充电能耗统计方法、装置及计算机可读存储介质

摘要

本发明公开了一种充电能耗统计方法、装置及计算机可读存储介质，所述充电能耗统计方法包括以下步骤：采集当前监测环境中的充电信号数据，当所述充电信号数据中出现阶跃信号时，判断是否出现充电启动事件；若出现充电启动事件，则记录预设时间周期内的启动特征数据；基于所述启动特征数据输出充电波形分类结果；动态监测所述充电信号数据，当所述充电信号数据中出现阶跃信号时，判断是否出现充电停止事件；若出现充电停止事件，则记录预设时间周期内的停止特征数据；基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计。通过实施本发明，在多种用电器共同使用同一充电电源的情况下，实现了对电动车的充电能耗的精准统计。

说明书

技术领域

本发明涉及电动自行车技术领域，尤其涉及充电能耗统计方法、装置及计算机可读存储介质。

背景技术

目前，电动自行车作为人们出行的主要代步工具之一，因其便捷、经济、环保等特点，其销量与使用率逐日递增。据相关统计，我国电动自行车(以下用“电动车”指代)的年销售量超过3000万辆，社会保有量也接近3亿辆。电动车数量的增加也直接影响了电动车充电使用的能耗。根据电动车新国标(电动自行车安全技术规范GB17761-2018)规定，允许电动车的电机功率不大于400W，而电动车电池容量以锂电池为例：其规格一般处于48V12Ah，在电池充满的情况下，需要消耗0.8度电，可以维持电动车行使40公里。由此可知，当社会中所有电动车充满一次电，大约需要消耗2.4亿度电。

电动车最佳的充电方式，是通过电动车充电桩或者电动车专用充电插座进行充电，由于目前仍存在大量地区缺乏这些充电专用设备，不可避免地出现了电动车需要和其他电器共用充电插座的情况。

在上述多种用电器共同使用同一充电电源的情况下，要对电动车进行充电能耗统计较为困难。

发明内容

本发明的主要目的在于提供一种充电能耗统计方法、装置及计算机可读存储介质，旨在解决如何在多种用电器共同使用同一充电电源的情况下，对电动车进行充电能耗统计的技术问题。

为实现上述目的，本发明提供一种充电能耗统计方法，所述充电能耗统计方法包括以下步骤：

采集当前监测环境中的充电信号数据，当所述充电信号数据中出现阶跃信号时，判断是否出现充电启动事件；

若出现充电启动事件，则记录预设时间周期内的启动特征数据；

基于所述启动特征数据输出充电波形分类结果；

动态监测所述充电信号数据，当所述充电信号数据中出现阶跃信号时，判断是否出现充电停止事件；

若出现充电停止事件，则记录预设时间周期内的停止特征数据；

基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计。

可选地，所述基于所述启动特征向量数据输出充电波形分类结果的步骤包括：

基于所述启动特征数据对当前充电波形进行分类，以得到充电波形分类结果；

判断所述充电波形分类结果与预设充电波形模板的相似度是否大于系统预设门限值；

若所述相似度大于系统预设门限值，则视为分类成功，输出所述充电波形分类结果。

可选地，所述判断所述充电波形分类结果与预设充电波形模板的相似度是否大于系统预设门限值的步骤之后还包括：

若所述相似度不大于系统预设门限值，则视为分类失败，放弃所述充电波形分类结果；

返回所述判断是否出现充电启动事件的步骤，直至完成所述输出所述充电波形分类结果的步骤或出现充电停止事件为止。

可选地，所述基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计的步骤之前包括：

当出现所述充电停止事件且分类成功时，基于所述充电波形分类结果生成分类模板，提取所述分类模板中的相应特征向量，基于所述启动特征数据获取充电启动时间点，基于所述停止特征数据获取充电停止时间点。

