论文《一种可解释的电力电子数据驱动异常检测方法》

电力电子领域中的大多数异常检测方法都来源于开关模式、电压检测，或者输出电压的频率分析等经典策略。这些方法都很好但都依赖于结果，并且集中在调制技术上。

​       本文https://arxiv.org/abs/2209.11427提出了一个异常检测的通用框架，允许测试几种机器学习方法。以一个两电平，三相并网的可控性电压源转换器(VSC)为例：

 

使用VSG控制原理来获取频率和相位角信息。由于并网VSC在不同的有功和无功参考点(分别为id和iq)下运行，可从控制平台上获取相应的数据，训练基于集成回归的学习模型来模拟控制响应。

​文章提出了两种检测方法：

A. Matrix Profile（矩阵轮廓算法）

​算法步骤概况：

1) For each point in the window (m), compute the distance to the nearest neighbor against the entire data set.

​2) Exclude identical or nearly identical matches to prevent inaccuracy.

​3) Update the distance matrix with the new closest neighbor distance. 

​4) Set the position matrix with the index position of the new closest neighbor. 

​B. Deep Learning（机器学习算法）

​根据最近出现的基于attention变压器深度学习算法，该算法在自然语言处理，表格处理和时间序列领域有很好的前景，下图是可视化的PEC数据集故障：

​

作者的代码开源：https://github.com/5uperpalo/Anomaly-Transformer_FIREMAN