基于AP聚类和LSTM网络的充电桩异常数据诊断方法及系统

本发明公开了一种基于AP聚类和LSTM网络的充电桩异常数据诊断方法及系统，利用充电桩计量单元实时计量桩端数据，同时接收传递给充电桩的车端BMS信息。使用标准计量仪器现场采集车和桩的完整充电周期的实时电能数据，建立差值样本库。对差值样本库进行AP聚类分析，引入皮尔逊相关分析模型，进行相关性计算，确定导致数据差值主因的影响程度，采用不同的误差阈值判断标准。利用LSTM神经网络建立时序异常数据诊断模型，实时计算车桩充电计量数据误差指标，将超过误差阈值范围的数据输入诊断模型，实现异常数据识别和异常原因诊断。本发明不仅诊断结果更加真实可信，而且客观全面。