摘要
本申请涉及电力系统技术领域,尤其涉及一种基于大模型的发电系统故障辅助决策生成方法及系统,该方法和系统依次通过获取发电系统的当前检测信息集,对所述当前检测信息集进行预处理生成时间序列数据集;根据所述时间序列数据集基于预设的ARIMA模型生成第一预测信息和残差序列;将所述残差序列输入预设的LSTM网络生成第二预测信息;根据所述第一预测信息和所述第二预测信息结合生成初步故障信息;将所述初步故障检测信息输入预先训练的Transformer模型进行深度特征提取和上下文关联分析并生成辅助决策信息,将所述辅助决策信息发送至管理人员;进而实现提升发电系统故障检测的准确性,增强辅助决策的智能化水平,显著提高系统的运行稳定性和管理效率。
技术关键词
决策生成方法
生成时间序列数据
专家经验库
深度特征提取
发电系统
ARIMA模型
滑动窗口算法
频域特征
统计特征
融合特征
依赖特征
非线性
朴素贝叶斯算法
插值算法
系统故障检测
模式匹配算法
参数
系统为您推荐了相关专利信息
场景提取方法
分布式光伏
序贯蒙特卡罗
回归预测模型
预测误差
图谱
糖果生产线
注意力
Softmax函数
跨模态
混合储能容量
储微电网系统
光伏发电机
混合储能系统
风速
深度学习神经网络
发电系统
长短期记忆神经网络模型
阻尼
数据