一种基于深度学习的励磁系统故障诊断方法

本发明公开了一种基于深度学习的励磁系统故障诊断方法，旨在解决现有励磁系统的故障诊断方法在复杂工况下适应性差、依靠人工提取特征和对新型故障识别能力不足的问题。包括：S1、实时采集励磁系统多源运行数据，构建原始数据集；S2、对数据进行预处理和标准化；S3、基于卷积神经网络与长短期记忆网络构建端到端诊断模型；S4、自动提取输入数据的时空特征并生成健康状态的特征向量；S5、对特征向量进行故障诊断，输出励磁系统的运行状态；S6、根据故障诊断得到的运行状态，生成故障报警信号和诊断报告。本发明提升了故障诊断的准确性与智能化水平，增强了系统对复杂工况和新型故障的适应能力，保障了电力设备的安全可靠运行。