亚洲狠狠干,亚洲国产福利精品一区二区,国产八区,激情文学亚洲色图

電動(dòng)汽車充電狀態(tài)監(jiān)測方法、裝置、設(shè)備及介質(zhì)與流程

文檔序號:39526881發(fā)布日期:2024-09-27 17:12閱讀:31759來源:國知局
電動(dòng)汽車充電狀態(tài)監(jiān)測方法、裝置、設(shè)備及介質(zhì)與流程

本公開涉及區(qū)塊鏈,具體地,涉及一種電動(dòng)汽車充電狀態(tài)監(jiān)測方法、裝置、設(shè)備及介質(zhì)。


背景技術(shù):

1、隨著電動(dòng)汽車的普及,對電動(dòng)汽車充電狀態(tài)的監(jiān)測和安全預(yù)警需求日益增加。充電狀態(tài)的監(jiān)測對于保障電池性能、延長電池壽命以及提高充電效率至關(guān)重要。并且,電動(dòng)汽車充電過程中可能出現(xiàn)的安全隱患,例如過度充電、過度放電、及溫度異常等問題,對電動(dòng)汽車的電池和整車的安全性構(gòu)成威脅。因此,開發(fā)一種有效的充電狀態(tài)監(jiān)測與安全預(yù)警方法對于推動(dòng)電動(dòng)汽車技術(shù)的發(fā)展和保障用戶安全至關(guān)重要。

2、在傳統(tǒng)的充電狀態(tài)監(jiān)測方法中,通常使用傳感器等硬件設(shè)備來獲取車輛和電池的實(shí)時(shí)數(shù)據(jù)。然而,電動(dòng)汽車充電的數(shù)據(jù)分布廣泛,不同制造商的車輛和不同充電樁運(yùn)營商的設(shè)備往往具有不同的特性和使用模式,在此基礎(chǔ)上訓(xùn)練得到的監(jiān)測模型存在不全面、不可靠的問題。


技術(shù)實(shí)現(xiàn)思路

1、本公開的目的是提供一種電動(dòng)汽車充電狀態(tài)監(jiān)測方法、裝置、設(shè)備及介質(zhì),提高了電動(dòng)汽車充電狀態(tài)監(jiān)測的準(zhǔn)確性。

2、為了實(shí)現(xiàn)上述目的,根據(jù)本公開實(shí)施例的第一方面,提供一種電動(dòng)汽車充電狀態(tài)監(jiān)測方法,應(yīng)用于區(qū)塊鏈網(wǎng)絡(luò)中的任一節(jié)點(diǎn),所述區(qū)塊鏈網(wǎng)絡(luò)中存儲(chǔ)有全局模型參數(shù),所述全局模型參數(shù)由所述區(qū)塊鏈網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)根據(jù)歷史充電數(shù)據(jù)在本地訓(xùn)練得到的局部模型參數(shù)聚合得到;

3、所述電動(dòng)汽車充電狀態(tài)監(jiān)測方法包括:

4、獲取所述電動(dòng)汽車的充電數(shù)據(jù);

5、從所述區(qū)塊鏈網(wǎng)絡(luò)中獲取所述全局模型參數(shù),并確定所述全局模型參數(shù)對應(yīng)的目標(biāo)全局模型;

6、將所述充電數(shù)據(jù)輸入本地訓(xùn)練得到的局部模型,得到所述局部模型輸出的本地預(yù)測結(jié)果,以及將所述充電數(shù)據(jù)輸入所述目標(biāo)全局模型,得到所述目標(biāo)全局模型輸出的全局預(yù)測結(jié)果;

7、根據(jù)所述本地預(yù)測結(jié)果和所述全局預(yù)測結(jié)果之間偏差值的大小,確定所述電動(dòng)汽車的充電狀態(tài)。

8、可選地,所述方法還包括:

9、確定所述本地預(yù)測結(jié)果和所述全局預(yù)測結(jié)果之間的標(biāo)準(zhǔn)偏差和平均絕對誤差;

