基于神经网络模型的车辆充电控制方法、装置及介质

技术领域

本公开涉及新能源汽车充电技术领域，具体地，涉及一种基于神 经网络模型的车辆充电控制方法、装置及介质。

背景技术

新能源充电桩作为新能源汽车的必要设施，为了满足新能源汽车 的充电需求，目前已在全国范围内安装了多种类型的能源充电桩，例 如，根据不同车型，不同电池类型安装不同的新能源充电桩。然而， 新能源汽车的充电需求压力并没有得到很好的缓解。

相关技术中，为了减小新能源汽车的充电需求压力，根据新能源 汽车的车辆充电信息特征与服务器内存储的车辆充电信息进行匹配， 根据匹配程度确定新能源充电的充电参数配置。

发明内容

本公开的目的是提供一种基于神经网络模型的车辆充电控制方 法、装置及介质，以解决相关技术中新能源汽车充电时充电参数配置 存在误差的问题。

为了实现上述目的，本公开第一方面提供一种基于神经网络模型 的车辆充电控制方法，应用于服务器，所述服务器分别与管辖区域内 的充电桩通信连接，包括：

根据获取的新能源车辆的充电数据以及预设可信度值计算所述 充电数据的置信度，并基于所述置信度实现所述新能源车辆的初次关 联；

基于所述新能源车辆的初次关联从根据管辖区域内的充电桩建 立的充电桩索引数据库中进行所述新能源车辆连接过的充电桩的快 速索引，完成与至少一个所述充电桩的二次关联；

对完成了所述二次关联的至少一个所述充电桩关联的第一充电 参数进行有效性判定，并将不符合所述新能源车辆的动力电池的滞回 电压而完成了所述二次关联的充电桩及其关联的第一充电参数从所 述二次关联中删除，得到对应所述新能源车辆的有效充电参数；

将所述有效充电参数，快慢速充电分界阈值以及获取的所述新能 源车辆的动力电池的当前最大容量，输入到充电参数配置模型，以确 定对应充电桩的充电参数配置，所述充电参数配置模型是通过标注有 有效充电参数、快慢速充电分界阈值和当前最大容量的样本文本，以 及所述样本文本对应的样本充电参数配置训练得到的，并将所述充电 参数配置发送到管辖区域内对应的充电桩，以使该充电桩按照所述充 电参数配置向该新能源车辆提供充电服务。

可选地，所述根据获取的新能源车辆的充电数据以及预设可信度 值计算所述充电数据的置信度，包括：

根据获取的新能源车辆的充电数据，进行特征参数提取，得到所 述特征参数随充电时间的变化率，以及所述特征参数随充电时间的分 布信息；

基于所述变化率以及变化率预设可信度值计算所述变化率的置 信度，并基于所述分布信息以及分布信息预设可信度值计算所述分布 信息的置信度，其中，所述预设可信度值包括所述变化率预设可信度 值和所述分布信息预设可信度值；

基于所述变化率的置信度和所述分布信息的置信度加权求和确 定所述充电数据的置信度。

可选地，所述根据获取的新能源车辆的充电数据，进行特征参数 提取，得到特征参数随充电时间的变化率，以及随充电时间的分布信 息，包括：

根据获取的新能源车辆的充电数据，进行特征参数提取，得到所 述特征参数随充电时间和环境温度的变化率，以及所述特征参数随充 电时间和环境温度的分布信息。

可选地，所述对完成了所述二次关联的至少一个所述充电桩关联 的第一充电参数进行有效性判定，包括：

基于至少一个所述充电桩关联的第一充电参数构建当前环境温 度以及当前新能源车辆的动力电池的电池荷电状态条件下虚拟的充 电参数仿真模型；

在所述充电参数仿真模型中，为至少一个所述充电桩关联的第一 充电参数添加对应的随充电次数变化的仿真映射节点；

将所述新能源车辆的当前电池荷电状态对应的滞回电压按照充 电时间逐一映射在所述仿真映射节点上；

将所述滞回电压的充电电压经仿真映射节点转换为虚拟的滞回 电压充电电压，所述虚拟的滞回电压充电电压经所述充电参数仿真模 型转换为修正滞回电压充电电压；

计算所述修正滞回电压充电电压与对应充电时间节点上各次充 电电压的平均值之间的第一差值，并计算所述第一差值的绝对值与对 应充电时间节点上每一次充电电压与所述平均值的第二差值的绝对 值之间的比值得到表征所述第一充电参数的有效值，并确定所述第一 充电参数的有效值是否达到预设有效阈值。

