基于时空大模型联合GAN网络的水轮机机组异常检测方法技术

本发明专利技术公开一种基于时空大模型联合GAN网络的水轮机机组异常检测方法，输入当前工况下经过聚类的水轮机机组流固耦合面网格点数据；构建异常检测模型；利用采集到的数据，训练异常检测模型；计算模型估计的每一网格点应力值的准确率，若准确率超过预设阈值，将经过聚类的水轮机过流部件流固耦合面网格点数据输入训练好的异常检测模型，获得当前工况下每一网格点应力估计值，然后根据应力估计值进行水轮机机组异常检测。若精确率较低，继续训练异常检测模型。与现有技术相比，本发明专利技术具有异常检测效果好、实用性好等优点。

【技术实现步骤摘要】

本专利技术涉及一种基于时空大模型联合gan网络的水轮机机组异常检测方法，用于水轮机机组过流部件流固耦合面异常检测，属于水利检测。

技术介绍

1、精确检测水轮机过流部件流固耦合面异常意义重大。然而，由于流固耦合面被视为一个网格面，网格面中的网格点之间相互影响，相互作用。因此，水轮机过流部件流固耦合面异常检测可以被视为时空分析任务。

2、在在时空分析任务中，现存的方法主要分为三类：1)经典统计学方法：这是一种低成本且易于应用的技术，用于捕捉时间序列数据中的数学关系。经典统计学方法包括ar(自回归，auto regression，简称ar)和arima(自回归综合移动平均，autoregressiveintegrated moving average model，简称arima)模型。然而，这些方法的非线性能力限制了他们时空分析的性能；2)浅层机器学习方法：为了突破经典统计学方法存在的缺陷，一些研究开始使用一些浅层机器学习模型比如svr(支持向量回归，support vectorregression，简称svr)等进行时空分析。相比经典统计学方法，尽本文档来自技高网...

【技术保护点】

1.一种基于时空大模型联合GAN网络的水轮机机组异常检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于时空大模型联合GAN网络的水轮机机组异常检测方法，其特征在于，所述的步骤1中：

3.根据权利要求1所述的基于时空大模型联合GAN网络的水轮机机组异常检测方法，其特征在于，所述的步骤2中：

4.根据权利要求3所述的基于时空大模型联合GAN网络的水轮机机组异常检测方法，其特征在于，所述的生成器执行方法为：

5.根据权利要求3所述的基于时空大模型联合GAN网络的水轮机机组异常检测方法，其特征在于，所述的鉴别器包括GCN层、LSTM...

【技术特征摘要】

1.一种基于时空大模型联合gan网络的水轮机机组异常检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于时空大模型联合gan网络的水轮机机组异常检测方法，其特征在于，所述的步骤1中：

3.根据权利要求1所述的基于时空大模型联合gan网络的水轮机机组异常检测方法，其特征在于，所述的步骤2中：

4.根据权利要求3所述的基于时空大模型联合gan网络的水轮机机组异常检测方法，其特征在于，所述的生成器执行方法为：

5.根据权利要求3所述的基于时空大模型联合gan网络的水轮机机组异常检测方法，其特征在于，所述的鉴别器包括gcn层、lstm层和分类层；gcn层用于挖掘当前工况下生成器输出的网格点应力以及真实的网格点应力中的空间依赖；lstm随后被用于捕捉当前工况下生成器输出的网格点应力以及真实的网格点应力中的时间依赖；最后分类层被用于判别鉴别器的输入是来自于生成器输出的网格点应力还...

【专利技术属性】
技术研发人员：荣毅，岳建锋，曲力涛，周洪亮，戚荣志，刘殿程，毛莺池，蔡朝东，杨怀荣，王哲，赵海峰，
申请(专利权)人：华能澜沧江水电股份有限公司，
类型：发明
国别省市：