10、確定所述標(biāo)準(zhǔn)偏差和所述平均絕對誤差之間的殘差偏差值,所述殘差偏差值作為所述本地預(yù)測結(jié)果和所述全局預(yù)測結(jié)果之間的偏差值;

11、所述根據(jù)所述本地預(yù)測結(jié)果和所述全局預(yù)測結(jié)果之間偏差值的大小,確定所述電動(dòng)汽車的充電狀態(tài),包括:

12、在所述殘差偏差值大于預(yù)設(shè)安全閾值的情況下,確定所述電動(dòng)汽車的充電狀態(tài)異常。

13、可選地,所述本地預(yù)測結(jié)果和所述全局預(yù)測結(jié)果均有多個(gè);針對多個(gè)所述本地預(yù)測結(jié)果和多個(gè)所述全局預(yù)測結(jié)果,計(jì)算得到的標(biāo)準(zhǔn)偏差和平均絕對誤差有多個(gè);

14、所述確定所述標(biāo)準(zhǔn)偏差和所述平均絕對誤差之間的殘差偏差值,包括:

15、確定表征多個(gè)所述標(biāo)準(zhǔn)偏差和多個(gè)所述平均絕對誤差之間均值偏差的第一殘差偏差值;

16、基于所述第一殘差偏差值,確定表征多個(gè)所述標(biāo)準(zhǔn)偏差和多個(gè)所述平均絕對誤差之間的數(shù)據(jù)分布偏差的第二殘差偏差值;

17、所述根據(jù)所述本地預(yù)測結(jié)果和所述全局預(yù)測結(jié)果之間偏差值的大小,確定所述電動(dòng)汽車的充電狀態(tài),包括:

18、在所述第一殘差偏差值和所述第二殘差偏差值均大于預(yù)設(shè)安全閾值的情況下,確定所述電動(dòng)汽車的充電狀態(tài)異常。

19、可選地,所述區(qū)塊鏈網(wǎng)絡(luò)中存儲(chǔ)的所述全局模型參數(shù)是密態(tài)全局模型參數(shù),所述區(qū)塊鏈網(wǎng)絡(luò)中部署有第一智能合約,所述第一智能合約用于獲取所述密態(tài)全局模型參數(shù)對應(yīng)的目標(biāo)全局模型;所述密態(tài)全局模型參數(shù)是對所述區(qū)塊鏈網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)在本地訓(xùn)練得到的局部模型參數(shù)添加了噪聲后得到的隱私局部模型參數(shù)進(jìn)行密態(tài)聚合得到的;

20、所述從所述區(qū)塊鏈網(wǎng)絡(luò)中獲取所述全局模型參數(shù),并確定所述全局模型參數(shù)對應(yīng)的目標(biāo)全局模型,包括:

21、調(diào)用所述第一智能合約,獲得所述區(qū)塊鏈網(wǎng)絡(luò)中存儲(chǔ)的密態(tài)全局模型參數(shù)對應(yīng)的目標(biāo)全局模型,所述目標(biāo)全局模型是對所述密態(tài)全局模型參數(shù)進(jìn)行解密以及去除噪聲后獲得的。

22、可選地,所述區(qū)塊鏈網(wǎng)絡(luò)中存儲(chǔ)的所述全局模型參數(shù)是密態(tài)全局模型參數(shù),所述密態(tài)全局模型參數(shù)是對所述區(qū)塊鏈網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)在本地訓(xùn)練得到的局部模型參數(shù)添加了噪聲后得到的隱私局部模型參數(shù)進(jìn)行密態(tài)聚合得到的,所述區(qū)塊鏈網(wǎng)絡(luò)中部署有第二智能合約,所述第二智能合約用于對所述隱私局部模型參數(shù)進(jìn)行密態(tài)聚合;

23、所述方法還包括:

24、獲取所述電動(dòng)汽車的歷史充電數(shù)據(jù)和所述歷史充電數(shù)據(jù)對應(yīng)的充電狀態(tài)標(biāo)簽;

25、從所述區(qū)塊鏈網(wǎng)絡(luò)中獲取所述全局模型參數(shù),并將所述全局模型參數(shù)對應(yīng)的目標(biāo)全局模型作為待訓(xùn)練的局部模型;

