买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网上海市电力公司

摘要：本发明涉及一种基于深度学习的风电机组运行风险智能检测方法及设备，所述方法包括以下步骤：从待测风电机组运行数据中获取关键特征向量，以所述关键特征向量作为经训练的异常检测智能模型的输入，获取运行风险检测结果；其中，所述关键特征向量采用错误感知马尔可夫毯算法对风电机组海量运行状态进行特征选择确定；所述异常检测智能模型训练时，将正常数据标记为负类，异常数据标记为正类，利用双注意力机制从全局和局部视角下采用对比学习方法分析和学习风电机组运行数据的特征表示，最大化正常样本特征表示的一致性和异常样本特征表示的差异性。与现有技术相比，本发明具有在减少特征数量的同时提高异常检测能力等优点。

主权项：1.一种基于深度学习的风电机组运行风险智能检测方法，其特征在于，包括以下步骤：从待测风电机组运行数据中获取关键特征向量，以所述关键特征向量作为经训练的异常检测智能模型的输入，获取运行风险检测结果；其中，所述关键特征向量采用错误感知马尔可夫毯算法对风电机组海量运行状态进行特征选择确定；所述异常检测智能模型训练时，将正常数据标记为负类，异常数据标记为正类，利用双注意力机制从全局和局部视角下采用对比学习方法分析和学习风电机组运行数据的特征表示，最大化正常样本特征表示的一致性和异常样本特征表示的差异性，其中，对全局和局部视角下的特征进行上采样处理，将特征还原到同一维度；所述采用错误感知马尔可夫毯算法对风电机组海量运行状态进行特征选择的具体过程包括：初步识别阶段，针对风电机组海量运行状态数据，识别与目标变量直接相关的特征集，得到目标变量的马尔可夫毯集；误报清理和恢复阶段，在所述马尔可夫毯集中恢复未被初步识别阶段识别出的配偶特征，并移除错误地被认为与目标变量有关的特征，获得最终的关键特征向量；所述目标变量的马尔可夫毯集的获取过程包括：将马尔可夫毯集CurMBY开始时设置为空；用候选特征集CanF存储当前选定特征外的候选特征，评估CanF中每个特征Fi与目标变量Y在CurMBY给定的条件下的依赖性，若某个特征与Y在CurMBY的条件下依赖，则将与Y条件依赖性最大的特征Fbest添加到CurMBY中，并从CanF中移除；通过反复执行双重缩减策略缩减特征集CanF和CurMBY的规模，直到CurMBY不再改变，即获得目标变量的马尔可夫毯集；所述恢复未被初步识别阶段识别出的配偶特征具体包括：将初步识别阶段未加入所述马尔可夫毯集的特征的集合设定为F\CurMBY；对F\CurMBY中的特征按与目标变量的依赖性进行降序排序，将前k％的特征添加到队列Q中；使用R-AND规则，找到队列Q中每个特征的马尔可夫毯MB，恢复遗漏的MB特征，添加入马尔可夫毯集。

全文数据：

权利要求：

百度查询： 国网上海市电力公司 基于深度学习的风电机组运行风险智能检测方法及设备