(19)中华 人民共和国 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 202111535061.4 (22)申请日 2021.12.15 (71)申请人 重庆邮电大 学 地址 400065 重庆市南岸区崇文路2号 (72)发明人 龙虹毓　詹小胜　徐洋　尹霄　 黄昭成　赵胤豪　何宇强　刘上华　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 代理人 黄宗波 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G01K 13/00(2021.01) G06Q 10/04(2012.01) H04L 67/1097(2022.01)H04W 4/029(2018.01) H04W 4/38(2018.01) H04W 4/44(2018.01) G06V 20/59(2022.01) G06V 40/16(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 基于非侵入式检测的充电负荷概率预测系 统及方法 (57)摘要 本发明涉及充电负荷预测技术领域， 尤其涉 及基于非侵入式检测的充电负荷概率预测系统 及方法， 用来解决充电负荷预测以及规划问题。 基于非侵入式检测的充电负荷概率预测系统包 括图像采集单元、 温度检测单元、 定位单元、 车联 网服务系统、 云存储计算平台， 在云存储计算平 台中能够实时接收交通摄像头采集的车辆图片 和实时温度数据， 并按温度数据范围对车辆图片 识别获取的数据进行分类， 输入对应的充电负荷 预测模型中， 得到目标将要何时何地充电的概率 以及充电负荷， 通过时间积累， 可 以将何时何地 充电的概率 以及充电负荷用于某些地区的充电 设施规划建设。 本发明可以对预测区域内的电动 汽车充电需求进行预测， 并合理选择充电设施的 布局规划。 权利要求书4页 说明书9页 附图3页 CN 114418298 A 2022.04.29 CN 114418298 A 1.基于非侵入式检测的充电负荷概 率预测系统， 其特 征在于， 包括： 图像采集单元， 通过部署在各道路上的交通摄像头拍摄获取过往车辆 图片， 并进行图 片数据处 理； 温度检测单 元， 通过安装在所述交通摄 像头旁侧的温度传感器获取环境温度； 定位单元， 安装在所述交通摄像头上， 用于获取所述交通摄像头的位置， 进而获取拍摄 时刻电动汽车 所处的位置； 车联网服务系统， 基于所述交通摄 像头的地理位置， 获得 此时周围的充电站信息； 云存储计算平台， 与所述图像采集单元、 温度检测单元、 车联网服务系统、 定位单元均 通信连接， 用于对所述图像采集单元采集到的历史车辆图片进行数据 处理和存储， 以及通 过从历史车辆图片数据中识别出车牌信息、 车主头部偏转动作、 车主面部表情特征， 结合电 动汽车历史空调开启状态数据和历史充电记录训练充电负荷预测模型， 以及用于实时接收 所述交通摄像头采集处理的车辆图片和温度传感器的实时温度数据， 并按温度数据范围对 车辆图片识别获取 的数据进行分类， 输入对应的充电负荷预测模型中， 得到目标将要何时 何地充电的概 率以及充电负荷， 通过时间积累， 用于某些地区的充电设施规划建 设。 2.根据权利要求1所述的基于非侵入式检测的充电负荷概率预测系统， 其特征在于， 所 述图像采集单 元包括： 交通摄像头， 部署在各交通道路上用于拍摄获取 过往车辆图片； 图像预处理模块， 与所述交通摄像头通信连接， 用于对所述过往车辆 图片进行数据增 强、 归一化、 灰度化预处 理； 第一通信模块， 采用5G网络连接云存储计算平台， 将预处理后的车辆图像上传至云存 储计算平台； 所述温度检测单 元包括： 温度传感器， 安装在所述交通摄 像头旁侧， 用于监测环境温度； 第三通信模块， 采用5G网络连接云存储计算平台， 将所述环境温度上传至云存储计算 平台； 所述定位单 