【技术实现步骤摘要】
本专利技术涉及异常检测，并且更具体地，涉及一种基于数字孪生的异常检测方法及系统。
技术介绍
1、异常检测算法的目标是，通过采集到的大量正常样本数据，构建可以准确描述正常情况的机器学习模型，进而检测出与正常情况有差异的异常样本。随着深度学习的出现，由于其强大的特征学习能力，推动了很多关键领域的技术进步。在异常检测领域，一系列深度异常检测算法被相继提出，相较于传统的异常检测方法，例如：支持向量机的方法、混合高斯模型方法[2]和近邻检索方法，深度异常检测算法具有更为优异的性能表现。现阶段的异常检测算法可以粗略的分为基于分布和基于重构的异常检测方法。
2、基于重建的异常检测方法的核心思想是将原始输入图像作为训练目标。由于仅在正常样本上进行训练，网络模型能够学习到正常图像的分布规律。在测试阶段，可以通过重建误差的大小来实现异常检测。自动编码器网络是基于图像重建的方法中最常用的网络结构之一。它通过对原始正常图像进行编码和解码，从中学习到正常图像的表示方式，并根据待测图像的重建误差来区分正常和异常。许多方法都利用自动编码器网络来实现异常检...
【技术保护点】
1.一种基于数字孪生的异常检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的异常检测方法，其特征在于，所述描述视角，包括如下中的至少一种：气体监测、音频监测、影像监测、温度监测、环境监测及电气量监测视角。
3.根据权利要求1所述的异常检测方法，其特征在于，所述根据所述电网设备的状态空间及描述视角，生成电网设备孪生态的描述内容，包括：
4.根据权利要求3所述的方法，其特征在于，所述通过预先搭建的对抗网络GAN架构提取出所述检测样本中的内容特征Fc和结构特征Fs，包括：
5.根据权利要求3所述的方法，其特征在于，...
【技术特征摘要】
1.一种基于数字孪生的异常检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的异常检测方法，其特征在于，所述描述视角，包括如下中的至少一种：气体监测、音频监测、影像监测、温度监测、环境监测及电气量监测视角。
3.根据权利要求1所述的异常检测方法，其特征在于，所述根据所述电网设备的状态空间及描述视角，生成电网设备孪生态的描述内容，包括：
4.根据权利要求3所述的方法，其特征在于，所述通过预先搭建的对抗网络gan架构提取出所述检测样本中的内容特征fc和结构特征fs，包括：
5.根据权利要求3所述的方法，其特征在于，所述将所述内容特征fc和结构特征fs离散化为有限描述表征，包括：
6.根据权利要求3所述的方法，其特征在于，所述去除有限描述表征的冗余信息并进行离散化，以得到电网设备孪生态的描述内容，包括：
7.根据权利要求1所述的方法，其特征在于，将电网设备正常运行时的历史状态描述与孪生状态描述的误差的分数值，作为判别阈值标准，若异常分数值低于所述判别阈值标准，则将检测样本判别为正常样本，若所述异常分数值高于所述判别阈值标准，则将所述检测样本判别为异常样本。
8.一种基于数字孪生的异常检测系统，其特征在于，所述系统包括：
9.根据权利...
【专利技术属性】
技术研发人员：李哲，王致芃，汪旭，底晓梦，翟天一，高帅，程月瑄，黄天航，贾强，宋辰坤，王树岭，彭林，何志敏，欧朱建，毛艳芳，
申请(专利权)人：中国电力科学研究院有限公司，
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。