国网宁夏电力有限公司 陈小乾等|基于注意力机制和RCN-BiLSTM融合的风电机组故障识别

综上,与DT、LSTM、BiLSTM、CNN-BiLSTM和RCN-BiLSTM模型相比,本文提出的RCN-BiLSTM-Attention模型故障识别平均准确率提高了2.04%~12.06%,平均F1值提高了4.20%~24.36%。表明所提模型能够兼顾对故障数据的空间特征提取与时序特征提取,关注故障发生时数据特征的变化规律,实现了风电机组故障的精准识别。

  • 2025-09-19
  • 收藏0
  • 阅读356
  • 下载0
  • 22页
  • pdf
  • 962.23M

评价

评分 :
   *