一种基于自适应神经网络的电力设备状态监测方法

本发明公开了一种基于自适应神经网络的电力设备状态监测方法，包括如下步骤：S1、采集电压、电流、温度、谐波、振动等多源时序数据并构建输入数据集；S2、对输入数据进行缺失补全、异常剔除、归一化与趋势平滑处理，生成标准化运行数据；S3、构建含跳跃切片模块的神经切片网络模型，提取融合状态特征；S4、输入标准化数据，生成初始状态分类与风险评分结果；S5、采用谱蚁振荡优化算法联合优化样条控制点、路径权重与激活阈值；S6、使用优化模型重新评估设备状态，生成分类、评分与趋势信息；S7、将评估结果接入电力运维系统，实现展示与预警。本发明实现了电力设备状态精准评估的同时，显著提升了故障预警准确性与运维响应效率。