新能源设备的健康状况测评方法、装置、介质及提示终端与流程

1.本技术涉及新能源技术领域，特别是涉及一种新能源设备的健康状况测评方法、装置、介质及提示终端。


背景技术：

2.本技术中提到的新能源设备为通过电池提供动能的设备，例如，使用电池的汽车，下文中称之为电动汽车。随着新能源设备的飞速发展，电池的充电技术越来越受到关注，其中充电的安全性更是关注的重点。
3.为了防止电池在充电过程中，由于电池温度过高等因素造成充电事故，通常是厂家对电池进行测试实验，通过测试实验得到电池的安全充电的各变量的安全阈值，并写入电池管理系统(bms)。在充电过程中，比较电池当前参数与所设定的安全阈值的大小关系来确定电池充电是否有异常。
4.很显然，上述方法只能识别出充电异常，而具体异常程度如何无法判断，所以对于用户来说，并不能确定动力蓄电池的健康状况，所以给后续的使用带来诸多不确定性因素，用户体验感差。此外，测试实验所得到的安全阈值通常是固定，而随着电池性能的变化，所对应的阈值也在不断变化，如果以一个固定的安全阈值作为异常判断标准必然导致判断结果不准确。并且，现有的安全阈值通常是量化一个静态特征，例如，动力蓄电池的温度，而不考虑变量的动态发展，故无法及时识别出充电异常。
5.由此可见，如何测评新能源设备的动力蓄电池的健康状况以及准确及时识别出充电异常是本领域技术人员亟待解决的问题。


技术实现要素：

6.本技术的目的是提供一种新能源设备的健康状况测评方法、装置、介质及提示终端，用于测评新能源设备的动力蓄电池的健康状况以及准确及时识别出充电异常。
7.为解决上述技术问题，本技术提供一种新能源设备的健康状况测评方法，包括：
8.确定待检测新能源设备的类型；
9.选择所述类型下的多个新能源设备集作为分析对象；
10.获取所述分析对象在预设时间范围内、与所述分析对象匹配的一次参考充电过程数据，所述一次参考充电过程数据为所述分析对象在充电过程中所产生的数据；
11.根据所述一次参考充电过程数据计算各变量对应的用于表征变量变化趋势的二次参考充电过程数据；
12.根据所述待检测新能源设备的一次实际充电过程数据计算各变量对应的用于表征变量变化趋势的二次实际充电过程数据；其中，所述一次实际充电过程数据为在所述待检测新能源设备当前充电过程中所产生的数据；
13.基于所述一次参考充电过程数据和所述二次参考充电过程数据与时间的对应关系，利用异常检测方法确定所述一次参考充电过程数据和所述二次参考充电过程数据各自
对应的第一安全阈值和第二安全阈值，所述第一安全阈值和所述第二安全阈值用于作为比较对象分别与所述待检测新能源设备的一次实际充电过程数据和二次实际充电过程数据进行比较，以确定所述待检测新能源设备充电异常；
14.根据预设的偏离程度与健康状况的对应关系，确定所述一次实际充电过程数据与所述一次安全阈值的偏离程度和所述二次实际充电过程数据与所述二次安全阈值的偏离程度所对应的健康状况。
15.优选地，所述选择所述类型下的多个新能源设备集作为分析对象，包括：
16.选择所述类型下的同区域和/或同车龄的多个新能源设备作为所述分析对象。
17.优选地，所述基于所述一次参考充电过程数据和所述二次参考充电过程数据与时间的对应关系，利用异常检测方法确定所述一次参考充电过程数据和所述二次参考充电过程数据各自对应的第一安全阈值和第二安全阈值包括：
18.利用统计学分析方法或聚类分析方法确定所述一次参考充电过程数据中各所述变量对应的所述一次安全阈值和所述二次参考充电过程数据中各所述变量对应的所述二次安全阈值。
19.优选地，所述统计学分析方法包括正态分布统计方法和均值法，所述聚类分析方法包括高斯混合聚类方法。
20.优选地，所述获取所述分析对象在预设时间范围内、与所述分析对象匹配的一次参考充电过程数据，包括：
21.获取所述分析对象在预设时间范围内、与所述分析对象匹配的多个目标充电订单；
22.从各所述目标充电订单中提取所述一次参考充电过程数据。
23.优选地，所述根据预设的偏离程度与健康状况的对应关系，确定所述一次实际充电过程数据与所述一次安全阈值的偏离程度和所述二次实际充电过程数据与所述二次安全阈值的偏离程度所对应的健康状况包括：
24.获取所述待检测新能源设备的预定时间内的多个历史充电订单；
25.从各所述历史充电订单中获取一次历史充电过程数据，并计算所述一次历史充电过程数据中各变量对应的平均值以作为一次实际平均值；
26.计算所述一次参考充电过程数据在所述预定时间内各变量对应的一次参考平均值；
27.确定同一变量对应的所述一次实际平均值与所述一次安全阈值的一次变量偏离度；
28.依据预先设定的变量偏离度与健康等级的对应关系确定所述一次变量偏离度对应的一次实际健康等级；
29.根据所述一次历史充电过程数据计算各变量对应的用于表征变量变化趋势的二次历史充电过程数据；
30.计算所述二次历史充电过程数据中各变量对应的平均值以作为二次实际平均值；
31.计算所述二次参考充电过程数据在所述预定时间内各变量对应的二次参考平均值；
32.确定同一变量对应的所述二次实际平均值与所述二次安全阈值的二次变量偏离
度；
33.依据预先设定变量偏离度与健康等级的对应关系确定所述二次变量偏离度对应的二次实际健康等级；
34.根据所述一次实际健康等级和所述二次实际健康等级确定所述待检测新能源设备的健康状况。
35.优选地，所述根据预设的偏离程度与健康状况的对应关系，确定所述一次实际充电过程数据与所述一次安全阈值的偏离程度和所述二次实际充电过程数据与所述二次安全阈值的偏离程度所对应的健康状况包括：
36.依据预先设定的各变量对应的一次打分模型确定所述一次实际充电过程数据中各变量的一次实际得分数据；
37.依据预先设定的得分数据与健康等级的对应关系确定所述一次实际得分数据对应的一次实际健康等级；
38.依据预先设定的各变量对应的二次打分模型确定所述二次实际充电过程数据中各变量的二次实际得分数据；
39.依据预先设定的得分数据与健康等级的对应关系确定所述二次实际得分数据对应的二次实际健康等级；
40.其中，所述一次打分模型的建立过程包括如下步骤：
41.依据所述一次参考充电过程数据中各变量对应的平均值和方差所组成的多个区间范围进行区间划分；
