摘要
本发明涉及抽水蓄能技术领域,公开一种水蓄能机组的状态检测方法,包括:S1,在水蓄能机组上部署振动、温度、电气和压力传感器,采集多维运行数据,且进行降噪、标准化和时序对齐;S2,通过张量分解提取数据的多维特征,利用卷积神经网络获取局部空间信息,且结合Transformer模型建模时序关系;S3,通过图卷积网络构建传感器拓扑结构。采用多源数据融合技术,将振动、温度、电气和压力传感器的数据进行统一处理,结合时序预测和智能故障检测算法,实现水蓄能机组的全方位健康监控,且提升检测精度,同时能及时发现潜在故障,相较于传统方法中单一传感器的数据监测,显著解决因数据量大且复杂导致的识别不准确问题。
技术关键词
状态检测方法
机组
综合健康指数
矩阵
局部空间特征
张量分解方法
故障类别
卷积神经网络提取
时序
故障检测模型
拉普拉斯
压力传感器
更新模型参数
贝叶斯方法
多源数据融合技术
系统为您推荐了相关专利信息
数字孪生模型
风电机组发电量
生成零件
切片
风力
数据清洗方法
风电机组
异常数据
数据清洗系统
数据清洗技术
波束赋形设计
波束成形向量
协方差矩阵
黎曼
线性阵列天线
无人机蜂群
度评估方法
威胁度计算方法
DBSCAN算法
无人机集群