公开(公告)号：CN114692341B

公开(公告)日：2024-03-19

申请号：CN202210430157.2

申请日：2022-04-22

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  尹文强 ,  席广勇

IPC: G06F30/17 ,  G06F30/27 ,  G06N3/0442 ,  G06N3/08 ,  G06F113/06 ,  G06F119/06 ,  G06F119/08

Abstract: 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。

公开(公告)号：CN114692341A

公开(公告)日：2022-07-01

申请号：CN202210430157.2

申请日：2022-04-22

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  尹文强 ,  席广勇

IPC: G06F30/17 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F113/06 ,  G06F119/06 ,  G06F119/08

Abstract: 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。