摘要
一种含油设备顶层油温预测方法，解决使用单一的深度学习算法难以有效提取表征油温序列的时空特征、频域特征，以及单尺度特征难以准确地进行顶层油温预测的问题，本发明设计双通道特征提取模块，其中一个通道使用时空注意力机制提取归一化后数据的时空特征，另一个通道使用快速傅里叶变化把原始顶层油温数据从时域转化成频域，并使用卷积神经网络提取频域特征；使用交叉注意力机制进行时空特征和频域特征融合；基于多尺度扩张因果卷积和深度学习算法设计多尺度时间卷积网络模型，从全局和局部角度捕获多尺度特征；使用全连接层和非规范化输出预测结果；本发明的方法计算复杂度较小，能够快速对电力设备顶层油温进行预测。
