龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：国网江苏省电力有限公司扬州供电分公司;国网江苏省电力有限公司
申请日：2024-03-28
公开（公告）日：2024-06-21
公开（公告）号：CN118228176A
主分类号：G06F18/2433
分类号：G06F18/2433;G06F18/214;G06F18/22;G06F18/2113;G06N3/042
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明涉及异常检测领域，提供了一种基于多尺度式图对比学习的风电数据异常检测方法及系统。所述方法包括：多尺度式图对比学习特征生成模型、使用生成特征进行基于强化学习的邻居选择、多关系图邻居信息聚合与模型训练。本发明首先针对风电异常数据的节点特征区分度不足，设计了一个多尺度式图对比学习特征生成模型，以获得更具区分度的特征以发现隐含的风电数据异常。然后针对结构不一致问题，提出一种基于强化学习的邻居选择机制，对于图数据里每个节点筛选出可以利于异常检测精度的邻居，从而增强目标节点的信息。最后提出一种邻居信息聚合与检测模型训练机制，从而获得高质量的节点表征，最终提高风电数据异常检测的精度。
主权项：1.基于多尺度式图对比学习的风电数据异常检测方法，其特征在于：包括：将风电数据基于图对比学习方法生成引导节点；使用引导节点的增强特征进行基于强化学习的邻居选择机制；执行邻居选择机制后获得对应的被选择邻居节点集合，利用基于消息传递机制的GNN聚合各个关系下所有邻居节点的信息；在完成邻居信息聚合后使用多层感知机作为分类器预测数据的异常性；计算损失，通过损失训练形成风电异常数据检测模型；基于风电异常数据检测模型对风电数据进行实时检测。
全文数据：
权利要求：
百度查询： 国网江苏省电力有限公司扬州供电分公司;国网江苏省电力有限公司 基于多尺度式图对比学习的风电数据异常检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号