摘要
本发明提出了一种电力设备故障预测方法和系统,该方法包括:将获取的电力设备历史数据进行多模态融合得到各个模态的特征向量;将特征向量采用主成分分析融合得到融合向量;将融合向量构建成图得到时空图;利用时空图采用图卷积方式学习空间信息提取数据的空间特征得到空间特征表示向量;对空间特征表示向量结合注意力权重融合生成注意力融合向量;再利用门控循环单元学习时序信息得到时间特征表示向量;将空间特征表示向量和时间特征表示向量加权特征融合得到时空融合表示向量;利用多层感知机对时空融合表示向量处理输出电力设备故障预测。基于该方法,还提出了一种电力设备故障预测系统。本发明提高了电力设备故障预测的准确性和鲁棒性。
技术关键词
电力设备故障
注意力
多模态数据融合
多层感知机
门控循环单元
加权特征
成分分析
协方差矩阵
时序
特征值
网络
节点特征
预测系统
模块
传播算法
系统为您推荐了相关专利信息
卷积特征提取
数据处理模型
自然语言
标记特征
加权特征
棉花虫害
识别分类方法
无人机
训练检测模型
建立检测模型
多模态特征融合
激光雷达点云
激光雷达数据
拼接方法
融合多视角
智能调度方法
四足机器人
路径规划算法
计算机程序指令
KM匹配算法