一种充电桩故障诊断方法、装置、设备及介质制造方法及图纸

本发明专利技术属于故障诊断技术领域，具体公开了一种充电桩故障诊断方法、装置、设备及介质。包括以下步骤：一种充电桩故障诊断方法，包括以下步骤：获取充电桩历史运行数据，并将充电桩运行数据划分为测试集和训练集；将训练集中的数据输入CNN

【技术实现步骤摘要】
一种充电桩故障诊断方法、装置、设备及介质


[0001]本专利技术属于故障诊断
，具体涉及一种充电桩故障诊断方法、装置、设备及介质。

技术介绍

[0002]近年来，电动汽车规模快速扩大，电动汽车充电桩也随之进行大规模建设。随着充电桩数量的迅速提升，充电桩建设、运营管理、运维服务等工作将面临越来越大的负担，充电桩服务供应商必然面临运营运维质量的巨大压力。
[0003]电动汽车充电桩结构设计复杂，其部件之间以及部件内部存在着很多错综复杂、关联耦合的相互关系，不确定因素和不确定信息充斥其间，其故障可能是多故障、关联故障等多种复杂形式。因此，解决不确定性问题是目前充电桩故障诊断中的首要问题。
[0004]目前对于充电桩故障的诊断主要通过专家系统，利用计算机存储的专家水平的知识与方法解决相关领域的问题，但专家系统在推理方面存在缺陷，导致推理能力不强，效率较低。
[0005]目前，对于充电锂离子电池的故障检测技术往往针对某一场景或者某一类型的故障，如电池内短路、电池包热失控等，对于其他类型的故障诊断不准确。<br/>
技术实现思路
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种充电桩故障诊断方法，其特征在于，包括以下步骤：获取充电桩历史运行数据，并将充电桩运行数据划分为测试集和训练集；将训练集中的数据输入CNN
‑
LSTM
‑
Attention模型进行模型训练，得到每个数据的权重；将每个数据的权重代入CNN
‑
LSTM
‑
Attention模型得到待测试模型，将测试集数据输入待测试模型中进行测试，若测试结果合格则将待测试模型输出为预测模型，若测试结果不合格则重新进行模型训练；获取充电桩实时运行数据，将充电桩实时运行数据输入预测模型，得到预测结果；根据预测结果判断充电桩是否发生故障。2.根据权利要求1所述的一种充电桩故障诊断方法，其特征在于，所述获取充电桩历史运行数据，并将充电桩运行数据划分为测试集和训练集的步骤中，测试集和训练集按预设比例进行划分。3.根据权利要求1所述的一种充电桩故障诊断方法，其特征在于，所述获取充电桩历史运行数据，并将充电桩运行数据划分为测试集和训练集的步骤中，充电桩历史运行数据包括输入电压、输入电流、工作状况、充电模块温度、额定电压和额定电流。4.根据权利要求1所述的一种充电桩故障诊断方法，其特征在于，所述CNN
‑
LSTM
‑
Attention模型包括输入层、卷积神经网络、LSTM神经网络、Atention层、全连接层和输出层。5.根据权利要求4所述的一种充电桩故障诊断方法，其特征在于，所述卷积神经网络中使用ReLU函数作为激活函数；ReLU函数的表达公式如下：f(x)＝max(0，x)；式中，x表示卷积神经网络输入值。6.根据权利要求1所述的一种充电桩故障诊断方法，其特征在于，所述将每个数据的权重代入CNN
‑
LSTM
‑
Attention模型得...

【专利技术属性】
技术研发人员：赵永良，王超，王雅群，张磊，康琦，袁嘉琦，齐天，丁丹蕾，杨菁菁，张运，牛垣绗，郭泰龙，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：