从不规则热像序列中检测集中太阳能发电厂的异常操作

集中太阳能 (CSP) 发电厂通过将阳光聚焦到位于中央塔顶的太阳接收器上的镜像阵列来加热储存介质进行储能。这些接收器在高温下运行，面临冻结、变形和腐蚀等风险，可能导致运行故障、停机或昂贵的设备损坏。我们研究了来自运行中 CSP 电厂一年收集的热像序列中的异常检测问题。这些图像由 infrared 相机在接收器上拍摄，间隔不规则，范围为 1 到 5 分钟。我们的目标是开发一种方法，从高维热像图像中提取有用的表示，用于异常检测。它能够处理数据的时间特征，包括不规则性、图像之间的时间依赖性以及由于强日间季节性模式导致的非平稳性。低温异常（类似于操作循环开始和结束时的正常图像）与高温异常同时出现的情形提出了额外的挑战。我们首先评估了多种最新的基于深度图像的异常检测方法，这些方法已被证明在检测图像表示方面有效。随后，我们引入一种基于预测的异常检测方法，通过深度序列模型预测过去序列和时间戳对应的未来热像图像。该方法有效捕获特定的时间数据特征，并区分了难以检测的温度基于异常。我们的实验表明，我们的方法在多个评估指标上优于多个 SOTA 方法。我们还成功将解决方案部署在五个月不可见数据上，为 CSP 电厂的维护提供了关键见解。我们的代码已公开：https://tinyurl.com/ForecastAD