[发明专利]移动端反向充电方法

说明书

公开了一种移动端反向充电方法，其采用基于高维统计特征的深度神经网络来从充放电双方终端的现有数据中学习到用于参数控制的统计模式，从而对充电电流、开关导通电阻、电流纹波幅度等进行控制，以达到提高反向充电效率的目的。

技术领域

本发明涉及区块链领域下的产品证书管理，且更为具体地，涉及一种移动端反向充电方法、移动端反向充电系统和电子设备。

背景技术

如今，手机、智能手表和便携电脑等电子产品使用广泛度呈指数级增长，但是由于电池技术无法跟上电子产品功耗的速度，电池的耐用度也在逐渐降低，尤其是在一些出门但是没有可使用电源的情况下，电池的容量就显得更加捉襟见肘。如果随身携带两个或以上的电子设备，就为反向充电提供了可能。

现有技术的充电电路包括一个以恒定电流为电池充电的开关充电电路。现有技术的缺点是很难选择合适的电感和开关尺寸来优化开关充电电路中的充电电流、开关导通电阻、电流纹波幅度、能量转换效率和其他参数，因此难以实现设计优化。其中，充电电流、开关导通电阻、电流纹波幅度将对反向充电过程中的各项数值产生影响，且对于充放电双方的现有电量和额定电压值也有一定的要求和限制转换，不合适的数值限制将直接影响到反向充电的效果，严重甚至会导致充电失败和损坏设备，例如，当充放电双方的现有电量值差距较大，且充电电流和电流纹波幅度较大，开关导通电阻较小时，就会导致反向充电失败，而过度限制输入电流又会降低充电功耗与损失功耗比例过小。

因此，期待一种优化的移动端反向充电方法，以通过在充放电上方配置基数的基础上调节各项数值以保证正方反向充电和充电效率。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种移动端反向充电方法、移动端反向充电系统和电子设备，其采用基于高维统计特征的深度神经网络来从充放电双方终端的现有数据中学习到用于参数控制的统计模式，从而对充电电流、开关导通电阻、电流纹波幅度等进行控制，以达到提高反向充电效率的目的。

根据本申请的一个方面，提供了一种移动端反向充电方法，其包括：

获取充电方数据、被充电方数据和充电参数数据，其中，所述充电方数据包括现有电量、额定电压值和充电方电流波形，所述被充电方数据包括现有电量、额定电压值和被充电方电流波形；

将所述充电方电流波形进行傅里叶变换以将所述充电方电流波形转化到频域，以获得多个第一频率-幅度的二维数组；

将所述被充电方电流波形进行傅里叶变换以将所述被充电方电流波形转化到频域，以获得多个第二频率-幅度的二维数组；

基于所述多个第一频率-幅度的二维数组构造第一频率数值向量和第一幅度数值向量且基于所述多个第二频率-幅度的二维数组构造第二频率数值向量和第二幅度数值向量；

将所述充电方数据中的现有电量和额定电压值转化为第一数值信息向量且将所述被充电方数据中的现有电量和额定电压值转化为第二数值信息向量；

将所述第一频率数值向量、所述第一幅度数值向量和所述第一数值信息向量拼接后输入第一深度神经网络以获得充电方特征向量；

将所述第二频率数值向量、所述第二幅度数值向量和所述第二数值信息向量拼接后输入所述第一深度神经网络以获得被充电方特征向量；

将所述充电参数数据通过第二深度神经网络以获得充电参数向量并对所述充电参数向量进行多次一维卷积来挖掘所述充电参数向量中各个位置之间的关联，以获得充电参数特征向量；

将所述充电参数特征向量、所述充电方特征向量和所述被充电方特征向量转化为相同长度后再拼接为二维矩阵并将所述二维矩阵通过卷积神经网络以获得分类特征图；以及

基于所述分类特征图生成分类结果，所述分类结果用于表示充电参数的分类结果。