【技术实现步骤摘要】
本专利技术涉及一种水电机转轮状态数据深度聚类方法，特别涉及一种基于自注意力的水电机转轮状态数据深度聚类方法，属于电力工程状态监测领域。
技术介绍
1、随着电力工程行业的快速发展，对水电机转轮状态监测的需求也在不断上升。水电机转轮作为水电机组的核心部件，其运行状态直接影响到整个机组的性能和稳定性。因此，为了保障水电机组的安全运行并提升发电效率，对水电机转轮的状态进行连续的监测和分析是至关重要的。然而，现有的状态监测手段主要依赖于人工观察和基于经验的判断，这种方法难免会受到主观性的影响，而且在处理大量数据时效率低下，容易出错。此外，传统方法难以捕捉到数据中的隐含模式和复杂关联，导致对水电机转轮状态的深入理解不足。
技术实现思路
1、专利技术目的：本专利技术旨在克服传统人工监测方法的主观性和局限性，以及在处理庞大数据集时效率低下的问题。为此，本专利技术提供了一种基于自注意力的水电机转轮状态数据深度聚类方法。该方法通过自注意力机制深入挖掘和利用数据中隐藏的内在联系，有效进行特征融合，从而实现对水电...
【技术保护点】
1.一种基于自注意力的水电机转轮状态数据深度聚类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于自注意力的水电机转轮状态数据深度聚类方法，其特征在于，所述步骤(1)中，采用卷积神经网络编码器提取水电机转轮状态数据在多种稳定运行状态下的低维特征表示，实现对复杂数据的初步降维和特征提取，具体实现步骤如下：
3.根据权利要求1所述的基于自注意力的水电机转轮状态数据深度聚类方法，其特征在于，所述步骤(2)中，引入自注意力机制深入挖掘不同运行状态下水电机转轮状态数据之间的内在联系，依据学习到的相关性对水电机转轮状态数据的特征进行融合，具体实
...【技术特征摘要】
1.一种基于自注意力的水电机转轮状态数据深度聚类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于自注意力的水电机转轮状态数据深度聚类方法，其特征在于，所述步骤(1)中，采用卷积神经网络编码器提取水电机转轮状态数据在多种稳定运行状态下的低维特征表示，实现对复杂数据的初步降维和特征提取，具体实现步骤如下：
3.根据权利要求1所述的基于自注意力的水电机转轮状态数据深度聚类方法，其特征在于，所述步骤(2)中，引入自注意力机制深入挖掘不同运行状态下水电机转轮状态数据之间的内在联系，依据学习到的相关性对水电机转轮状态数据的特征进行融合，具体实现步骤如下：
4.根据权利要求1所述的基于自注意力的水电机转轮状态数据深度聚类方法，其特征在于，...
【专利技术属性】
技术研发人员：曲力涛，陈玲，迟福东，徐德新，毛莺池，周洪亮，荣毅，吴封奎，戚荣志，钟新元，赵海峰，
申请(专利权)人：华能澜沧江水电股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。