Page 64 - 2025年第56卷第5期

２０２２，５１（１０）：１２２ － １２９．
［１０］ ＹＡＮＧＹ，ＬＩＵＡ，ＸＩＮＨ，ｅｔａｌ．Ｆａｕｌｔｅａｒｌｙｗａｒｎｉｎｇｏｆｗｉｎｄｔｕｒｂｉｎｅｇｅａｒｂｏｘｂａｓｅｄｏｎｍｕｌｔｉ － ｉｎｐｕｔｓｕｐｐｏｒｔｖｅｃｔｏｒ
ｒｅｇｒｅｓｓｉｏｎａｎｄｉｍｐｒｏｖｅｄａｎｔｌｉｏｎｏｐｔｉｍｉｚａｔｉｏｎ ［Ｊ］．ＷｉｎｄＥｎｅｒｇｙ，２０２１，２４（８）：８１２ － ８３２．
［１１］ ＺＨＡＮＧＲ，ＺＨＯＵＱ，ＴＩＡＮＬ，ｅｔａｌ．Ａｎｏｖｅｌｏｕｔｌｉｅｒｄｅｔｅｃｔｉｏｎｍｏｄｅｌｆｏｒｖｉｂｒａｔｉｏｎｓｉｇｎａｌｓｕｓｉｎｇｔｒａｎｓｆｏｒｍｅｒｎｅｔ
ｗｏｒｋｓ［Ｊ］．ＩＥＥＥＡｃｃｅｓｓ，２０２２，１０：５７２３４ － ５７２４１．
［１２］ 杨茂，张书天，王勃，等．基于门控循环加权共形分位数回归的风电功率短期区间预测［Ｊ?ＯＬ］．中国电机工
程学报，２０２４．（２０２４ － ０９ － １１）［２０２４ － １２ － １７］．ｈｔｔｐ：??ｋｎｓ．ｃｎｋｉ．ｎｅｔ?ｋｃｍｓ?ｄｅｔａｉｌ?１１．２１０７．ｔｍ．２０２４０９１０．１５４８．００４．ｈｔｍｌ．
［１３］ ＭＡＴＨＯＮＳＩＴＨＡＢＡＮＧ，ＶＡＮＺＹＬ．Ｍｕｌｔｉｖａｒｉａｔｅａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎｂａｓｅｄｏｎｐｒｅｄｉｃｔｉｏｎｉｎｔｅｒｖａｌｓｃｏｎｓｔｒｕｃｔｅｄｕｓｉｎｇ
ｄｅｅｐｌｅａｒｎｉｎｇ ［Ｊ?ＯＬ］．ＮｅｕｒａｌＣｏｍｐｕｔｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２０２２．（２０２２ － ０１ － ０３）［２０２４ － ０５ － １２］．ｈｔｔｐｓ：??ｌｉｎｋ．
ｓｐｒｉｎｇｅｒ．ｃｏｍ?ａｒｔｉｃｌｅ?１０．１００７?ｓ００５２１ － ０２１ － ０６６９７ － ｘ．
［１４］ ＬＩＹ．Ａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎｉｎｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓｂａｓｅｄｏｎｔｉｍｅｆａｃｔｏｒ［Ｊ］．ＪｏｕｒｎａｌｏｆＩｎｔｅｌｌｉｇｅｎｔ＆ ＦｕｚｚｙＳｙｓ
ｔｅｍｓ，２０１９，３７（４）：４６３９ － ４６４５．
［１５］ ＰＡＮＧＪ，ＬＩＵＤ，ＰＥＮＧＹ，ｅｔａｌ．Ｏｐｔｉｍｉｚｅｔｈｅｃｏｖｅｒａｇｅｐｒｏｂａｂｉｌｉｔｙｏｆｐｒｅｄｉｃｔｉｏｎｉｎｔｅｒｖａｌｆｏｒａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎｏｆ
ｓｅｎｓｏｒ － ｂａｓｅｄｍｏｎｉｔｏｒｉｎｇｓｅｒｉｅｓ ［Ｊ］．Ｓｅｎｓｏｒｓ，２０１８，１８（４）：９６７．
［１６］ 余宇峰，朱跃 龙，万 定 生，等．基 于 滑 动 窗 口 预 测 的 水 文 时 间 序 列 异 常 检 测 ［Ｊ］．计 算 机 应 用，２０１４，
３４（８）：２２１７ － ２２２０，２２２６．
［１７］ ＤＥＷＯＬＦＮ，ＢＡＥＴＳＢＤ，ＷＡＥＧＥＭＡＮＷ．Ｖａｌｉｄｐｒｅｄｉｃｔｉｏｎｉｎｔｅｒｖａｌｓｆｏｒｒｅｇｒｅｓｓｉｏｎｐｒｏｂｌｅｍｓ［Ｊ］．ＡｒｔｉｆｉｃｉａｌＩｎ
ｔｅｌｌｉｇｅｎｃｅＲｅｖｉｅｗ ，２０２３，５６（１）：５７７ － ６１３．
［１８］ ＳＴＥＩＮＷＡＲＴＩ，ＣＨＲＩＳＴＭＡＮＮ Ａ．Ｅｓｔｉｍａｔｉｎｇ ｃｏｎｄｉｔｉｏｎａｌｑｕａｎｔｉｌｅｓｗｉｔｈ ｔｈｅ ｈｅｌｐ ｏｆｔｈｅ ｐｉｎｂａｌｌｌｏｓｓ［Ｊ］．
Ｂｅｒｎｏｕｌｌｉ ，２０１１，１７（１）：２１１ － ２２５．
［１９］ ＣＨＥＮＸ，ＺＨＡＮ Ｙ．Ｍｕｌｔｉ － ｓｃａｌｅａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍ ｂａｓｅｄｏｎｉｎｆｒｅｑｕｅｎｔｐａｔｔｅｒｎｏｆｔｉｍｅｓｅｒｉｅｓ［Ｊ］．
ＪｏｕｒｎａｌｏｆＣｏｍｐｕｔａｔｉｏｎａｌａｎｄＡｐｐｌｉｅｄＭａｔｈｅｍａｔｉｃｓ，２００８，２１４（１）：２２７ － ２３７．
［２０］ 王彦兵，王聪，赵亚丽，等．基于 ＲＯＣ曲线的永久散射体识别最佳阈值定量筛选 ［Ｊ］．遥感学报，２０２１，
２５（１０）：２０８３ － ２０９４．
［２１］ 曲力涛，潘罗平，曹登峰，等．基于振动能量趋势预测和 Ｋ均值聚类的水电机组故障预警方法研究 ［Ｊ］．
水力发电，２０１９，４５（５）：９８ － １０２．

