基于递归神经网络（RNN）的对电力生产设备进行预测性维护的方法

摘要

本发明提供了一种基于递归神经网络(RNN)的对电力生产设备进行预测性维护的方法，包括：建立基于Spark的数据建模平台，支持并行化的数据预处理和RNN建模；预定义的RNN结构；支持多种数据输入接口(HDFS，NFS，S3)；数据预处理可以根据用户定义的数据清洗逻辑，将电力生产的燃煤机，泵系统，风机等几个主要功能模块的历史数据进行标准化；迭代式行建模和模型调优，建模过程通过以RNN方式进行数据特征提取并结合用户标记的故障状态进行诊断模型建模，调优过程通过验证数据集检测预判成功率并以用户定义的神经网络修正策略进行RNN重构。上述的技术方案提供一种基于递归神经网络(RNN)电力生产设备的时序数据进行迭代式建模，通过对故障发生模式的识别，为电力生产的运管人员提供故障预判以进行预测性维护。