(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111558674.X (22)申请日 2021.12.20 (65)同一申请的已公布的文献号 申请公布号 CN 113935443 A (43)申请公布日 2022.01.14 (73)专利权人 广东电网有限责任公司广州供电 局 地址 510620 广东省广州市天河区天河南 二路2号 (72)发明人 洪慧君　索智鑫　伍衡　李党　 王嘉延　陆宏治　张雨　陆慧　 (74)专利代理 机构 深圳市君胜知识产权代理事 务所(普通 合伙) 44268 代理人 陈专(51)Int.Cl. G06Q 10/04(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 113342476 A,2021.09.0 3 CN 112291807 A,2021.01.2 9 US 2021279152 A1,2021.09.09 CN 113592019 A,2021.1 1.02 审查员 谭岳峰 (54)发明名称 异构设备多域联合故障预测方法、 装置、 终 端及存储介质 (57)摘要 本发明公开了一种异构设备多域联合故障 预测方法、 装置、 终端及存储介质， 方法包括： 获 取目标设备在目标时刻前的跨域历史数据， 构建 各个域分别对应的目标数据序列； 将各个所述目 标数据序列输入至已训练的第一神经网络， 提取 每个域分别在各个预设故障类别对应的特征信 息； 对每个域在每个所述预设故障类别对应的特 征信息进行融合， 得到每个所述预设故障类别的 融合特征信息， 根据所述融合特征信息获取所述 目标设备在所述目标时刻的故障预测结果； 其 中， 所述域包括时域、 频域、 时频域和图形域。 本 发明可以实现准确的设备故障预测。 权利要求书3页 说明书12页 附图2页 CN 113935443 B 2022.04.22 CN 113935443 B 1.一种异构设备多域联合故障预测方法， 其特 征在于， 所述方法包括： 获取目标设备在目标时刻前的跨 域历史数据， 构建各个域分别对应的目标 数据序列； 将各个所述目标数据序列输入至已训练的第 一神经网络， 提取每个域分别在各个预设 故障类别对应的特 征信息； 对每个域在每个所述预设故障类别对应的特征信 息进行融合， 得到每个所述预设故障 类别的融合特征信息， 根据所述融合特征信息获取所述目标设备在所述目标时刻的故障预 测结果； 其中， 所述 域包括时域、 频域、 时频域和图形域； 所述对每个域在每个所述预设故障类别对应的特征信 息进行融合， 得到每个所述预设 故障类别的融合特 征信息， 包括： 根据预设公式对各个域在每 个所述预设故障类别对应的特 征信息进行融合； 所述预设公式为： ； 其中， 表示第j个所述预设故障类别的融合特征信息， 表示根据目标时刻t前的历 史数据得到的第 i个域在第j个所述预设故障类别对应的特征信 息， i为域的数量； 为第j 个所述预设故障类别在所述目标时刻t对应的融合 参数， 。 2.根据权利要求1所述的异构设备多域联合故障预测方法， 其特征在于， 所述获取目标 设备在目标时刻前的跨 域历史数据， 构建各个域分别对应的目标 数据序列， 包括： 获取所述目标设备在所述目标时刻前各个域的历史数据， 对所述历史数据中的异常数 据进行处 理； 将每个域对应的在所述目标时刻前的历史数据进行归一化处理后构建每个域对应的 所述目标 数据序列。 3.根据权利要求2所述的异构设备多域联合故障预测方法， 其特征在于， 所述对所述历 史数据中的异常数据进行处 理， 包括： 当所述历史数据中的目标数据相对于前后相邻数据的变化范围大于第 二预设阈值， 则 确定所述目标 数据为错误数据； 将所述错误数据更新 为前后相邻数据的均值； 对于所述历史数据中缺失的数据： 若缺失数据的前后相邻数据的采集 时间间隔不大于第 一预设阈值， 则将所述缺失数据 的前后相邻数据的均值作为所述 缺失数据的补充数据； 若缺失数据的前后相邻数据的采集 时间间隔大于所述第 一预设阈值， 则在所述历史数 据中查找所述 缺失数据应采集时刻对应的时刻采集的数据作为所述 缺失数据的补充数据。 4.根据权利要求1所述的异构设备多域联合故障预测方法， 其特征在于， 通过已训练 的第二神经网络预测得到； 所述根据预设公式对各个域在每个所述预设故障类别对应的特 征信息进行融合之前， 还 包括：权　利　要　求　书 1/3 页 2 CN 113935443 B 2获取所述目标时刻与 所述目标设备的开始运行时刻 之间的时间间隔； 将所述 时间间隔 和各个域在第j 个所述预设故障类别对应的所述特征信息输入至已训练的所述第二神经网 络； 获取所述第二神经网络输出的第j个所述预设故障类别在所述目标时刻t对应的所述 融合参数； 其中， 所述第二神经网络的参数 是与所述第一神经网络联合训练得到的。 5.根据权利要求4所述的异构设备多域联合故障预测方法， 其特征在于， 所述根据 所述 融合特征信息获取 所述目标设备在所述目标时刻的故障预测结果， 包括： 将每个所述预设故障类别的融合特 征信息输入至归一 化指数函数； 获取所述归一 化指数函数输出的各个所述预设故障类别对应的概 率。 6.根据权利要求5所述的异构设备多域联合故障预测方法， 其特征在于， 所述将各个所 述目标数据序列输入至已训练的第一神经网络之前， 包括： 根据多组样本数据训练所述第一神经网络和所述第二神经网络， 其中， 每组样本数据 包括根据所述目标设备在预设时刻前各个域的历史数据构建的各个域分别对应的样本数 据序列， 以及所述目标设备在所述预设时刻对应的故障类别； 所述根据多组样本数据训练所述第一神经网络和所述第二神经网络， 包括： 在所述多组样本数据中选择目标样本数据； 将目标样本数据中的所述样本数据序列输入至所述第 一神经网络， 提取各个域在各个 预设故障类别对应的样本特 征信息； 将所述预设时刻与所述目标设备的开始运行时刻之间的时间间隔和所述样本特征信 息输入至所述第二神经网络， 获取所述第二神经网络输出的各个所述预设故障类别 在所述 目标样本数据中的所述预设时刻对应的所述融合 参数； 根据各个所述预设故障类别在所述目标样本数据中的所述预设时刻对应的所述融合 参数对各个域在每个所述预设故障类别对应的所述样本特征信息进行融合， 得到每个所述 预设故障类别的样本融合特征信息， 根据所述样本融合特征信息获取所述目标设备在所述 预设时刻的故障预测结果； 根据所述故障预测结果和所述目标样本数据中的所述故障类别获取第一损失； 根据所述样本融合特征信息和所述目标样本数据中的所述样本数据序列获取第二损 失； 根据所述第一损失和所述第二损失 获取所述目标样本数据对应的训练损失； 根据所述训练损失更新所述第一神经网络和所述第二神经网络的参数； 重新执行所述在所述多组样本数据中选择目标样本数据的步骤， 直至所述第 一神经网 络和所述第二神经网络的参数收敛。 7.一种异构设备多域联合故障预测装置， 其特 征在于， 包括： 目标数据序列构建模块， 所述目标数据序列构建模块用于获取目标设备在目标时刻前 的跨域历史数据， 构建各个域分别对应的目标 数据序列； 特征信息提取模块， 所述特征信 息提取模块用于将各个所述目标数据序列输入至已训 练的第一神经网络， 提取每 个域分别在各个预设故障类别对应的特 征信息； 特征融合及预测模块， 所述特征融合及预测模块用于对每个域在每个所述预设故障类权　利　要　求　书 2/3 页 3 CN 113935443 B 3