摘要
本发明涉及电力模式识别技术领域，具体为一种基于深度学习网络的电力设备故障检测方法及系统，包括：采集并预处理电力时序与设备图像等多模态数据；实时监测边缘节点资源状态，并依据预设规则调整轻量化特征提取模型的配置参数；采用双向跨模态注意力机制，通过计算查询、键和值表示及注意力权重，对不同模态的投影特征向量进行动态加权融合，生成统一的故障表征向量；利用该表征向量计算故障概率，并通过在线增量学习，自适应地优化概率计算模型的参数；最后，计算任务优先级，根据该优先级及实时资源状态，决定是否将数据上送至上级系统进行更精细的分析。本发明能够有效提升边缘端电力设备故障检测的实时性、准确性及自适应能力。