42.依据各变量的实际值与对应区间的临界值的偏离程度建立偏离程度与得分数据的对应关系；
43.其中，所述二次打分模型的建立过程包括如下步骤：
44.依据所述二次参考充电过程数据中各变量对应的平均值和方差所组成的多个区间范围进行区间划分；
45.依据各变量的实际值与对应区间的临界值的偏离程度建立偏离程度与得分数据的对应关系。
46.优选地，在所述基于所述一次参考充电过程数据和所述二次参考充电过程数据与时间的对应关系，利用异常检测方法确定所述一次参考充电过程数据和所述二次参考充电过程数据各自对应的第一安全阈值和第二安全阈值之后，还包括：
47.根据所述一次安全阈值、所述二次安全阈值、所述待检测新能源设备的身份信息和充电启动信息的对应关系建立所述待检测新能源设备的安全档案。
48.优选地，还包括：
49.在获取到充电设备发送的所述待检测新能源设备的实际充电启动信息后，依据所述实际充电启动信息从所述安全档案中查找对应的所述一次安全阈值、所述二次安全阈值和所述待检测新能源设备的身份信息；
50.向所述充电设备发送所述一次安全阈值和所述二次安全阈值以便所述充电设备在确定出所述一次实际充电过程数据超出所述一次安全阈值、或所述二次实际充电过程数据超出所述二次安全阈值、或所述一次实际充电过程数据超出bms输出的原有阈值的情况下，确定所述待检测新能源设备充电异常。
51.为解决上述技术问题，本技术还提供一种新能源设备的健康状况测评装置，包括：
52.第一确定模块，应用于确定待检测新能源设备的类型；
53.选择模块，用于选择所述类型下的多个新能源设备集作为分析对象；
54.获取模块，用于获取所述分析对象在预设时间范围内、与所述分析对象匹配的一次参考充电过程数据，所述一次参考充电过程数据为所述分析对象在充电过程中所产生的数据；
55.第一处理模块，用于根据所述一次参考充电过程数据计算各变量对应的用于表征变量变化趋势的二次参考充电过程数据；
56.第二处理模块，用于根据所述待检测新能源设备的一次实际充电过程数据计算各变量对应的用于表征变量变化趋势的二次实际充电过程数据；其中，所述一次实际充电过程数据为在所述待检测新能源设备当前充电过程中所产生的数据；
57.第二确定模块，用于基于所述一次参考充电过程数据和所述二次参考充电过程数据与时间的对应关系，利用异常检测方法确定所述一次参考充电过程数据和所述二次参考充电过程数据各自对应的第一安全阈值和第二安全阈值，所述第一安全阈值和所述第二安全阈值用于作为比较对象分别与所述待检测新能源设备的一次实际充电过程数据和二次实际充电过程数据进行比较，以确定所述待检测新能源设备充电异常；
58.第三确定模块，用于根据预设的偏离程度与健康状况的对应关系，确定所述一次实际充电过程数据与所述一次安全阈值的偏离程度和所述二次实际充电过程数据与所述二次安全阈值的偏离程度所对应的健康状况。
59.为解决上述技术问题，本技术还提供一种新能源设备的健康状况测评装置，包括存储器，用于存储计算机程序；
60.处理器，用于执行所述计算机程序时实现如所述的新能源设备的健康状况测评方法的步骤。
61.为解决上述技术问题，本技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的新能源设备的健康状况测评方法的步骤。
62.为解决上述技术问题，本技术还提供新能源设备的健康状况提示终端，包括：
63.存储器，用于存储计算机程序；
64.处理器，用于在执行所述计算机程序时实现如下步骤：
65.接收待检测新能源设备的健康状况以及在所述待检测新能源设备出现充电异常时所对应的充电异常检测结果；
66.输出所述健康状况，并在接收到所述充电异常检测结果的情况下，输出充电异常提示信息；
67.其中，所述充电异常检测结果和所述健康状况通过如下步骤得到：
68.确定所述待检测新能源设备的类型；
69.选择所述类型下的多个新能源设备集作为分析对象；
70.获取所述分析对象在预设时间范围内、与所述分析对象匹配的一次参考充电过程数据，所述一次参考充电过程数据为所述分析对象在充电过程中所产生的数据；
71.根据所述一次参考充电过程数据计算各变量对应的用于表征变量变化趋势的二
次参考充电过程数据；
72.根据所述待检测新能源设备的一次实际充电过程数据计算各变量对应的用于表征变量变化趋势的二次实际充电过程数据；其中，所述一次实际充电过程数据为在所述待检测新能源设备当前充电过程中所产生的数据；
73.基于所述一次参考充电过程数据和所述二次参考充电过程数据与时间的对应关系，利用异常检测方法确定所述一次参考充电过程数据和所述二次参考充电过程数据各自对应的第一安全阈值和第二安全阈值，所述第一安全阈值和所述第二安全阈值用于作为比较对象分别与所述待检测新能源设备的一次实际充电过程数据和二次实际充电过程数据进行比较，以确定所述待检测新能源设备充电异常；
74.根据预设的偏离程度与健康状况的对应关系，确定所述一次实际充电过程数据与所述一次安全阈值的偏离程度和所述二次实际充电过程数据与所述二次安全阈值的偏离程度所对应的健康状况。
75.本技术所提供的新能源设备充电异常的测评方法，首先是确定待检测新能源设备的类型，然后选择该类型下的多个新能源设备作为分析对象，再获取分析对象在预设时间范围内、与分析对象匹配的一次参考充电过程数据。根据一次参考充电过程数据计算二次参考充电过程数据，以及根据一次实际充电过程数据计算二次实际充电过程数据。最后基于一次充电过程数据和二次参考充电过程数据与时间的对应关系，利用异常检测方法分别确定一次参考充电过程数据和二次参考充电过程数据对应的一次安全阈值和二次安全阈值，以分别用于作为比较对象与一次实际充电过程数据和二次实际充电过程数据进行比较，从而确定待检测新能源设备充电异常。并且，能够根据一次实际充电过程数据和二次实际充电过程数据与各自安全阈值的偏离程度确定待检测新能源设备的健康状况。由此可见，应用于本技术方案，能够及时给出用户当前设备的健康状况的提示，提高了用户体验感，避免在健康状况较差时充电而引起的严重后果。另外，一次安全阈值和二次安全阈值是通过一次参考充电过程数据得到的，而一次参考充电过程数据是真实数据，故相比于固定阈值而言，本技术方案所得到的一次安全阈值和二次安全阈值能够提高充电异常检测的准确性。最后，二次参考充电过程数据能够反映变量的动态发展，故所得到的二次安全阈值能够量化变量动态发展，可以及时识别出充电异常。
