摘要
本发明涉及零碳设备故障预警技术领域,公开了一种基于ESG调度的零碳设备故障预警方法及系统,该方法通过采集碳足迹强度、清洁能源消纳量、储能系统充放电效率等多源ESG参数数据,利用图卷积网络结合门控循环单元提取设备状态特征,计算ESG关联度及时段间互相关矩阵,经主成分分析降维后通过ReLU激活函数生成故障预警权重。基于权重动态调整基准阈值并借助扩展卡尔曼滤波器校正偏差,生成预警参数触发预警流程。同时构建多维设备状态空间判定故障状态,通过非支配排序遗传算法求解ESG参数与预警阈值的联合优化模型,实现ESG效益与故障预警的协同优化,提升预警准确性与动态适应性。
技术关键词
设备故障预警方法
储能系统充放电
扩展卡尔曼滤波器
门控循环单元
参数
遗传算法求解
设备故障预警技术
设备故障预警系统
多时间尺度
成分分析
双向长短期记忆网络
消除随机干扰
矩阵
基准
核心
清洁能源
移动平均滤波
跨设备
系统为您推荐了相关专利信息
混合流
加密方法
转换组件
特征提取器
计算机程序产品
神经网络模型
点击率
分类网络
序列推荐方法
生成样本数据
连通体
砂岩储层
赋存形态
CT扫描数据
二氧化碳驱替
电梯应急电源
需求预测模型
电梯状态数据
功率
负载特征