买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京金维鸟智能系统股份有限公司申请的专利一种基于物联网的充电桩数据智能监测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120180284B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510668514.2，技术领域涉及：G06F18/2415；该发明授权一种基于物联网的充电桩数据智能监测方法及系统是由陈勇;杭栋栋;陈志博设计研发完成，并于2025-05-23向国家知识产权局提交的专利申请。

本一种基于物联网的充电桩数据智能监测方法及系统在说明书摘要公布了：本发明公开了一种基于物联网的充电桩数据智能监测方法及系统，属于动态监测技术领域；基于物联网终端，调取充电桩的设备正常运行数据日志和设备异常运行数据日志，并分别获取功率跳变时间；建立设备运行功率数据正常和异常感知跳变时间集；构建设备运行功率数据正常和异常感知跳变时间差值序列，并整理成设备运行功率数据正常和异常感知跳变时间差值向量；基于设备运行功率数据正常和异常感知跳变时间差值向量，构建二维跳变特征矩阵；基于所述二维跳变特征矩阵，计算所述充电桩出现异常的概率；预设阈值，分析并进行预警，既提升了监测准确性，又实现了系统的自适应学习与优化，有效推动了充电桩智能监测的实用化和智能化进程。

本发明授权一种基于物联网的充电桩数据智能监测方法及系统在权利要求书中公布了：1.一种基于物联网的充电桩数据智能监测方法，其特征在于，该方法包括以下步骤： 步骤S1：基于物联网终端，调取充电桩的设备正常运行数据日志和设备异常运行数据日志，并分别获取功率跳变时间；建立设备运行功率数据正常和异常感知跳变时间集； 步骤S2：分别将所述设备运行功率数据正常和异常感知跳变时间集各自包含的时间中每相连两个时间进行差值计算，构建设备运行功率数据正常和异常感知跳变时间差值序列； 步骤S3：将所述设备运行功率数据正常和异常感知跳变时间差值序列整理成设备运行功率数据正常和异常感知跳变时间差值向量；基于设备运行功率数据正常和异常感知跳变时间差值向量，构建二维跳变特征矩阵； 步骤S4：基于所述二维跳变特征矩阵，计算所述充电桩出现异常的概率；预设阈值，分析并进行预警； 所述步骤S2的具体实施过程包括： 分别将所述设备运行功率数据正常和异常感知跳变时间集各自包含的时间中每相连两个时间进行差值计算，得到设备运行功率数据正常感知跳变时间差值序列和设备运行功率数据异常感知跳变时间差值序列，分别记为TN＝{TNi|i∈[1,I]}和TAN＝{TANj|j∈[1,J]}，其中，TNi表示设备运行功率数据正常感知跳变时间集包含的时间中每相连两个时间进行差值计算的第i次差值，I表示设备运行功率数据正常感知跳变时间集包含的时间中每相连两个时间进行差值计算的差值总数，TANj表示设备运行功率数据异常感知跳变时间集包含的时间中每相连两个时间进行差值计算的第j次差值，J表示设备运行功率数据异常感知跳变时间集包含的时间中每相连两个时间进行差值计算的差值总数； 所述步骤S3的具体实施过程包括： 分别将设备运行功率数据正常感知跳变时间差值序列TN和设备运行功率数据异常感知跳变时间差值序列TAN整理成设备运行功率数据正常和异常感知跳变时间差值向量，记为和其中， 基于设备运行功率数据正常和异常感知跳变时间差值向量，构建二维跳变特征矩阵，具体如下： 其中，M表示二维跳变特征矩阵，ΔtI+J表示第I+J个差值，sI+J表示第I+J个差值的感知跳变类型，其中，若第I+J个差值ΔtI+J在设备运行功率数据正常感知跳变时间差值序列TN内，则第I+J个差值的感知跳变类型为正常感知跳变，并标记为0，若第I+J个差值ΔtI+J在设备运行功率数据异常感知跳变时间差值序列TAN内，则第I+J个差值的感知跳变类型为异常感知跳变，并标记为1； 所述步骤S4的具体实施过程包括： 基于所述二维跳变特征矩阵，计算所述充电桩出现异常的概率，计算公式如下： 其中，Δtnew表示所述充电桩当前运行功率数据对应的时间点的跳变时间差值，Pabn表示所述充电桩出现异常的概率； 预设概率阈值，若充电桩出现异常的概率Pabn大于等于所述概率阈值，则判定充电桩当前存在异常，则发出预警； 将所述充电桩当前运行功率数据对应的时间点的跳变时间差值Δtnew更新至二维跳变特征矩阵中，进行动态更新。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京金维鸟智能系统股份有限公司，其通讯地址为：210000 江苏省南京市江北新区浦珠北路133号三楼301；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。