【技术实现步骤摘要】
一种时序数据异常检测的去噪方法及系统
[0001]本专利技术属于时序数据处理
，具体涉及一种时序数据异常检测的去噪方法及系统。
技术介绍
[0002]目前针对光伏的故障诊断主要分为基于参数辨识、基于物理信号分析和人工智能三个方法。参数辨识和物理信号分析的方法对相关物理理论和特征提取技术要求高，方法需要的数据收集工作繁琐，结果不具备通用性。人工智能参与的方法不仅处理的问题类型单一，其精度还严重依赖于模型的数据质量，动态性能有待提升。目前针对人工智能方法，由于光伏相关设备，如逆变器和列阵，数据具有时间序列属性，应用针对时序数据的LSTM网络成为热门选择，通过使用此网络类型可以一定程度上解决某些无法直接获得系统中的故障数据情况下的故障诊断问题。目前针对在光伏领域的故障诊断，已有通过LSTM神经网络作为唯一应用神经网络类型或对主网络输出再处理型辅助神经网络进行识别与定位多种故障的研究。然而此类研究所使用的LSTM网络大多没有经过任何改进，对网络结构进行优化的方向也集中在结果准确率提升上，没有在其上加入针对时序数据异常值鲁棒的优...
【技术保护点】
【技术特征摘要】
1.一种时序数据异常检测的去噪方法，其特征在于，采用去噪模型对采集的时序数据进行检测，得到去除离群值的时序数据；所述去噪模型包括自动编码器和解码器，自动编码器包括两个循环神经网络层，每个循环神经网络层之后都添加一个概率为p的dropout层，每个循环神经网络层有多个节点；在每个dropout层生成一个随机数r；在网络训练期间，如果当前dropout层的随机数r小于概率p，则此循环神经网络层的输出设为0，反之则不进行变化；编码器用于通过循环神经网络层将长度为L的输入时序数据编码为若干组向量表示；解码器用于通过循环神经网络层和输出转换层将所述若干组向量表示解码为长度为L
’
的输出时序数据并输出，所述输出时序数据为去除离群值的时序数据。2.根据权利要求1所述的时序数据异常检测的去噪方法，其特征在于，具体包括以下步骤：采集的时序数据从自动编码器输入，自动编码器生成输入时序数据的固定长度的向量表示；自动编码器的最终隐藏层的最终状态输出数据的潜在表示用作解码器的初始状态；解码器基于所述固定长度的向量表示，利用当前的隐藏状态和上一个时间步长上的估计值重建时间序列，将解码器第一隐藏层输出输入到下一隐藏层，直到最后一层，输出去除离群值的时序数据。3.根据权利要求2所述的时序数据异常检测的去噪方法，其特征在于，自动编码器生成输入时序数据的固定长度的向量表示时，对将长度为L的时间序列信号进行重构，计算每个节点的重构误差，通过指定重构误差阈值，如果...
【专利技术属性】
技术研发人员：杨紫阳，李小翔，张燧，邸智，黄思皖，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。