公开(公告)号：CN112651617B

公开(公告)日：2022-07-01

申请号：CN202011519463.0

申请日：2020-12-21

Applicant: 福州大学

Inventor： 郭昆 ,  戴锦坤 ,  陈羽中 ,  陈豪

IPC: G06Q10/06 ,  G06Q10/00 ,  G06Q50/06 ,  G06F16/22 ,  G06F16/2455 ,  G06F16/2458 ,  G06K9/62

Abstract: 本发明涉及基于批流统一聚类模式的风电机组异常数据检测方法，将批量聚类和增量聚类结合。使用批量的聚类初始化方式，在首个时间窗口中初始化簇特征。后续窗口采用增量式的聚类方法，这样能够同时满足批量聚类的高精度以及流式聚类的低延迟等特点，可以持续处理大规模持续流入的风电机组群运行数据，并能较快地反映出异常数据所在设备。加入了基于流式迭代的簇特征更新机制。引入迭代流的思想，将风电机组数据簇特征创建成迭代流。进行流式的数据状态广播、双流连接计算，即将两个流式数据进行连接后计算。根据数据的最近簇进行分区，窗口定时更新每个分区的簇特征并将其返回到迭代流中。本发明保证了实时流处理低延迟的特性。

公开(公告)号：CN112651617A

公开(公告)日：2021-04-13

申请号：CN202011519463.0

申请日：2020-12-21

Applicant: 福州大学

Inventor： 郭昆 ,  戴锦坤 ,  陈羽中 ,  陈豪

IPC: G06Q10/06 ,  G06Q10/00 ,  G06Q50/06 ,  G06F16/22 ,  G06F16/2455 ,  G06F16/2458 ,  G06K9/62

Abstract: 本发明涉及基于批流统一聚类模式的风电机组异常数据检测方法，将批量聚类和增量聚类结合。使用批量的聚类初始化方式，在首个时间窗口中初始化簇特征。后续窗口采用增量式的聚类方法，这样能够同时满足批量聚类的高精度以及流式聚类的低延迟等特点，可以持续处理大规模持续流入的风电机组群运行数据，并能较快地反映出异常数据所在设备。加入了基于流式迭代的簇特征更新机制。引入迭代流的思想，将风电机组数据簇特征创建成迭代流。进行流式的数据状态广播、双流连接计算，即将两个流式数据进行连接后计算。根据数据的最近簇进行分区，窗口定时更新每个分区的簇特征并将其返回到迭代流中。本发明保证了实时流处理低延迟的特性。