一种故障预测方法、装置、设备和存储介质制造方法及图纸

本发明专利技术公开一种故障预测方法、装置、设备和存储介质，涉及电力电子技术领域，该方法包括：获取电力设备的当前性能数据，根据当前性能数据调整预先训练好的故障预测模型，得到目标故障预测模型，故障预测模型用于根据性能数据确定故障属性，故障属性至少包括故障时间、故障位置、故障类型和故障程度；将当前性能数据输入性能预测模型，以使性能预测模型根据当前性能数据确定预测性能数据；确定预测性能数据的数据趋势为数据偏离时，将当前性能数据输入目标故障预测模型，以使目标故障预测模型根据当前性能数据确定故障属性。上述技术方案，当前性能数据对应的预测性能数据偏离时，根据当前性能数据确定故障属性，实现准确且及时的故障预测。

【技术实现步骤摘要】

本专利技术实施例涉及电力电子，尤其涉及一种故障预测方法、装置、设备和存储介质。

技术介绍

1、设备维护领域，传统的维护策略主要包括定期检查和故障发生后的应急维修，往往在故障已经发生并造成损害后才能被发现，导致维修成本高昂，设备停机时间延长，进而影响服务的连续性和用户的满意度。

2、现有技术中，基于人工智能的故障预测技术已经开始被应用于设备维护中，可以通过分析设备的历史数据和实时数据来预测潜在的故障，从而实现更及时的维护。

3、但是，预测模型直接根据设备数据进行故障预测的准确性不高。

技术实现思路

1、本专利技术提供一种故障预测方法、装置、设备和存储介质，以提升故障预测的准确性。

2、第一方面，本专利技术实施例提供了一种故障预测方法，包括：

3、获取电力设备的当前性能数据；

4、根据所述当前性能数据调整预先训练好的故障预测模型，得到目标故障预测模型，其中，所述故障预测模型用于根据性能数据确定故障属性，所述故障属性至少包括故障时间、故障位置、故障类型和故本文档来自技高网...

【技术保护点】

1.一种故障预测方法，其特征在于，包括：

2.根据权利要求1所述的故障预测方法，其特征在于，获取电力设备的当前性能数据，包括：

3.根据权利要求1所述的故障预测方法，其特征在于，根据所述当前性能数据调整预先训练好的故障预测模型，得到目标故障预测模型，包括：

4.根据权利要求1所述的故障预测方法，其特征在于，在确定预测性能数据之后，还包括：

5.根据权利要求4所述的故障预测方法，其特征在于，根据第一预设变化率与每个所述预测性能数据对应的第一变化率，以及，第二预设变化率与每个所述预测性能数据对应的第二变化率，确定所述预测性能数据的所述数据趋势，...

【技术特征摘要】

1.一种故障预测方法，其特征在于，包括：

2.根据权利要求1所述的故障预测方法，其特征在于，获取电力设备的当前性能数据，包括：

3.根据权利要求1所述的故障预测方法，其特征在于，根据所述当前性能数据调整预先训练好的故障预测模型，得到目标故障预测模型，包括：

4.根据权利要求1所述的故障预测方法，其特征在于，在确定预测性能数据之后，还包括：

5.根据权利要求4所述的故障预测方法，其特征在于，根据第一预设变化率与每个所述预测性能数据对应的第一变化率，以及，第二预设变化率与每个所述预...

【专利技术属性】
技术研发人员：余雄，司徒友，郑安然，李泽时，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：