关键词：深度学习;电动汽车;充电桩;故障监测;自动预测方法
摘 要：常规的电动汽车充电桩故障自动预测节点形式一般为定点定向，预测的效率受限制，导致最终得出的平均故障间隔预测次数减少。为此，提出对基于深度学习的电动汽车充电桩故障自动预测方法的设计与验证分析。首先，根据当前的自动预测需求，采用交叉的方式测定，打破预测效率受到的限制，实现自动预测节点交叉部署及故障特征提取。然后，以此为基础，基于深度学习中的LSTM神经网络完成电动汽车充电桩故障自动预测模型的构建，并采用自适应校验处理的方式实现自动预测。最后，针对选定的5个充电桩小组，按照顺序导入3组虚拟故障指令，发现平均故障间隔预测次数均可以达到15次以上。结果表明，该自动预测方法在复杂环境下可实现对电动汽车充电桩故障的自动预测识别，具有实际应用意义。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取