[發明專利]一種基于有限陪審團機制的數據異常突變點檢測算法

在審

• 申請號: 202010536444.2
• 申請日: 2020-06-12
• 公開（公告）號: CN111695634A
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 孫栓柱;余長州;高陽;周春蕾;李逗;孫彬;王林;王其祥;高進;李春巖;沈洋;黃治軍;張磊;傅高健
• 申請（專利權）人: 江蘇方天電力技術有限公司;南京大學;江蘇萬維艾斯網絡智能產業創新中心有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/00
• 代理公司: 南京泰普專利代理事務所(普通合伙) 32360
• 代理人: 竇賢宇

本發明針公開了一種新的異常突變點檢測方法，尤其是一種基于有限陪審團機制的數據異常突變點檢測算法。利用有限陪審團機制，幫助在工業數據流中的對突變點進行高效、準確的識別和檢測。本發明提出了有限陪審團思想，通過選取有限的高質量陪審團，并構建待檢測點組，實現對數據流異常突變點的有效識別與檢測。該算法具備較低延遲，能夠在實時數據流中及時識別異常突變點。

技術領域

本發明涉及一種新的數據異常突變點檢測算法，尤其是一種基于有限陪審團機制的數據異常突變點檢測算法。

背景技術

自工業互聯網概念提出以來，通過數據采集以及大數據傳輸和存儲技術，工業界存儲了大量的設備運行時相關數據。在保障工業設備安全運行方面，除了通過人工對設備進行維護和檢修外，工業界已不斷嘗試利用已有的歷史數據和設備的實時監控數據流進行相關研究以實現更高效的設備監控和數據異常診斷功能。同時，越來越多的學者開始研究基于工業數據的故障診斷算法，以期提供一種更加高效準確的針工業環境中的異常數據診斷算法。

目前，在傳統異常檢測算法主要包括諸如基于統計模型、基于聚類、基于相似性度量、基于約束規則等。而傳統的檢測方法較難滿足大數據量的實時工業數據流異常檢測的需求。例如基于統計的方法適用于檢測緒論中的離散、突變的值異常等情況，但難以有效地識別持續的異常序列區間。基于聚類的方法量化異常點和正常點簇之間的距離來判斷離群點，不同聚類模型職期間的計算復雜性不同，且檢測結果較為依賴聚類的質量，同時不適用于在大數據集和實時數據流上異常檢測。基于相似性度量的方法通過計算經標準化后的序列之間的相似性，來判斷是否有異常數據，但此方法時間開銷較大，時效性不高。基于規則約束的方法中，研究人員提出了順序依賴、速度約束能有效利用時間序列中的時序特征，對高度異常的數據進行修復，但此方法通常難以滿足模式多變的序列異常檢測的需求。

發明內容

發明目的：本發明針對工業數據異常診斷的需求，提出一種基于有限陪審團機制的數據異常突變點檢測算法。該算法滿足工業數據流中的對于突變點檢測的高效、準確的要求。其高效性體現在相對于傳統的異常檢測算法，該算法具備較低延遲，能夠在實時數據流中及時識別異常突變點；準確性體現在該算法能夠在一定程度上適應工業數據流出現的工況變化，更加準確地識別數據流中的異常突變點，過濾因工況變化而出現的正常數據變動。

技術方案：

一種基于有限陪審團機制的數據異常突變點檢測算法，包括待檢測點組構建、有限陪審團選擇、評審以及結果輸出；

所述待檢測點組構建是在數據流中獲取需要檢測的點，并與已檢測數據點構成待檢測點組，以用作評審目標；所述有限陪審團選擇和評審各包含兩個步驟，所述有限陪審團選擇用于評價待檢測點是否為異常突變的主要依據；

主要步驟如下：

步驟(1)：從數據流中構建待檢測點組；

步驟(2)：從歷史數據中生成有限陪審團；

步驟(3)：使用步驟(2)生成的有限陪審團依據評審機制步驟(1)中產生的對待檢測點組進行評審；

步驟(4)：收集步驟(3)產生的評審數據，輸出評審結果即輸出待檢測點的檢測結果。