摘要
本发明提出了一种电站关键设备温度监测及预警方法及系统,属于温度监测领域,包括以下步骤:S1、采集电站关键设备的温度数据,并对温度数据进行预处理;S2、对预处理后的一维时序数据和二维图像数据分别进行特征提取,得到第一特征和第二特征,将第一特征和第二特征进行融合,得到融合特征;S3、基于融合特征,构建包含短期记忆模块和长期记忆模块的深度学习预测模型,利用分布式混合优化算法对所述深度学习预测模型的超参数进行优化,得到优化后的深度学习预测模型;S4、通过工业互联网平台实时采集电站关键设备的温度数据,使用优化后的深度学习预测模型对电站关键设备的未来温度进行预测,得到预测结果,并根据预测结果和电站关键设备的温度阈值进行自适应温度预警。本申请能够及时识别潜在的温度异常,显著提高了温度预测的准确性,大幅提升了预警系统的灵敏度和可靠性。
技术关键词
深度学习预测模型
混合优化算法
预警方法
二维图像数据
工业互联网平台
融合特征
启发式信息
节点
蚁群算法
超参数
分布式计算环境
优化遗传算法
记忆
预警系统
时序
蚂蚁算法
通信接口
系统为您推荐了相关专利信息
工业互联网平台
客户端
无依赖关系
识别码
服务端
储能设备
双通道注意力
交互网络
故障预警方法
自调节系统
分级预警方法
岩土工程项目
预警模型
模型训练模块
指标
事件检测模型
预警设备
风险预测模型
监测预警方法
耳部