基于SO优化神经网络的新能源汽车充电桩故障预测系统研究

• 全文链接
• 请求原文

作   者：

刘裕舸; 

作者机构：

柳州铁道职业技术学院; 

关键词：

充电桩;  FNN;  SO;  故障预测; 

期刊名称：

广西电力

i s s n：

1671-8380

年卷期：

2023 年 46 卷 004 期

页   码：

30-37

摘   要：

随着新能源汽车的广泛应用,充电桩作为电网终端设备,其故障会对电网稳定性产生影响.为提高充电桩故障预测的准确性,本文提出一种基于蛇群算法(SO)优化神经网络的新能源汽车充电桩故障预测方法.该方法将SO算法与神经网络模型相结合,利用SO算法的全局优化搜索能力对神经网络权重进行训练优化,以提升模型的预测性能.在充电桩故障分类数据集上,本文构建三层全连接神经网络,并采用SO算法优化网络参数.优化后模型的各项指标如AUC、准确率、召回率等明显提高,较单一神经网络和其他优化算法效果更好.研究表明,SO算法可以有效提升神经网络在充电桩故障预测任务上的性能,为充电桩的状态监测和故障预警提供了有效解决方案.本研究的发现为未来充电桩故障预测方法的研究提供了有益的参考,同时也为实际的充电桩状态监测和故障预警系统的设计提供了支持.