充电枪的泄露电流测试方法、装置、设备及存储介质与流程

本发明涉及充电测试，尤其涉及一种充电枪的泄露电流测试方法、装置、设备及存储介质。

背景技术：

1、随着电动汽车的普及，充电基础设施的需求不断增加。充电枪是电动汽车与充电桩之间的关键连接部件。确保充电枪的安全性和可靠性对电动汽车的用户和充电设施的运营商至关重要。电流泄露是指充电枪在充电过程中意外泄露电流，导致电击危险、设备损坏、火灾等严重后果。因此，及早发现和解决电流泄露问题对充电设备的安全至关重要。

2、随着技术的发展，充电设备的监测和维护越来越趋向自动化和智能化。通过机器学习和数据分析等技术，可以实现对充电枪的实时监测，及时发现潜在问题，但是现有方案的准确率较低。

技术实现思路

1、本发明提供了一种充电枪的泄露电流测试方法、装置、设备及存储介质，用于提高充电枪的泄露电流测试准确率并且提高充电枪电流泄露接口异常定位的准确率。

2、本发明第一方面提供了一种充电枪的泄露电流测试方法，所述充电枪的泄露电流测试方法包括：

3、基于多个不同的测试电压对目标充电枪进行电流测试，得到每个测试电压的充电工况数据；

4、将所述充电工况数据输入预置的主成分特征提取模型进行工况特征提取，得到每个测试电压的工况敏感特征集合；

5、对所述工况敏感特征集合进行离散化处理，得到每个测试电压的离散化工况特征；

6、对所述离散化工况特征进行特征编码，得到每个测试电压的编码特征向量；

7、将每个测试电压的编码特征向量输入预置的电流异常检测模型进行电流异常检测，得到每个测试电压的电流异常检测数据；

8、将所述电流异常检测数据输入预置的贝叶斯网络进行充电枪电流泄露接口分析，得到泄露电流测试结果。

9、结合第一方面，在本发明第一方面的第一种实现方式中，所述基于多个不同的测试电压对目标充电枪进行电流测试，得到每个测试电压的充电工况数据，包括：

10、获取目标充电枪的充电枪设计参数数据，并根据所述充电枪设计参数数据确定电压测试范围；

11、对所述电压测试范围进行电压分段，得到标准电压充电段、高电压充电段以及低电压充电段；

12、根据所述标准电压充电段、所述高电压充电段以及所述低电压充电段确定多个不同的测试电压；

13、根据所述多个不同的测试电压对所述目标充电枪进行电流测试，并通过预置的数据采集系统对所述目标充电枪进行测试数据采集，得到初始测试数据集合；

14、对所述初始测试数据集合进行噪声去除和校准，得到目标测试数据集合；

15、将所述目标测试数据集合映射到预置的目标数据空间，并根据所述多个不同的测试电压确定多个数据聚类中心；

16、在所述目标数据空间中，对所述多个数据聚类中心进行数据点聚类分析，输出每个测试电压的充电工况数据。

17、结合第一方面，在本发明第一方面的第二种实现方式中，所述将所述充电工况数据输入预置的主成分特征提取模型进行工况特征提取，得到每个测试电压的工况敏感特征集合，包括：

