基于迁移学习的电力设备输出异常缺陷诊断方法、装置、计算机设备、存储介质和计算机程序产品

本申请涉及一种基于迁移学习的电力设备输出异常缺陷诊断方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：采集源域数据与目标域数据，构建源域预训练模型；获取目标域适配模型；通过调取待诊断设备的历史维护记录进行异常判断，获取最终诊断结果；对源域预训练模型和目标域适配模型进行更新。采用本方法能够通过迁移学习结合对抗训练和半监督微调，有效解决电力设备故障诊断中目标域数据稀缺问题，实现跨设备的高精度异常检测与缺陷分类，同时利用历史维护记录优化诊断结果，支持模型持续迭代优化。