Transformer在水电机组异常指标预测的应用

水电站机组日常检修、维护及异常检测的工作量巨大，传统人工监测的工作方式容易导致异常问题被遗漏或误判，采用深度学习算法对数据建模并监测异常情况可以降低成本，提升安全可靠性。结合Transformer网络对长期序列高效准确建模的能力以及GAN（生成对抗网络）架构的数据生成训练策略，利用TransGAN模型对水电机组监测数据进行生成式建模，并主动发现异常数据点。TransGAN模型在水电站机组实测中达到了97.76%的查准率和99.23%的查全率，异常点检出延迟低于0.1 s，实现了实时高精度异常监控功能。