76.此外，本技术所提供的新能源设备的健康状况测评装置、介质及提示终端，与上述方法对应，效果同上。
附图说明
77.为了更清楚地说明本技术实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
78.图1为本技术实施例提供的一种电动汽车的充电管理系统的结构图；
79.图2为本技术实施例提供的一种新能源设备的健康状况测评方法的流程图；
80.图3为本技术实施例提供的一种最高温度的正态分布曲线示意图；
81.图4为本技术实施例提供的一种最高温升速率的正态分布曲线示意图；
82.图5为本技术实施例提供的一种最大温差的正态分布曲线示意图；
83.图6为本技术实施例提供的一种最大soc变化速率的正态分布曲线示意图；
84.图7为本技术实施例提供的一种最大压差的正态分布曲线示意图；
85.图8为本技术实施例提供的一种新能源设备的健康状况测评装置的结构图；
86.图9为本技术另一实施例提供的新能源设备的健康状况测评装置的结构图。
具体实施方式
87.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本技术保护范围。
88.本技术的核心是提供一种新能源设备的健康状况测评方法、装置、介质及提示终端。本技术所提出的新能源设备可以为电动汽车或其它电动设备，下文中以电动汽车为例说明。本技术实施例提到的新能源设备的健康状况测评方法可以应用于充电云平台或充电设备，还可以是无人驾驶车管理平台(适用于无人驾驶车辆)。下文中，以新能源设备充电异常的测评方法应用于充电云平台进行说明。其中，充电云平台与充电设备通信连接，用于统一管理多个充电设备。通常情况下，充电云平台由多台计算机相互协作实现相应的功能。充电设备通常有两种硬件组成方式，一种是充电机和充电终端一体设置，体积较大，常见于高速服务区等快速充电的场景，另一种是充电机和充电终端分体设置，一台充电机可以与多台充电终端通信连接，用于统一管理多台充电终端。由于充电机和充电终端分体设置，故充电终端体积较小，直接与电动汽车进行数据交互，功能较为简单，通常是将获取的车辆数据发送至对应的充电机，由充电机完成较复杂的数据运算，再将运算结果返回至充电终端。图1为本技术实施例提供的一种电动汽车的充电管理系统的结构图。如图1所示，充电管理系统包括充电云平台，与充电云平台通信连接的多个充电设备，充电设备获取到电动汽车的相关数据，例如，充电启动信息，将充电启动信息发送至充电云平台，由充电云平台依据充电启动信息识别出设备型号，从而对与该设备信号相匹配的充电过程数据进行相关计算以得到安全阈值。需要说明的是，图1仅仅是一种具体的应用场景，并不代表必须由充电云平台实现对新能源设备充电异常的检测。
89.上文中对于本技术提供的新能源设备的健康状况测评方法对应的硬件使用场景进行了说明。下文中对于新能源设备充电异常的测评方法的实施例进行说明。为了使本技术领域的人员更好地理解本技术方案，下面结合附图和具体实施方式对本技术作进一步的详细说明。
90.图2为本技术实施例提供的一种新能源设备的健康状况测评方法的流程图。如图2所示，该方法包括：
91.s10：确定待检测新能源设备的类型。
92.本实施例中提到的待检测新能源设备是新能源设备中的其中一种，确定待检测新能源设备的类型的目的在于选取该类型下的多个新能源设备作为分析对象。
93.s11：选择类型下的多个新能源设备集作为分析对象。
94.需要说明的是，分析对象至少是与待检测新能源设备同类型的设备，本实施例中分析对象可以是与待检测新能源设备同类型，也可以是与待检测新能源设备同类型 同车
龄等，选取同类型的多个新能源设备作为分析对象的目的是保证所得到的参考充电过程数据能够准确反映待检测新能源设备的充电状态使得检测结果更加准确。作为优选地实施方式，选择同类型下的同区域和/或同车龄的多个新能源设备作为分析对象。
95.s12：获取分析对象在预设时间范围内、与分析对象匹配的一次参考充电过程数据。
96.本技术中提到的充电过程数据是任意新能源设备在充电过程中所产生的数据。充电过程数据来源于充电云平台和充电设备，包括充电系统数据和充电数据，充电系统数据主要是支撑充电业务的云平台系统存储的充电桩/充电终端数据、用户数据、车辆数据，充电数据是由充电设备在充电过程(握手阶段、参数配置阶段、充电阶段、充电结束)中从车辆处获取。一次参考充电过程数据为分析对象在充电过程中所产生的数据。一次参考充电过程数据与下文中提到的一次实际充电过程数据均是充电过程数据中的一种，即新能源设备在充电过程中所产生的数据。只不过为了进行区分，将待检测新能源设备在当前充电过程中所产生的数据称为一次实际充电过程数据，而将与待检测新能源设备同型号的新能源设备(分析对象)的充电过程数据称为一次参考充电过程数据，以作为参考数据使用。
97.对应的，一次参考充电过程数据，可以是与待检测新能源设备同类型的新能源设备的充电过程数据，也可以是与待检测新能源设备同类型 同车龄的新能源设备的充电过程数据等。以电动汽车为例，参考充电过程数据可以是如下新能源设备在充电过程中产生的数据：
98.(1)同车型 过去某一时间段/当前时刻；
99.(2)同车型 同区域(如同城市) 过去某一时间段/当前时刻；
100.(3)同车型 同车龄 过去某一时间段/当前时刻。
101.比如，待检测新能源设备的类型为比亚迪ev450，则选择类型下的多个新能源设备作为分析对象可以为：获取成都地区比亚迪ev450在2020年10月1日-10月30日的，2年车龄的电动汽车作为分析对象。