可选地，所述基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计步骤包括：

基于所述分类模板中的相应特征向量、充电启动时间点和充电停止时间点对充电能耗进行统计。

可选地，所述基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计的步骤之前还包括：

当出现所述充电停止事件且分类失败时，基于所述启动特征数据获取所述充电启动特征向量，基于所述停止特征数据获取所述充电停止特征向量。

可选地，所述基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计的步骤包括：

基于所述充电启动特征向量、充电停止特征向量、充电启动时间点和充电停止时间点对充电能耗进行统计。

可选地，所述当所述充电信号数据中出现阶跃信号时，判断是否出现充电启动事件或充电停止事件的步骤包括：

当所述充电信号数据中出现阶跃信号时，记录所述阶跃信号出现时刻前后的阶跃缓存数据；

根据所述阶跃缓存数据计算得出当前未知事件的特征向量；

根据所述特征向量进行分析，以判断所述当前未知事件是否是充电启动事件或充电停止事件。

此外，为实现上述目的，本发明还提供一种充电能耗统计装置，所述充电能耗统计装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的充电能耗统计程序，所述充电能耗统计程序被所述处理器执行时实现如上所述的充电能耗统计方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有充电能耗统计程序，所述充电能耗统计程序被处理器执行时实现如上所述的充电能耗统计方法的步骤。

本发明提出一种充电能耗统计方法、装置及计算机可读存储介质，克服了在多种用电器共同使用同一充电电源的情况下，难以对电动车的充电能耗进行统计的问题，在所述充电能耗统计方法中，通过采集当前监测环境中的充电信号数据，当所述充电信号数据中出现阶跃信号时，基于所述阶跃信号的特征捕获电动车充电启动事件和充电停止事件，并基于充电过程中的各项特征数据，在多种用电器共同使用同一充电电源的情况下，实现了对电动车的充电能耗的精准统计，提高了对于电能计算的准确度，能够帮助使用者更精确地了解其电动车的耗能情况，并获取到更详细的电动车充电信息及电动车电池与充电器的质量、寿命等情况，使得电动车使用者能够更加合理地安排电动车的充电时间，节省充电成本，进一步地还能帮助电动车使用者避开充电高峰期，提高电动车充电的安全性。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；

图2为本发明充电能耗统计方法第一实施例的流程示意图；

图3为本发明充电能耗统计方法第二实施例的流程示意图；

图4为本发明充电能耗统计方法第三实施例的流程示意图；

图5为本发明充电能耗统计方法各实施例中的预设分类模版图；

图6为本发明充电能耗统计方法各实施例中的预设分类模版图；

图7为本发明充电能耗统计方法各实施例中的预设分类模版图；

图8为本发明充电能耗统计方法各实施例中的预设分类模版图；

图9为本发明充电能耗统计方法各实施例中的预设分类模版图；

图10为本发明充电能耗统计方法各实施例中的预设分类模版图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例的主要解决方案是：一种充电能耗统计方法，所述充电能耗统计方法包括以下步骤：

采集当前监测环境中的充电信号数据，当所述充电信号数据中出现阶跃信号时，判断是否出现充电启动事件；

若出现充电启动事件，则记录预设时间周期内的启动特征数据；

基于所述启动特征数据输出充电波形分类结果；

动态监测所述充电信号数据，当所述充电信号数据中出现阶跃信号时，判断是否出现充电停止事件；

若出现充电停止事件，则记录预设时间周期内的停止特征数据；

基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计。

电动车最佳的充电方式，是通过电动车充电桩或者电动车专用充电插座进行充电，由于目前仍存在大量地区缺乏这些充电专用设备，不可避免地出现了电动车需要和其他电器共用充电插座的情况。在上述多种用电器共同使用同一充电电源的情况下，要对电动车进行充电能耗统计较为困难。

若能够实现对于电动车的充电能耗进行统计，就可以提高对电能的计算的准确度，帮助使用者更精确的了解其电动车的耗能情况，获取更详细的电动车充电信息及电动车电池与充电器的质量、寿命等情况，使得电动车使用者能够更加合理地安排电动车的充电时间，节省充电成本，还能避开充电高峰期，提高电动车充电的安全性。

本发明提供一种充电能耗统计方法，克服了在多种用电器共同使用同一充电电源的情况下，难以对电动车的充电能耗进行统计的问题，在所述充电能耗统计方法中，通过采集当前监测环境中的充电信号数据，当所述充电信号数据中出现阶跃信号时，基于所述阶跃信号的特征捕获电动车充电启动事件和充电停止事件，并基于充电过程中的各项特征数据，在多种用电器共同使用同一充电电源的情况下，实现了对电动车的充电能耗的精准统计，提高了对于电能计算的准确度，能够帮助使用者更精确地了解其电动车的耗能情况，并获取到更详细的电动车充电信息及电动车电池与充电器的质量、寿命等情况，使得电动车使用者能够更加合理地安排电动车的充电时间，节省充电成本，进一步地还能帮助电动车使用者避开充电高峰期，提高电动车充电的安全性。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。

