[發明專利]構建模型的方法和裝置以及異常數據的檢測方法和裝置

在審

• 申請號: 201711375240.X
• 申請日: 2017-12-19
• 公開（公告）號: CN107958089A
• 公開（公告）日: 2018-04-24
• 發明（設計）人: 張光磊;劉源
• 申請（專利權）人: 新疆金風科技股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京銘碩知識產權代理有限公司11286
• 代理人: 周春燕,金玉蘭

技術領域

本發明涉及數據處理技術領域，更具體地，涉及構建狀態轉移模型的方法和裝置以及異常數據的檢測方法和裝置。

背景技術

異常數據檢測在包括風電行業在內的所有工業領域中都是重要的課題。

現有的異常數據檢測技術有很多，一般都基于數據特點對正常數據和異常數據進行區分，采用非監督學習的方法來實現。

但是，在風電行業等工業領域中，數據往往并不孤立，而是會在時間上或空間上存在變化趨勢、相互具有關聯性，而現有的異常數據檢測方法由于僅依賴于當前數據的特點進行異常數據的判定而均未考慮無論是時間上還是空間上的數據關聯性，所以往往會導致誤判。

舉例來說，從圖1所示的傳感器數據曲線中可以看出，三個圓圈中的點不符合正弦分布特點，應視為異常點。但如果像現有的異常數據檢測方法那樣不考慮數據的整體分布，而單獨根據幅值來判斷數據異常，則因為前兩個圓圈中的點在正常的幅值范圍之內，所以會誤認為這兩個點是正常點，從而得出錯誤的結論。

發明內容

本發明是鑒于以上問題而提出的，其目的在于提供一種基于數據的關聯性的構建狀態轉移模型的方法和裝置以及異常數據的檢測方法和裝置。

根據本發明的一方面，提供一種構建狀態轉移模型的方法，包括：獲取歷史數據，所述歷史數據包含相互之間具有關聯性的多組數據；對所述歷史數據進行降維；以及利用所述歷史數據的降維結果構建狀態轉移模型。

根據本發明的另一方面，提供一種異常數據的檢測方法，包括：使用上述的構建狀態轉移模型的方法根據歷史數據構建的狀態轉移模型，預測當前的數據，得到預測值；獲取待異常檢測的當前數據，所述待異常檢測的當前數據是與所述歷史數據具有關聯性的一組數據；對所述待異常檢測的當前數據進行降維；以及將所述預測值與所述待異常檢測的當前數據的降維結果進行比較，來判定所述待異常檢測的當前數據是否異常。

根據本發明的另一方面，提供一種構建狀態轉移模型的裝置，包括：數據獲取單元，其獲取歷史數據，所述歷史數據包含相互之間具有關聯性的多組數據；降維單元，其對所述歷史數據進行降維；狀態轉移模型構建單元，其利用所述歷史數據的降維結果構建狀態轉移模型。

根據本發明的另一方面，提供一種異常數據的檢測裝置，包括：預測單元，其使用上述的構建狀態轉移模型的裝置根據歷史數據構建的狀態轉移模型，預測當前的數據，得到預測值；數據獲取單元，其獲取待異常檢測的當前數據，所述待異常檢測的當前數據是與所述歷史數據具有關聯性的一組數據；降維單元，其對所述待異常檢測的當前數據進行降維；以及判定單元，其將所述預測值與所述待異常檢測的當前數據的降維結果進行比較，來判定所述待異常檢測的當前數據是否異常。

根據本發明，在對歷史數據進行降維的基礎上構建狀態轉移模型，能夠在通過降維去除歷史數據間的相關性的基礎上，構建更準確地表達從歷史狀態到后續狀態的轉移的模型。進而，通過所構建的狀態轉移模型的模型預測結果與實際數據的比較來進行異常數據的檢測，能夠基于數據的關聯性，充分利用數據的變化趨勢的特點判定數據的異常，從而能夠更客觀、更準確地檢測數據異常的發生。

附圖說明

圖1是示出傳感器異常數據示例的圖；

圖2是示出根據本發明的實施方式的構建狀態轉移模型的方法的流程圖；

圖3是示出圖2的方法中構建狀態轉移模型的步驟的詳細過程的流程圖；

圖4是示出根據本發明的實施方式的異常數據的檢測方法的流程圖；

圖5是用于說明復制神經網絡方法的示意圖；

圖6是示出根據本發明的實施方式的構建狀態轉移模型的裝置的框圖；

圖7是示出圖6的裝置中狀態轉移模型構建單元的詳細構成的框圖；

圖8是示出根據本發明的實施方式的異常數據的檢測裝置的框圖。

具體實施方式

以下，參照附圖說明本發明的實施方式。

本發明針對有關聯性的數據，充分利用數據的關聯性來實現狀態轉移模型的構建和異常數據的檢測。

在本發明的一個實施方式中，提供一種構建狀態轉移模型的方法。下面對其進行詳細說明。

圖2是示出根據本發明的實施方式的構建狀態轉移模型的方法的流程圖。