本公开第二方面提供一种基于神经网络模型的车辆充电控制装 置，应用于服务器，所述服务器分别与管辖区域内的充电桩通信连接， 包括：

第一关联模块，用于根据获取的新能源车辆的充电数据以及预设 可信度值计算所述充电数据的置信度，并基于所述置信度实现所述新 能源车辆的初次关联；

第二关联模块，用于基于所述新能源车辆的初次关联从根据管辖 区域内的充电桩建立的充电桩索引数据库中进行所述新能源车辆连 接过的充电桩的快速索引，完成与至少一个所述充电桩的二次关联；

第一参数确定模块，用于对完成了所述二次关联的至少一个所述 充电桩关联的第一充电参数进行有效性判定，并将不符合所述新能源 车辆的动力电池的滞回电压而完成了所述二次关联的充电桩及其关 联的第一充电参数从所述二次关联中删除，得到对应所述新能源车辆 的有效充电参数；

第二参数确定模块，用于将所述有效充电参数，快慢速充电分界 阈值以及获取的所述新能源车辆的动力电池的当前最大容量，输入到 充电参数配置模型，以确定对应充电桩的充电参数配置，所述充电参 数配置模型是通过标注有有效充电参数、快慢速充电分界阈值和当前 最大容量的样本文本，以及所述样本文本对应的样本充电参数配置训 练得到的，并将所述充电参数配置发送到管辖区域内对应的充电桩， 以使该充电桩按照所述充电参数配置向该新能源车辆提供充电服务。

可选地，所述第一关联模块包括：

特征参数提取子模块，用于根据获取的新能源车辆的充电数据， 进行特征参数提取，得到所述特征参数随充电时间的变化率，以及所 述特征参数随充电时间的分布信息；

第一计算子模块，用于基于所述变化率以及变化率预设可信度值 计算所述变化率的置信度，并基于所述分布信息以及分布信息预设可 信度值计算所述分布信息的置信度，其中，所述预设可信度值包括所 述变化率预设可信度值和所述分布信息预设可信度值；

置信度计算子模块，用于基于所述变化率的置信度和所述分布信 息的置信度加权求和确定所述充电数据的置信度。

可选地，所述特征参数提取子模块还用于，根据获取的新能源车 辆的充电数据，进行特征参数提取，得到所述特征参数随充电时间和 环境温度的变化率，以及所述特征参数随充电时间和环境温度的分布 信息。

可选地，所述第一参数确定模块包括：

模型构建子模块，用于基于至少一个所述充电桩关联的第一充电 参数构建当前环境温度以及当前新能源车辆的动力电池的电池荷电 状态条件下虚拟的充电参数仿真模型；

添加子模块，用于在所述充电参数仿真模型中，为至少一个所述 充电桩关联的第一充电参数添加对应的随充电次数变化的仿真映射 节点；

映射子模块，用于将所述新能源车辆的当前电池荷电状态对应的 滞回电压按照充电时间逐一映射在所述仿真映射节点上；

转换子模块，用于将所述滞回电压的充电电压经仿真映射节点转 换为虚拟的滞回电压充电电压，所述虚拟的滞回电压充电电压经所述 充电参数仿真模型转换为修正滞回电压充电电压；

第二计算子模块，用于计算所述修正滞回电压充电电压与对应充 电时间节点上各次充电电压的平均值之间的第一差值，并计算所述第 一差值的绝对值与对应充电时间节点上每一次充电电压与所述平均 值的第二差值的绝对值之间的比值得到表征所述第一充电参数的有 效值，并确定所述第一充电参数的有效值是否达到预设有效阈值。

本公开第三方面提供一种服务器，包括处理器、存储器和网络接 口。其中，存储器、网络接口处理器之间可以通过总线系统相连。网 络接口用于接收报文，存储器用于存储程序、指令或代码，处理器用 于执行存储器中的程序、指令或代码，以完成上述第一方面任一项所 述的方法。

