基于人工智能的低压柜故障预测方法及系统

本发明公开了基于人工智能的低压柜故障预测方法及系统，涉及低压电气设备状态监测技术领域，方法包括：获取低压柜内传感器采集的电流、电压等运行数据；经归一化等预处理构建含空间拓扑编码的多维张量结构；输入故障预测模型得到故障类型概率、趋势评价参数，经可解释模块生成主导异常因子指标集；结合这些数据用故障因果知识图谱解析根因路径，确定故障演化链；最终生成可解释的预警预测信息。本发明解决了传统低压柜故障检测方式难以处理多维复杂数据，无法高效挖掘关键故障信息，难以精准预测的技术问题，达到了利用深度学习技术构建预测模型，进而对低压柜多维复杂数据高效处理与关键故障信息深度挖掘，实现精准的故障预测的技术效果。