(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211401172.0 (22)申请日 2022.11.09 (71)申请人 广东浩迪创新科技有限公司 地址 528200 广东省佛山市南海区桂城街 道深海路17号瀚天科技城A区3号楼五 楼502-1单元之一 (72)发明人 蔡高琰　梁炳基　陈迪　陈声荣　 文享龙　 (74)专利代理 机构 佛山市海融科创知识产权代 理事务所(普通 合伙) 44377 专利代理师 陈志超 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G01R 31/00(2006.01) (54)发明名称 一种电动自行车充电自动识别监测方法及 系统 (57)摘要 本申请属于数据分析技术领域， 公开了一种 电动自行车充电自动识别监测方法及系统， 所述 方法包括在被监测用户发生投切事件时， 获取投 切前后的所述被监测用户的稳态总用电信号， 分 别记为第一稳态信号和第二稳态信号； 根据所述 第一稳态信号和所述第二稳态信号计算投切的 用电设备的频谱 特征数据； 所述频谱 特征数据包 括幅频特征数据和/或相频特征数据； 使用预先 训练好的SV M分类模型对所述频谱特征数据进行 识别， 以判断投切的所述用电设备是否为电动车 电池， 并根据判断结果识别所述被监测用户是否 存在电动车充电行为； 从而可有效识别被监测用 户是否存在电动车充电行为， 且准确率高、 稳定 性好、 识别效率高。 权利要求书3页 说明书13页 附图16页 CN 115456034 A 2022.12.09 CN 115456034 A 1.一种电动自行车充电自动识别监测方法， 用于监测电动自行车充电行为， 其特征在 于， 包括步骤： A1.在被监测用户发生投切事件时， 获取投切前后的所述被监测用户的稳态总用电信 号， 分别记为第一稳态信号和第二稳态信号； A2.根据所述第一稳态信号和所述第二稳态信号计算投切的用电设备的频谱特征数 据； 所述频谱特 征数据包括幅频 特征数据和/或相频 特征数据； A3.使用预先训练好的SVM分类模型对所述频谱特征数据进行识别， 以判断投切的所述 用电设备是否为电动车电池， 并根据判断结果识别所述被监测用户是否存在电动车充电行 为。 2.根据权利要求1所述的电动自行车充电自动识别监测方法， 其特征在于， 步骤A2包 括： 对所述第一稳态信号进行快速傅里叶变换， 以获取对应的频谱特征数据， 记为第一频 谱特征数据； 对所述第二稳态信号进行快速傅里叶变换， 以获取对应的频谱特征数据， 记为第二频 谱特征数据； 根据所述投切事件的类型， 对所述第 一频谱特征数据和所述第 二频谱特征数据进行差 值运算， 得到所述用电设备的频谱特 征数据。 3.根据权利要求2所述的电动自行车充电自动识别监测方法， 其特征在于， 所述频谱特 征数据包括前N个奇数次谐波的幅频特征数据和/或相频特征数据， N为预设的大于1的正整 数值。 4.根据权利要求1所述的 电动自行车充电自动识别监测方法， 其特征在于， 所述SVM分 类模型根据以下 过程训练得到： B1.采集所述被监测用户的总用电监测信号， 记为第 二监测信号， 以获取多次投切事件 的投切设备的频谱特 征数据， 记为第三频谱特 征数据； B2.对各所述第三频谱特 征数据进行 标注， 得到各 所述第三频谱特 征数据的标签； B3.以每个所述第三频谱特征数据和对应的所述标签为一个样本， 以所有所述样本的 集合为一组训练集； B4.用所述训练集对所述SVM分类模型进行训练， 以使所述SVM分类模型的参数组合最 优。 5.