基于深度学习的电力设备异常检测方法及系统

本发明提供了一种基于深度学习的电力设备异常检测方法及系统，该方法包括：每隔第一预设时间获取电力设备的时序电流电压信号、红外热成像图像及设备振动频谱，并对时序电流电压信号、红外热成像图像及设备振动频谱进行标准处理；分别从经过标准处理的时序电流电压信号、红外热成像图像及设备振动频谱中提取第一特征集、第二特征集、第三特征集，并将第一特征集、第二特征集、第三特征集进行融合，得到融合特征；将融合特征输入到预训练的异常检测模型中，以得到每种异常类型的异常概率；根据异常类型遍历所有的异常概率，并根据遍历结果输出最终检测结果。本发明能够实现复合故障精准识别及工况自适应诊断。