基于变分循环自编码器的风力涡轮机时间序列异常检测
机器学习
2021-12-07 v1
摘要
风力涡轮机叶片上的积冰会导致其出现反常旋转或完全不旋转，从而影响发电与功率输出。在本工作中，我们将风力涡轮机积冰问题构建为多变量时间序列的异常检测加以研究。我们的方法聚焦于两个主要部分：首先，使用变分循环自编码器（VRAE）学习时间序列的低维表示；其次，使用无监督聚类算法将学习到的表示分类为正常（无积冰）或异常（有积冰）。我们在一个自定义的风力涡轮机时间序列数据集上评估了我们的方法，对于二分类问题（一个正常类与一个异常类），我们在测试数据上获得了高达96%的分类准确率。对于多分类问题（一个正常类与多个异常类），我们给出了低维学习潜空间的定性分析，为我们的方法应对此类问题的能力提供了见解。复现本工作的代码可在 https://github.com/agrija9/Wind-Turbines-VRAE-Paper 找到。
引用
@article{arxiv.2112.02468,
title = {Anomaly Detection of Wind Turbine Time Series using Variational Recurrent Autoencoders},
author = {Alan Preciado-Grijalva and Victor Rodrigo Iza-Teran},
journal= {arXiv preprint arXiv:2112.02468},
year = {2021}
}