本发明实施例终端为充电能耗统计装置，可以是PC、智能手机、平板电脑、便携计算机等终端设备。

如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及充电能耗统计程序。

在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的充电能耗统计程序，并执行以下操作：

采集当前监测环境中的充电信号数据，当所述充电信号数据中出现阶跃信号时，判断是否出现充电启动事件；

若出现充电启动事件，则记录预设时间周期内的启动特征数据；

基于所述启动特征数据输出充电波形分类结果；

动态监测所述充电信号数据，当所述充电信号数据中出现阶跃信号时，判断是否出现充电停止事件；

若出现充电停止事件，则记录预设时间周期内的停止特征数据；

基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计。

进一步地，处理器1001可以调用存储器1005中存储的充电能耗统计程序，还执行以下操作：

所述基于所述启动特征向量数据输出充电波形分类结果的步骤包括：

基于所述启动特征数据对当前充电波形进行分类，以得到充电波形分类结果；

判断所述充电波形分类结果与预设充电波形模板的相似度是否大于系统预设门限值；

若所述相似度大于系统预设门限值，则视为分类成功，输出所述充电波形分类结果。

进一步地，处理器1001可以调用存储器1005中存储的充电能耗统计程序，还执行以下操作：

所述判断所述充电波形分类结果与预设充电波形模板的相似度是否大于系统预设门限值的步骤之后还包括：

若所述相似度不大于系统预设门限值，则视为分类失败，放弃所述充电波形分类结果；

返回所述判断是否出现充电启动事件的步骤，直至完成所述输出所述充电波形分类结果的步骤或出现充电停止事件为止。

进一步地，处理器1001可以调用存储器1005中存储的充电能耗统计程序，还执行以下操作：

所述基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计的步骤之前包括：

当出现所述充电停止事件且分类成功时，基于所述充电波形分类结果生成分类模板，提取所述分类模板中的相应特征向量，基于所述启动特征数据获取充电启动时间点，基于所述停止特征数据获取充电停止时间点。

进一步地，处理器1001可以调用存储器1005中存储的充电能耗统计程序，还执行以下操作：

所述基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计步骤包括：

基于所述分类模板中的相应特征向量、充电启动时间点和充电停止时间点对充电能耗进行统计。

进一步地，处理器1001可以调用存储器1005中存储的充电能耗统计程序，还执行以下操作：

所述基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计的步骤之前还包括：

当出现所述充电停止事件且分类失败时，基于所述启动特征数据获取所述充电启动特征向量，基于所述停止特征数据获取所述充电停止特征向量。

进一步地，处理器1001可以调用存储器1005中存储的充电能耗统计程序，还执行以下操作：

所述基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计的步骤包括：

基于所述充电启动特征向量、充电停止特征向量、充电启动时间点和充电停止时间点对充电能耗进行统计。

进一步地，处理器1001可以调用存储器1005中存储的充电能耗统计程序，还执行以下操作：

所述当所述充电信号数据中出现阶跃信号时，判断是否出现充电启动事件或充电停止事件的步骤包括：

当所述充电信号数据中出现阶跃信号时，记录所述阶跃信号出现时刻前后的阶跃缓存数据；

根据所述阶跃缓存数据计算得出当前未知事件的特征向量；

根据所述特征向量进行分析，以判断所述当前未知事件是否是充电启动事件或充电停止事件。

参照图2，本发明第一实施例提供一种充电能耗统计方法，所述充电能耗统计方法包括：

步骤S10，采集当前监测环境中的充电信号数据，当所述充电信号数据中出现阶跃信号时，判断是否出现充电启动事件；

需要说明的是，本实施例中的执行主体为充电能耗统计装置，可以是PC、智能手机、平板电脑、便携计算机等终端设备，所述充电能耗统计装置可以对多用电器共用的同一充电电源进行充电信号监控，主要的充电能耗统计对象为电动自行车。所述充电信号数据可以是电压和电流数据。所述出现阶跃信号的具体监控对象是有功功率，即当有功功率出现阶跃信号时，进行充电启动事件的判断。所述充电启动事件即电动自行车的充电启动事件。

