一种基于深度学习的汽轮机全周期故障预测方法

本发明公开了一种基于深度学习的汽轮机全周期故障预测方法，包括以下步骤：S1、对汽轮机的运行周期进行阶段划分，划分为多个运行阶段，涉及汽轮机故障预测技术领域，通过对汽轮机的运行周期进行阶段划分，针对各阶段数据特点构建差异化故障预测模型，实现了对汽轮机全周期不同阶段故障概率的预测；构建稳定运行阶段故障预测模型时，将数据分解为趋势分量数据、季节性分量数据和残差分项数据，通过双向结构融合趋势分量数据、季节性分量数据的正反向时序特征并利用时间卷积网络动态加权处理残差分项数据，显著提升对渐进性故障的预测提前量和早期微弱异常的识别灵敏度，从而提高稳定运行阶段故障预测的准确性和早期故障识别能力。