摘要
本发明公开了一种电力设备智能监测方法、系统及存储介质,涉及电力设备智能运维与故障预测技术领域,包括以下步骤:通过时空注意力机制将获取的多源数据进行时间对齐与特征融合,构建状态表征张量;对状态表征张量进行语义因子解构,输出设备异常概率分数,并得到故障类型置信度分布;将设备异常概率分数与实时监测数据输入物理信息神经网络,生成第一数据;根据第一数据结合故障类型置信度分布,生成故障演化路径;本申请通过引入时空注意力机制与物理信息神经网络相结合的方法,实现了多源数据的深度融合与故障演化路径的智能预测,并通过语义因子解构与置信机制的融合,解决了现有技术在多模态数据利用效率低、故障预测精度不高的问题。
技术关键词
电力设备智能监测
时空注意力机制
实时监测数据
高维特征向量
轨迹
语义
因子
故障预测精度
寿命
数据采集模块
故障预测技术
节点特征
分析模块
物理
网络
蒙特卡洛
矩阵
生成设备
系统为您推荐了相关专利信息
缩比模型试验方法
轨道车辆转向架
粒子
加速度
密度
负荷识别方法
轨迹
电力负荷识别技术
VGG网络
电流值
轨迹模型
递推最小二乘法
图形处理器并行计算
负载瞬态
旋翼
协同避障方法
车辆底盘
纵向轮胎力
横摆角速度
避障路径
高维特征向量
输电线路行波故障
特征提取模块
环境参数采集单元
信号