[發明專利]基于雨流計數法和局部異常因子的能耗異常檢測方法

有效

• 申請號: 201910502205.2
• 申請日: 2019-06-11
• 公開（公告）號: CN110362608B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 楊海東;印四華;徐康康;朱成就
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/215;G06F18/23213;G06F18/2413;G06Q50/04
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.基于雨流計數法和局部異常因子的能耗異常檢測方法，其特征在于，包括以下步驟：

S1：采集能耗數據，通過雨流計數法將能耗數據轉化為交變數據；

所述步驟S1具體包括以下步驟：

S11：采集能耗數據，得到能耗數據的時間序列X＝(x₁,x₂,...x_n)及其周期長度CL，滑動窗口長度m，點異常系數；

S12：通過雨流計數法將能耗數據轉化為交變數據，具體計算公式為：

(X_i-X_i-1)(X_i-X_i+1)0i＝2,3,4,...,M-1；

其中，X_i是現場采集的能耗數據；數據段的端點為峰谷點，按照峰谷序列，即PV序列的標準進行過濾，刪除所有非峰谷點，刪除上坡和下坡的干擾數據，得到交變數據；

在步驟S11中所述的時間序列X＝(x₁,x₂,...x_n)通過所述滑動窗口長度m在能耗數據上進行截取；

S2：采用K-Means聚類方法將交變數據聚類為2類，分別對2類交變數據進行局部異常因子LOF檢測，得到每個數據點的LOF值；

S3：對2類交變數據的LOF值進行歸一化處理，并將所有LOF值按照原始數據的順序進行重新排序，得到能耗數據中每個數據點的LOF值；

S4：根據點異常系數計算每個數據點異常的閾值；若數據點的LOF值大于點異常的閾值，則該點為異常點；

在所述步驟S4中計算每個數據點異常的閾值的具體計算公式為：

其中，δ為數據點異常的閾值，為點異常系數，根據實際情況進行設定；

S5：重復執行步驟S4，直至檢測完所有數據點，完成能耗異常的檢測。

2.根據權利要求1所述的基于雨流計數法和局部異常因子的能耗異常檢測方法，其特征在于：所述步驟S2數據點的LOF值的計算過程具體包括以下步驟：

S21：設點q為交變數據上一點，將與點q之間距離小于或等于k–distance(q)的點集稱為點q的K-近鄰鄰域，表示為N_k(q)；K-近鄰鄰域是不包含點q的點集合，這個集合為以點q為中心，半徑為k–distance(q)的區域；

S22：基于K-近鄰鄰域，從點q到點o的K-近鄰可達距離表示為：

reach-distance_k(q,o)＝max(k-distance(q),d(q,o))；

其中，d(q,o)表示點q到點o之間的歐氏距離；

S23：計算點q的局部可達密度，具體表示為：

其中，lrd_r(q)表示從點q的K-近鄰鄰域中的所有點到點q的平均可達距離的倒數；

S24：根據點q的局部可達密度，計算點q的局部異常因子LOF，具體表示為：

其中，局部異常因子LOF(q)表示點q的K-近鄰鄰域N_k(q)中所有點的局部可達密度與點q的局部可達密度之比的平均值，是判斷點q是否異常的指標。

3.根據權利要求2所述的基于雨流計數法和局部異常因子的能耗異常檢測方法，其特征在于：所述步驟S3中所述的歸一化處理的具體過程為：

建立一個從q到q'的映射，使得q'的L2范數為1，則有：

其中，特征值向量q(q₁,q₂,...,q_n)的L²范數為為歸一化系數。