一种基于多模态AI的电力设备异常检测方法及系统

本发明公开了一种基于多模态AI的电力设备异常检测方法及系统，所述方法通过边缘计算节点同步采集电力设备的电气、机械、热模态数据，进行负载自适应动态预处理后上传云端；云端构建基于结构因果模型的多模态特征提取网络，通过贝叶斯网络解析模态间因果路径并加权融合特征向量；利用门控注意力机制捕捉设备状态突变，更新特征向量；执行设备群组时空一致性校验识别区域性群体异常并抑制单点误报；生成包含异常根因分析及优先级排序检修策略的可解释报告；建立闭环反馈机制修正贝叶斯网络模型因果概率分布。所述系统包括多模态传感器阵列、边缘计算节点和云端分析平台，云端分析平台集成因果推理引擎、时空一致性校验模块等。本发明通过解析多模态深层因果关联，适应设备动态变化，降低误报率，生成可解释报告，支持闭环自优化，提高电力设备异常检测准确率和运维决策效率。