26、根據(jù)所述歷史充電數(shù)據(jù)和所述充電狀態(tài)標(biāo)簽對所述待訓(xùn)練的局部模型進(jìn)行迭代訓(xùn)練,并根據(jù)每次迭代訓(xùn)練結(jié)果調(diào)整所述待訓(xùn)練的局部模型的局部模型參數(shù),直到滿足訓(xùn)練結(jié)束條件,得到訓(xùn)練完成的局部模型;

27、對所述訓(xùn)練完成的局部模型的局部模型參數(shù)添加噪聲,得到隱私局部模型參數(shù);

28、調(diào)用所述第二智能合約,以將本地得到的所述隱私局部模型參數(shù)和所述區(qū)塊鏈網(wǎng)絡(luò)中其他節(jié)點(diǎn)訓(xùn)練得到的其他隱私局部模型參數(shù)進(jìn)行密態(tài)聚合,得到密態(tài)全局模型參數(shù);

29、其中,所述第二智能合約還用于將在所述區(qū)塊鏈網(wǎng)絡(luò)中達(dá)成共識的密態(tài)全局模型參數(shù)上鏈存儲(chǔ)。

30、可選地,所述待訓(xùn)練的局部模型包括待訓(xùn)練的卷積運(yùn)算子模型和待訓(xùn)練的雙向循環(huán)門控單元子模型;

31、所述根據(jù)所述歷史充電數(shù)據(jù)和所述充電狀態(tài)標(biāo)簽對所述待訓(xùn)練的局部模型進(jìn)行迭代訓(xùn)練,并根據(jù)每次迭代訓(xùn)練結(jié)果調(diào)整所述待訓(xùn)練的局部模型的局部模型參數(shù),直到滿足訓(xùn)練結(jié)束條件,得到訓(xùn)練完成的局部模型,包括:

32、將所述歷史充電數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理,得到標(biāo)準(zhǔn)充電數(shù)據(jù);

33、將所述標(biāo)準(zhǔn)充電數(shù)據(jù)輸入所述待訓(xùn)練的卷積運(yùn)算子模型,得到所述待訓(xùn)練的卷積運(yùn)算子模型輸出的中間特征向量;

34、將所述中間特征向量輸入所述待訓(xùn)練的雙向循環(huán)門控單元子模型,得到所述待訓(xùn)練的雙向循環(huán)門控單元子模型輸出的充電狀態(tài)預(yù)測結(jié)果;

35、根據(jù)所述充電狀態(tài)預(yù)測結(jié)果和所述充電狀態(tài)標(biāo)簽計(jì)算損失值,并根據(jù)所述損失值調(diào)整所述待訓(xùn)練的卷積運(yùn)算子模型的卷積訓(xùn)練參數(shù)和所述待訓(xùn)練的雙向循環(huán)門控單元子模型的門控訓(xùn)練參數(shù);

36、返回執(zhí)行將所述標(biāo)準(zhǔn)充電數(shù)據(jù)輸入所述待訓(xùn)練的卷積運(yùn)算子模型到計(jì)算損失值的步驟,直到滿足訓(xùn)練結(jié)束條件,得到訓(xùn)練完成的局部模型;

37、其中,所述訓(xùn)練完成的局部模型包括訓(xùn)練完成的卷積運(yùn)算子模型和訓(xùn)練完成的雙向循環(huán)門控單元子模型,所述訓(xùn)練完成的局部模型的局部模型參數(shù)包括所述訓(xùn)練完成的卷積運(yùn)算子模型的卷積訓(xùn)練參數(shù)和訓(xùn)練完成的雙向循環(huán)門控單元子模型的門控訓(xùn)練參數(shù)。

38、可選地,在對所述訓(xùn)練完成的局部模型的局部模型參數(shù)添加噪聲之前,所述方法還包括:

39、從所述區(qū)塊鏈網(wǎng)絡(luò)中獲取權(quán)重裁剪閾值;

