买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湖南第一师范学院申请的专利一种多变量时序异常检测方法、系统、介质、设备及终端获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115222141B 。

龙图腾网通过国家知识产权局官网在2026-02-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210905232.6，技术领域涉及：G06F18/2433；该发明授权一种多变量时序异常检测方法、系统、介质、设备及终端是由满君丰;郑明磊;王靛;胡凯凯;陈亚楠;李倩倩;刘翊;沈意平;李新宇;杨毅设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本一种多变量时序异常检测方法、系统、介质、设备及终端在说明书摘要公布了：本发明属于风电机组异常检测技术领域，公开了一种多变量时序异常检测方法、系统、介质、设备及终端，构建由空间特征重构模块和时序预测模块组成的异常检测的融合框架；在空间特征重构模块中，采用DSAE深度栈式自动编码器提取多变量间的空间相关特征，输出低维特征表示，计算重建误差；在时序预测模块中，采用基于自注意力的Transformer预测子网络提取复杂的全局时序依赖关系；采用联合训练方式同时优化融合框架中的两个子网络，最小化重建误差和预测误差，实现针对风电机组SCADA数据的多变量时序异常检测。本发明结合重构方法和预测方法优点，提取多变量时序数据中空间特征和时序依赖，实现可靠的风电SCADA异常检测。

本发明授权一种多变量时序异常检测方法、系统、介质、设备及终端在权利要求书中公布了：1.一种多变量时序异常检测方法，其特征在于，所述多变量时序异常检测方法包括： 构建由空间特征重构模块和时序预测模块组成的异常检测的融合框架；在空间特征重构模块中，采用DSAE深度栈式自动编码器提取多变量之间的空间相关特征，输出低维特征表示，并计算重建误差；在时序预测模块中，采用基于自注意力的Transformer预测子网络提取复杂的全局时序依赖关系；采用联合的训练方式，同时优化融合框架中的两个子网络，最小化重建误差和预测误差，从而实现针对风电机组SCADA数据的多变量时序异常检测； 所述多变量时序异常检测方法具体为： 对风电机组SCADA数据经过基本数据处理后，将多维时序输入DSAE深度栈式自动编码器提取多变量之间的空间相关特征，通过编码器的压缩提取，获得多维变量的低维特征表示z；通过多层解码器获得模型重构的多维时序数据r，用于计算基于距离度量的重建误差Er； 将低维特征表示z和重建误差Er输入到时序预测模块，通过基于自注意力的Transformer预测子网络建模提取时序依赖关系，预测时序特征的未来值，求得预测误差Ep；经过框架联合训练后，计算异常阈值TAD作为决策阈值；在线检测阶段输入测试数据进入训练好的模型，得到损失值Extest；如果Extest大于TAD，则将测试样本标记为异常状态，否则为正常状态。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南第一师范学院，其通讯地址为：410205 湖南省长沙市岳麓区枫林三路1015号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。