摘要
本发明提供一种基于大数据的电厂智能预警方法及系统,涉及电力系统技术领域,包括生成高维特征图谱,通过自适应混沌映射,生成多模态特征张量,构建特征关系网络,生成时间序列多维特征向量,基于拓扑熵,重构成多维状态向量;结合拓扑数据分析方法,对多维状态向量进行高维拓扑空间映射,识别电厂设备的运行模式,计算设备运行状态的模糊区域与模式突变点,得到设备健康状态的动态评估结果;结合多层次递归神经网络,通过多尺度时间序列预测,得到预测结果,基于量子概率图模型对预测结果对应的不确定性进行量化求解,生成预警信号的量子概率分布,调整设备的实时运行策略,生成电厂设备的智能预警信号。
技术关键词
设备健康状态
多维特征向量
关系网络
多模态特征
电厂设备
社团发现算法
多层次
数据分析方法
智能预警方法
设备运行状态
图谱
递归神经网络模型
序列
社团结构
多尺度特征
动态
聚类算法
测地线距离
系统为您推荐了相关专利信息
柔性负荷控制方法
高比例可再生能源
电解水制氢设备
设备运行状态数据
设备健康状态
面部特征融合
阵列式压力传感器
遮挡面部
深度学习架构
动态时间窗口
设备健康状态
硬件冗余
监测方法
水电站监控系统
拓扑网络
面向工业互联网
智能识别方法
信号调制
多模态特征融合
卷积模块