基于CNN和LSTM混合网络的电动汽车充电桩运行状态预测方法

• 作者: 吴丹 甄昊涵 雷珽 陈津 钱勇生 李樵 郑陆海
• 来源期刊: 电机与控制应用
• 学科: 工学
• 关键词: 电动汽车充电桩 故障预测 卷积神经网络 长短期记忆
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 新能源汽车技术|New Energy Vehicle Technology
• 页码范围: 83-89
• 页数: 7页
• 分类号: TM93
• 语种: 中文
• DOI: 10.12177/emca.2021.188

摘要

随着电动汽车的大规模发展,公共充电桩运行数量和充电量逐年增长.然而,充电桩运行始终存在故障频发、运维难度大和维修成本高等问题,并且传统故障检测方法效率低下.因此提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合网络电动汽车充电桩运行状态预测方法,可以实现对电动汽车充电桩运行状况的综合评估.在特征数据输入阶段,对充电桩运行状态的关键指标进行分析,通过CNN提取运行状态影响因素的特征量,再利用LSTM判断和预测充电桩运行状态,从而实现对充电桩潜在故障的预警.试验结果表明,该方法预测准确率高、实用性强,能较准确地反映和预测充电桩的运作状态,可实际用于充电桩故障预测与运维检修.