摘要
本申请公开了一种采集提醒和生命周期异常数据分析方法,涉及电力设备领域,包括:采集电力设备的数据;根据提取的结构化特征和非结构化特征,以及电力设备的物理机理模型,通过映射融合方法获取电力设备的物理特征;构建异常检测模型;利用异常检测模型对采集的电力设备数据进行异常检测;根据异常检测结果,采用贝叶斯网络因果推理图模型构建异常监测量之间的因果关系,得到异常因果关系图;根据异常因果关系图,采用马尔科夫链蒙特卡洛概率推理算法,逐层追溯异常传播路径,获得概率最大的异常原因,作为电力设备的故障原因输出。针对现有技术中电力设备异常原因分析精度低,本申请通过贝叶斯网络因果推理以及马尔科夫蒙特卡洛概率推理等,提高了精度。
技术关键词
异常数据分析方法
特征映射神经网络
电力设备
物理
异常状态
节点
网络结构
非结构化特征
蒙特卡洛
编码器
推理算法
迁移学习方法
传播算法
非线性
循环神经网络模型
有限元分析方法
重构误差
系统为您推荐了相关专利信息
监控管理平台
数据通信模块
电力设备智能监测
加密数据
子模块
IDC机房
综合管理系统
状态监测模块
数据测试模块
数据中心
分布优化方法
支撑剂
裂缝渗透率
压力
地质统计学方法
核心运算单元
数字孪生
数据交互接口
集群
云平台
三维地震数据
甜点储层
数据体
孔隙度参数
关键特征值