摘要
本申请公开了一种基于数据融合的风电机组故障检测方法、系统及介质,涉及故障检测技术领域,解决了现有技术未考虑到影响因素之间的相互作用,且在故障检测过程中需要实时处理大量数据,导致风电机组故障检测不准确和检测效率不高的技术问题;本申请通过级联结构构建人工智能模型并进行训练,且训练数据既包括各影响因素对机组故障的影响,也包括影响因素对其他影响因素的影响,能够让人工智能模型学习到影响因素之间的相互作用,提高机组故障以及故障概率的预测精度;而且本申请在故障预测过程中仅需要获取部分预测数据即可,其他数据通过故障关联模型可快速提取,能够有效降低数据处理量,提高故障检测效率。
技术关键词
故障检测模型
历史监测数据
风电机组故障检测
序列
训练人工智能模型
故障预测数据
故障检测模块
风电机组工作
网络
数据采集模块
故障检测技术
级联
可读存储介质
数值
系统为您推荐了相关专利信息
城市土地利用变化模拟方法
门控循环单元
注意力神经网络
矢量地块数据
元胞自动机
序列帧
三维重建方法
生成三维建筑模型
图像
模型训练模块
可见光图像
边界轮廓
线路铁附件
二值化图像
像素点
药物靶标预测方法
节点特征
表达式
多层次特征融合
矩阵