一种基于深度学习的快充充电器寿命预测方法

本发明提供了一种基于深度学习的快充充电器寿命预测方法，采集电气、热力学及环境参数，经扩展卡尔曼滤波去噪，采用自适应分位数归一化与时间窗口加权插值处理缺失值，提取滑动窗口内的时序与热力学特征，构建双流Transformer‑LSTM网络，分别处理电气流与热力学流，引入阶段感知注意力机制，动态调整特征权重，通过加权整合双流输出，设计物理损失函数，最终输出剩余寿命，加权计算健康状态，并基于阈值触发多级预警，结合Softmax分类故障类型，通过增量训练选择异常数据并定期微调模型，结合物理约束与深度学习，动态适应充电阶段特征，实现高精度寿命预测与故障诊断，适用于快充设备的实时健康管理。