元包括： 定位模块， 用于获取 所述交通摄 像头的位置， 进 而获取拍摄时刻电动汽车 所处的位置； 第四通信模块， 采用5G网络连接云存储计算平台， 将位置信息数据上传至云存储计算 平台； 所述车联网服务系统包括： 数据库模块， 用于存 储各地的充电站信息； 充电记录模块， 用于存 储各种电动汽车的历史充电数据； 空调使用状态 记录模块， 用于存 储各种电动汽车历史 空调使用状态数据； 第五通信模块， 采用5G网络连接云存储计算平台， 将各地的充电站信息、 电动汽车的历 史充电数据和历史 空调使用状态数据上传至云存 储计算平台。 3.根据权利要求2所述的基于非侵入式检测的充电负荷概率预测系统， 其特征在于， 所 述云存储计算平台包括： 历史图像数据库模块， 用于存 储经过预处理的历史车辆图片， 形成历史数据库； 图像识别模块， 用于对处理后的车辆 图片中的 电动汽车进行车牌信息、 车主头部偏转权　利　要　求　书 1/4 页 2 CN 114418298 A 2动作、 车主面部表情特 征； 模型训练模块， 通过从历史车辆图片数据中识别出车牌信 息、 车主头部偏转动作、 车主 面部表情特征， 结合电动汽车历史空调开启状态数据和历史充电记录训练充电负荷预测模 型； 模型预测模块， 用于实时接收所述交通摄像头采集处理 的车辆图片和温度传感器的实 时温度数据， 并按温度数据范围对车辆图片识别获取 的数据进行分类， 输入对应的充电负 荷预测模 型中， 得到目标将要何时何地充电的概率以及 充电负荷， 通过时间积累， 得到某些 地区的充电设施规划建 设； 第二通信模块， 采用5G网络连接所述 图像采集单元、 温度检测单元、 车联网服务系统、 定位单元。 4.基于非侵入式检测的充电负荷概 率预测方法， 其特 征在于， 包括以下步骤： 通过部署在道路上的交通摄 像头拍摄采集过往的历史车辆图片， 建立图片数据库； 对所述历史车辆图片进行数据处理， 获取车牌信息、 车主头部偏转动作、 车主面部表情 特征； 基于所述车牌信息， 通过车联网系统获取该电动汽车充电记录， 包括充电地点和充电 时间； 以所述车主头部偏转动作和所述车主面部表情特征作为自变量， 以充电时间和充电地 点作为因变量， 分别建立每 个车主的充电负荷需求预测模型； 通过车联网系统获取电动汽车历史空调 使用状态， 通过空调开启信 息训练优化充电负 荷需求预测模型， 获得空调开启时的第一负荷需求预测模型和空调关闭时的第二负荷需求 预测模型； 通过交通摄像头旁侧的温度传感器检测环境温度， 明确某时刻拍摄的照片的对应温 度， 判断是否有开启车内空调， 若是有开启车内空调则输入第一负荷需求预测模型进行充 电负荷预测， 若是没有开启空调则输入第二负荷需求预测模型进行充电负荷预测； 再结合交通摄像头的定位单元， 能够获取某一 时刻某处的电动车将要何时何地充电的 概率和充电负荷预测。 5.根据权利要求4所述的基于非侵入式检测的充电负荷概率预测方法， 其特征在于， 所 述图片数据库是由m个 摄像头、 t个时刻、 n个目标的历史图片数据组成， 共mnt个 基础图片。 6.根据权利要求5所述的基于非侵入式检测的充电负荷概率预测方法， 其特征在于， 所 述车牌信息的识别获取包括以下步骤： 车牌图像预处理， 将车辆图片从RGB通道转换到HSV通道， 将HSV通道图像转化为灰度图 像， 再将灰度图像进行二 值化和形态学处 理； 车牌定位， 使用函数cv2.findContours()对形态学处理后的灰度图像进行矩形检测， 定位车牌区域， 将所述车牌区域分割出来； 车牌字符分割， 对分割出来的所述车牌区域依次进行车牌水平矫正、 车牌边框和铆钉 的去除、 字符分割操作， 所述车牌水平矫 正包括倾斜角度检测、 倾 斜矫正； 车牌字符识别， 通过HOG特征提取将图像上的字符转化成特征向量， 并通过SVM分类算 法分类判别； 得到结果， 通过分类判别识别为是否是新能源 汽车， 以及车牌 号码。权　利　要　求　书 2/4 页 3 CN 114418298 A 3