一种基于LSTM-COF的电力设备数据异常检测方法及系统

本发明公开了一种基于LSTM‑COF的电力设备数据异常检测方法及系统，涉及电力设备状态监测技术领域，该方法包括以下步骤：采集历史数据，构建三维数据矩阵；通过LSTM模型预测极端温度下的设备参数；压缩特征，结合相关性异常因子算法量化特征间协方差偏离度，检测异常点；输出可视化结果，系统集成数据收集、数据预处理、数据预测、检测模型生成及可视化模块。本发明通过采集电力设备的多维历史运行数据，利用LSTM模型预测极端温度环境下的设备参数，结合主成分分析降维和相关性异常因子算法，能够动态识别绝缘劣化类和电气连接类故障，并通过增量学习机制适配数据分布变化，解决了传统方法中因人工经验依赖、高维数据处理效率低及异常检测适应性差的问题。