步骤S20，若出现充电启动事件，则记录预设时间周期内的启动特征数据；

需要说明的是，所述预设时间周期可以是一个时间窗口、两个时间窗口或三个时间窗口等，本实施例对此不加以限制。所述启动特征数据是一定时间窗口的相关特征向量的变化趋势与情况，所述特征向量的定义如下式所示：EIG＝[PFC，THD，Pmax，Pmin，Pave，Ps，Time]，其中，EIG表示当前窗口特征集合，PFC为当前窗口内各周波点与事件发生前的功率因素平均值，THD为当前窗口内各周波点与事件发生前的电流谐波总量差的平均值，Pmax与Pmin为当前窗口内各周波点与事件发生前的有功差值最大值与最小值，Pave表示当前窗口有功功率的平均值，Ps表示当前窗口内有功功率的变化斜率，Time表示当前窗口的首个周波距离电动车启动事件的周波间隔长度。

需要说明的是，本实施例中，还包括与步骤S20并列的另一判断分支：

步骤s21，若未出现充电启动事件，则继续采集当前监测环境中的充电信号数据，并对所述充电信号数据进行动态监控。

可以理解的是，若当前导致阶跃信号出现的事件并非是电动车充电事件，则无需对其进行记录，继续执行对当前监测环境中的充电信号数据的监控即可。

步骤S30，基于所述启动特征数据输出充电波形分类结果；

本实施例中，步骤S30包括：

步骤s31，基于所述启动特征数据对当前充电波形进行分类，以得到充电波形分类结果；

步骤s32，判断所述充电波形分类结果与预设充电波形模板的相似度是否大于系统预设门限值；

步骤s33，若所述相似度大于系统预设门限值，则视为分类成功，输出所述充电波形分类结果。

需要说明的是，步骤s32之后还包括与步骤s33并列的另一判断分支：

步骤s34，若所述相似度不大于系统预设门限值，则视为分类失败，放弃所述充电波形分类结果；

步骤s35，返回所述判断是否出现充电启动事件的步骤，直至完成所述输出所述充电波形分类结果的步骤或出现充电停止事件为止。

需要说明的是，本实施例中包含若干数量的预设充电波形模板，参照图5至图10，图5至图10所示为电动车充电波形部分模板图示，其中，纵轴为有功功率，单位W，横轴为时间，单位为工频周波。

可以理解的是，通过上述步骤20中得到的各项特征向量的缓存数据对电动车充电波形进行分类，计算缓存数据与各电动车充电波形模板的相似度，取相似度最高的结果与系统预设门限值比较，若当前相似度高于门限值，则输出电动自行车充电波形分类结果，并缓存当前分类结果。否则，不做输出响应(即放弃所述充电波形分类结果)，返回步骤S20更新缓存数据，开启下一次分类，直至成功分类或出现电动车充电停止事件为止。

具体实现中，步骤s33得到的与分类模板库中相似度最高，且相似度大于阈值的类别作为当前电动车充电波形的类别，所述相似度的计算公式为：

步骤S40，动态监测所述充电信号数据，当所述充电信号数据中出现阶跃信号时，判断是否出现充电停止事件；

需要说明的是，本实施例中对于所述充电信号数据的监控是实时的，若在电动车启动事件发生后，需要对所述阶跃信号出现时的事件进行判断，但是在当前充电事件结束前只会判断当前事件是否是电动车充电停止事件，所述停止特征数据与启动特征数据类似，也是一定时间窗口的相关特征向量的变化趋势与情况，在此不再赘述。

步骤S50，若出现充电停止事件，则记录预设时间周期内的停止特征数据；

可以理解的是，若在电动车启动事件发生后，对所述阶跃信号出现时的事件的分析结果为当前事件是电动车充电停止事件，则计算分析并缓存当前事件发生时的一定时间窗口的相关特征向量的变化趋势与情况，并开始计算电动车能耗。

