摘要
本发明公开了一种基于多模态特征的变电站蓄电池组异常状态评估方法,所述方法包括以下步骤:获取历史数据中的蓄电池的电流、温度、湿度和振动频率;形式化故障预测任务并构建故障检测模型,导入预处理数据至特征提取模块中,获取局部特征;导入局部特征至时序特征提取模块中,获取时序特征;导入时序特征至全局特征提取模块;获取全局特征;导入局部特征、时序特征和全局特征至特征融合模块,获取多模态特征;导入多模态特征至预测模块,获取预测的故障类型。本发明利用变电站蓄电池组的多个检测指标,依次提取局部特征、时序特征和全局特征,并将特征进行多模态数据融合,有助于提升模型对数据异常的捕捉能力,提高变电站蓄电池组异常状态识别准确性。
技术关键词
变电站蓄电池组
多模态特征
异常状态
智能评估模型
时序特征
特征提取模块
全局特征提取
局部特征提取
蓄电池故障检测方法
深度学习网络结构
蓄电池管理系统
输出模块
多模态数据融合
故障检测模型
训练样本数据
历史运行数据
系统为您推荐了相关专利信息
多维特征向量
块识别方法
空间结构特征
判别规则
矢量掩膜
虚拟计量方法
流量预测模型
厂房
蒸汽管道结构
数据
流量预测方法
动态邻接矩阵
航迹数据
状态空间模型
航空
反射光谱数据
垃圾箱
多模态特征
激光
高精度称重传感器