基于采样机制优化的随机森林充电桩故障诊断方法研究

来源：计算机测量与控制杂志2026年第5期北京时间：

作者：吴玑琪,李林,赵品彰,鲍进

单位：江苏省计量科学研究院(江苏省能源计量数据中心)

摘要：针对直流充电桩多类别故障数据不均衡、运行数据噪声高以及响应慢的问题，采用一种引入元代价敏感学习机制的三重伯努利改进随机森林方法。该方法在特征子空间选择、特征内软采样及分裂准则切换三个阶段嵌入受控随机性，并在特征选择与节点分裂中通过权重矩阵引入类别代价信息，显著增强对不平衡小样本类别的识别能力，同时保持模型多样性与泛化性能。在包含19类故障、9项运行特征的真实充电桩数据集上进行试验测试，在测试集准确率（96.76%）和F1分数（0.948）方面均优于C4.5-RF（66.01%、0.605）和CART-RF（86.33%、0.834），训练时间仅54.93s，较C4.5-RF缩短约92.8%。经消融试验证实，三重伯努利机制与代价敏感信息的结合实现了充电桩故障诊断准确率的提高和计算成本的降低。

关键词：直流充电桩;故障诊断;随机森林;伯努利随机过程;动态权重函数;元代价敏感学习

基金资助：国家电网有限公司科技项目资助(合同号:5700-202318272A-1-1-ZN)