一种基于大模型的电力设备故障预测方法及系统

本发明公开了一种基于大模型的电力设备故障预测方法及系统，该方法包括以下步骤：采集样本数据集，并据此设定动态阈值；对样本数据集进行预处理，并将预处理的样本数据集划分为训练集和测试集；使用训练集对预先设置的基于自注意力机制的大模型进行训练；将电力设备的实时数据输入训练后的大模型进行故障预测，输出电力设备故障预测值；判断电力设备故障预测值是否大于或等于动态阈值，若是则判定电力设备存在潜在故障风险。本发明解决了现有的基于深度学习模型的电力设备故障预测方法中，深度学习模型在处理电力设备运行产生的长时间序列数据时，由于模型结构复杂、参数众多且计算量大，导致计算效率低下的问题。