专利交易市场

本发明公开了基于大数据的电气设备故障预测方法及系统，涉及电气设备数据管理技术领域，包括提取模块、构建模块和预测模块，从电气数据中提取特征数据，采用双向长短期记忆网络作为基础架构，并结合层级化故障敏感特征库与关联度构建预测模型，预测模型输入量为特征数据，预测模型输出量电气设备的故障发生概率与故障类型，通过提取特征数据，结合健康度量化结果，构建层级故障敏感特征库，采用3层或3层以上隐藏层的长短期记忆网络架构，依据电气设备负载率与健康度动态调整特征优先级，控制样本比例并按故障频率微调参数，精准输出故障概率与故障类型，支撑电气设备的可靠运行、降低成本及能源稳定供应。

本申请提供一种基于数字孪生的机电设备故障预测方法及系统。其中，该方法采集振动信号与表面温度，分离周期性冲击成分并提取温度梯度特征，按时间窗口对齐生成融合特征序列；基于负载变化量及红外热像仪温度场模型，反演热源分布并构建其随负载动态变化的映射关系；计算冲击强度衰减速率与热源异常波动趋势，捕捉时间窗口内协同变化强度，构建轴承磨损概率分布曲线；根据曲线波动幅度调整冲击成分与温度梯度权重比例，加权叠加后输出磨损故障预测结果。本申请实现轴承磨损多维度动态评估，提升故障预测准确性及温度与振动参数协同敏感性。

本申请提供了基于5G通信的电力设备故障预测方法及系统，涉及故障预测技术领域，包括：获取K条输电线路；通过异步时序提取，获得第一和第二设备监测数据集合；遍历这些数据，进行波动整合分析，确定设备波动因子集合；动态时序划分电力设备，生成一级和二级动态监测设备集合；通过长短时序监测，生成一级和二级监测数据集合；利用故障预测网络层进行故障预测，获得K个故障预测结果。通过本申请可以解决现有技术由于处理大规模电力系统数据时效率低下且难以适应动态变化，导致难以实时、准确地反映设备的运行状态和预测潜在故障，实现对电力系统设备的故障预测，提前识别潜在的故障风险，减少了故障发生率，提高了电力系统的可靠性和安全性。