基于深度学习的电力设备故障预测方法及系统

本申请公开了一种基于深度学习的电力设备故障预测方法及系统。方法包括：获取多模态监测数据并进行标准化和归一化处理；通过一维神经网络和二维卷积神经网络分别提取电气信号、机械振动、热成像图像和声音谱图的初步特征；采用注意力机制融合各模态特征，计算关联权重并生成综合特征向量；根据权重选择不同长短期记忆网络处理序列依赖，得到关联序列；检测异常点并聚类，识别高风险异常模式；对高风险设备进行多步预测，得到未来演化序列；通过比较当前与未来特征的相似度生成故障预警。本申请能够融合多源信息，精准捕捉早期异常，实现电力设备故障的智能预测与预警。