基于改进深度学习模型的运检设备故障检测方法和系统

本发明属于计算机应用技术领域，涉及一种基于改进深度学习模型的运检设备故障检测方法和系统，该方法包括：获取原始数据，采用EEMD分解原始数据进行特征增强，得到分解信号，对分解信号进行降噪，得到降噪后的特征信号；根据降噪后的特征信号，基于Resnet和动态Transformer编码器构建深度学习模型，输出每个故障类别的预测概率；使用ZOA优化算法优化深度学习模型超参数，得到优化模型，评估优化模型性能，得到最优模型，输出每个故障类别的预测概率，在故障检测任务中能够有效减少故障的误报和漏报，减少故障未能及时发现所带来的安全隐患，因而提高电力系统稳定性和可靠性具有重要价值。