关键词：充电桩;故障预测;SO;FNN
摘 要：随着新能源汽车的广泛应用，充电桩作为电网终端设备，其故障会对电网稳定性产生影响。为提高充电桩故障预测的准确性，本文提出一种基于蛇群算法(SO)优化神经网络的新能源汽车充电桩故障预测方法。该方法将SO算法与神经网络模型相结合，利用SO算法的全局优化搜索能力对神经网络权重进行训练优化，以提升模型的预测性能。在充电桩故障分类数据集上，本文构建三层全连接神经网络，并采用SO算法优化网络参数。优化后模型的各项指标如AUC、准确率、召回率等明显提高，较单一神经网络和其他优化算法效果更好。研究表明，SO算法可以有效提升神经网络在充电桩故障预测任务上的性能，为充电桩的状态监测和故障预警提供了有效解决方案。本研究的发现为未来充电桩故障预测方法的研究提供了有益的参考，同时也为实际的充电桩状态监测和故障预警系统的设计提供了支持。
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