一种基于时空图卷积神经网络的风电机组故障诊断方法2024

专利内容

本发明公开了一种基于时空图卷积神经网络的风电机组故障诊断方法，属于设备故障诊断技术领域，其包括以下步骤：数据采集、数据预处理、数据特征提取与融合、输出故障诊断结果。本发明针对SCADA数据复杂的时空特性，提出了采用一维卷积神经网络与图卷积神经网络结合的时空图卷积神经网络，其中一维卷积神经网络针对时序特性，图卷积神经网络针对空间特性，通过两种网络结合的时空图卷积神经网络模型对SCADA数据的时空特征进行学习，并给出故障诊断结果，提高了故障诊断的性能，解决了现有风电机组故障诊断模型预测准确性不高的问题。G06F18/241(2023.01);G06F18/211(2023.01);G06F18/10(2023.01);G06F18/22(2023.01);G06F18/25(2023.01);G06F18/213(2023.01);G06N3/042(2023.01);G06N3/045(2023.01);G06N3/0464(2023.01);G06N3/047(2023.01);G06N3/08(2023.01)