典型文献
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
文献摘要：
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.
文献关键词：
电动汽车充电桩;故障预测;卷积神经网络;长短期记忆
中图分类号：
作者姓名：
吴丹;甄昊涵;雷珽;陈津;钱勇生;李樵;郑陆海
作者机构：
国网上海市电力公司,上海200122;上海电器科学研究所(集团)有限公司,上海200063
文献出处：
引用格式：
[1]吴丹;甄昊涵;雷珽;陈津;钱勇生;李樵;郑陆海-.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)[J].电机与控制应用,2022(02):83-89
A类：
B类：
混合网络,电动汽车充电桩,运行状态预测,大规模发展,公共充电桩,电量,维修成本,故障检测方法,长短期记忆,运行状况,特征数据,关键指标,特征量,潜在故障,预测准确率,运作状态,故障预测,运维检修
AB值：
0.192949
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
