一种基于PatchTST-ALSTM的SF6气体泄露检测方法

本发明公开了一种基于PatchTST‑ALSTM的SF6气体泄露检测方法，克服了现有技术中存在的SF6气体泄露检测精度低、时效性差的问题，包括：采集SF6气体压力数据，对压力数据进行预处理与时间归并，得到时间序列；利用PatchTST对所述时间序列进行切块处理与特征映射，同时提取局部和全局特征；利用全局注意力对不同时间块的特征进行动态加权；利用LSTM捕捉时间序列中的长短期依赖关系，输出SF6气体压力预测结果；对预测结果进行分析，判断SF6气体是否泄露。利用深度学习模型对历史气体压力数据进行训练，集成注意力机制对不同时间段的特征进行动态加权，使PatchTST在捕捉全局信息时更加灵活和精准，避免模型过拟合，能够精确预测SF6气体未来压力的变化趋势。