摘要
本发明涉及太阳能新能源场站故障预测技术领域,尤其涉及一种基于深度学习的新能源场站故障预测系统及方法,包括:数据采集模块;数据处理模块;特征关联模块,用以将时间序列设备数据和历史设备故障数据整合至特征关联集合,根据各关联项的支持度输出关联频繁项;故障预测模块,用以获取预测故障信息,根据故障确定系数输出预测故障信息,还用以将预测故障信息与实际故障信息进行比对,根据比对结果对关联频繁项数据库进行更新,还用以根据各预测故障位置准确性未达标次数对各预测故障位置的预测故障信息输出顺序进行调整。本发明提高了太阳能新能源场站故障预测的实时性,提高了深度学习模型在太阳能新能源场站故障预测中的适用性。
技术关键词
循环神经网络模型
故障类别
故障预测系统
新能源场站
预处理设备
故障容忍度
历史设备
太阳能新能源
数据处理模块
序列
关联规则挖掘算法
设备故障监测
数据采集模块
正确率
故障预测技术
故障预测方法
预测模型训练
深度学习模型
系统为您推荐了相关专利信息
涂抹墙壁
涂料
循环神经网络模型
节点特征
时间段
数字孪生系统
仿真模型
多时间尺度
生态模块
新能源场站
风险预测模型
风险评估方法
表情特征
循环神经网络模型
动作特征
知识抽取方法
设备故障诊断系统
生成神经网络模型
融合上下文信息
图谱
数据融合系统
数据融合方法
数据获取模块
循环神经网络模型
打包预处理