本公开第四方面提供一种计算机可读存储介质，计算机可读存储 介质中存储有指令，当其在计算机上检测时，使得计算机执行上述第 一方面任一项所述的方法。

通过上述技术方案，至少可以达到以下技术效果：

通过获取新能源车辆的充电数据以及计算其置信度，进而完成初 次关联，并根据连接过的充电桩的第一充电参数得到新能源车辆的有 效充电参数，最终，基于神经网络模型，结合快慢速充电分界阈值及 动力电池的当前最大容量确定对应充电桩的充电参数配置。这样，可 以精确地控制动力电池的充电电流和充电电压等，可以准确地配置新 能源充电桩的充电参数有利于保护新能源汽车的动力电池，进而保证 动力电池的续航能力，有利于提高用户使用新能源充电桩给新能源汽 车充电的体验。

本公开的其他特征和优点将在随后的具体实施方式部分予以详 细说明。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部 分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公 开的限制。在附图中：

图1是根据一示例性实施例示出的一种基于神经网络模型的车 辆充电控制方法的流程图。

图2是根据一示例性实施例示出的另一种基于神经网络模型的 车辆充电控制方法的流程图。

图3是根据一示例性实施例示出的另一种基于神经网络模型的 车辆充电控制方法的流程图。

图4是根据一示例性实施例示出的一种基于神经网络模型的车 辆充电控制装置的框图。

具体实施方式

以下结合附图对本公开的具体实施方式进行详细说明。应当理解 的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用 于限制本公开。

需要说明的是，本公开的说明书和权利要求书以及附图中的术语 “第一”、“第二”等是用于区别类似的对象，而不必理解为描述特定 的顺序或先后次序。

在介绍本公开所提供的基于神经网络模型的车辆充电控制方法、 装置及介质之前，首先对本公开各实施例的应用场景进行介绍。可选 地，本公开实施环境中包括服务器，其数量可以是一个或者多个，多 个服务器可以集中配置在一个地区，也可以分散配置在多个地区，还 包括与服务器通信连接的新能源充电桩。

申请人发现，由于并没有考虑新能源汽车的动力电池在循环充电 中，动力电池的最大容量逐渐减小，新能源充电桩无法根据新能源电 池的最大容量逐渐减小调整充电参数配置。所以，在利用新能源充电 桩对新能源汽车进行充电时，必然不可避免地充电参数配置会存在误 差，这样，新能源充电桩提供的充电电流，充电电压等可能不适配当 前的动力电池状态，因而将会给新能源汽车的动力电池造成不可估量 的损害。

为此，本公开提供一种基于神经网络模型的车辆充电控制方法， 应用于服务器，所述服务器分别与管辖区域内的充电桩通信连接，参 照图1所示出的一种基于神经网络模型的车辆充电控制方法的流程 图，所述方法包括：

S101、根据获取的新能源车辆的充电数据以及预设可信度值计算 所述充电数据的置信度，并基于所述置信度实现所述新能源车辆的初 次关联。

在该实施例中，新能源电动车的车载设备与充电桩连接，例如， 新能源车辆的车载充电机与充电桩的充电枪电力连接，新能源车辆的 快充插座与充电桩的充电枪电力连接。

进一步地，服务器可以与新能源车辆的T-BOX(Telematics BOX 远程信息处理器)通讯连接，获取车辆的充电数据，也可以在新能源 车辆与管辖区域内的充电桩电力连接后，通过充电桩与新能源车辆连 接的CAN(Controller Area Network控制器局域网络)总线获取新能 源车辆的充电数据。

其中，充电数据可以是与新能源车辆充电相关的数据，例如，动 力电池的额定充电电压，动力电池的当前最大容量，动力电池的已充 电次数，新能源车辆的电池荷电状态，车载充电机的转换效率或者充 电插座的额定电压和额定电流等等。

进一步地，预设可信度值考虑传输过程中的数据误差，例如，充 电数据在CAN总线传输受噪声影响，电池管理系统检测动力电池的 电池荷电状态等效电路误差影响等等。根据充电数据类型不同，预设 可信度值也不同。