Ａｄｙｎａｍｉｃｉｎｔｅｒｖａｌｃｏｖｅｒａｇｅｍｅｔｈｏｄｆｏｒｄｅｔｅｃｔｉｎｇａｂｎｏｒｍａｌｖｉｂｒａｔｉｏｎｏｆｈｙｄｒｏｅｌｅｃｔｒｉｃｕｎｉｔｓ

１
１
１
１
１
ＷＡＮＧＫｕｎ，ＷＡＮＧＳｈａｏｑｉａｎｇ，ＸＩＯＮＧＸｉｎｇ，ＬＩＡｎｇ，ＱＩＵＸｕｄｉ，ＷＡＮＧＢｉｎ １，２
（１．ＣｏｌｌｅｇｅｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＡｒｃｈｉｔｅｃｔｕｒａｌＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈｗｅｓｔＡ＆ＦＵｎｉｖｅｒｓｉｔｙ，Ｙａｎｇｌｉｎｇ ７１２１００，Ｃｈｉｎａ；
２．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＳｏｉｌａｎｄＷａｔｅｒＥｎｇｉｎｅｅｒｉｎｇｉｎＡｒｉｄａｎｄＳｅｍｉａｒｉｄＡｒｅａｓ，
ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，ＮｏｒｔｈｅａｓｔＡ＆ＦＵｎｉｖｅｒｓｉｔｙ，Ｙａｎｇｌｉｎｇ ７１２１００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｂｎｏｒｍａｌｄｅｔｅｃｔｉｏｎｉｎｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓｉｓｃｒｕｃｉａｌｆｏｒｔｈｅｉｒｓｔａｂｌｅｏｐｅｒａｔｉｏｎ．Ｅｘｉｓｔｉｎｇａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎ
ｍｅｔｈｏｄｓｂａｓｅｄｏｎｐｏｉｎｔｐｒｅｄｉｃｔｉｏｎｓｏｆｔｅｎｆａｉｌｔｏａｄｅｑｕａｔｅｌｙａｄｄｒｅｓｓｄａｔａｉｎｓｔａｂｉｌｉｔｙａｎｄｍｏｄｅｌｌｉｍｉｔａｔｉｏｎｓ．Ｔｈｉｓｐａｐｅｒ
ｐｒｏｐｏｓｅｓａｄｙｎａｍｉｃｉｎｔｅｒｖａｌｃｏｖｅｒａｇｅｍｅｔｈｏｄｆｏｒｄｅｔｅｃｔｉｎｇｖｉｂｒａｔｉｏｎａｎｏｍａｌｉｅｓｉｎｈｙｄｒｏｅｌｅｃｔｒｉｃｕｎｉｔｓ．Ｉｎｉｔｉａｌｌｙ ，ａｎ
ｉｎｔｅｒｖａｌｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｉｓｃｏｎｓｔｒｕｃｔｅｄｕｓｉｎｇｄｉｒｅｃｔｉｎｔｅｒｖａｌｅｓｔｉｍａｔｉｏｎａｎｄｑｕａｎｔｉｌｅｌｏｓｓａｓｔｈｅｌｏｓｓｆｕｎｃｔｉｏｎｔｏｔｒａｉｎ
