[發(fā)明專利]供熱系統(tǒng)監(jiān)測(cè)數(shù)據(jù)異常識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011153542.4
• 申請(qǐng)日: 2020-10-26
• 公開（公告）號(hào): CN112199365A
• 公開（公告）日: 2021-01-08
• 發(fā)明（設(shè)計(jì)）人: 凌繼紅;孟宸宇;邢金城
• 申請(qǐng)（專利權(quán)）人: 天津大學(xué)
• 主分類號(hào): G06F16/215
• 分類號(hào): G06F16/215;G06F16/23;F24D19/10;G06N3/00
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 劉國(guó)威

本發(fā)明屬于集中供熱系統(tǒng)監(jiān)測(cè)數(shù)據(jù)處理技術(shù)領(lǐng)域，為提出一種簡(jiǎn)易可行的異常數(shù)據(jù)識(shí)別方法。該方法有利于提高供熱系統(tǒng)數(shù)據(jù)質(zhì)量，為后續(xù)研究打下基礎(chǔ)，提高系統(tǒng)運(yùn)行效率，本發(fā)明，供熱系統(tǒng)監(jiān)測(cè)數(shù)據(jù)異常識(shí)別方法，首先將讀取所述數(shù)據(jù)庫中數(shù)據(jù)，之后對(duì)數(shù)據(jù)進(jìn)行預(yù)處理：第一步先定位缺失數(shù)據(jù)，使用局部樣條插值的方法補(bǔ)充數(shù)據(jù)；第二步使用移動(dòng)平均的方法處理供熱系統(tǒng)監(jiān)測(cè)數(shù)據(jù)中包含的累計(jì)熱量數(shù)據(jù)和累計(jì)流量數(shù)據(jù)；第三步使用瞬時(shí)流量、熱量數(shù)據(jù)和平均流量、熱量數(shù)據(jù)的對(duì)應(yīng)商、差構(gòu)成相對(duì)數(shù)據(jù)集替代原始數(shù)據(jù)；最后對(duì)經(jīng)過上述三步處理后的數(shù)據(jù)集進(jìn)行異常識(shí)別，返回異常分?jǐn)?shù)。本發(fā)明主要應(yīng)用于集中供熱系統(tǒng)監(jiān)測(cè)數(shù)據(jù)處理場(chǎng)合。

技術(shù)領(lǐng)域

本發(fā)明屬于集中供熱系統(tǒng)監(jiān)測(cè)數(shù)據(jù)處理技術(shù)領(lǐng)域，具體為一種無監(jiān)督智能算法異常數(shù)據(jù)識(shí)別方法。

背景技術(shù)

冬季氣候寒冷，為了應(yīng)對(duì)日益嚴(yán)重的環(huán)境問題、能源問題，集中供熱、清潔供熱、智慧供熱逐步成為當(dāng)前供熱行業(yè)的發(fā)展趨勢(shì)。隨著信息化、大數(shù)據(jù)的浪潮，供熱系統(tǒng)也積累了大量的運(yùn)行數(shù)據(jù)。

有關(guān)供熱系統(tǒng)的一系列研究，例如負(fù)荷預(yù)測(cè)、輸配系統(tǒng)延遲現(xiàn)象、模型驗(yàn)證等，都需要一個(gè)高質(zhì)量的系統(tǒng)數(shù)據(jù)。雖然當(dāng)前供熱系統(tǒng)積累了大量的實(shí)測(cè)數(shù)據(jù)，但是由于儀表干擾、通訊中斷等問題也產(chǎn)生了為數(shù)不少的異常數(shù)據(jù)，造成原始數(shù)據(jù)質(zhì)量較低。所以亟需新的技術(shù)方法和手段，識(shí)別供熱系統(tǒng)異常數(shù)據(jù)，提高供熱系統(tǒng)數(shù)據(jù)質(zhì)量，為后續(xù)研究打下基礎(chǔ)。

常用的異常數(shù)據(jù)識(shí)別方法可以分為一下三類：一是人工經(jīng)驗(yàn)結(jié)合物理規(guī)律處理方法；二是統(tǒng)計(jì)學(xué)處理方法；三是聚類、分類等智能算法。

