[发明专利]应用于电力设备运检的基于LSTM的时序异常检测方法有效
| 申请号： | 201910883224.4 | 申请日： | 2019-09-18 |
| 公开（公告）号： | CN110569925B | 公开（公告）日： | 2023-05-26 |
| 发明（设计）人： | 徐晓飞;张伯雷;毕文亮 | 申请（专利权）人： | 南京领智数据科技有限公司 |
| 主分类号： | G06F18/2433 | 分类号： | G06F18/2433;G06F18/23213;G06F18/214;G06N3/0442;G06N3/047;G06N3/048;G06N3/09;G06Q10/20;G06Q50/06 |
| 代理公司： | 北京快易权知识产权代理有限公司 11660 | 代理人： | 赵秀英 |
| 地址： | 210019 江苏省南京市建*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了电力设备运检技术领域的应用于电力设备运检的基于LSTM的时序异常检测方法，包括LSTM算法和聚类，先寻找多变量最大化主簇，接着基于LSTM算法对多变量的时序数据进行结构最小化重构，最后源数据在重构时序上结合电力设备的异常标注方法，采取多数投票制标注异常，再一次利用LSTM算法对多变量的时序数据进行异常检测训练建模，投入生产；本发明通过将多变量时序特点和电力设备数据的功能性结合，创新性的根据电力设备数据的特点提出基于LSTM算法的多变量时序异常检测方法，契合的改进方法提高了电力设备检查质量，同时兼顾了智能检修机制和人为可控性，充分体现了智能性和实用性，能行之有效的完善电力设备的日常检修系统，合理实用。 | ||
| 搜索关键词： | 应用于 电力设备 基于 lstm 时序 异常 检测 方法 | ||
【主权项】：
1.应用于电力设备运检的基于LSTM的时序异常检测方法，包括LSTM算法和聚类，其特征在于，具体步骤如下：/n第一步，寻找多变量最大化主簇/n聚类是无监督学习的典型算法，不需要标记结果，试图探索和发现一定的模式，用于发现共同的群体，按照内在相似性将数据划分为多个类别使得内内相似性大，内间相似性小；/n聚类算法为k-means，算法接受输入量k，然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小；聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”来进行计算的；/n已知观测集(x
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京领智数据科技有限公司，未经南京领智数据科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910883224.4/，转载请声明来源钻瓜专利网。
