更新时间：2026-08-15 00:03:05
已登记
详细信息
-
知识产权名称
绍兴区域电瓶车充电桩异常充电行为数据
-
登记编号
DIP2025000023440
-
申请人
喜鹊云（浙江）数字科技有限公司
-
登记类型
首次登记
-
登记有效期
3年
-
申请时间
2025-09-28 15:20:12
详细信息
-
所属行业
信息传输、软件和信息技术服务业
-
交易状态
待交易
-
数据规模
800
-
更新频次
按需更新
-
应用场景
通过收集和分析电瓶车充电桩的充电行为数据，可以实时监测异常充电事件，如用户超时占用充电桩、低电量长时间充电或重复充电等情况。该数据可供物业管理部门优化充电桩调度策略，减少空置和占用，提高充电桩使用率。同时，为第三方运营平台提供参考数据，用于异常行为预警、合理分配充电资源，以及针对高风险用户推送提醒或限制措施。此外，该数据可用于电力公司分析局部负荷情况，提前缓解电网压力，实现安全和高效的充电管理。
-
算法规则简要说明
1.数据采集：采集充电桩实时充电记录，包括用户手机号、充电开始和结束时间、充电电量及消费金额。 2.数据处理：计算充电时长T（充电结束时间减充电开始时间），判定是否超过最大允许充电时长T_max，标记超时占用o；对充电量低于阈值的记录标记l，对短时间内重复充电记录标记r；统计用户历史异常次数a。 3.算法加工：构建异常综合指数P用于量化异常行为： P = (0.35 × T（充电时长） + 0.25 × o（超时占用标记）×100 + 0.15 × l（低电量充电标记）×100 + 0.15 × r（重复充电标记）×100 + 0.10 × a（历史异常次数）×10) × s（系统系数）。 公式说明： T越长，异常可能性越高； 超时占用o=1时显著提高异常权重； 低电量充电l=1时表示不合理占用，提高警示等级； 重复充电r=1表示频繁占用，增加异常指数； 历史异常次数a多，说明用户行为风险高，综合指数随之提高； 系统系数s用于根据整体运营策略进行综合调整。 4.数据分类分级：根据P值将异常行为划分等级： P ≥ 100 高风险异常，立即通知管理方采取措施； 50 ≤ P < 100 中风险异常，生成运营报告供调度参考； P < 50 低风险异常，仅用于日常统计分析。
-
更新频次
按需更新
-
存证平台
信证链数据资产存证公证平台
