La identificación precisa del estado de carga eléctrica puede proporcionar soporte informático al sistema de distribución eléctrica remota (EDS) de aeronaves más eléctricas (MEA), que podría utilizarlo para realizar conmutación y protección redundantes. Este artículo presenta un método para identificar automáticamente el estado de carga en la unidad de distribución de energía remota (RPDU) de MEA utilizando un algoritmo inteligente. La plataforma experimental se construyó en una cabina de prueba a gran escala del Sistema de Energía Eléctrica (EPS) de una aeronave. Cuatro equipos de aviación típicos están instalados en la cabina de prueba y alimentados desde la RPDU. Se miden los valores de voltaje y corriente bajo 15 combinaciones de trabajo en la RPDU para extraer la trayectoria V-I en estado estacionario. En total, se recopilaron 750 muestras en la base de datos de parámetros de características. Se estableció un modelo de identificación de red neuronal de regresión generalizada (GRNN), y el factor de suavizado se calculó utilizando un método de validación cruzada convencional para entrenar y alcanzar un valor óptimo. Sin embargo, los resultados de identificación no son ideales. Para mejorar la precisión, el parámetro de GRNN se optimizó mediante algoritmos genéticos. El modelo propuesto muestra un gran rendimiento, ya que la precisión de las 15 clasificaciones alcanzó el 100%. El modelo propuesto tiene ventajas de estructura de red flexible, alta tolerancia a fallos y robustez. Puede realizar optimización de aproximación global, evitar la optimización local, mejorar efectivamente la precisión de ajuste de GRNN, mejorar la capacidad de generalización del modelo y reducir el cálculo de entrenamiento del modelo.