基于SVM与BiLSTM模型的超导电缆故障预测方法

本申请提供的基于SVM与BiLSTM模型的超导电缆故障预测方法，对获取到的电缆数据集进行特征提取，得到特征数据集。随后按照运行状态聚类特征数据集，根据聚类结果计算在各簇对应的运行状态下的故障发生概率。然后基于聚类结果和计算的故障发生概率对预设的故障预测模型进行训练，当训练完成时得到最终的故障预测模型。在训练过程中利用BiLSTM层捕获并融合电缆历史信息和电缆未来信息，这样能够全面捕捉特征数据集中的前后依赖关系，使得模型能够准确预测未来可能发生的故障模式，接着利用注意力层对融合后的电缆双向信息进行加权，这样可以聚焦于对预测贡献度更高的特征以得到高精度的故障预测结果，从而提高故障预测的精确度。