40、根據(jù)所述權(quán)重裁剪閾值對所述訓(xùn)練完成的局部模型的局部訓(xùn)練參數(shù)進(jìn)行權(quán)重裁剪。

41、根據(jù)本公開實(shí)施例的第二方面,提供一種電動(dòng)汽車充電狀態(tài)監(jiān)測裝置,應(yīng)用于區(qū)塊鏈網(wǎng)絡(luò)中的任一節(jié)點(diǎn),所述區(qū)塊鏈網(wǎng)絡(luò)中存儲(chǔ)有全局模型參數(shù),所述全局模型參數(shù)由所述區(qū)塊鏈網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)根據(jù)歷史充電數(shù)據(jù)在本地訓(xùn)練得到的局部模型參數(shù)聚合得到;

42、所述電動(dòng)汽車充電狀態(tài)監(jiān)測裝置包括:

43、第一獲取模塊,用于獲取所述電動(dòng)汽車的充電數(shù)據(jù);

44、第二獲取模塊,用于從所述區(qū)塊鏈網(wǎng)絡(luò)中獲取所述全局模型參數(shù),并確定所述全局模型參數(shù)對應(yīng)的目標(biāo)全局模型;

45、輸入模塊,用于將所述充電數(shù)據(jù)輸入本地訓(xùn)練得到的局部模型,得到所述局部模型輸出的本地預(yù)測結(jié)果,以及將所述充電數(shù)據(jù)輸入所述目標(biāo)全局模型,得到所述目標(biāo)全局模型輸出的全局預(yù)測結(jié)果;

46、第一確定模塊,用于根據(jù)所述本地預(yù)測結(jié)果和所述全局預(yù)測結(jié)果之間偏差值的大小,確定所述電動(dòng)汽車的充電狀態(tài)。

47、根據(jù)本公開實(shí)施例的第三方面,提供一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì),其上存儲(chǔ)有計(jì)算機(jī)程序,該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述第一方面中任一項(xiàng)所述方法的步驟。

48、根據(jù)本公開實(shí)施例的第四方面,提供一種電子設(shè)備,包括:

49、存儲(chǔ)器,其上存儲(chǔ)有計(jì)算機(jī)程序;

50、處理器,用于執(zhí)行所述存儲(chǔ)器中的所述計(jì)算機(jī)程序,以實(shí)現(xiàn)上述第一方面中任一項(xiàng)所述方法的步驟。

51、通過上述技術(shù)方案,在區(qū)塊鏈網(wǎng)絡(luò)中使用聯(lián)邦學(xué)習(xí)技術(shù)訓(xùn)練得到全局模型,全局模型參數(shù)由區(qū)塊鏈網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)根據(jù)歷史充電數(shù)據(jù)在本地訓(xùn)練得到的局部模型參數(shù)聚合得到,由此融合了各種車型以及充電樁的共性特征。在此基礎(chǔ)上,通過融合了各種共性特征的全局模型參數(shù)對應(yīng)的目標(biāo)全局模型和節(jié)點(diǎn)本地訓(xùn)練得到的局部模型對電動(dòng)汽車的充電數(shù)據(jù)進(jìn)行預(yù)測,分別得到全局預(yù)測結(jié)果和本地預(yù)測結(jié)果,并結(jié)合兩者之間的偏差值來綜合確定電動(dòng)汽車的充電狀態(tài),可以確保監(jiān)測的準(zhǔn)確性。

52、這樣,無需針對各種車型以及充電樁特性單獨(dú)設(shè)計(jì)模型以及收集數(shù)據(jù),降低了開發(fā)成本,并且可以基于區(qū)塊鏈可追溯、不可篡改的特性訓(xùn)練得到安全健壯的全局模型,從而在降低開發(fā)成本的基礎(chǔ)上提高電動(dòng)汽車充電狀態(tài)監(jiān)測的準(zhǔn)確性,為電動(dòng)汽車充電過程的安全和可靠性提供了有效的支持。

53、本公開的其他特征和優(yōu)點(diǎn)將在隨后的具體實(shí)施方式部分予以詳細(xì)說明。

當(dāng)前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會(huì)獲得點(diǎn)贊!
1