18、对每个测试电压的充电工况数据进行数据矩阵转换，得到每个测试电压的初始工况数据矩阵；

19、对所述初始工况数据矩阵进行中心化处理，得到每个测试电压的目标工况数据矩阵；

20、计算每个目标工况数据矩阵对应的协方差矩阵，并对所述协方差矩阵进行特征值分解，得到每个测试电压的特征值以及特征向量；

21、对所述特征值进行排序，得到目标特征值序列，并根据所述目标特征值序列选取每个测试电压的主成分特征；

22、根据所述主成分特征对每个测试电压的充电工况数据进行主成分投影以及数据降维，得到每个测试电压的工况敏感特征集合。

23、结合第一方面，在本发明第一方面的第三种实现方式中，所述对所述工况敏感特征集合进行离散化处理，得到每个测试电压的离散化工况特征，包括：

24、计算所述工况敏感特征集合中每个特征的最大值和最小值，得到对应的特征值范围；

25、确定所述工况敏感特征集合对应的k值，并根据所述k值和所述特征值范围计算每个离散区间的区间宽度；

26、根据所述区间宽度，对所述工况敏感特征集合进行离散区间划分，得到k个离散区间；

27、获取所述工况敏感特征集合中每个特征的值，并计算每个特征的值与所述最小值的偏移量；

28、将所述偏移量除以所述区间宽度，确定每个特征对应的离散区间，并根据每个特征对应的离散区间进行分桶处理，得到每个测试电压的离散化工况特征。

29、结合第一方面，在本发明第一方面的第四种实现方式中，所述对所述离散化工况特征进行特征编码，得到每个测试电压的编码特征向量，包括：

30、创建所述离散化工况特征的编码映射关系，并根据所述编码映射关系对所述离散化工况特征进行特征编码，得到每个离散化工况特征的特征编码值；

31、对每个离散化工况特征的特征编码值进行时序信息关联处理，得到时序关联编码值；

32、对所述时序关联编码值进行编码特征组合和向量转换，得到每个测试电压的初始特征向量；

33、对每个测试电压的初始特征向量进行标准化处理，得到每个测试电压的编码特征向量。

34、结合第一方面，在本发明第一方面的第五种实现方式中，所述将每个测试电压的编码特征向量输入预置的电流异常检测模型进行电流异常检测，得到每个测试电压的电流异常检测数据，包括：

35、将每个测试电压的编码特征向量输入预置的电流异常检测模型，其中，所述电流异常检测模型包括：编码器、解码器、全连接层和反归一化层；

36、通过所述编码器接收每个测试电压的编码特征向量，并通过所述编码器中的双向长短时记忆网络对所述编码特征向量进行隐藏特征提取，得到隐藏特征向量；

37、通过所述解码器中的单向长短时记忆网络对所述隐藏特征向量进行特征还原，得到目标特征向量；

38、将所述目标特征向量输入所述全连接层进行高维特征提取，得到高维特征向量；

39、通过所述反归一化层对所述高维特征向量进行特征运算，输出每个测试电压的电流异常检测数据。

40、结合第一方面，在本发明第一方面的第六种实现方式中，所述将所述电流异常检测数据输入预置的贝叶斯网络进行充电枪电流泄露接口分析，得到泄露电流测试结果，包括：

41、基于预设的电流异常知识库，构建充电枪电流泄露接口的异常因素和概率分布；

42、根据所述充电枪电流泄露接口的异常因素和概率分布，构建贝叶斯网络；

43、将所述电流异常检测数据输入所述贝叶斯网络，并通过所述贝叶斯网络中的有向无环图对所述电流异常检测数据进行异常节点提取，得到目标异常节点；

44、对所述目标异常节点进行充电枪电流泄露接口分析，得到泄露电流测试结果。

45、本发明第二方面提供了一种充电枪的泄露电流测试装置，所述充电枪的泄露电流测试装置包括：

46、测试模块，用于基于多个不同的测试电压对目标充电枪进行电流测试，得到每个测试电压的充电工况数据；

47、提取模块，用于将所述充电工况数据输入预置的主成分特征提取模型进行工况特征提取，得到每个测试电压的工况敏感特征集合；

48、离散模块，用于对所述工况敏感特征集合进行离散化处理，得到每个测试电压的离散化工况特征；

49、编码模块，用于对所述离散化工况特征进行特征编码，得到每个测试电压的编码特征向量；

50、检测模块，用于将每个测试电压的编码特征向量输入预置的电流异常检测模型进行电流异常检测，得到每个测试电压的电流异常检测数据；

51、分析模块，用于将所述电流异常检测数据输入预置的贝叶斯网络进行充电枪电流泄露接口分析，得到泄露电流测试结果。

52、本发明第三方面提供了一种充电枪的泄露电流测试设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述充电枪的泄露电流测试设备执行上述的充电枪的泄露电流测试方法。

53、本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的充电枪的泄露电流测试方法。

54、本发明提供的技术方案中，对目标充电枪进行电流测试，得到充电工况数据；将充电工况数据输入主成分特征提取模型进行工况特征提取，得到工况敏感特征集合；对工况敏感特征集合进行离散化处理，得到离散化工况特征；对离散化工况特征进行特征编码，得到编码特征向量；将每个测试电压的编码特征向量输入电流异常检测模型进行电流异常检测，得到每个测试电压的电流异常检测数据；将电流异常检测数据输入预置的贝叶斯网络进行充电枪电流泄露接口分析，得到泄露电流测试结果，本发明通过多电压充电测试、特征提取和电流异常检测步骤，有效地检测电流泄露问题，采用了自动化的数据采集和分析技术，使得充电设备的检测过程更为高效和实时。实时监测允许及时响应潜在问题，提高了维护和管理的效率。通过在不同电压下进行充电测试，考虑了充电工况的多样性，能够适应不同充电场景，包括标准电压、高电压和低电压，提高了测试的全面性和准确性。充分利用了大量的充电工况数据，通过机器学习和贝叶斯网络等技术，实现了数据驱动的电流异常检测和分析更准确的泄露电流测试结果，进而提高了充电枪的泄露电流测试准确率，并且提高了充电枪电流泄露接口异常定位的准确率。