根据权利要求4所述的电动自行车充电自动识别监测方法， 其特征在于， 步骤B1包 括： 从所述第二监测信号提取每次投切前后的所述被监测用户的稳态总用电信号， 分别记 为第三稳态信号和第四稳态信号； 根据同一次投切事件的所述第三稳态信号和所述第四稳态信号计算对应的投切设备 的频谱特 征数据， 记为第三频谱特 征数据。 6.根据权利要求4所述的电动自行车充电自动识别监测方法， 其特征在于， 步骤B2包 括： 用所述第三频谱特征数据与数据库中预存的多个第一参考频谱特征数据进行首次匹 配； 所述第一 参考频谱特 征数据为电动车电池的频谱特 征数据；权　利　要　求　书 1/3 页 2 CN 115456034 A 2若首次匹配成功， 则以预设的第一标签对所述第三频谱特征数据进行标注； 所述第一 标签用于表示所述第三频谱特 征数据为电动车电池的频谱特 征数据； 若首次匹配不成功且所述数据库中没有记录第 二参考频谱特征数据， 则生成一个新的 第二标签， 用以对所述第三频谱特征数据进行标注， 并把所述第三频谱特征数据作为一个 第二参考频谱特征数据记录在所述数据库中； 所述第二参考频谱特征数据为 非电动车电池 的频谱特征数据； 所述第二标签用于表示所述第三频谱特征数据为 非电动车电池的频谱特 征数据； 若首次匹配不成功且所述数据库中记录有至少一个第 二参考频谱特征数据， 则用所述 第三频谱特 征数据与所述数据库中的所述第二 参考频谱特 征数据进行第二次匹配； 若第二次匹配成功， 则根据匹配结果用对应的所述第 二标签对所述第 三频谱特征数据 进行标注； 若第二次匹配不成功， 则生成一个新的第二标签， 用以对所述第三频谱特征数据进行 标注， 并把所述第三频谱特 征数据作为 一个第二 参考频谱特 征数据记录在所述数据库中。 7.根据权利要求4所述的电动自行车充电自动识别监测方法， 其特征在于， 步骤B4包 括： B401.选择径向基核函数作为所述SVM分类模型的核函数； B402.用所述训练集对所述SVM分类模型进行训练， 以使所述SVM分类模型的惩罚因子 和径向基核函数参数的组合 最优。 8.根据权利要求7所述的电动自行车充电自动识别监测方法， 其特征在于， 步骤B402包 括： 采用改进网格搜索法对所述SVM分类模型进行训练。 9.根据权利要求8所述的电动自行车充电自动识别监测方法， 其特征在于， 所述采用改 进网格搜索法对所述SVM分类模型进行训练的步骤 包括： 建立网格坐标： 基于指数函数生成多个惩罚 因子和多个径向基核函数参数， 对所述多 个惩罚因子和所述多个径向基核函数参数进行排列 组合， 得到多个参数组合， 把每个所述 参数组合作为一个网格坐标； 所述参数组合包括一个所述惩罚因子和一个所述径向基核函 数参数； 把所述训练集等分为K个子集， 把其中的K ‑1个所述子集作为训练子集， 把剩余的一个 所述子集作为验证子集； K为预设的大于1的正整数值； 根据K折交叉验证法， 采用所述训练子集对每个所述网格坐标进行K折交叉验证， 并选 取对所述验证子集的平均识别准确率 最高的所述网格坐标作为 最优参数组合； 根据所述最优参数组合对所述SVM分类模型的所述惩罚因子和所述径向基核函数参数 进行赋值。 10.一种电动自行车充电自动识别监测系统， 用于监测电动自行车充电行为， 其特征在 于， 包括监测信号采集装置、 后台服务器、 监管平台和客户端； 所述监测信号采集装置和所 述监管平台均 与所述后台服 务器通信连接， 所述 客户端与所述 监管平台通信连接； 所述监测信号采集装置设置在被监测用户的供电入口处， 并用于采集所述被监测用户 的总用电监测信号， 以发送至所述后台服 务器； 所述后台服务器用于在所述被监测用户发生投切事件时， 根据 所述总用电监测信号获权　利　要　求　书 2/3 页 3 CN 115456034 A 3