-
公开(公告)号:CN111275288B
公开(公告)日:2023-12-26
申请号:CN201911423436.0
申请日:2019-12-31
Applicant: 华电国际电力股份有限公司十里泉发电厂 , 华电国际电力股份有限公司技术服务分公司
IPC: G06F18/2433 , G06F18/2135 , G06F18/214 , G06F18/243 , G06F18/27 , G06N20/20 , G06N5/01 , G06F123/02
Abstract: 本发明属于电厂安全控制系统领域,尤其涉及一种基于XGBoost的多维数据异常检测方法与装置。其特征在于:步骤一:数据采集清洗,步骤二:对清洗后的数据进行标准化处理,统一不同维度数据之间量纲;步骤三:特征抽取及降维,步骤四:异常检测模型训练,用XGBoost方法对降维数据进行训练,建立设备异常的预测模型;步骤五:异常在线检测,若超过了给定阀值,那么判定发生异常。本发明适合于处理和预测设备的重要异常事件,充分利用集成学习的思想和技术,有效利用设备传感器检测的多维数据信息中的重要特征,进而实现基于电厂实时测点数据的在线异常检测。本发明采集数据量大,分析误差小,预警结果准确率高。
-
公开(公告)号:CN111275288A
公开(公告)日:2020-06-12
申请号:CN201911423436.0
申请日:2019-12-31
Applicant: 华电国际电力股份有限公司十里泉发电厂 , 华电国际电力股份有限公司技术服务分公司
Abstract: 本发明属于电厂安全控制系统领域,尤其涉及一种基于XGBoost的多维数据异常检测方法与装置。其特征在于:步骤一:数据采集清洗,步骤二:对清洗后的数据进行标准化处理,统一不同维度数据之间量纲;步骤三:特征抽取及降维,步骤四:异常检测模型训练,用XGBoost方法对降维数据进行训练,建立设备异常的预测模型;步骤五:异常在线检测,若超过了给定阀值,那么判定发生异常。本发明适合于处理和预测设备的重要异常事件,充分利用集成学习的思想和技术,有效利用设备传感器检测的多维数据信息中的重要特征,进而实现基于电厂实时测点数据的在线异常检测。本发明采集数据量大,分析误差小,预警结果准确率高。
-