本发明针对现有充电桩监测模块故障导致数据失真、安全隐患等问题，提出基于大数据的监控方案。通过采集监测模块的反馈参数和负载参数，经归一化处理生成隐蔽系数，与预设阈值比对生成潜伏/可观信号，并通过多次采集计算平均值和振荡值，结合阈值判断生成一致/观察信号，实现对充电桩运行状态的精准监控，提升系统稳定性与安全性。

　　本发明涉及充电桩，更具体地说，本发明涉及一种基于大数据的充电桩监控系统。

　　1、随着新能源汽车的大量上市，作为配套设施，充电桩对新能源汽车的重要性在于为电动汽车提供充电服务，使得电动汽车能够方便地获取能源并延长行驶里程，推动电动汽车的普及和发展，没有充电桩的支持，电动汽车的使用范围将受到限制，用户可能会面临充电不便和里程焦虑等问题。因此，充电桩的建设和完善对于推动新能源汽车产业的发展至关重要。充电桩的充电状态直接影响汽车电池的使用寿命。在充电过程中，电池会经历充电、放电和休息等多个阶段，不同的充电状态对电池产生不同程度的影响。

　　2、因此，对充电桩进行监控很有必要，以确保充电过程的安全性和稳定性，避免对电池造成损害。现有的充电桩通常通过内置的监测模块对充电过程进行监测，以确保充电的稳定性和安全性。然而，监测模块本身也存在发生故障的可能性，而传统的措施通常未对此进行监测，这可能导致通过监测模块所获得的数据并不准确，甚至可能误导系统，提供错误的决策信息。

　　3、1.监测模块故障会导致未能及时发现充电过程中的异常情况，如电池过热、电流异常等。这可能使充电系统在未察觉异常的情况下继续运行，增加火灾或其他安全事故的风险；

　　4、2.监测模块故障会导致无法准确了解充电桩和车辆的实际状态，从而无法根据实际需求调整充电功率或电压。这可能导致充电效率降低，增加充电时间和能源浪费；

　　5、3.错误的决策信息会导致充电桩输出不适当的充电功率或充电电流，进而对电池造成过度充电或充电不足。长期以来，这可能会降低电池寿命，缩短电池的使用寿命；

　　6、4.监测模块故障本身也会导致充电桩的故障，使充电桩无法正常工作，影响充电服务的可用性；

　　7、5.数据不准确会导致充电过程中的问题，如充电中断、充电速率波动等，影响用户体验，降低用户对充电桩的信任。

　　1、为了克服现有技术的上述缺陷，本发明的实施例提供，采集充电桩内置监测模块的反馈参数和负载参数，并经过归一化得到隐蔽系数，将隐蔽系数与预设的隐蔽阈值进行比较，生成潜伏信号或可观信号。进一步，对于生成可观信号的监测模块，多次采集其隐蔽系数，计算平均值和振荡值，并与对应的平均阈值和振动阈值进行比较，从而生成一致信号或观察信号，有助于提高充电桩监控系统的稳定性和可靠性，确保充电桩长时间稳定运行，以解决上述背景技术中提出的问题。

　　2、为实现上述目的，本发明提供如下技术方案：包括数据获取单元、构建模型单元、分析判断单元、总结分析单元；

　　3、数据获取单元用于采集充电桩内置监测模块的反馈参数和负载参数，将反馈参数和负载参数发送至构建模型单元；

　　4、构建模型单元用于将反馈参数和负载参数经过归一得到隐蔽系数，将隐蔽系数发送至分析判断单元；

　　5、分析判断单元用于将隐蔽系数和隐蔽阈值进行比较，若隐蔽系数大于等于隐蔽阈值，生成潜伏信号，若隐蔽系数小于隐蔽阈值，生成可观信号；

　　6、总结分析单元用于针对分析判断单元判断生成为可观信号，多次采集生成可观信号的监测模块的隐蔽系数，计算隐蔽系数的平均值和振荡值，将平均值、振动值和对应的平均阈值、振动阈值进行比较，根据比较结果生成一致信号、观察信号。

　　7、在一个优选的实施方式中，反馈参数包括心跳异常比，负载参数包括载能量指数。

　　9、步骤s11：在单位时间内，心跳采集器采买球平台集监测模块的心跳信号数据，并统计心跳缺失的次数和总心跳次数，并计算心跳缺失率，计算公式为：心跳缺失率＝心跳缺失次数/总心跳次数；

