一种基于多模态多尺度自适应图神经网络的风电机组故障预警方法

本发明公开一种基于多模态多尺度自适应图神经网络的风电机组故障预警方法，包括以下步骤：1)构建用于捕捉风电机组运行波动的多尺度时变网络；2)获取SCADA多维时间序列数据X(orig)，并输入多尺度时变网络中，得到多时间尺度的时变图，以及时变图节点特征集合；3)利用基于图卷积网络与自注意力机制的传感特征预测模型对时变图结构进行处理，得到未来Tp时间风电机组SCADA传感器节点预测值；4)基于风电机组SCADA传感器节点预测值与风电机组SCADA传感器节点实测值，判断风电机组是否发生故障。本发明通过构建基于自适应时变图神经网络(AT‑GNN)的框架，结合传感器行为的多尺度预测模型，显著改善了现有方法的可解释性、实时性及鲁棒性。