来源：期刊VIP网 时间：
作者：周锦;高天;王强;殷张程;朱金荣;
单位：扬州大学信息工程学院;
摘要：电动汽车充电设施的充电数据包括电压、电流、温度、功率等时序数据，这些数据具有前一时刻影响关联下一时刻的特点。利用长短期记忆（LSTM）神经网络挖掘数据量中的关联特征，建立工作数据与故障之间的特征模型，可以进行充电桩故障诊断。但LSTM神经网络存在过拟合和易陷入局部最优解的问题，为此，提出一种遗传算法（GA）优化LSTM神经网络的充电桩故障诊断方法。使用遗传算法，通过模拟生物进化过程来搜索最优解，选择适应度高的个体进行繁殖，并引入变异操作逐步优化超参数组合，提高LSTM模型的性能与效率。经与LSTM神经网络的实验结果对比，GA-LSTM神经网络数据预测结果的RMSE值降低56.7%,MPAE值降低60.3%，故障诊断的准确率提升3.2%。因此，GA-LSTM神经网络可以作为一种深度学习技术应用于充电桩故障诊断。
关键词：充电桩;;数据预测;;故障诊断;;遗传算法;;长短期记忆神经网络;;归一化处理
基金资助：国家自然科学基金委员会(62375234);; 江苏省研究生研究与实践创新计划(KYCX24＿3714)
