[發明專利]一種磨煤機數據異常檢測方法

有效

• 申請號: 202010083686.0
• 申請日: 2020-02-10
• 公開（公告）號: CN111340063B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 高彥超;劉曙元;吳菲;孫宇笛;關勝杰;李志強;肖榮;夏紹標;張宏尉
• 申請（專利權）人: 國能信控互聯技術有限公司
• 主分類號: G06F18/2433
• 分類號: G06F18/2433;G06F18/243;G06F18/214;G06N20/20
• 代理公司: 北京智繪未來專利代理事務所(普通合伙) 11689
• 代理人: 趙卿

1.一種磨煤機數據異常檢測方法，其特征在于：

所述方法包括以下步驟：

步驟一：構建孤立森林檢測模型并獲得初步異常檢測結果；

步驟二：基于初步異常檢測結果，構建局部異常因子模型并檢測出設備運行的異常數據；

其中，步驟一所述構建孤立森林檢測模型并獲得初步異常檢測結果，包括以下步驟：

步驟1：獲取訓練數據；

步驟2：基于實際需要和專家意見，篩選得到目標設備下的若干指標，組成訓練數據；

設最終得到某個設備下N個指標，M條記錄，則第m條的記錄可以看作一個N維的向量，表示為：Xm＝[xm1，xm2，…xmN]，則訓練數據為M*N的矩陣形式：

所述篩選得到目標設備下的若干指標，組成的訓練數據中，每條訓練數據均代表設備的一個運行狀態，并且每條訓練數據中的各個指標值均為同一時刻的采樣值；

步驟3：根據篩選指標后的訓練數據，應用統計方法對空值進行填補清洗；

步驟4：采用交互驗證方法劃分步驟3得到的訓練數據；

步驟5：孤立森林訓練劃分的數據，尋找最佳檢測參數并獲得初步異常檢測結果；

孤立森林采用構建二叉樹森林再進行中序遍歷計算葉子結點平均深度的方式來尋找異常數據；

所述孤立森林訓練劃分的數據，尋找最佳檢測參數并獲得初步異常檢測結果，包括以下步驟：

步驟501：從劃分的數據中隨機選擇若干個樣本，遞歸構建二叉搜索樹；

步驟502：基于二叉搜索樹，構建二叉樹森林；

步驟503：遞歸中序遍歷計算二叉樹森林中二叉搜索樹的路徑深度，進行樣本預測；

步驟504：基于步驟503的結果，計算離群點偏離值，得到偏離期望和方差的異常數據點；

步驟504中，計算離群點偏離值，二叉樹森林中所有樣本路徑深度計算完畢后，通過運用統計學的方法計算得出所有數據樣本期望值和方差，得到偏離期望和方差的異常數據點；

步驟二所述基于初步異常檢測結果，構建局部異常因子模型并檢測出設備運行的異常數據，包括以下步驟：

步驟1：獲取初步異常檢測結果，將孤立森林檢測模型輸出數據作為局部異常因子模型輸入數據；

步驟2：采用交互驗證方法劃分局部異常因子模型輸入數據；

步驟3：利用局部異常因子對劃分后的局部異常因子模型輸入數據進行建模，檢測局部異常數據；

步驟4：進行局部異常因子模型計算，檢測出磨煤機設備運行異常數據。

2.根據權利要求1所述的一種磨煤機數據異常檢測方法，其特征在于：

步驟1所述獲取訓練數據，包括以下步驟：

步驟101：在電廠系統數據庫里，查找目標設備以及目標設備下的所有指標信息；

步驟102：按照一定的取數間隔，選取目標設備在運行狀態下的歷史數據；

步驟103：預處理選取的歷史數據，去除系統原因導致某些值缺失的記錄，從而得到訓練數據。

3.根據權利要求1所述的一種磨煤機數據異常檢測方法，其特征在于：

步驟501中，遞歸構建二叉搜索樹，將小于當前根結點的樣本放入左子結點，將大于當前根結點的樣本放入右子結點，直到二叉搜索樹已經達到限定深度或者僅剩一個樣本。