CN120296556A 一种水蓄能机组的状态检测方法 （北京恒鼎义和节能科技有限公司）

积神经网络获取局部空间信息，且结合22.根据权利要求1所述的一种水蓄能机组的状态检测方法，其特征在于，所述步骤S1μd为Xd3d,i为在维度d上第i样本的数据值；3.根据权利要求1所述的一种水蓄能机组的状态检测方法，其特征在于，所述步骤S24卷积神经网络对输入数据进行卷积操作，以提取空间特征，卷Transformer模型通过自注意力机制捕捉时序数据中的长时依赖关系，自注意力操作步骤2.4，结合卷积神经网络提取的局部空间特征和Transfo故障检测模型基于上述提取的特征，在多源数据融合的基础上，结合卷4.根据权利要求1所述的一种水蓄能机组的状态检测方法，其特征在于，所述步骤S3在步骤S2中，通过张量分解方法提取数据的多维特征，利用卷wn-ex(-),i5L=I-D-1/2WD-1/2,5.根据权利要求1所述的一种水蓄能机组的状态检测方法，其特征在于，所述步骤S46Hl;=1--1picwc,步骤4.2.1，长短时记忆网络适用于建模时间序列的短期动态变化，核心计算公ttC长短时记忆网络计算的ht作为短期健康指数h为对时刻t的隐状态进行线性映射的权重矩阵，bh表示与线性映射结果相加的7i:"<Ta,若健康指数低于预警阈值，进行贝叶斯异常检测，分析是否存6.根据权利要求1所述的一种水蓄能机组的状态检测方法，其特征在于，所述步骤S5根据历史健康指数数据和当前预测值建立8其中，是健康指数在给定均值μ和方差σ2条件下的概率密度，是预测的健康指数值；为确保故障检测系统具有自适应能力，本步98.根据权利要求1所述的一种水蓄能机组的状态检测方法，其特征在于，所述步骤S6在步骤S4和S5中，已得到各传感器的健康指数和机组的预测在步骤S4和S5中，为各传感器计算单独的健康指数，且通过贝综合健康指数HIsys是根据各传感器的健康指数和重要性权重异常检测模块，用于基于健康指数计算和贝叶斯异常检测算法判断是否触发报警信[0032]步骤1.3，对数据进行标准化处理，设某传感器的数据为Xd，标准化公式如下：,x为张量；为Frobenius范数；[0065]Transformer模型通过自注意力机制捕捉时序数据中的长时依赖关系，自注意力max(LHI)w(')+bI)),[0129]步骤4.3，在步骤2.3中，已使用Transformer提取长时依赖关系，以采用Transformer网络进一步提取健2是方差；[0154]在确定健康指数的高斯分布模型后，利用贝叶斯定理计算当前健康指数预测是预测的健康指数值；[0158]根据计算的后验概率值设定异常阈值τab，若当前健康指数[0162]为确保故障检测系统具有自适应能力，本步骤中包括健[0164]根据当前的健康指数和贝叶斯后验概率计算的异常值，动态调整阈值TH以,H为原设定的健康指数阈值，α为调整系数，为当前预测的健康指[0206]2、本发明引入基于Transformer的时序建模和图卷积网络的传感器拓扑结构分[0229]步骤1.3，对数据进行标准化处理，设某传感器的数据为Xd，标准化公式如下：,x为张量；[0262]Transformer模型通过自注意力机制捕捉时序数据中的长时依赖关系，自注意力max(LHI)w')+bI)),[0323]步骤4.3，在步骤2.3中，已使用Transformer提取长时依赖关系，以采用Transformer网络进一步提取健2是方差；[0348]在确定健康指数的高斯分布模型后，利用贝叶斯定理计算当前健康指数预测是预测的健康指数值；[0352]根据计算的后验概率值p(A⃞:"IWO"),设定异常阈值τab，若当前健康指数[0356]为确保故障检测系统具有自适应能力，本步骤中包括健[0358]根据当前的健康指数和贝叶斯后验概率计算的异常值，动态调整阈值TH以′[0384]步骤S1中部署的传感器能覆盖机