ｔｈｅｍｏｄｅｌ．Ａｄｙｎａｍｉｃｉｎｔｅｒｖａｌｃｏｖｅｒａｇｅｒａｔｅｉｓｔｈｅｎｄｅｖｅｌｏｐｅｄｂｙｉｎｔｅｇｒａｔｉｎｇａｓｌｉｄｉｎｇｗｉｎｄｏｗｗｉｔｈｉｎｔｅｒｖａｌｃｏｖｅｒａｇｅ
ｒａｔｅｏｆｔｈｅｍｏｄｅｌｅｖａｌｕａｔｉｏｎｉｎｄｅｘ．Ｓｕｂｓｅｑｕｅｎｔｌｙ ，ｔｈｅｒｅｃｅｉｖｅｒｏｐｅｒａｔｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃｃｕｒｖｅｉｓｕｔｉｌｉｚｅｄｆｏｒｍｏｄｅｌｅ
ｖａｌｕａｔｉｏｎａｎｄｏｐｔｉｍａｌｔｈｒｅｓｈｏｌｄｄｅｔｅｒｍｉｎａｔｉｏｎ．Ｔｈｉｓｍｅｔｈｏｄａｌｌｏｗｓｆｏｒｆｌｅｘｉｂｌｅａｄｊｕｓｔｍｅｎｔｏｆｄｅｔｅｃｔｉｏｎｉｎｔｅｎｓｉｔｙ
ｔｈｒｏｕｇｈｃｏｎｆｉｄｅｎｃｅｌｅｖｅｌ ，ｓｌｉｄｉｎｇｗｉｎｄｏｗｗｉｄｔｈ，ａｎｄｓｔｅｐｓｉｚｅ．Ｔｏｖａｌｉｄａｔｅｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈ
ｏｄ ，ｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｓａｒｅｃｏｎｄｕｃｔｅｄｕｓｉｎｇｂｏｔｈｓｉｍｕｌａｔｅｄａｎｄｒｅａｌａｎｏｍａｌｙｄａｔａｏｆｈｙｄｒｏｅｌｅｃｔｒｉｃｕｎｉｔｓ．Ｔｈｅ
ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｉｓｍｅｔｈｏｄａｃｈｉｅｖｅｓｔｒｕｅｐｏｓｉｔｉｖｅｒａｔｅｓａｎｄｆａｌｓｅｐｏｓｉｔｉｖｅｒａｔｅｓｏｆ１．０ａｎｄ０．０１５，
ｒｅｓｐｅｃｔｉｖｅｌｙ，ｏｎｓｉｍｕｌａｔｅｄｄａｔａｓｅｔ，ａｎｄ０．９７９ａｎｄ０．０５３ｏｎａｎｏｔｈｅｒ，ａｃｃｕｒａｔｅｌｙｉｄｅｎｔｉｆｙｉｎｇｖｉｂｒａｔｉｏｎａｎｏｍａｌｉｅｓｉｎ
ｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓ．Ｔｈｉｓａｐｐｒｏａｃｈｐｒｏｖｉｄｅｓａｎｅｗｔｅｃｈｎｏｌｏｇｉｃａｌｍｅａｎｓｆｏｒａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎｉｎｈｙｄｒｏｐｏｗｅｒｕｎｉｔｓ．
Ｋｅｙｗｏｒｄｓ：ｈｙｄｒｏｅｌｅｃｔｒｉｃｕｎｉｔｓ； ａｂｎｏｒｍａｌｄｅｔｅｃｔｉｏｎ； ｉｎｔｅｒｖａｌｐｒｅｄｉｃｔｉｏｎ； ｓｌｉｄｉｎｇｗｉｎｄｏｗ； ｒｅｃｅｉｖｅｒｏｐｅｒａｔｉｎｇ
ｃｈａｒａｃｔｅｒｉｓｔｉｃｃｕｒｖｅ

（责任编辑：王 婧）

— ６ １ —
０