【技术实现步骤摘要】
本专利技术涉及电动汽车充电设施运维，特别是结合深度学习与元学习的充电设备故障诊断方法及系统。
技术介绍
1、随着电动汽车行业的快速发展，充电设施已成为新能源汽车产业链中的核心环节，其可靠性和安全性对用户体验和行业可持续发展至关重要；然而，充电安全问题日益突出，成为制约行业进一步发展的关键瓶颈之一；在充电桩长期高负荷运行的情况下，其性能不可避免地逐步下降，设备故障率显著增加；尤其是单个充电桩出现多种故障并发的情况，不仅提升了维修的复杂性，也给技术人员的故障定位与排查带来了极大挑战；这些问题直接威胁用户的充电安全，并对行业的稳定运行构成隐患。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本专利技术的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
2、鉴于上述存在的问题，提出了本专利技术。
3、因此，本专利技术提供...
【技术保护点】
1.结合深度学习与元学习的充电设备故障诊断方法，其特征在于：包括：
2.如权利要求1所述的结合深度学习与元学习的充电设备故障诊断方法，其特征在于：所述获取第一参数数据和第二参数数据，包括以下步骤：
3.如权利要求2所述的结合深度学习与元学习的充电设备故障诊断方法，其特征在于：基于所述第一参数数据和第二参数数据形成映射关系，包括以下步骤：
4.如权利要求3所述的结合深度学习与元学习的充电设备故障诊断方法，其特征在于：基于所述映射关系构建故障特征数据集，包括以下步骤：
5.如权利要求4所述的结合深度学习与元学习的充电设备故障...
【技术特征摘要】
1.结合深度学习与元学习的充电设备故障诊断方法，其特征在于：包括：
2.如权利要求1所述的结合深度学习与元学习的充电设备故障诊断方法，其特征在于：所述获取第一参数数据和第二参数数据，包括以下步骤：
3.如权利要求2所述的结合深度学习与元学习的充电设备故障诊断方法，其特征在于：基于所述第一参数数据和第二参数数据形成映射关系，包括以下步骤：
4.如权利要求3所述的结合深度学习与元学习的充电设备故障诊断方法，其特征在于：基于所述映射关系构建故障特征数据集，包括以下步骤：
5.如权利要求4所述的结合深度学习与元学习的充电设备故障诊断方法，其特征在于：利用所述故障特征数据集构建多目标故障诊断模型，包括以下步骤：
6.如权利要求5所述的结合深度学习与元学习的充...
【专利技术属性】
技术研发人员：张建洲，张建伟，吕晓荣，李海奇，黄付顺，窦胜，肖伟，陆文韬，陈家凯，郑凯，陈良亮，陶德顺，肖文乔，
申请(专利权)人：国电南瑞科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。