102.作为优选地实施方式，一次参考充电过程数据包括动力蓄电池的最高温度、动力蓄电池的最低温度、动力蓄电池的soc、单体电池最高电压、单体电池最低电压、单体电池最高电压所在编号、最高温度监测点编号和最低温度监测点编号。需要说明的是，本实施例中提到的动力蓄电池的soc包括正常充电时的soc，也包括不均衡性异常终止时的soc。不均衡性异常终止时的soc属于充电过程数据，只不过是充电异常发生后，反过来分析充电结束时的soc。不均衡性异常终止时的soc是动力蓄电池因为不均衡性导致异常终止时的电池soc，和不均衡性关联性较大的异常终止原因为新能源设备的单体电池电压达到目标值终止、动力蓄电池达到目标soc终止。在具体实施例中，一次参考充电过程数据中的变量越多，则充电异常检测结果越准确。在此基础上，二次参考充电过程数据包括动力蓄电池的最大温差、动力蓄电池的最大压差、动力蓄电池的最高温升速率、动力蓄电池的最大soc变化速率、单体电池电压最大变化速率、最高温度监测点编号的香浓熵值、最低温度监测点编号的香浓熵值、单体电池最高电压所在编号的香浓熵值。
103.1)动力蓄电池的最大温差
104.温差是指充电过程中同一时刻电池最高温度和最低温度的差值，由动力蓄电池的最高温度、动力蓄电池的最低温度获取。最大温差指一次充电过程中温差的最大值。
105.2)动力蓄电池的最大压差
106.最大压差指一次充电过程结束后单体电池最高电压和单体电池最低电压的差值。
107.3)动力蓄电池的最高温升速率
108.温升速率指充电过程中电池最高温度在特定频率(毫秒、秒、分)的变化量。最高温升速率指一次充电过程中温升速率的最大值。
109.4)动力蓄电池的最大soc变化速率
110.soc变化速率是指一次充电过程中bms传输的soc在特定频率(毫秒、秒、分)的变化率。最大soc变化速率是指一次充电过程中soc变化速率的最大值。
111.5)单体电池电压最大变化速率
112.单体电池电压变化速率指充电过程中bms传输的单体电池最高电压在特定频率(毫秒、秒、分)的变化量。单体电池电压最大变化速率是指一次充电过程中单体电池电压变化速率的最大值。
113.6)最高温度监测点编号的香浓熵值
114.基于一次充电过程中，按照特定频率(毫秒、秒、分)获取的最高温度检测点编号，结合香浓熵算法计算得到最高温度监测点编号的香浓熵值。
115.7)最低温度监测点编号的香浓熵值
116.基于一次充电过程中，按照特定频率(毫秒、秒、分)获取的最低温度检测点编号，结合香浓熵算法计算得到最低温度监测点编号的香浓熵值。
117.8)单体电池最高电压所在编号的香浓熵值
118.基于一次充电过程中，按照特定频率(毫秒、秒、分)获取的单体电池最高电压检测点编号，结合香浓熵算法计算单体电池最高电压所在编号的香浓熵值。
119.可以理解的是，香浓熵值是能看出充电过程中最高温度监测点编号和单体电池最高电压所在编号的离散程度，离散程度越低，出现充电异常的可能性越大。
120.另外，本步骤中所获取的一次参考充电过程数据可以是在获取到待检测新能源的充电启动信息后在线获取，也可以是预先将其存储在本地数据库，在获取到待检测新能源的充电启动信息后从本地数据库中直接调用。可以理解的是，如果是在获取到待检测新能源的充电启动信息后在线获取，则一次参考充电过程数据可以是历史数据，也可以是实时数据，如果是在获取到待检测新能源的充电启动信息后从本地数据库中直接调用，则一次参考充电过程数据是历史数据。
121.s13：根据一次参考充电过程数据计算各变量对应的用于表征变量变化趋势的二次参考充电过程数据。
122.二次参考充电过程数据是根据一次参考充电过程数据得到的，用于表征变量变化趋势，例如变量变差、梯度变化等。可以理解的是，一次参考充电过程数据中包含的变量数目与二次参考充电过程数据中包含的变量数目可以相同也可以不同，但是变量类型必然不同，下文中详细说明。
123.s14：根据待检测新能源设备的一次实际充电过程数据计算各变量对应的用于表征变量变化趋势的二次实际充电过程数据。
124.一次实际充电过程数据为在待检测新能源设备当前充电过程中所产生的数据。二次实际充电过程数据是根据一次实际充电过程数据得到的，用于表征变量变化趋势，例如
变量变差、梯度变化、离散程度等。需要说明的是，由一次参考充电过程数据得到二次参考充电过程数据的方法与由一次实际充电过程数据得到二次实际充电过程数据的方法相同。可以理解的是，一次参考充电过程数据中包含的变量数目与二次参考充电过程数据中包含的变量数目可以相同也可以不同，但是变量类型必然不同，下文中详细说明。
125.s15：基于一次参考充电过程数据和二次参考充电过程数据与时间的对应关系，利用异常检测方法确定一次参考充电过程数据和二次参考充电过程数据各自对应的第一安全阈值和第二安全阈值。
126.本步骤中，第一安全阈值和第二安全阈值用于作为比较对象分别与待检测新能源设备的一次实际充电过程数据和二次实际充电过程数据进行比较，以确定待检测新能源设备充电异常。需要说明的是，本实施例中对于一次安全阈值和二次安全阈值的计算方式不做限定，可以利用统计学分析方法或聚类分析方法确定。本步骤中的一次安全阈值和二次安全阈值与现有的通过实验所得到的固定阈值均用于衡量充电是否异常，只不过本步骤中的一次安全阈值和二次安全阈值是通过与待检测新能源设备同类型的新能源设备在充电过程中的真实数据所得到的，故能够真实反映同类型设备的充电状态。
127.待检测新能源设备在充电过程中，分为握手阶段、参数配置阶段、充电阶段、充电结束四个阶段，实际充电过程数据可以为四个阶段中的一个阶段或全部阶段的数据。由于一次安全阈值和二次安全阈值是对待检测新能源设备同类型的新能源设备的充电过程数据所确定的，故能够作为待检测新能源设备异常的检测标准。只要一次实际充电过程数据或二次实际充电过程数据中的至少一个超出了所对应的安全阈值，则确定待检测新能源设备充电异常。
128.s16：根据预设的偏离程度与健康状况的对应关系，确定一次实际充电过程数据与一次安全阈值的偏离程度和二次实际充电过程数据与二次安全阈值的偏离程度所对应的健康状况。
129.需要说明的是，步骤s15和s16是相互独立的，即使待检测新能源设备没有出现充电异常，也可以对其进行健康状况的评估。本实施例中利用一次实际充电过程数据与一次安全阈值的偏离程度，以及二次实际充电过程数据与二次安全阈值的偏离程度确定待检测新能源设备的实际健康等级，使得用户及时掌握设备的健康状况。
