摘要
本发明提供一种基于时序状态图的光伏发电设备异常检测方法,包括:对光伏发电设备历史数据进行缺省值填补、采样频率对齐及标准化处理,生成标准化多维时序数据;将标准化多维时序数据进行光伏发电设备数据编码和时间协变量编码,通过融合编码器生成低维时序特征向量;采用滑动窗口切割低维时序特征向量,通过K‑means聚类算法生成带权重的时序状态序列;基于时序状态序列中的状态转移关系,建立时序状态图;在时序状态图上执行图神经网络局部信息聚合,结合LSTM时间序列建模和XGBoost分类器进行端到端训练,生成异常检测模型;通过异常检测模型进行光伏发电设备实时异常检测。本发明能够提高异常检测的准确性和模型可解释性。
技术关键词
光伏发电设备
异常检测方法
多维时序数据
识别时间序列
记忆单元
数据编码
编码器
检测模型训练
分类器
滑动窗口
连续型数据
变量
异构设备
数据嵌入
多层感知机
消息
系统为您推荐了相关专利信息
文件异常检测方法
语义分割模型
生成场景
大数据人工智能技术
注意力机制
日志异常检测方法
消息
计算机执行指令
序列
模板
入侵检测方法
双向长短期记忆网络
融合神经网络
概率密度函数
记忆单元
异常检测方法
轨道列车
求解算法
识别特征
膨胀算法
重构残差
深度学习模型
故障检测方法
编码器
中央控制模块