979281B (zh) | 一种应用于工业互联网云服务平台的数据交互方法 | |
| CN111756460A (zh) | 认知网络中基于无监督学习的协作频谱感知方法、装置 | |
| US20210012020A1 (en) | Document management system having context-based access control and related methods |
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 |