130.在其它实施例中，在健康状况表征待检测新能源设备为高危设备时，触发充电保护机制。可以理解的是，充电保护机制可以根据实际情况确定，例如，待检测新能源设备处于油气站等高风险场站，则控制该区域的所有充电设备进行限流；或者只控制待检测新能源设备所在的充电设备进行限流。另外，还可以根据不同场景设置不同的soc限值，或者控制指定区域(如成都市)内的充电设备进行限流等本实施例不再赘述。
131.本实施例提供的新能源设备充电异常的测评方法，首先是确定待检测新能源设备的类型，然后选择该类型下的多个新能源设备作为分析对象，再获取分析对象在预设时间范围内、与分析对象匹配的一次参考充电过程数据。根据一次参考充电过程数据计算二次参考充电过程数据，以及根据一次实际充电过程数据计算二次实际充电过程数据。最后基于一次充电过程数据和二次参考充电过程数据与时间的对应关系，利用异常检测方法分别确定一次参考充电过程数据和二次参考充电过程数据对应的一次安全阈值和二次安全阈值，以分别用于作为比较对象与一次实际充电过程数据和二次实际充电过程数据进行比
较，从而确定待检测新能源设备充电异常。并且，能够根据一次实际充电过程数据和二次实际充电过程数据与各自安全阈值的偏离程度确定待检测新能源设备的健康状况。由此可见，应用于本技术方案，能够及时给出用户当前设备的健康状况的提示，提高了用户体验感，避免在健康状况较差时充电而引起的严重后果。另外，一次安全阈值和二次安全阈值是通过一次参考充电过程数据得到的，而一次参考充电过程数据是真实数据，故相比于固定阈值而言，本技术方案所得到的一次安全阈值和二次安全阈值能够提高充电异常检测的准确性。最后，二次参考充电过程数据能够反映变量的动态发展，故所得到的二次安全阈值能够量化变量动态发展，可以及时识别出充电异常。
132.在上述实施例的基础上，基于一次参考充电过程数据和二次参考充电过程数据与时间的对应关系，利用异常检测方法确定一次参考充电过程数据和二次参考充电过程数据各自对应的第一安全阈值和第二安全阈值包括：
133.利用统计学分析方法或聚类分析方法确定一次参考充电过程数据中各变量对应的一次安全阈值和二次参考充电过程数据中各变量对应的二次安全阈值。作为优选地实施方式，统计学分析方法包括正态分布统计方法，聚类分析方法包括高斯混合聚类方法。下文中针对相应的方法进行详细描述。
134.1、利用正态分布统计方法确定一次参考充电过程数据中最高温度对应的安全阈值
135.(1)选取与待检测新能源设备同类型的新能源设备过去30天内的充电订单中的一次参考充电过程数据作为样本数据；
136.(2)针对每笔订单获取每分钟电池最高温度的最大值作为本订单对应的最高温度；
137.(3)计算所有订单最高温度的平均值μ和标准差σ；
138.(4)根据正态分布的“3σ”原则：区间(μ-3σ,μ 3σ)是随机变量x实际可能的取值区间，x落在该区间以外的概率小于千分之三，在实际问题中一般认为这种事件是不会发生的。如果变量超过这千分之三，即是异常点。则最高温度的阈值为μ 3σ，即最高温度安全阈值。图3为本技术实施例提供的一种最高温度的正态分布曲线示意图。如图3所示，点a、点b、点c、点d、点e分别为待检测新能源设备的最高温度，其中，点a、点b、点c的最高温度正常，点d和点e的最高温度异常。
139.需要说明的是，以上最高温度安全阈值仅是一次参考充电过程数据中温度这一变量的安全阈值，还可以采用相同的方式计算参考充电数据中的其它变量的安全阈值。
140.2、利用高斯混合聚类方法确定多组一次参考充电过程数据中最高温度对应的安全阈值
141.(1)选取与待检测新能源设备同类型的新能源设备30天内的充电订单作为样本数据；
142.(2)针对每笔订单获取每分钟电池最高温度的最大值作为本订单对应的最高温度；
143.(3)以确定的超参数(聚类数＝3)，建立最高温度的高斯混合模型；
144.(4)通过所得到的高斯混合模型对实际充电过程数据进行聚类计算，聚类的结果有3类，第1类μ-3σ，第3类μ 3σ，其余为第2类，如果第3类的概率大于50％，则表征实际充电
过程数据超过安全阈值。
145.3、利用正态分布统计方法确定多组二次参考充电过程数据中最高温升速率对应的安全阈值
146.(1)选取与待检测新能源设备同类型的新能源设备过去30天内的充电订单中的二次参考充电过程数据作为样本数据；
147.(2)针对每笔充电订单获取温升速率；
148.(3)计算所有订单最高温升速率的平均值μ和标准差σ；
149.(4)根据正态分布的“3σ”原则：区间(μ-3σ,μ 3σ)是随机变量x实际可能的取值区间，x落在该区间以外的概率小于千分之三，在实际问题中一般认为这种事件是不会发生的。如果变量超过这千分之三，即是异常点。则最高温度的阈值为μ 3σ，即最高温度安全阈值。图4为本技术实施例提供的一种最高温升速率的正态分布曲线示意图。如图4所示，点a、点b、点c、点d、分别为待检测新能源设备的最高温升速率，其中，点a、点b的最高温升速率正常，点c和点d的最高温升速率异常。
150.4、利用正态分布统计方法确定多组二次参考充电过程数据中最大温差对应的安全阈值
151.(1)选取与待检测新能源设备同类型的新能源设备过去30天内的充电订单中的二次参考充电过程数据作为样本数据；
152.(2)针对每笔订单获取最大温差；
153.(3)计算所有订单最大温差的平均值μ和标准差σ；
154.(4)根据正态分布的“3σ”原则：区间(μ-3σ,μ 3σ)是随机变量x实际可能的取值区间，x落在该区间以外的概率小于千分之三，在实际问题中一般认为这种事件是不会发生的。如果变量超过这千分之三，即是异常点。则最高温度的阈值为μ 3σ，即最高温度安全阈值。图5为本技术实施例提供的一种最大温差的正态分布曲线示意图。如图5所示，点a、点b、点c、点d、点e分别为待检测新能源设备的最大温差，其中，点a的最大温差正常，点b、点c、点d和点e的最大温差异常。
