[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

本發明提供一種基于雨流計數法和局部異常因子的能耗異常檢測方法，包括：采集能耗數據并將能耗數據轉化為交變數據；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；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；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；檢測完所有數據點，完成能耗異常的檢測。本發明提供的一種基于雨流計數法和局部異常因子的能耗異常檢測方法，采用雨流計數法排除模式異常檢測的干擾；通過局部異常因子實時、高精度地檢測出階躍式和交變性能耗數據出現的點異常。

技術領域

本發明涉及能耗數據異常檢測和能耗狀態監測技術領域，更具體的，涉及一種基于雨流計數法和局部異常因子的能耗異常檢測方法。

背景技術

隨著工業信息技術的發展，許多高能耗企業設立了能源管理系統以實現能耗數據的實時采集，其目的是優化能源操作和節省生產成本。因此，高能耗企業對于能耗數據的實時檢測和監控也提出了更高的要求，需要具有實時性和智能化的檢測技術。高能耗機器的生產條件復雜，長期滿負荷運行，出現異常能耗的概率很高[1],[2]，由此產生了大量異常能耗數據。在生產過程中，許多高能耗機械(如液壓機、多晶硅還原爐)的數據具有階躍、交替、周期性等特點。機器的異常能耗伴隨著大量的能量損失和能源效率的降低，甚至會導致停機和無法計算的安全事故，從而影響整個生產線的正常生產。因此，開發一種可靠、快速、自動化的異常能耗檢測技術具有十分重要的意義。利用這些新方法，生產企業可以對高能耗機械進行監控和處理，避免能耗損失，提高機械能源效率。模式異常是能耗異常數據中的一種典型異常形式，目前所面臨的挑戰是開發出一種可靠、快速、自動的模式異常檢測技術。

目前，異常檢測一般是通過人工巡檢、記錄儀表數據，這存在很大的滯后性。并且通過人工經驗設定的能耗告警閾值是一個固定不變的閾值，并不能適應能耗數據實時變化的需求。時間序列數據異常檢測方法包括：基于距離的異常檢測、基于預測的異常檢測、基于聚類的異常檢測等方法[3][4][5]。傳統的異常檢測方法主要被分為局部異常檢測方法和全局異常檢測方法。

局部異常檢測方法由于過于注重局部的小變化，造成了較高的誤檢率和較低的可擴展性；而全局異常檢測方法，由于忽視了局部的輕微異常，漏報率很高。由于缺乏適當的優化，它們的檢測效率低，適應性差[6]。因此，現有技術不能有效地檢測出階躍式和交變性能耗數據中出現的異常數據。

發明內容

本發明為克服現有的能耗異常檢測方法存在無法有效地檢測出階躍式和交變性能耗數據中出現的異常數據的技術缺陷，提供一種基于雨流計數法和局部異常因子的能耗異常檢測方法。

為解決上述技術問題，本發明的技術方案如下：

基于雨流計數法和局部異常因子的能耗異常檢測方法，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；

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；

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。

其中，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α；