进一步地，在利用各类型充电数据对应的预设可信度值计算得到 各充电数据的置信度后，服务器与新能源车辆完成初次连接。值得说 明的是，该初次连接表示充电桩的充电枪等与新能源车辆的车载充电 设备完成电力连接并实现互锁，充电桩向服务器发送表征新能源车辆 已与该充电桩正常连接的反馈信息。

S102、基于所述新能源车辆的初次关联从根据管辖区域内的充电 桩建立的充电桩索引数据库中进行所述新能源车辆连接过的充电桩 的快速索引，完成与至少一个所述充电桩的二次关联。

具体地，在完成新能源车辆与服务器的初次关联后，服务器从充 电桩索引数据库获取管辖区域内其他充电桩对应于该新能源车辆的 充电数据。例如，以该新能源车辆的车身序列号在充电桩索引数据库 进行快速索引，查找与所述新能源车辆连接过的充电桩，并将该充电 桩关联的与所述新能源车辆对应的充电数据与该新能源车辆实现关 联，也就是上述所说的二次关联。

示例地，以该新能源车辆的车身序列号在充电桩索引数据库进行 快速索引，从服务器的充电桩索引数据库中，索引到A、B、C三个 充电桩与该新能源车辆进行过连接，完成了该新能源车辆的充电过 程，则将A、B、C三个充电桩关联的与所述新能源车辆对应的充电数据与该新能源车辆实现关联，例如，充电到各个电池荷电状态下动 力电池的充电电压数据，充电电流数据等等。这样，将新能源车辆历 史充电数据与当前获取的充电数据关联，可以提高确定动力电池充电 参数配置的精确度。

S103、对完成了所述二次关联的至少一个所述充电桩关联的第一 充电参数进行有效性判定，并将不符合所述新能源车辆的动力电池的 滞回电压而完成了所述二次关联的充电桩及其关联的第一充电参数 从所述二次关联中删除，得到对应所述新能源车辆的有效充电参数。

值得说明的是，已经与新能源车辆连接过的充电桩保存的新能源 的第一充电参数可能已经失效。举例来说，甲充电桩为新能源车辆充 电次数为第一次充电时第一充电参数，而当前新能源车辆充电次数已 经达到100次，第一次充电时的第一充电参数可能价值较小。

在该实施例中，可以根据新能源车辆的动力电池的滞回电压确定 充电桩的第一充电参数有效性的大小，进而确定充电桩的第一充电参 数是否有效。滞回电压可以通过预先实验测得，该技术特征不是本公 开的发明点，此处不再赘述。

S104、将所述有效充电参数，快慢速充电分界阈值以及获取的所 述新能源车辆的动力电池的当前最大容量，输入到充电参数配置模 型，以确定对应充电桩的充电参数配置，所述充电参数配置模型是通 过标注有有效充电参数、快慢速充电分界阈值和当前最大容量的样本 文本，以及所述样本文本对应的样本充电参数配置训练得到的，并将 所述充电参数配置发送到管辖区域内对应的充电桩，以使该充电桩按 照所述充电参数配置向该新能源车辆提供充电服务。

在该实施例中，服务器在确定新能源车辆连接的充电桩的充电参 数配置后，将该充电参数配置发送到该充电桩，以便该充电桩按照充 电参数配置对充电电压和充电电流进行配置。

可选地，服务器可以通过将充电参数配置通过打包加密发送，充 电桩接收该打包加密后的充电参数配置并将该充电参数配置进行解 密，以减小发送过程中的数据丢失，以及减少传送资源的消耗。

在步骤S101中，参照图2所示，所述根据获取的新能源车辆的 充电数据以及预设可信度值计算所述充电数据的置信度，包括：

S1011、根据获取的新能源车辆的充电数据，进行特征参数提取， 得到所述特征参数随充电时间的变化率，以及所述特征参数随充电时 间的分布信息。

具体地，对充电数据进行特征参数提取，例如，按照不同的充电 次数进行充电电压和充电电流提取，得到每一次充电的特征参数，即 每一次充电的充电电压和充电电流数据。又例如，按照不同电池荷电 状态进行充电电压和充电电流提取，得到各个电池荷电状态下充电时 的特征参数，即各个电池荷电状态下充电时的充电电压和充电电流数 据。

