随着电动汽车保有量的不断增长,电动汽车自燃和火灾事故不断发生,对车主和充电设施的经营者造成了严重的经济损失,充电安全问题已经成为阻碍电动汽车及其相关产业发展的绊脚石。为解决这一问题,本文根据电动汽车的充电特点,提出了一种基于充电侧深度学习的电动汽车充电过程的状态监测和故障预警方法。该方法可以监测电动汽车充电的各种物理量数据,实现电动汽车的充电故障预警,并且能够有效的避免因错误充电数据所导致的误报警,这对大力促进电动汽车及其相关产业的发展具有非常重要的意义。首先,阐述了电动汽车充电状态监测与故障预警的研究背景及意义,并对其国内外研究现状进行了总结;对电动汽车的动力电池、充电方式、充电方法、可获取和监控的电动汽车充电参数以及影响电动汽车充电过程安全的因素进行了分析,列出了充电侧有可能发生的充电故障,提出了故障预警思想和预警流程;介绍了充电数据预处理方法,并提出评价模型训练好坏的标准。其次,对现有深度学习方法的原理和结构进行了深入分析,在此基础上归纳整理了深度学习方法的网络优化方法;提出滑动窗口的故障预警方法,为判断电动汽车充电故障预警奠定了基础。接着,使用门控循环单元（Gated Recurrent Unit,GRU）构建了电动汽车充电过程的温度预测模型,使用双向门控循环单元（Bidirectional Gated Recurrent Unit,BiGRU）构建了电动汽车充电过程的多参数预测模型,并对模型的预测效果进行了分析;根据滑动窗口分析法,确定了温度故障和多参数故障预警阈值;通过实验验证,GRU模型和BiGRU模型与故障预警方法结合,能够实现对电动汽车充电过程故障的提前预警。然后,为了有效的提高电动汽车充电过程参数预测的准确性,结合卷积神经网络（Convolutional Neural Network,CNN）可以提取深层特征的能力,提出了CNN-BiGRU混合神经网络模型;构建了基于CNN-BiGRU网络的电动汽车充电过程多参数预测模型,并对CNN-BiGRU混合模型的预测和故障预警效果进行了分析。最后,总结归纳了本文研究的电动汽车充电过程状态监测与故障预警方法的成果,并对未来研究的主要方向进行了展望。