1.一种海上风电异常功率数据自动识别方法,其特征在于,包括:
2.根据权利要求1所述的一种海上风电异常功率数据自动识别方法,其特征在于,各个深度学习模型的权重占比确定步骤如下:
3.根据权利要求1所述的一种海上风电异常功率数据自动识别方法,其特征在于:所述所述异常数据识别模型包括通用规范特征学习和依赖异常测量的特征学习两类,所述通用规范特征学习包括自编码器、生成对抗网络、预测性建模和自监督分类器等四种通用规范特征学习模型;
4.根据权利要求1所述的一种海上风电异常功率数据自动识别方法,其特征在于:所述数据清洗主要包括剔除停机点的数据、剔除离群点的数据、修正错误数据和检查标记数据类型是否正确。
5.根据权利要求1所述的一种海上风电异常功率数据自动识别方法,其特征在于:所述异常数据类型基于shapelet函数来定义产生的三种异常类型,包括异常的局部子序列、异常周期性的的局部子序列和异常趋势的局部子序列;
6.应用权利要求1-5任一所述的一种海上风电异常功率数据自动识别方法的系统,其特征在于: