结合深度学习与RCM的新能源运维决策支持方法及系统

本申请提供了结合深度学习与RCM的新能源运维决策支持方法及系统，方法包括：采集新能源设备的多源运行数据，对多源运行数据执行时间粒度对齐与状态耦合编码，生成状态耦合特征张量；将状态耦合特征张量输入预先训练的预测模型，获取预测模型输出的溯源注意力图；基于溯源注意力图与预设的RCM模式库中的标准故障特征向量集进行双向匹配度计算，确定目标故障模式集合；根据目标故障模式集合，确定RCM模式库中对应的决策树路径，并根据历史验证反馈数据调整决策树路径的权重，生成目标决策路径；基于目标决策路径进行逻辑推演，生成对应的运维决策策略并输出。本发明可以提升新能源设备故障识别准确性和运维决策的科学性、自适应性。