技术特征：
1.一种基于cnn和lstm混合网络的电动汽车充电桩运行状态预测方法，其特征在于，包括以下步骤：s1、建立充电桩运行状态指标体系充电桩运行状态由表征充电桩性能参量的优劣情况反应出来，分为正常状态、一般缺陷状态、严重缺陷状态和危急状态，对应的状态集为v＝{v1,v2,v3,v4}，其中：v1为正常状态、v2为一般缺陷状态、v3为严重缺陷状态、v4为危急状态；s2、对于充电桩的状态信息数据，建立充电桩运行状态指标权重步骤1、确定比较矩阵：对于n个状态指标，首先两两比较各个状态指标的重要程度，形成比较矩阵x：式(1)中，x
ij
表示第i个状态指标与第j个状态指标的重要程度比较结果，i＝1,2,...,n，j＝1,2,...,n；步骤2、确定排序数：解出第i个状态指标和n个状态指标的比较结果，并进行求和，得到第i个状态指标的排序指数b
i
：步骤3、确定评判矩阵y：由排序数求解评判矩阵中的每个元素，其中第i行第j列的元素y
ij
由下式(3)计算：式(3)中，b
max
＝max(b
i
)，b
min
＝min(b
i
)，根据计算得到的评判矩阵y构造拟优一致矩阵y'，拟优一致矩阵y'中的第i行第j列的元素y
ij
'由下式(4)、(5)计算d
ij
＝iny
ij
ꢀꢀꢀꢀ
(5)s3、建立并训练cnn和lstm混合网络，选取充电桩关键指标量的运行时间的隶属度为输入，由cnn和lstm混合网络输出下一时刻所要预测的状态信度区间，由cnn提取充电桩运行指标的特征属性，再通过lstm将cnn提取的特征属性与时间相关联，作为预测的工具。2.如权利要求1所述的一种基于cnn和lstm混合网络的电动汽车充电桩运行状态预测方法，其特征在于，步骤s1中，v1为正常状态，表示充电桩设备运行稳定，充电桩的所有状态
参量符合标准；v2为一般缺陷状态，表示充电桩设备可以运行，但充电桩的部分参量变化趋势朝接近预警值的方向发展，且还没有超过预警值；v3为严重缺陷状态，表示充电桩的部分特征参量变化较大，已接近标准限值，或有部分一般参量已经超过标准值，表现为一个或多个缺陷，应监视运行，并尽快安排停电检修；v4为危急状态，表示充电桩的部分状态参量已经超过预警值，表现为一个或多个危急故障，必须立即进行停电检修。3.如权利要求1所述的一种基于cnn和lstm混合网络的电动汽车充电桩运行状态预测方法，其特征在于，步骤s2中，充电桩的状态信息数据包括通用选型配置、关键部件质量、运行环境和其他评价。
技术总结
本发明提出一种基于CNN和LSTM混合网络的电动汽车充电桩运行状态预测方法，解决了充电桩故障检测效率低、精度低的问题。首先，通过获取充电桩的相关历史典型故障数据、信息参数和运行环境等运行状态数据，分析故障桩的影响因素并确定充电桩运行状态的关键指标量，再对关键指标量进行量化量级分析处理，利用改进的层次分析法确定关键指标量的权重，搭建一种CNN和LSTM混合网络架构，利用CNN和LSTM混合网络对训练样本进行训练，并结合测试样本调整相关参数，提升分类准确率。本发明模型效率高，实用性强。性强。性强。
技术研发人员：甄昊涵 吴丹 钱勇生 俞磊 陈海宾 雷珽 李樵 郑陆海 郭鑫鑫 李新强 王爱国
受保护的技术使用者：上海电器科学研究所（集团）有限公司 上海电器科学研究院 上海电器设备检测所有限公司 上海添唯认证技术有限公司
技术研发日：2021.10.22
技术公布日：2022/1/28