进一步地，对得到的特征参数按照时间的顺序，计算各个阶段的 变化率，随充电时间的分布信息。例如，计算两次充电之间，同一电 池荷电状态下相同充电时间的电池荷电状态变化率。示例地，第10 次充电时与第11次充电时，在电池荷电状态为50％时，经过半小时 的充电时间，电池荷电状态的变化率。

又例如，根据第10次的充电电压和充电电流，可以得到第10次 充电时，动力电池从开始充电到结束充电的充电电压和充电电流分布 信息。再例如，根据充电时间，得到开始充电到结束充电的电池荷电 状态随充电时间的分布信息。

可选地，可以按照预设时间段，计算得到充电电压，充电电流， 电池荷电状态等特征参数的变化率，可以使用折线图的方式，得到特 征参数的分布信息。

这样，可以得出充电数据与充电时间的关系，便于对充电参数配 置确定时，参考充电数据与充电时间的关系。

S1012、基于所述变化率以及变化率预设可信度值计算所述变化 率的置信度，并基于所述分布信息以及分布信息预设可信度值计算所 述分布信息的置信度，其中，所述预设可信度值包括所述变化率预设 可信度值和所述分布信息预设可信度值。

值得说明的是，引入变化率预设可信度值和分布信息预设可信度 值主要还是为提高变化率以及分布信息的准确度。

示例地，按照预设时间间隔计算得到每一次充电的特征参数变化 率，并与变化率预设可信度值相乘，得到变化率的置信度，可选地， 可以判断得到的置信度是否超过预设特征参数范围，舍弃掉超过预设 特征参数范围的特征参数。

例如，按照预设时间间隔10分钟计算每一次充电电压的变化率， 进一步地，将每一次充电电压的变化率与充电电压变化率预设可信度 值相乘，得到每一次间隔10分钟充电电压变化率的置信度。又例如， 按照预设时间间隔10分钟计算电池荷电状态的变化率，进一步地， 将电池荷电状态的变化率与充电电压变化率预设可信度值相乘，得到 每一次间隔10分钟电池荷电状态变化率的置信度。

S1013、基于所述变化率的置信度和所述分布信息的置信度加权 求和确定所述充电数据的置信度。

经试验测得，在变化率的置信度所占的比例大于分布信息的置信 度所占的比例的情况下，得到的数据稳定性更高。因此，在该实施例 中，设定变化率的置信度所占的比例大于分布信息的置信度所占的比 例。

在步骤S101中，所述根据获取的新能源车辆的充电数据，进行 特征参数提取，得到特征参数随充电时间的变化率，以及随充电时间 的分布信息，包括：

根据获取的新能源车辆的充电数据，进行特征参数提取，得到所 述特征参数随充电时间和环境温度的变化率，以及所述特征参数随充 电时间和环境温度的分布信息。

在该实施例中，考虑了环境温度对特征参数随时间变化的影响， 因此，可以建立三维坐标系，确定例如每一次充电电压，充电电流随 时间以及环境温度变化时的变化率，以及分布信息。原理上与前述实 施例相同，此处不再赘述。

在步骤S103中，参照图3所示，所述对完成了所述二次关联的 至少一个所述充电桩关联的第一充电参数进行有效性判定，包括：

S1031、基于至少一个所述充电桩关联的第一充电参数构建当前 环境温度以及当前新能源车辆的动力电池的电池荷电状态条件下虚 拟的充电参数仿真模型。

在该实施例中，服务器以当前新能源车辆所处的环境的环境温度 和动力电池当前的电池荷电状态建立虚拟的充电参数仿真模型，在该 虚拟的充电参数仿真模型中，模拟若以某一充电电压或者充电电流接 入基于神经网络模型的车辆充电控制，便于得出当前环境温度和动力 电池当前的电池荷电状态对应的充电情况。

可以理解的是，在虚拟的充电参数仿真模型，提供的模拟充电电 压和充电电流根据动力电池本身特性而定，例如，以出厂设置的最大 容量百分之百，从电池电量为0充电到电量达到最大，建立模拟充电 电压和模拟充电电流。