155.同理按照上述方法，可以得到二次参考充电过程数据中各变量的安全阈值，本实施例不再赘述。图6为本技术实施例提供的一种最大soc变化速率的正态分布曲线示意图。如图6所示，点a、点b、点c、点d分别为待检测新能源设备的最大soc变化速率，其中，点a、点b、点c的最大soc变化速率正常，点d的最大soc变化速率异常。图7为本技术实施例提供的一种最大压差的正态分布曲线示意图。如图7所示，点a为待检测新能源设备的最大压差，点a的最大压差异常。
156.5、利用高斯混合聚类方法确定多组二次参考充电过程数据中最高温升速率对应的安全阈值
157.(1)选取与待检测新能源设备同类型的新能源设备30天内的充电订单作为样本数据；
158.(2)针对每笔订单获取每分钟最高温度的升高值，然后获取每笔订单最高温度升高值的最大值；
159.(3)以确定的超参数(聚类数＝3)，建立最高温升速率的高斯混合模型；
160.(4)通过所得到的高斯混合模型对二次实际充电过程数据进行聚类计算，聚类的
结果有3类，第1类μ-3σ，第3类μ 3σ，其余为第2类，如果第3类的概率大于50％，则表征二次实际充电过程数据超过安全阈值。
161.进一步的，获取分析对象在预设时间范围内、与分析对象匹配的一次参考充电过程数据包括：
162.获取分析对象在预设时间范围内、与分析对象匹配的多个目标充电订单；
163.从各目标充电订单中提取一次参考充电过程数据。
164.对于充电云平台来说，在新能源设备充电过程中，会产生与本次充电对应的充电订单，该充电订单中包含有如上提到的一次参考充电过程数据，故采用充电订单获取一次参考充电过程数据的方式较为简洁，无需额外增加硬件或额外占用设备资源。
165.本技术中给出s16的两种具体实现方式，并不代表只能是这两种方式。
166.1、在上述实施例的基础上，s16包括：
167.获取待检测新能源设备的预定时间内的多个历史充电订单；
168.从各历史充电订单中获取一次历史充电过程数据，并计算一次历史充电过程数据中各变量对应的平均值以作为一次实际平均值；
169.计算一次参考充电过程数据在预定时间内各变量对应的一次参考平均值；
170.确定同一变量对应的一次实际平均值与一次安全阈值的一次变量偏离度；
171.依据预先设定的变量偏离度与健康等级的对应关系确定一次变量偏离度对应的一次实际健康等级；
172.根据一次历史充电过程数据计算各变量对应的用于表征变量变化趋势的二次历史充电过程数据；
173.计算二次历史充电过程数据中各变量对应的平均值以作为二次实际平均值；
174.计算二次参考充电过程数据在预定时间内各变量对应的二次参考平均值；
175.确定同一变量对应的二次实际平均值与二次安全阈值的二次变量偏离度；
176.依据预先设定变量偏离度与健康等级的对应关系确定二次变量偏离度对应的二次实际健康等级；
177.根据一次实际健康等级和二次实际健康等级确定待检测新能源设备的健康状况。
178.需要说明的是，由一次历史充电过程数据得到二次历史充电过程数据的方法与由一次实际充电过程数据得到二次实际充电过程数据的方法相同。本实施例中的一次历史充电过程数据也是充电过程数据中的一种，只不过是历史充电订单中所对应的充电过程数据。由于历史充电订单是待检测新能源设备自身的订单，所以历史充电过程数据是待检测新能源设备的真实数据，通过这些数据的所得到的实际平均值作为待检测新能源设备的一种健康评估，同样的，通过一次参考充电过程数据所得到的参考平均值作为参考标准，如果实际平均值与参考平均值偏离度较大，则说明成为高危设备的风险较大。可以理解的是，变量偏离度与健康等级的对应关系可以根据经验值或者其它标定的方式得到，本实施例不作赘述。
179.本实施例中，对待检测新能源的健康状况进行评估，实现对健康状况的量化，用户通过实际健康等级可以提前了解动力蓄电池的充电趋势，提高了用户体验感。
180.2、本实施例中通过另一种方法对待检测新能源设备的健康状况进行定量评估，首先要建立打分模型，打分模型的建立过程包括如下步骤：
181.1)一次打分模型的建立过程包括如下步骤：
182.依据一次参考充电过程数据中各变量对应的平均值和方差所组成的多个区间范围进行区间划分。例如，变量为最高温度，划分为三个等级，分别是良、中和差，区间包括：(0，μ)、(μ，μ 3σ)、(μ 3σ、∞)。
183.依据各变量的实际值与对应区间的临界值的偏离程度建立偏离程度与得分数据的对应关系。其中，对应区间的临界值就是0、μ、、μ 3σ。在具体实施中，依据数据挖掘方法，对不同等级进行量化打分。例如，针对最高温度，在zscore的方法基础上进一步修正，以3σ作为高危车辆的临界值。得分数据可以为0-100，可以理解的是，实际值与对应区间的临界值的偏离程度与得分数据是呈负相关关系，即实际值与对应区间的临界值的偏离程度越大，则得分数据越低，实际值与对应区间的临界值的偏离程度越小，则得分数据越高。例如，μ 3σ为60分，(0，μ)为100分(良)，则60分＜(μ，μ 3σ)＜100分(中)，(μ 3σ、∞)＜60分(差)。如果实际变量落在(μ，μ 3σ)中，则根据与临界值μ、μ 3σ之间的偏离程序，得出具体的分数。
184.2)二次打分模型的建立过程包括如下步骤：
185.依据二次参考充电过程数据中各变量对应的平均值和方差所组成的多个区间范围进行区间划分。例如，变量为最大温差，划分为三个等级，分别是良、中和差，区间包括：(0，μ)、(μ，μ 3σ)、(μ 3σ、∞)。
186.依据各变量的实际值与对应区间的临界值的偏离程度建立偏离程度与得分数据的对应关系。其中，对应区间的临界值就是0、μ、、μ 3σ。在具体实施中，依据数据挖掘方法，对不同等级进行量化打分。例如，针对最大温差，在zscore的方法基础上进一步修正，以3σ作为高危车辆的临界值。得分数据可以为0-100，可以理解的是，实际值与对应区间的临界值的偏离程度与得分数据是呈负相关关系，即实际值与对应区间的临界值的偏离程度越大，则得分数据越低，实际值与对应区间的临界值的偏离程度越小，则得分数据越高。例如，μ 3σ为60分，(0，μ)为100分(良)，则60分＜(μ，μ 3σ)＜100分(中)，(μ 3σ、∞)＜60分(差)。如果实际变量落在(μ，μ 3σ)中，则根据与临界值μ、μ 3σ之间的偏离程序，得出具体的分数。
