关键词：电动汽车;状态监测;安全预警;残差分析;卷积神经网络;双向门控循环单元
摘 要：为了保证电动汽车充电的安全、可靠运行，防止电动汽车在充电时发生火灾，提出了一种基于卷积神经网络(CNN)和双向门控循环单元(BiGRU)的电动汽车充电状态监测与安全预警方法。首先，使用CNN对电动汽车正常充电历史数据进行深度挖掘，提取其深层特征，并利用BiGRU对深层特征进行充分的分析和利用，构建电动汽车的温度预测模型。其次，制定预测模型输出精确度的评价标准，用来评价预测模型输出的准确性。然后，通过滑动窗口对模型预测值进行温度残差分析，确定合适的安全预警阈值和规则。最后，将满足要求的温度预测模型应用到电动汽车实时充电中，进行安全预警实验。实验结果表明，CNN-BiGRU模型相比其他预测模型具有更高的预测精确度和预测效果，且滑动窗口分析法能够提前对电动汽车充电过程中的温度异常进行安全预警。
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