针对风力发电站风机起火检测中样本稀缺的问题,本文提出了一种基于自监督对比学习的风机起火检测算法.由于传统监督学习方法在处理此类稀有事件时受到有限的标注样本数量的制约,通过自监督学习框架,有效地使用了大量未标记的正常运行数据,构建正面(正常运行状态)和负面(潜在起火状态)样本,并应用对比学习策略从这些数据中提取关键特征.试验结果显示,该算法在准确性和效率方面均表现优秀,特别是在处理起火样本稀缺的情形下,展现出优于传统方法的泛化能力和数据利用效率.该项研究不仅为风力发电站的安全监控提供了新的技术解决方案,也为自监督学习在少样本学习场景中的应用提供了有价值的参考.
维普
万方数据
