1.一种风力发电机多维时序数据异常检测方法,其特征在于,包括:获取风力发电机多维运行数据的时序序列;
采用图注意力网络提取所述时序序列的空间依赖特征;采用transformer提取所述时序序列的时间依赖特征;
采用门控循环单元融合所述空间依赖特征与时间依赖特征,得到时空依赖特征;
采用双向长短期网络对所述时空依赖特征进行重构,并计算所述时空依赖特征的重构误差,根据所述重构误差判断所述时序序列是否存在异常;
采用门控循环单元融合所述空间依赖特征与时间依赖特征,得到时空依赖特征,包括:使用跳跃连接,将所述时序序列、空间依赖特征、时间依赖特征直接拼接,得到拼接特征;
使用门控循环单元将所述拼接特征进行融合,并从融合特征中提取时空依赖特征。
2.根据权利要求1所述的风力发电机多维时序数据异常检测方法,其特征在于,所述跳跃连接表示为:其中,
和/或
使用门控循环单元将所述拼接特征进行融合,并从融合特征中提取时空依赖特征,通过以下公式实现:其中,
3.根据权利要求2所述的风力发电机多维时序数据异常检测方法,其特征在于,空间依赖特征其中,
4.根据权利要求1所述的风力发电机多维时序数据异常检测方法,其特征在于,所述重构误差通过以下步骤实现:计算原始数据与重构数据的均方差值;
计算原始数据与重构数据协方差的余弦距离值;
将所述均方差值与所述余弦距离值进行融合,得到所述重构误差。
5.根据权利要求4所述的风力发电机多维时序数据异常检测方法,其特征在于,所述重构误差满足于:其中,
6.根据权利要求5所述的风力发电机多维时序数据异常检测方法,其特征在于,所述其中,
和/或
所述
其中,
7.根据权利要求4所述的风力发电机多维时序数据异常检测方法,其特征在于,所述双向长短期网络采用无监督学习策略,使用重构误差作为异常评分,并使用点调整策略调整异常标签。
8.一种计算机系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7中任一所述方法的步骤。