CN119442186A 基于人工智能的高精度充电桩测量数据处理系统及方法 （南京简充电气科技有限公司）

基于人工智能的高精度充电桩测量数据处本发明公开了基于人工智能的高精度充电录中的环境监测指标与充电桩内的异常设备运2步骤S200：获取所述充电桩的历史环境监测记录，从所步骤S300：获取所述充电桩的历史数据测量记录，建立所步骤S400：对当前周期内的所述充电桩的充电状2.根据权利要求1所述的基于人工智能的高精度充电桩测量数据处理方法，其特征在步骤S101：对所述充电桩的故障时间数据进行获取步骤S102：从所述历史数据测量记录中，获取测量步骤S103：从所述标记设备运行数据中，获取所述步骤S104：分析所述标记设备运行数据中的各项设备从所述若干个历史数据测量记录中，获取平均值均小于阈值的设备运行获取所述充电桩的若干项标记设备运行参数，计算所述充电桩,a为所述第a项标记设备运行参数的阈值；Da,i为所述若干个历史数据测量记录3.根据权利要求2所述的基于人工智能的高精度充电桩测量数据处理方法，其特征在3步骤S202：计算历史环境监测记录中，所述充电桩内的环境监测指标的标记值E=(F_,,v1获取所述充电桩中的各个历史数据测量记录中，所述第α项异常设备运行参数的标记,0表示为所述关联回归模型Sαv0中n个元素均4,12z]；步骤S206：获取构建后的关联回归模型Sα,当被标记的某一项环境监测指标的回归系获取所述充电桩中的若干项异常设备运行参数的关联环境集并进4.根据权利要求3所述的基于人工智能的高精度充电桩测量数据处理方法，其特征在步骤S301：获取充电桩的所述历史数据测量记录，获取所述充电故障预测模型的测试集，设置故障概使用所述测试集，计算所述充电故障预测模型的模型准确率R=(U△+U)/(U△+U+U´+U对所述充电故障预测模型中的各项模型参数进行优化调整，直到所述模型准确率R大5.根据权利要求4所述的基于人工智能的高精度充电桩测量数据处理方法，其特征在步骤S402：基于所述测量数据和所述环境监测数据，使6.基于人工智能的高精度充电桩测量数据处理系统，用于执行权利要求1_5中任意一5所述设备匹配分析模块，用于对所述标记设备运行数据中的设备运行所述关联分析模块，用于对所述历史环境监测记录中的环境监测指标所述智能充电模块，用于对所述充电桩的充电状态进行监测，7.根据权利要求6所述的基于人工智能的高精度充电桩测量数据处理系统，其特征在所述数据获取单元，用于对所述充电桩的故障时间数据进行获取，所述异常设备运行数据单元，用于分析所述标记设备运行数据中的各项设备运行参8.根据权利要求6所述的基于人工智能的高精度充电桩测量数据处理系统，其特征在所述矩阵构建单元，用于对所述历史环境监测记录中，所述充电桩所述关联分析单元，用于分析所述历史环境监测记录中的各项环9.根据权利要求6所述的基于人工智能的高精度充电桩测量数据处理系统，其特征在所述模型优化单元，用于根据充电桩的历史环境监测记录和所述关联所述智能充电单元，用于根据所述充电桩的测量数据6[0004]本发明的目的在于提供基于人工智能的高精度充电桩测7,i个历史数据测量记录内的第a项标记设备运行参数的平均值；j为若干个历史数据测量记步骤S202：计算历史环境监测记录中，充电桩内的环境监测指标的标记值E=(F_,,8析各项环境监测指标与充电桩中的第α项异常设备运行参数之间的数据关联性，具体过程,β1、z0表示为关联回归模型Sα,12z]；步骤S206：获取构建后的关联回归模型Sα,当被标记的某一项环境监测指标的回9对充电故障预测模型中的各项模型参数进行优化调整，直到模型准确率R大于预,i个历史数据测量记录内的第a项标记设备运行参数的平均值；j为若干个历史数据测量记,步骤S202：计算历史环境监测记录中，充电桩内的环境监测指标的标记值E=(F_,,析各项环境监测指标与充电桩中的第α项异常设备运行参数之间的数据关联性，具体过程,β1、z0表示为关联回归模型Sα,12z]；步骤S206：获取构建后的关联回归模型Sα,当被标记的某一项环境监测指标的回对充