[發明專利]一種基于PERT算法及儀表用量分析的異常檢測方法

有效

• 申請號: 202010724518.5
• 申請日: 2020-07-24
• 公開（公告）號: CN111898068B
• 公開（公告）日: 2023-01-20
• 發明（設計）人: 常興智;張軍;王佳琦;金鵬;陳夢君;鄭海洋;余發榮
• 申請（專利權）人: 寧夏隆基寧光儀表股份有限公司
• 主分類號: G06F17/10
• 分類號: G06F17/10;G01D18/00;G01R35/04
• 代理公司: 北京弘權知識產權代理有限公司 11363
• 代理人: 逯長明;許偉群

一種基于PERT算法及儀表用量分析的異常檢測方法，所述方法包括：收集每個儀表對應用戶的用量數據值歷史記錄作為訓練樣本；將所述訓練樣本按照從小到大進行排序后得到訓練樣本數據集；取所述訓練樣本數據集中的中位數；通過PERT算法計算基準值和標準差；計算所述基準值與所述中位數之間差值的絕對值作為偏差量；設置標準差倍數；比較每個用戶的標準差倍數乘以其標準差得到的數值與偏差量的大小，迭代獲取模型基準值和模型標準差；根據所述模型基準值、所述模型標準差和所述標準差倍數，建立儀表用量異常檢測模型；通過所述儀表用量異常檢測模型對儀表顯示的用戶用量進行異常檢測。

技術領域

本申請涉及儀表數據異常檢測技術領域，尤其涉及一種基于PERT算法及儀表用量分析的異常檢測方法。

背景技術

近年來，隨著智能儀表的廣泛應用，尤其是水、氣、電表等智能儀表多表合一系統的普及，綜合多種功能儀表已經成為儀表業一個新的發展方向。并且伴隨AI和區塊鏈技術的發展，智能化儀表分析系統越來越成為主流發展方向。而根據客戶的需求，智能反饋也成為增強客戶體驗感的一項重要指標。

現有技術中常常由于未能及時發現智能儀表運行故障或這其他不易被察覺的原因，造成水、氣、電等用量數據出現異常，給用戶或管理水、氣、電等能源的單位造成一定的損失。而且現有技術中由于智能儀表只要還在運行很難直接發現異常，直至累積到出現數據大幅度異常才能被發現，尤其是對于普通用戶家用儀表或管路異常很難被發現。現有的異常檢測手段匱乏，而且異常檢測需要花費的人力、物力成本也高，通常出現大幅度數據異常才能檢測到，容易漏報、誤報異常情況造成損失。

發明內容

本申請提供了一種基于PERT算法及儀表用量分析的異常檢測方法，以解決現有的異常檢測手段匱乏，而且異常檢測需要花費的人力、物力成本也高，通常出現大幅度數據異常才能檢測到，容易漏報、誤報異常情況造成損失的問題。

本申請采用的技術方案如下：

一種基于PERT算法及儀表用量分析的異常檢測方法，所述方法包括：

收集每個儀表對應用戶的用量數據值歷史記錄作為訓練樣本{X_c}；

將所述訓練樣本{X_c}按照從小到大進行排序后得到訓練樣本數據集{X_sort}；

取所述訓練樣本數據集{X_sort}中的中位數X_mid；

通過PERT算法計算所述訓練樣本數據集{X_sort}的基準值X和標準差σ；

計算所述基準值與所述中位數X_mid之間差值的絕對值作為偏差量即

根據不同用戶的用量習慣，設置不同的標準差倍數n；

比較每個用戶的標準差倍數n乘以其標準差σ得到的數值與偏差量的大小，若則以所述基準值為模型基準值、所述標準差為模型標準差；

若則進行偏差值降噪，迭代獲取模型基準值X_s和模型標準差σ_s；

根據所述模型基準值X_s、所述模型標準差σ_s和所述標準差倍數n，建立儀表用量異常檢測模型；

通過所述儀表用量異常檢測模型對儀表顯示的用戶用量進行異常檢測。

優選地，所述通過PERT算法計算所述訓練樣本數據集{X_sort}的基準值X和標準差σ，包括：

計算所述訓練樣本數據集{X_sort}中前20％的平均值

計算所述訓練樣本數據集{X_sort}中后20％的平均值