步骤S60，基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计。

可以理解的是，当电动车充电启动事件与电动车充电停止事件均已监测到之后，说明当前电动车已完成充电行为，此时可以对其充电能耗进行统计。

在本实施例中提供了一种充电能耗统计方法，克服了在多种用电器共同使用同一充电电源的情况下，难以对电动车的充电能耗进行统计的问题，在所述充电能耗统计方法中，通过采集当前监测环境中的充电信号数据，当所述充电信号数据中出现阶跃信号时，基于所述阶跃信号的特征捕获电动车充电启动事件和充电停止事件，并基于充电过程中的各项特征数据，在多种用电器共同使用同一充电电源的情况下，实现了对电动车的充电能耗的精准统计，提高了对于电能计算的准确度，能够帮助使用者更精确地了解其电动车的耗能情况，并获取到更详细的电动车充电信息及电动车电池与充电器的质量、寿命等情况，使得电动车使用者能够更加合理地安排电动车的充电时间，节省充电成本，进一步地还能帮助电动车使用者避开充电高峰期，提高电动车充电的安全性。

进一步的，参照图3，提出本发明充电能耗统计方法的第二实施例，基于上述图2所示的实施例，所述步骤S60之前包括：

步骤A10，当出现所述充电停止事件且分类成功时，基于所述充电波形分类结果生成分类模板，提取所述分类模板中的相应特征向量，基于所述启动特征数据获取充电启动时间点，基于所述停止特征数据获取充电停止时间点。

基于所述步骤A10，步骤S60的一种实施方式为：

步骤A20，基于所述分类模板中的相应特征向量、充电启动时间点和充电停止时间点对充电能耗进行统计。

需要说明的是，在充电分类波形成功输出时，可以得到电动自行车能耗统计的分类模板，此时对于统计充电能耗的参数选择为：分类模板中的相应特征向量、出现充电启动事件时得到的电动车充电启动时间点和出现充电停止事件时得到的电动车充电停止时间点，在成功得到分类结果时的能耗计算公式如下所示：

Energy＝P

其中，Ps表示电动车启动事件前后的功率差值，即电动车启动功率，PER表示根据模板库匹配得到的能耗占比，TIMEs表示电动车启动事件的周波时间索引，TIMEe表示电动车停止事件的周波时间点索引。ENG

本实施例中，步骤S60之前还包括：

步骤B10，当出现所述充电停止事件且分类失败时，基于所述启动特征数据获取所述充电启动特征向量，基于所述停止特征数据获取所述充电停止特征向量，基于所述启动特征数据获取充电启动时间点，基于所述停止特征数据获取充电停止时间点。

基于所述步骤B10，步骤S60的另一种实施方式为：

步骤B20，基于所述充电启动特征向量、充电停止特征向量、充电启动时间点和充电停止时间点对充电能耗进行统计。

需要说明的是，若已出现充电停止事件后，仍然没有输出充电波形分类结果，则不通过分类模板进行能耗计算，此时对于统计充电能耗的参数选择为：电动车充电启动事件相应特征向量、电动车充电结束事件相应特征量、出现充电启动事件时得到的电动车充电启动时间点和出现充电停止事件时得到的电动车充电停止时间点，未能得到分类结果的的能耗计算公式如下所示：

其中，Ps表示电动车启动事件前后的功率差值，即电动车启动功率，Pe表示电动车停止事件前后的功率差值，TIMEs表示电动车启动事件的周波时间索引，TIMEe表示电动车结束事件的周波时间点索引，i表示在电动车运行时间内的各个周波时间点索引。

在本实施例中提供了一种充电能耗统计方法，具体涉及到在电动车停止充电后，根据是否存在充电波形分类结果，提供的不同的充电能耗计算方式，基于上述内容，实现了对电动车的充电能耗的精准统计，提高了对于电能计算的准确度，能够帮助使用者更精确地了解其电动车的耗能情况，并获取到更详细的电动车充电信息及电动车电池与充电器的质量、寿命等情况，使得电动车使用者能够更加合理地安排电动车的充电时间，节省充电成本，进一步地还能帮助电动车使用者避开充电高峰期，提高电动车充电的安全性。

进一步的，参照图4，提出本发明充电能耗统计方法的第三实施例，基于上述图2和图3所示的实施例，所述步骤S10和步骤S40中当所述充电信号数据中出现阶跃信号时，判断是否出现充电启动事件或充电停止事件的步骤包括：

