基于深度学习的多能互补配电系统数据分析方法与系统

本发明基于深度学习的多能互补配电系统数据分析方法首先对多源异构传感器数据进行预处理和特征提取，得到反映设备健康状态的关键指标。然后通过时空数据融合技术获得全局一致的设备状态表征。接着构建多故障模式知识库，采用深度学习的多标签分类算法识别故障类型。最后利用注意力机制和图卷积网络建立设备拓扑结构与故障传播路径的映射关系，通过故障溯源和影响分析推理出设备破损的具体位置。本发明还采用数据增强和迁移学习等方法提高模型的鲁棒性和泛化能力，通过边缘计算实现实时可靠的故障定位。该方法能够准确定位多能互补配电系统中的设备故障，提高系统的可靠性和安全性。