CN119848470B 基于多模态数据融合的电网设备健康状态预测方法及系统 （广东电网有限责任公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119848470B(45)授权公告日2025.07.08

(21)申请号202510323902.7

(22)申请日2025.03.19

(65)同一申请的已公布的文献号申请公布号CN119848470A

(43)申请公布日2025.04.18

(73)专利权人广东电网有限责任公司

地址510000广东省广州市越秀区东风东

路757号

专利权人广东电网有限责任公司电力科学研究院

(72)发明人徐向民黄曙饶章权徐进

李吉宁李端姣骆洁艺曾瑞江李志勇温爱辉张丽萍

(74)专利代理机构广州三环专利商标代理有限公司44202

专利代理师姚心怡

(51)Int.CI.

GO6F18/20(2023.01)

GO6N3/0442(2023.01)

GO6N3/086(2023.01)

GO6N3/092(2023.01)

GO6F18/213(2023.01)

GO6F18/25(2023.01)

(56)对比文件

CN118503636A,2024.08.16

CN119249674A,2025.01.03

审查员彭玉静

权利要求书3页说明书16页附图3页

(54)发明名称

基于多模态数据融合的电网设备健康状态预测方法及系统

(57)摘要

CN119848470B本发明提供了一种基于多模态数据融合的电网设备健康状态预测方法及系统，所述方法为实时获取目标电网设备的多模态状态关联数据，根据预设多模态特征提取模型对多模态状态关联数据进行数据特征提取得到待分析多模态状态特征后，根据获取的目标电网设备的历史周期健康指数预测误差和设备运行环境数据动态获取待分析多模态状态特征的最优融合权重，并根据最优融合权重对待分析多模态状态特征进行特征融合得到对应的设备健康指数预测值。本发明通过多源数据实时捕捉丰富的设备运行状态特征，结合多模态特征融合权重动态优化策略，有效提升设备健康评估的及时性、高效性和精准

CN119848470B

实时获取目标电网设备的多模态状态关联数据

根据预设多模态特征提取模型，对多模态状态关联数据进行数据特征提取，得到对应的待分祈多模态状态特征

获取目标电网设备的历史周期健康指数预测误差和设备运行环境数据，并根

据历史周期健康指数预测误差和设备运行环境数据，动态获取待分析多模态

状态特征的最优融合权重

根据最优融合权重，对待分析多模态状态特征进行特征融合，得到对应的设备健康指数预测值

S11

S12

S13

S14

CN119848470B权利要求书1/3页

2

1.一种基于多模态数据融合的电网设备健康状态预测方法，其特征在于，所述方法包括以下步骤：

实时获取目标电网设备的多模态状态关联数据；所述多模态状态关联数据包括设备图像数据、设备运行状态时序数据和设备运行日志数据；

根据预设多模态特征提取模型，对所述多模态状态关联数据进行数据特征提取，得到对应的待分析多模态状态特征；所述待分析多模态状态特征包括图像特征、状态时序特征和日志文本特征；

获取所述目标电网设备的历史周期健康指数预测误差和设备运行环境数据，并根据所述历史周期健康指数预测误差和所述设备运行环境数据，动态获取所述待分析多模态状态特征的最优融合权重；所述历史周期健康指数预测误差为前一评估周期对目标电网设备进行健康指数预测所产生的预测误差；

根据所述最优融合权重，对所述待分析多模态状态特征进行特征融合，得到对应的设备健康指数预测值；

其中，所述根据所述历史周期健康指数预测误差和所述设备运行环境数据，动态获取所述待分析多模态状态特征的最优融合权重的步骤包括：

根据所述历史周期健康指数预测误差和所述设备运行环境数据，基于遗传算法结合强化学习，对所述历史周期健康指数预测误差对应的前一历史周期融合权重进行动态调整，得到所述最优融合权重；所述融合权重表示为：

其中，分别表示第1个目标电网设备在第t+1个和第t个预测周期的融合权重；△HI,(t)表示第i个目标电网设备在第t个预测周期的历史周期健康指数预测误差；E,表示第i个目标电网设备的设备运行环境数据；A(·)表示由强化学习和遗传算法组成的联合执行函数。

2.如权利要求1所述的基于多模态数据融合的电网设备健康状态预