步骤C10，当所述充电信号数据中出现阶跃信号时，记录所述阶跃信号出现时刻前后的阶跃缓存数据；

步骤C20，根据所述阶跃缓存数据计算得出当前未知事件的特征向量；

步骤C30，根据所述特征向量进行分析，以判断所述当前未知事件是否是充电启动事件或充电停止事件。

需要说明的是，本实施例中，通过充电能耗统计实时采集所监测环境入口处电压和电流数据，当有功功率产生阶跃信号时，记录阶跃时刻前后阶跃缓存数据，所述阶跃缓存数据包括电压、电流采样数据和有功功率数值；根据记录的电压、电流采样数据和有功功率数值计算当前未知事件相关特征向量，最后对计算得到的特征向量进行分析，判断当前事件是否为电动车充电启动事件或电动车充电停止事件。

具体实现中，基于Pmax与Pmin(当前窗口内各周波点与事件发生前的有功差值最大值与最小值)，以及公式：

此外，对于所示未知特征向量的计算公式如下：

本实施例中提供了一种充电能耗统计方法，具体涉及到关于阶跃信号出现时的当前未知事件的分析，以及对应的判断方法和计算分析方式，基于上述分析，可以更为准确地捕获到充电事件中的电动车充电事件，过滤了其他电器的影响，使得最终的关于电动自行车的充电能耗统计结果更为准确有效。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有充电能耗统计程序，所述充电能耗统计程序被处理器执行时实现如下操作：

采集当前监测环境中的充电信号数据，当所述充电信号数据中出现阶跃信号时，判断是否出现充电启动事件；

若出现充电启动事件，则记录预设时间周期内的启动特征数据；

基于所述启动特征数据输出充电波形分类结果；

动态监测所述充电信号数据，当所述充电信号数据中出现阶跃信号时，判断是否出现充电停止事件；

若出现充电停止事件，则记录预设时间周期内的停止特征数据；

基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计。

进一步地，所述充电能耗统计程序被处理器执行时还实现如下操作：

所述基于所述启动特征向量数据输出充电波形分类结果的步骤包括：

基于所述启动特征数据对当前充电波形进行分类，以得到充电波形分类结果；

判断所述充电波形分类结果与预设充电波形模板的相似度是否大于系统预设门限值；

若所述相似度大于系统预设门限值，则视为分类成功，输出所述充电波形分类结果。

进一步地，所述充电能耗统计程序被处理器执行时还实现如下操作：

所述判断所述充电波形分类结果与预设充电波形模板的相似度是否大于系统预设门限值的步骤之后还包括：

若所述相似度不大于系统预设门限值，则视为分类失败，放弃所述充电波形分类结果；

返回所述判断是否出现充电启动事件的步骤，直至完成所述输出所述充电波形分类结果的步骤或出现充电停止事件为止。

进一步地，所述充电能耗统计程序被处理器执行时还实现如下操作：

所述基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计的步骤之前包括：

当出现所述充电停止事件且分类成功时，基于所述充电波形分类结果生成分类模板，提取所述分类模板中的相应特征向量，基于所述启动特征数据获取充电启动时间点，基于所述停止特征数据获取充电停止时间点。

进一步地，所述充电能耗统计程序被处理器执行时还实现如下操作：

所述基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计步骤包括：

基于所述分类模板中的相应特征向量、充电启动时间点和充电停止时间点对充电能耗进行统计。

进一步地，所述充电能耗统计程序被处理器执行时还实现如下操作：

所述基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计的步骤之前还包括：

当出现所述充电停止事件且分类失败时，基于所述启动特征数据获取所述充电启动特征向量，基于所述停止特征数据获取所述充电停止特征向量。

进一步地，所述充电能耗统计程序被处理器执行时还实现如下操作：

所述基于所述充电波形分类结果、启动特征数据和停止特征数据对充电能耗进行统计的步骤包括：

基于所述充电启动特征向量、充电停止特征向量、充电启动时间点和充电停止时间点对充电能耗进行统计。

进一步地，所述充电能耗统计程序被处理器执行时还实现如下操作：

所述当所述充电信号数据中出现阶跃信号时，判断是否出现充电启动事件或充电停止事件的步骤包括：

当所述充电信号数据中出现阶跃信号时，记录所述阶跃信号出现时刻前后的阶跃缓存数据；

根据所述阶跃缓存数据计算得出当前未知事件的特征向量；

根据所述特征向量进行分析，以判断所述当前未知事件是否是充电启动事件或充电停止事件。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。