S1032、在所述充电参数仿真模型中，为至少一个所述充电桩关 联的第一充电参数添加对应的随充电次数变化的仿真映射节点。

进一步地，在虚拟模型的各个仿真节点上，将上述得到的充电桩 的第一充电参数配置映射到对应的仿真映射节点上。例如，将第10 次充电时，电量从20％充到动力电池最大容量的充电电压按照时间顺 序映射到虚拟的充电参数仿真模型的仿真映射节点。同样，将其余充 电次数的对应从20％充到动力电池最大容量的充电电压也按照时间 顺序映射到虚拟的充电参数仿真模型的仿真映射节点。充电电流原理 相同，此处不再赘述。

S1033、将所述新能源车辆的当前电池荷电状态对应的滞回电压 按照充电时间逐一映射在所述仿真映射节点上。

进一步地，将新能源车辆的从当前电池荷电状态充电到某一电池 荷电状态的滞回电压也按照充电时间顺序映射在仿真映射节点上。例 如，当前电池荷电状态为20％，当前最大容量为96％，则将滞回电压 的充电电压从20％到96％按照充电时间逐一映射在所述仿真映射节 点上。这样，可以得到各个电池荷电状态下，对应每一次的充电电压， 例如，电池荷电状态为20％时，每一次充电的充电电压。充电电流同 理。

S1034、将所述滞回电压的充电电压经仿真映射节点转换为虚拟 的滞回电压充电电压，所述虚拟的滞回电压充电电压经所述充电参数 仿真模型转换为修正滞回电压充电电压。

具体地，将滞回电压的充电电压经仿真映射节点上滞回电压转换 为虚拟的滞回充电电压，再将虚拟的滞回电压充电电压经参数仿真模 型的误差分析后转换为修正滞回电压充电电压。

S1035、计算所述修正滞回电压充电电压与对应充电时间节点上 各次充电电压的平均值之间的第一差值，并计算所述第一差值的绝对 值与对应充电时间节点上每一次充电电压与所述平均值的第二差值 的绝对值之间的比值得到表征所述第一充电参数的有效值，并确定所 述第一充电参数的有效值是否超过预设有效阈值。

具体地，首先在计算所有充电次数的充电电压平均值，进一步地， 用修正滞回电压充电电压减去该平均值得到第一差值，再进一步地， 计算对应充电时间节点上每一次充电电压与所述平均值的第二差值， 计算第一差值绝对值与第二差值绝对值之间的比值得到表征所述第 一充电参数的有效值。

例如，计算得到目前情况下所有充电次数的充电电压平均值为460V，得到修正滞回电压充电电压为462V，计算得到它们之间的第 一差值为2V。

进一步地，假设充电了3次，对应充电时间节点上充电电压分别 分462V，455V，466V，则计算对应充电时间节点上每一次充电电压 与所述平均值的第二差值分别为2V，-5V，6V。

进一步地，计算第一差值的绝对值与第二差值的绝对值之间的比 值分别为1，0.4，1/3，即三次充电充电时间节点上第一充电参数的 有效值分别为1，0.4和1/3。

进一步地，确定所述第一充电参数的有效值是否超过预设有效阈 值，第一充电参数的有效值超过预设有效阈值，则第一充电参数的有 效值为有效，对应的充电桩在对应充电时间节点上具有有效性，第一 充电参数的有效值未超过预设有效阈值，则第一充电参数的有效值为 无效，对应的充电桩在对应充电时间节点上具有无效性。

以上述实施例为例，若预设有效阈值为0.5，即第一充电参数的 有效值1超过预设有效阈值0.5，则第一充电参数的有效值为有效， 对应的充电桩在对应充电时间节点上具有有效性，第一充电参数的有 效值0.4和1/3未超过预设有效阈值0.5，则第一充电参数的有效值为 无效，对应的充电桩在对应充电时间节点上具有无效性。

本公开还提供一种基于神经网络模型的车辆充电控制装置，应用于服务器，所述服务器分别 与管辖区域内的充电桩通信连接，参照图4所示出的另一种基于神经网络模型的车辆充电控 制装置的框图，所述基于神经网络模型的车辆充电控制装置100包括：第一关联模块110， 第二关联模块120，第一参数确定模块130，第二参数确定模块140。

第一关联模块110，用于根据获取的新能源车辆的充电数据以及 预设可信度值计算所述充电数据的置信度，并基于所述置信度实现所 述新能源车辆的初次关联；

第二关联模块120，用于基于所述新能源车辆的初次关联从根据 管辖区域内的充电桩建立的充电桩索引数据库中进行所述新能源车 辆连接过的充电桩的快速索引，完成与至少一个所述充电桩的二次关 联；