187.在上述实施例的基础上，s16包括：
188.依据预先设定的各变量对应的一次打分模型确定一次实际充电过程数据中各变量的一次实际得分数据；
189.依据预先设定的得分数据与健康等级的对应关系确定一次实际得分数据对应的一次实际健康等级；
190.依据预先设定的各变量对应的二次打分模型确定二次实际充电过程数据中各变量的二次实际得分数据；
191.依据预先设定的得分数据与健康等级的对应关系确定二次实际得分数据对应的二次实际健康等级。
192.在上述实施例的基础上，为了便于后续数据统一管理，本实施例中，在确定一次参考充电过程数据对应的一次安全阈值和二次参考充电过程数据对应的二次安全阈值之后，还包括：
193.根据一次安全阈值、二次安全阈值、待检测新能源设备的身份信息和充电启动信息的对应关系建立待检测新能源设备的安全档案。
194.进一步的，为了能够减少数据计算量，提高检测的速度，在获取到充电设备发送的
待检测新能源设备的实际充电启动信息后，依据实际充电启动信息从安全档案中查找对应的一次安全阈值、二次安全阈值和待检测新能源设备的身份信息；
195.向充电设备发送一次安全阈值和二次安全阈值以便充电设备在确定出一次实际充电过程数据超出一次安全阈值、或二次实际充电过程数据超出二次安全阈值、或一次实际充电过程数据超出bms输出的原有阈值的情况下，确定待检测新能源设备充电异常。
196.由于建立了安全档案，故在充电云平台获取到实际充电启动信息后，能够从安全档案中查找到对应的一次安全阈值和二次安全阈值，直接发送给充电设备，节约了在线计算的时间。可以理解的是，对于充电云平台来说，其还可以基于最新的一次参考充电过程数据计算新的安全阈值，依据新的安全阈值对实际充电过程数据进行判断。本实施例中，增加充电设备对充电异常的检测，实现充电云平台侧防护和充电设备侧防护，实现大数据层与设备层的分工配合，发挥各自的优势。另外，对于充电设备来说，一方面接收充电云平台发送的一次安全阈值和二次安全阈值，另一方面还获取bms发送的固定阈值，利用三种阈值对一次实际充电过程数据和二次实际充电过程数据进行判断，防止其中一种阈值在传输过程中有丢失或不准确的问题而导致检测结果不准确。
197.在上述实施例中，对于新能源设备的健康状况测评方法进行了详细描述，本技术还提供新新能源设备的健康状况测评装置对应的实施例。需要说明的是，本技术从两个角度对装置部分的实施例进行描述，一种是基于功能模块的角度，另一种是基于硬件结构的角度。
198.图8为本技术实施例提供的一种新能源设备的健康状况测评装置的结构图。如图8所示，基于功能模块的角度，新能源设备的健康状况测评装置，包括：
199.第一确定模块10，应用于确定待检测新能源设备的类型；
200.选择模块11，用于选择该类型下的多个新能源设备集作为分析对象；
201.获取模块12，用于获取分析对象在预设时间范围内、与分析对象匹配的一次参考充电过程数据，一次参考充电过程数据为分析对象在充电过程中所产生的数据；
202.第一处理模块13，用于根据一次参考充电过程数据计算各变量对应的用于表征变量变化趋势的二次参考充电过程数据；
203.第二处理模块14，用于根据待检测新能源设备的一次实际充电过程数据计算各变量对应的用于表征变量变化趋势的二次实际充电过程数据；其中，一次实际充电过程数据为在待检测新能源设备当前充电过程中所产生的数据；
204.第二确定模块15，用于基于一次参考充电过程数据和二次参考充电过程数据与时间的对应关系，利用异常检测方法确定一次参考充电过程数据和二次参考充电过程数据各自对应的第一安全阈值和第二安全阈值，第一安全阈值和第二安全阈值用于作为比较对象分别与待检测新能源设备的一次实际充电过程数据和二次实际充电过程数据进行比较，以确定待检测新能源设备充电异常；
205.第三确定模块16，用于根据预设的偏离程度与健康状况的对应关系，确定一次实际充电过程数据与一次安全阈值的偏离程度和二次实际充电过程数据与二次安全阈值的偏离程度所对应的健康状况。
206.由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
207.本实施例提供的新能源设备充电异常的测评装置，首先是确定待检测新能源设备的类型，然后选择该类型下的多个新能源设备作为分析对象，再获取分析对象在预设时间范围内、与分析对象匹配的一次参考充电过程数据。根据一次参考充电过程数据计算二次参考充电过程数据，以及根据一次实际充电过程数据计算二次实际充电过程数据。最后基于一次充电过程数据和二次参考充电过程数据与时间的对应关系，利用异常检测方法分别确定一次参考充电过程数据和二次参考充电过程数据对应的一次安全阈值和二次安全阈值，以分别用于作为比较对象与一次实际充电过程数据和二次实际充电过程数据进行比较，从而确定待检测新能源设备充电异常。并且，能够根据一次实际充电过程数据和二次实际充电过程数据与各自安全阈值的偏离程度确定待检测新能源设备的健康状况。由此可见，应用于本技术方案，能够及时给出用户当前设备的健康状况的提示，提高了用户体验感，避免在健康状况较差时充电而引起的严重后果。另外，一次安全阈值和二次安全阈值是通过一次参考充电过程数据得到的，而一次参考充电过程数据是真实数据，故相比于固定阈值而言，本技术方案所得到的一次安全阈值和二次安全阈值能够提高充电异常检测的准确性。最后，二次参考充电过程数据能够反映变量的动态发展，故所得到的二次安全阈值能够量化变量动态发展，可以及时识别出充电异常。
208.图9为本技术另一实施例提供的新能源设备的健康状况测评装置的结构图，如图9所示，基于硬件结构的角度，新能源设备的健康状况测评装置包括：存储器20，用于存储计算机程序；
209.处理器21，用于执行计算机程序时实现如上述实施例中新能源设备的健康状况测评方法的步骤。
210.本实施例提供的新能源设备的健康状况测评装置可以包括但不限于智能手机、平板电脑、笔记本电脑或台式电脑等。
