摘要：随着电动汽车的飞速发展，充电桩的可靠性和安全性成为保障用户安全和提升出行体验的关键因素。针对已有充电桩故障诊断方法在复杂故障检测中建模因素单一、少样本故障类型表现较差的问题，考虑了充电桩维修工单、历史运营账单以及充电桩上送报文的数据，提出了一种融入时间序列表征的充电桩复杂故障诊断方法。首先，对充电桩工单、订单、报文数据进行数据补全与归一化处理。其次，采用特征工程技术与双向门控循环单元Bi-GRU来提取充电过程中多源数据的关键特征与温度、电压、电流等时序故障表征。最后，基于表征后的数据样本，采用机器学习进行学习训练，判断充电桩是否故障以及复杂故障的类型。实验结果表明，所提方法较单一的机器学习与深度学习表征方法在准确率、精确率、召回率和F1值上均有较好的表现。

        关键词：充电桩；复杂故障诊断；双向门控循环单元；时间序列表征

        中图分类号：TM910.6；U491.8     文献标识码：A 

      格式引文：杨凤坤，李珺，吕海涛,等. 融入时间序列表征的充电桩复杂故障诊断方法[J].电气传动,2026,56(08):88-96. ANG Fengkun，LI Jun，LÜ Haitao,et al. Complex fault diagnosis method of charging piles integrating with time series representation [J].Electric Drive, 2026,56(08):88-96