第一参数确定模块130，用于对完成了所述二次关联的至少一个 所述充电桩关联的第一充电参数进行有效性判定，并将不符合所述新 能源车辆的动力电池的滞回电压而完成了所述二次关联的充电桩及 其关联的第一充电参数从所述二次关联中删除，得到对应所述新能源 车辆的有效充电参数；

第二参数确定模块140，用于将所述有效充电参数，快慢速充电 分界阈值以及获取的所述新能源车辆的动力电池的当前最大容量，输 入到充电参数配置模型，以确定对应充电桩的充电参数配置，所述充 电参数配置模型是通过标注有有效充电参数、快慢速充电分界阈值和 当前最大容量的样本文本，以及所述样本文本对应的样本充电参数配 置训练得到的，并将所述充电参数配置发送到管辖区域内对应的充电 桩，以使该充电桩按照所述充电参数配置向该新能源车辆提供充电服 务。

可选地，所述第一关联模块110包括：

特征参数提取子模块，用于根据获取的新能源车辆的充电数据， 进行特征参数提取，得到所述特征参数随充电时间的变化率，以及所 述特征参数随充电时间的分布信息；

第一计算子模块，用于基于所述变化率以及变化率预设可信度值 计算所述变化率的置信度，并基于所述分布信息以及分布信息预设可 信度值计算所述分布信息的置信度，其中，所述预设可信度值包括所 述变化率预设可信度值和所述分布信息预设可信度值；

置信度计算子模块，用于基于所述变化率的置信度和所述分布信 息的置信度加权求和确定所述充电数据的置信度。

可选地，所述特征参数提取子模块还用于，根据获取的新能源车 辆的充电数据，进行特征参数提取，得到所述特征参数随充电时间和 环境温度的变化率，以及所述特征参数随充电时间和环境温度的分布 信息。

可选地，所述第一参数确定模块130包括：

模型构建子模块，用于基于至少一个所述充电桩关联的第一充电 参数构建当前环境温度以及当前新能源车辆的动力电池的电池荷电 状态条件下虚拟的充电参数仿真模型；

添加子模块，用于在所述充电参数仿真模型中，为至少一个所述 充电桩关联的第一充电参数添加对应的随充电次数变化的仿真映射 节点；

映射子模块，用于将所述新能源车辆的当前电池荷电状态对应的 滞回电压按照充电时间逐一映射在所述仿真映射节点上；

转换子模块，用于将所述滞回电压的充电电压经仿真映射节点转 换为虚拟的滞回电压充电电压，所述虚拟的滞回电压充电电压经所述 充电参数仿真模型转换为修正滞回电压充电电压；

第二计算子模块，用于计算所述修正滞回电压充电电压与对应充 电时间节点上各次充电电压的平均值之间的第一差值，并计算所述第 一差值的绝对值与对应充电时间节点上每一次充电电压与所述平均 值的第二差值的绝对值之间的比值得到表征所述第一充电参数的有 效值，并确定所述第一充电参数的有效值是否达到预设有效阈值。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已 经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说 明。

本公开还提供一种服务器，包括处理器、存储器和网络接口。其 中，存储器、网络接口处理器之间可以通过总线系统相连。网络接口 用于接收报文，存储器用于存储程序、指令或代码，处理器用于执行 存储器中的程序、指令或代码，以完成上述任一项所述的方法。

本公开还提供一种计算机可读存储介质，计算机可读存储介质中 存储有指令，当其在计算机上检测时，使得计算机执行上述任一项所 述的方法。

此外，值得说明的是，为描述的方便和简洁，说明书中所描述的 实施例均属于优选实施例，其所涉及的部分并不一定是本发明所必须 的，例如，在具体实施时上述第一参数确定模块和第二参数确定模块， 也可以是同一个执行模块，以执行上述方法中的步骤，本公开对此不 作限定。

以上结合附图详细描述了本公开的优选实施方式，但是，本公开 并不限于上述实施方式中的具体细节，在本公开的技术构思范围内， 可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本 公开的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技 术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为 了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。

此外，本公开的各种不同的实施方式之间也可以进行任意组合， 只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。