211.其中，处理器21可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器21可以采用dsp(digital signal processing，数字信号处理)、fpga(field－programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(central processing unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器21可以在集成有gpu(graphics processing unit，图像处理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器21还可以包括ai(artificial intelligence，人工智能)处理器，该ai处理器用于处理有关机器学习的计算操作。
212.存储器20可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器20还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器20至少用于存储以下计算机程序201，其中，该计算机程序被处理器21加载并执行之后，能够实现前述任一实施例公开的新能源设备充电异常的测评方法的相关步骤。另外，存储器20所存储的资源还可以包括操作系统202和数据203等，存储方式可以是短暂存储或者永久存储。其中，操作系统202可以包括windows、unix、linux等。数据203可以包括但不限于一次参考充电过程数据，二次参考充电
过程数据、一次实际充电过程数据、二次实际充电过程数据等。
213.在一些实施例中，新能源设备充电异常的测评装置还可包括有显示屏22、输入输出接口23、通信接口24、电源25以及通信总线26。
214.本领域技术人员可以理解，图9中示出的结构并不构成对新能源设备充电异常的测评装置的限定，可以包括比图示更多或更少的组件。
215.本技术实施例提供的新能源设备充电异常的测评装置，包括存储器和处理器，处理器在执行存储器存储的程序时，能够实现如下方法：首先是确定待检测新能源设备的类型，然后选择该类型下的多个新能源设备作为分析对象，再获取分析对象在预设时间范围内、与分析对象匹配的一次参考充电过程数据。根据一次参考充电过程数据计算二次参考充电过程数据，以及根据一次实际充电过程数据计算二次实际充电过程数据。最后基于一次充电过程数据和二次参考充电过程数据与时间的对应关系，利用异常检测方法分别确定一次参考充电过程数据和二次参考充电过程数据对应的一次安全阈值和二次安全阈值，以分别用于作为比较对象与一次实际充电过程数据和二次实际充电过程数据进行比较，从而确定待检测新能源设备充电异常。并且，能够根据一次实际充电过程数据和二次实际充电过程数据与各自安全阈值的偏离程度确定待检测新能源设备的健康状况。由此可见，应用于本技术方案，能够及时给出用户当前设备的健康状况的提示，提高了用户体验感，避免在健康状况较差时充电而引起的严重后果。另外，一次安全阈值和二次安全阈值是通过一次参考充电过程数据得到的，而一次参考充电过程数据是真实数据，故相比于固定阈值而言，本技术方案所得到的一次安全阈值和二次安全阈值能够提高充电异常检测的准确性。最后，二次参考充电过程数据能够反映变量的动态发展，故所得到的二次安全阈值能够量化变量动态发展，可以及时识别出充电异常。
216.本技术还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。
217.可以理解的是，如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本技术各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
218.最后，本技术实施例还提供一种新能源设备的健康状况的提示终端，包括：
219.接收待检测新能源设备的健康状况以及在待检测新能源设备出现充电异常时所对应的充电异常检测结果；
220.输出健康状况，并在接收到充电异常检测结果的情况下，输出充电异常提示信息；
221.其中，充电异常检测结果和健康状况通过如下步骤得到：
222.确定待检测新能源设备的类型；
223.选择类型下的多个新能源设备集作为分析对象；
224.获取分析对象在预设时间范围内、与分析对象匹配的一次参考充电过程数据，一次参考充电过程数据为分析对象在充电过程中所产生的数据；
225.根据一次参考充电过程数据计算各变量对应的用于表征变量变化趋势的二次参考充电过程数据；
226.根据待检测新能源设备的一次实际充电过程数据计算各变量对应的用于表征变量变化趋势的二次实际充电过程数据；其中，一次实际充电过程数据为在待检测新能源设备当前充电过程中所产生的数据；
227.基于一次参考充电过程数据和二次参考充电过程数据与时间的对应关系，利用异常检测方法确定一次参考充电过程数据和二次参考充电过程数据各自对应的第一安全阈值和第二安全阈值，第一安全阈值和第二安全阈值用于作为比较对象分别与待检测新能源设备的一次实际充电过程数据和二次实际充电过程数据进行比较，以确定待检测新能源设备充电异常；
228.根据预设的偏离程度与健康状况的对应关系，确定一次实际充电过程数据与一次安全阈值的偏离程度和二次实际充电过程数据与二次安全阈值的偏离程度所对应的健康状况。
229.可以理解的是，本实施例提供的新能源设备的健康状况的提示终端可以包括但不限于智能手机、平板电脑、笔记本电脑或台式电脑等。通常情况下，充电异常检测结果由上文中提到的充电云平台或充电终端等得到，这些设备与提示终端建立通信连接，从而在得到充电异常检测结果后，发送至提示终端，由提示终端接收并输出充电异常提示信息，以便于用户可以及时查看。
230.以上对本技术所提供的新能源设备的健康状况测评方法、装置、介质及提示终端进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以对本技术进行若干改进和修饰，这些改进和修饰也落入本技术权利要求的保护范围内。
231.还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。