經(jīng)驗(yàn)法主要依靠技術(shù)人員根據(jù)運(yùn)行數(shù)據(jù)連續(xù)性、物理規(guī)律對(duì)數(shù)據(jù)進(jìn)行逐條鑒別。這種方法在數(shù)據(jù)集體量較大時(shí)需要耗費(fèi)巨大的人力和時(shí)間。

統(tǒng)計(jì)學(xué)處理方法使用諸如高斯分布或者箱線圖等概率分布的統(tǒng)計(jì)學(xué)圖形等方法對(duì)數(shù)據(jù)進(jìn)行異常識(shí)別。例如研究人員周璇使用3σ法則識(shí)別辦公建筑逐時(shí)能耗數(shù)據(jù)的突變值、零值[1]。但是統(tǒng)計(jì)學(xué)方法依賴于特定的概率分布假設(shè)，并且這種假設(shè)在某些數(shù)據(jù)集往往不成立，特別是對(duì)于高維真實(shí)數(shù)據(jù)集。

基于智能算法的異常數(shù)據(jù)識(shí)別方法由于其不依靠特定的概率分布，以及時(shí)間和人力成本消耗較低等優(yōu)勢(shì)受到了較多的關(guān)注，常用的有分類、聚類等方法。分類算法需要訓(xùn)練數(shù)據(jù)、驗(yàn)證數(shù)據(jù)才能建立異常識(shí)別模型。同時(shí)當(dāng)系統(tǒng)產(chǎn)生從未在歷史數(shù)據(jù)中出現(xiàn)的數(shù)據(jù)向量時(shí)，模型難以對(duì)其進(jìn)行精確的分類。為了解決模型泛化性的問題，有研究人員會(huì)結(jié)合多種分類算法諸如決策樹、隨機(jī)森林的分類結(jié)果進(jìn)行綜合判斷[2]。這種方法難以解決計(jì)算過程復(fù)雜的問題。使用聚類算法對(duì)數(shù)據(jù)集進(jìn)行類別劃分同樣可以進(jìn)行異常識(shí)別[3]，這種方法首先對(duì)數(shù)據(jù)集進(jìn)行聚類，在根據(jù)不同的聚類簇進(jìn)行異常閾值判斷。但是聚類的效果會(huì)在很大程度上影響異常數(shù)據(jù)監(jiān)測(cè)的結(jié)果，而異常數(shù)據(jù)通常會(huì)對(duì)聚類的結(jié)果產(chǎn)生較大的影響。

發(fā)明內(nèi)容

為克服現(xiàn)有技術(shù)的不足，針對(duì)當(dāng)前集中供熱數(shù)據(jù)監(jiān)測(cè)系統(tǒng)普遍存在的監(jiān)測(cè)數(shù)據(jù)量大、數(shù)據(jù)質(zhì)量不高以及現(xiàn)有方法工作量大、識(shí)別精度較低等問題，本發(fā)明旨在提出一種簡(jiǎn)易可行的異常數(shù)據(jù)識(shí)別方法。該方法有利于提高供熱系統(tǒng)數(shù)據(jù)質(zhì)量，為后續(xù)研究打下基礎(chǔ)，提高系統(tǒng)運(yùn)行效率。為此，本發(fā)明采取的技術(shù)方案是，供熱系統(tǒng)監(jiān)測(cè)數(shù)據(jù)異常識(shí)別方法，供熱系統(tǒng)將二次網(wǎng)換熱站一、二次側(cè)的供回水溫度傳感器、流量傳感器、熱量傳感器記錄的一次側(cè)供回水溫度T_g1、T_h1，二次側(cè)的供回水溫度T_g2、T_h2，一、二次側(cè)瞬時(shí)流量G_t1、G_t2和熱量Q_t1、Q_t2，累計(jì)流量G_a1、G_a2和熱量Q_a1、Q_a2，數(shù)據(jù)通過GPRS網(wǎng)絡(luò)傳輸至上位機(jī)并儲(chǔ)存在數(shù)據(jù)庫；