　　10、步骤s12：将心跳缺失率与事先设定的阈值进行比较，若心跳缺失率大于阈值，则将其标记为异常；

　　11、步骤s13：当发现异常时，记录异常的时间戳a，然后在整个运行周期内继续监测心跳信号，当心跳信号恢复正常后，记录恢复的时间戳b；

　　12、步骤s14：使用记录的异常间隔时间和正常间隔时间，正常间隔时间与异常间隔时间的比值，即心跳异常比，计算公式为：心跳异常比＝正常间隔时间/异常间隔时间。

　　14、步骤s21：在每次充电过程中，以固定的时间间隔监测模块的内存使用量，并记录下来；

　　15、步骤s22：根据记录的内存使用量数据，绘制出内存使用量随时间变化的曲线：在绘制的图中，找到内存使用量超过设定阈值的部分，计算该部分图形所围成的面积，计算公式为：超过阈值的面积＝σ(内存使用量-阈值)*时间间隔；

　　17、步骤s24：计算整个内存使用量图形所围成的面积，计算公式为：总面积＝σ(内存使用量)*时间间隔；

　　18、步骤s25：将步骤3中计算得到的超过阈值的面积除以步骤4中计算得到的总面积，得到超过阈值的面积占总面积的比值，即载能量指数，计算公式w为：载能量指数＝超过阈值的面积/总面积。

　　20、步骤s31：针对分析判断单元判断生成为可观信号，在t时间内，多次采集监测模块的隐蔽系数，得到一系列隐蔽系数值；

　　21、步骤s32：将所有采集的隐蔽系数值相加，再除以采集的次数得到平均值；

　　23、步骤s33：若平均值小于等于平均阈值，并且振荡值小于等于振动阈值，生成一致信号；反之，生成观察信号。

　　25、1.发明通过监测心跳异常比和载能量指数，了解监测模块的运行情况，不仅关注其稳定性，也考虑了负载程度。隐蔽系数的归一化处理使得不同尺度下的数据可以进行比较和评估，确保了评估的准确性。通过与隐蔽阈值进行比较，发现了监测模块可能存在的问题，生成了相应的潜伏信号或可观信号，从而及时发现异常并采取相应措施进行优化和调整，确保监测系统的稳定运行；

　　26、2.通过多次采集隐蔽系数值并求平均值，有效地综合考虑监测模块的稳定性和负载情况。能够更全面地反映监测模块的运行状态，避免了单次采集数据可能的偶然性影响；计算振荡值可以精确判断监测模块隐蔽系数的波动性，即数据的稳定性。如果振荡值小于等于振动阈值，说明数据的波动性较小，系统运行相对稳定。相反，如果振荡值超过振动阈值，表示数据波动较大，可能存在潜在问题；计算振荡值可以精确判断监测模块隐蔽系数的波动性，即数据的稳定性。如果振荡值小于等于振动阈值，说明数据的波动性较小，系统运行相对稳定。相反，如果振荡值超过振动阈值，表示数据波动较大，可能存在潜在问题；准确评估隐蔽系数和波动性，以及根据评估结果生成一致信号或观察信号，能够帮助系统管理员快速发现并解决潜在的故障和问题，提高充电桩监控系统的可靠性和稳定性，保障用户充电体验和安全。

　　针对现有充电桩监控系统无法有效识别车辆非充电占用及充电后滞留问题，提出基于图像数据处理的远程监控方案。通过占用分析模块识别异常占用状态，干涉分析模块判断占用与充电高峰重合情况，管控分析模块结合...

　　针对充电桩分布广、人工检测效率低的问题，提出基于GPRS和IEC104协议的组网方案。通过充电桩与DTU通信，将数据经移动网络传输至数据中心，再由监控服务器解析并存储，实现远程实时监控与数据交...

　　1.智能驾驶技术研究 2.智能汽车人机交互研究 3.自动驾驶预期功能安全及可靠性 4.驾驶功能与车辆动力学数据融合 5.驾驶场景大数据分析技术 6.车辆性能研究

　　1.新能源汽车电驱动技术 2.轮毂电机驱动与控制 3.开关磁阻电机驱动系统控制 4.智能电动汽车

　　1.内燃机节能及排放控制技术   2.汽车节能与新能源汽车技术   3. 车辆现代设计理论与方法