基于ConvLSTM网络的电力时序数据异常检测模型  

作　　者：张飞 黄刘松 吕家伟 

机构地区：[1]马鞍山师范高等专科学校计算机与信息工程学院,安徽马鞍山243041

出　　处：《电脑知识与技术》2024年第24期40-42,共3页Computer Knowledge and Technology

基　　金：马鞍山师范高等专科学校科研项目(2023xjkyxm06);马鞍山师范高等专科学校科研项目(2022xjzdky10);安徽省高校自然科学研究重点项目(KJ2021A1289);安徽省高校自然科学研究重点项目(KJ2020A0881);安徽省高校自然科学研究重大项目(2022AH040346)。

摘　　要：随着电厂智能化的升级改造,生产系统产生了大量的时序数据。然而,在数据采集、传输和存储等过程中,海量时序数据可能会出现异常,影响企业的后续分析和决策。针对电厂时序数据中常见的异常问题,受自注意机制的启发,文章设计了一种基于循环卷积和长短期记忆网络的体系结构,用于识别和检测多维度电力时序数据的异常。在基于电厂实际运行中产生的时序数据集进行的大量实验中,验证了ConvLSTM网络在电力时序数据异常检测方面的有效性和准确性。

关 键 词：时序数据 数据异常 注意力机制 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]