Transformer在水电机组异常指标预测的应用
水电站机组日常检修、维护及异常检测的工作量巨大,传统人工监测的工作方式容易导致异常问题被遗漏或误判,采用深度学习算法对数据建模并监测异常情况可以降低成本,提升安全可靠性.结合Transformer网络对长期序列高效准确建模的能力以及GAN(生成对抗网络)架构的数据生成训练策略,利用TransGAN模型对水电机组监测数据进行生成式建模,并主动发现异常数据点.TransGAN模型在水电站机组实测中达到了97.76%的查准率和99.23%的查全率,异常点检出延迟低于0.1 s,实现了实时高精度异常监控功能.
水电机组、异常监测、数据降维、Transformer、生成对抗网络
42
P315.7;TP391.41;R194.3
国网浙江省电力有限公司科技项目B311JS210002
2023-02-20(万方平台首次上网日期,不代表论文的发表时间)
共7页
110-116