摘要
本发明提供一种基于极端天气的元件故障预测方法及系统,通过获取极端天气数据集合和电气元件运行状态数据集合,对所述极端天气数据集合进行特征提取,得到极端天气特征集合,对所述电气元件运行状态数据集合进行特征提取,得到电气元件运行特征集合;将所述极端天气特征集合和所述电气元件运行特征集合进行关联融合,生成关联特征序列;调用预训练的故障预测模型对所述关联特征序列进行故障风险预测,生成电气元件的故障概率分布序列;根据所述故障概率分布序列确定电气元件在不同极端天气条件下的故障预测结果,提升预测结果对实际应用场景的适配性,从而整体提高电气元件故障预测的可靠性和有效性。
技术关键词
电气元件
天气
故障预测模型
序列
故障预测方法
密度分布特征
融合特征
数据
时间关联信息
参数
模式匹配
建立关联关系
标识
多边形
重叠阈值
时序
坐标点
多层感知器
冗余特征
系统为您推荐了相关专利信息
长短期记忆神经网络模型
执行设备
水质
时间序列分析方法
粒子群优化算法
生成深度学习
动作特征
生成对抗网络模型
混合模块
正向运动学