深度学习与模式识别的电力柜有害气体监测预警方法

本发明涉及电力设备状态监测技术领域，公开了一种深度学习与模式识别的电力柜有害气体监测预警方法，其中该方法包括：获取传感器阵列各通道气体浓度时间序列及操作事件日志并进行时间对齐与操作状态标注；利用门控循环单元生成通道级时序特征嵌入向量并计算通道间耦合特征矩阵；通过联合非负矩阵分解获取通道基线漂移因子向量与交叉耦合漂移因子矩阵；利用漂移因子对瞬态基线参数集合进行补偿更新；依据操作状态标签生成漂移解耦后的融合特征向量；经发放阈值动态调制的多层脉冲神经网络生成置信度分布向量；触发时输入漂移校正后的状态切换有向无环图因果模型执行反事实推理；对因果效应向量进行显著性检验并联合判定生成预警信号。