近年来,随着世界逐渐转向更低碳环保的技术,电动汽车作为替代传统汽车的一种环保解决方案脱颖而出,使得公众对于充电桩的需求日益增大。现有公共充电桩一般在停车场、加油站,值班人员较少或无人看守,存在数量大、位置分散等特征,因此充电桩的功能需要自动化水平更高、安全可靠性更强、维护更简便,以降低运行和维护成本并提升充电桩的使用效率。本文针对以上问题,在充电桩积累的历史数据和故障信息基础上,提取状态评价特征指标,并对各指标进行分析,得到其阈值和置信度;再对充电桩的运行状态进行实时评估,通过模糊聚类算法和动态劣化度相结合将待识别的充电桩类别划分为健康充电桩、亚健康充电桩、异常充电桩和严重充电桩;建立基于SVR回归算法的充电桩特征指标预测模型,根据预测模型相对误差变化趋势完成充电桩状态到趋势的预测;最后引入正态云模型,根据充电桩的实时在线监测数据完成充电桩从趋势到故障的预测。通过层次分析法赋予特征指标权重,并采用变权理论算法对充电桩发生劣化指标常权重进行修正。提出动态劣化度的概念,能够根据充电桩各特征指标实时数据和变化趋势对充电桩归一化后的各特征指标参数进行修正,再按照模糊聚类综合评价问题的最终目标是“非零最低模糊隶属度等级项”最小的原理,对充电桩进行实时状态划分。获取充电桩各评估指标回归预测的相对误差变化趋势序列,针对模糊聚类综合评价法在充电桩状态边界问题上随机性的不足,引入正态云模型,从相对误差变化趋势序列中提取正态云和异态云的数字特征,最后依据云模型中的最大贴近度对充电桩故障进行预测,从而初步建立起基于国家电网公司的智能充电桩大数据预测故障应用体系,最终达到有效地预防与减少充电桩故障发生率的目的,优化充电桩维修体系,降低充电桩故障对电动汽车造成的不良影响。