基于自动特征学习的GIL设备故障检测定位方法及系统

本申请提供了一种基于自动特征学习的GIL设备故障检测定位方法及系统，所述方法包括：基于各类故障发生的时间点，对故障发生前预设时间段内的数据进行特征提取，获取数据的异常特征；将异常特征作为二分类预警模型的输入，将是否发生故障作为输出标签，训练二分类预警模型；实时获取GIL设备中的数据；对实时获取数据进行自动特征提取，获取综合特征表示；将综合特征表示作为二分类预警模型的输入，获取故障发生的概率，当故障发生的概率超过预设阈值时触发预警；基于预警启动故障诊断，将触发预警的综合特征表示输入到故障诊断模型中，获取故障类型和位置信息，本申请通过利用故障发生前的数据特征，提前预警潜在故障，快速定位故障类型和位置，实现预防性维护。