基于融合时空图ConvLSTM模型的风机故障预测方法及存储介质
基本信息
| 申请号 | CN202210430157.2 | 申请日 | - |
| 公开（公告）号 | CN114692341A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114692341A | 申请公布日 | 2022-07-01 |
| 分类号 | G06F30/17（2020.01）I;G06F30/27（2020.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06F113/06（2020.01）N;G06F119/06（2020.01）N;G06F119/08（2020.01）N | 分类 | 计算；推算；计数; |
| 发明人 | 强保华;尹文强;席广勇 | 申请（专利权）人 | 桂林电子科技大学 |
| 代理机构 | 桂林文必达专利代理事务所（特殊普通合伙） | 代理人 | - |
| 地址 | 541004广西壮族自治区桂林市七星区金鸡路1号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于融合时空图ConvLSTM模型的风机故障预测方法及存储介质，所述方法包括以风电机组工况参数、环境参数和状态参数构成的风机数据集，并通过融合时空图ConvLSTM模型处理后输入到风机故障检测模型中，得到预测结果。本发明针对风机实际环境中的运行数据，首先经过数据预处理和特征工程，然后从风机运行数据的时间和空间两个维度出发，将原始的一维数据转化为二维时空图数据，增强数据对空间关系的表征能力。在所构建的时空图模型基础之上，搭建可适应于二维时空图数据的ConvLSTM模型架构，将二维时空图构建模型与ConvLSTM预测模型深度融合，经过模型的优化训练，有效提升风机在未来一段时间内运行数据的预测准确率，进而提高风机故障预测的准确率。 |
