摘要
本发明提供了一种基于多模态数据融合的电网设备健康状态预测方法及系统,所述方法为实时获取目标电网设备的多模态状态关联数据,根据预设多模态特征提取模型对多模态状态关联数据进行数据特征提取得到待分析多模态状态特征后,根据获取的目标电网设备的历史周期健康指数预测误差和设备运行环境数据动态获取待分析多模态状态特征的最优融合权重,并根据最优融合权重对待分析多模态状态特征进行特征融合得到对应的设备健康指数预测值。本发明通过多源数据实时捕捉丰富的设备运行状态特征,结合多模态特征融合权重动态优化策略,有效提升设备健康评估的及时性、高效性和精准性,减少电力生产损失和维护成本,为电力系统稳定安全运行提供可靠保障。
技术关键词
健康状态预测方法
电网设备
多模态数据融合
设备运行环境
预测误差
特征提取模型
指数
周期
长短期记忆网络
数据特征提取
设备运行状态
设备健康评估
遗传算法
时序特征
神经网络模型
多模态特征融合
系统为您推荐了相关专利信息
动态物体
多模态数据融合
运动轨迹预测
长短期记忆网络
触觉特征
进化算法
优化分析方法
历史负荷数据
节点
负荷预测精度
视频监控系统
视频巡检
Kalman滤波器
离散小波变换
异常事件
学习优化方法
深度神经网络
迁移学习模型
样本
线性变换矩阵
状态评估系统
控制一体机
耐高温摄像头
多模态数据采集
雷达传感器