摘要：针对充电设备逆变器损耗特征易受时空变化影响，导致识别总损耗率与实际值拟合度偏低的问题，提出融合CNN-LSTM双编码器特征提取的充电设备逆变器损耗自动化识别技术。利用CNN提取损耗空间特征，LSTM提取损耗时间序列特征，通过特征融合生成预测波形，计算损耗傅里叶级数与损耗磁动势，判断不同驱动工况下的电流幅值状态，构建自动化识别模型，确定磁通分布状态，完成充电设备逆变器损耗自动化识别。实验结果表明：在10 Ω，20 Ω和30 Ω附加电阻工况下，该技术识别的逆变器总损耗率与实际值高度拟合，无显著偏移，其RMSE 和MAE 均不超过0.020。该方法有效提升了充电设备逆变器损耗识别的精度，为优化设备运行策略、降低能源损耗及运维成本提供了可靠的技术支撑。

        关键词：双编码器；充电设备逆变器损耗；损耗时间序列；损耗波形；自动化识别

        中图分类号：TM351     文献标识码：A 

      格式引文：李涛，宋强，余斌,等. 融合CNN⁃LSTM双编码器的充电设备逆变器损耗自动化识别技术[J].电气传动,2026,56(09):75-80. LI Tao，SONG Qiang，YU Bin,et al.Automated identification technology for charging device inverter losses using a fusion of cnn-lstm dual encoders [J].Electric Drive, 2026,56(09):75-80