摘要
本发明公开了一种基于数据分析的电池组的故障预警方法及系统,通过从多个数据源获取电压、电流、温度参数的异步采样数据,采用线性插值算法将异步采样数据映射到预设时间网格,生成时间序列数据;将时间序列数据输入长短期记忆网络,通过前向传播计算得到包含时间依赖特征的隐藏状态序列;对隐藏状态序列采用注意力机制计算特征权重,若特征权重大于预设阈值,则保留对应特征形成精简特征集;基于精简特征集,采用贝叶斯推理算法计算后验概率分布,确定故障发生概率;根据故障发生概率,采用动态阈值调整算法更新预警阈值,若故障概率超过当前预警阈值,则触发分级预警信号。本发明为电力设备的安全稳定运行提供了有力保障。
技术关键词
故障预警方法
后验概率分布
生成时间序列数据
长短期记忆网络
故障预警系统
依赖特征
电池组
推理算法
注意力机制
时间序列数据库
生成工具
主成分分析算法
滑动方法
网格
参数
归一化方法
统计分析工具
系统为您推荐了相关专利信息
皮带调偏
空间分布特征
时间序列特征
融合特征
带式输送机
卷积神经网络模型
长短期记忆网络
核心
故障类别
分析方法
智能防碰撞
塔吊吊钩
预警方法
预警终端
数字孪生
网络攻击预测方法
系统日志
主动式
网络流量数据
数据采集模块