摘要
本发明公开了一种基于多模态时序数据分析的充电桩故障预测方法,所述方法包括获取充电桩的原始运行数据,并对原始运行数据执行预处理,得到初始数据集合;根据初始数据集合,提取动态变化指标,得到时序特征集;根据时序特征集,提取特征向量,得到独立特征表示集合;根据独立特征表示集合,执行加权融合,得到融合特征结果;结合预设双层全连接神经网络,进行故障预测,得到初步故障预测结果;根据初步故障预测结果,对预设双层全连接神经网络进行全局搜索与调整,得到优化参数组合;根据优化参数组合,更新配置信息并执行训练,得到预测置信度;若预测置信度低于预设预测阈值,返回得到优化参数组合进行迭代,反之,输出最终故障预测结果。
技术关键词
独立特征
时序特征
融合特征
多模态
故障趋势预测
预测阈值
参数
标记特征
加权特征
更新配置信息
可读存储介质
充电桩故障
异常数据点
格式
时序结构
时间段
数据获取模块
系统为您推荐了相关专利信息
支持向量机回归模型
模式
高压
心功能参数
多模态
深度学习模型
水质
环境参数信息
地表水
时序特征