[1]付茂盛,耿 建,张仰飞.基于 CEEMDAN-LOF 的企业能耗异常辨识研究[J].机械与电子,2022,(12):48-52.
 FU Maosheng,GENG Jian,ZHANG Yangfei.Research on Enterprise Energy Consumption Anomaly Identification Based on CEEMDAN-LOF[J].Machinery & Electronics,2022,(12):48-52.
点击复制

基于 CEEMDAN-LOF 的企业能耗异常辨识研究()
分享到:

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2022年12期
页码:
48-52
栏目:
自动控制与检测
出版日期:
2022-12-24

文章信息/Info

Title:
Research on Enterprise Energy Consumption Anomaly Identification Based on CEEMDAN-LOF
文章编号:
1001-2257 ( 2022 ) 12-0048-05
作者:
付茂盛 1 耿 建 2 张仰飞 1
1. 南京工程学院电力工程学院,江苏 南京 211167 ; 2. 国网山东省电力公司泰安供电公司,山东 泰安 271000
Author(s):
FU Maosheng1 GENG Jian2 ZHANG Yangfei1
( 1.School of Electric Power Engineering , Nanjing Institute of Technology , Nanjing 211167 , China ; 2.Tai ’ an Power Supply Company , State Grid Shandong Electric Power Company , Tai ’ an 271000 , China )
关键词:
数据检测异常辨识完全自适应噪声集合经验模态分解方法局部异常因子密度聚类
Keywords:
data detection abnormal identification CEEMDAN local outlier factor density clustering
分类号:
TP27 ; TK018
文献标志码:
A
摘要:
针对传统“一刀切”式的企业能耗标准难以实现异常精准辨识的问题,提出了基于 CEEMDAN-LOF的企业能耗异常辨识方法。首先,利用基于层次的密度聚类算法( HDBSCAN )构建企业能耗模式判别树,对企业能耗实时数据进行用能模式匹配;然后,引入完全自适应噪声集合经验模态分解方法( CEEMDAN )提取时序能耗数据的运行趋势,去除时序能耗数据趋势性对异常辨识的影响,并基于局部异常因子( LOF )法对能耗数据进行离群点分析,实现企业能耗异常的精准辨识。算例采用某省水泥企业真实能耗数据进行分析,结果表明,所提方法在异常检测精度方面具有优势。
Abstract:
Aiming at the problem that the traditional“one size fits all ” enterprise energy consumption standard is difficult to achieve abnormally accurate identification , an enterprise energy consumption abnormity identification method based on CEEMDAN-LOF is proposed.Firstly , the hierarchical density clustering algorithm( HDBSCAN ) is used to construct the enterprise energy consumption pattern discrimination tree to match the real-time energy consumption data ; Then , the fully adaptive noise set empirical mode decomposition method( CEEMDAN ) is introduced to extract the operation trend of the time-series energy consumption data , remove the influence of the trend of the time-series energy consumption data on the anomaly identification , and analyze the outliers of the energy consumption data based on the local anomaly factor( LOF ) method , so as to realize the accurate identification of the enterprise energy consumption anomaly.The real energy consumption data of a provincial cement enterprise are used to analyze the example.The results show that the proposed method has advantages in anomaly detection accuracy.

参考文献/References:

[ 1 ] 江承潮 . 基于大用户能效的需求响应系统研究[ D ] . 南京:东南大学,2017.

[ 2 ] 张竣溵,金宇晖,李燕,等 . 工业企业能源管理与优化路径研究[ J ] . 标准科学, 2018 ( 2 ): 112-116.
[ 3 ] 王晓海,徐静静,胡永锋,等 . 新形势下发电企业在综合能源服务领域的业务分析[ J ] . 综合智慧能源, 2022 , 44( 3 ): 9-16.
[ 4 ] 雷绍俊,许潇,程明阳,等 . 基于(火用)分析的辊道窑烧成带异常检测[ J ] . 陶瓷学报, 2021 , 42 ( 6 ): 954-962.
[ 5 ] 郑晓卫,潘毅群,黄治钟,等 . 数据挖掘技术在上海市商用建筑信息数据库中的应用[ J ] . 暖通空调, 2008 ( 4 ):35-38.
[ 6 ] SHARPT.Energy benchmarking in commercial office buildings [ J ] .Proceedings of the ACEEE 1996 summer study on energy efficiency in buildings , 1996 , 4 : 321-329.
[ 7 ] 曾超湛,印四华 . 基于 ABC-DPC 算法的玻璃窑炉能耗异常检测[ J ] . 机电工程技术, 2020 , 49 ( 10 ): 24-29.
[ 8 ] 江航,卢暾,顾寒苏,等 . 一种动态实时高校建筑能耗异常检测方法[ J ] . 计算机工程, 2017 , 43 ( 4 ): 15-20 , 27.
[ 9 ] 周俊霖 . 基于能耗模式识别与分类的熔铝炉能耗异常诊断系统研究[ D ] . 广州:广东工业大学,2021.
[ 10 ] 卿晓霞,肖丹,王波 . 能耗实时监测的数据挖掘方法[ J ] . 重庆大学学报, 2012 , 35 ( 7 ): 133-137.
[ 11 ] 王志森,张召悦,冯朝辉,等 . 终端区飞行轨迹聚类分析及异常轨迹识别 [ J ] . 科学技术与工程,2022 , 22( 9 ): 3807-3814.
[ 12 ] 刘锟,曾曦,邱梓珩,等 . 基于 RoBERTa-WWM 和 HDBSCAN 的文本聚类算法[ J ] . 计算机与现代化,2022 ( 3 ): 48-52 , 63.
[ 13 ] 邓艺璇,黄玉萍,黄周春 . 基于随机森林算法的电动汽车充放电容量预测 [ J ] . 电力系统自动化,2021 , 45( 21 ): 181-188.
[ 14 ] 金秀章,刘岳,于静,等 . 基于变量选择和 EMD-LSTM网络的出口 SO2 浓度预测[ J ] . 中国电机工程学报,2021 , 41 ( 24 ): 8475-8484.
[ 15 ] 孙晨曦 . 基于 ICA 与 EMD 方法的微地震信号去噪研究[ D ] . 青岛:中国石油大学(华东),2018.
[ 16 ] 王海龙,赵岩,王海军,等 . 基于 CEEMDAN 小波包分析的隧道爆破信号去噪方法 [ J ] . 爆炸与冲击,2021 , 41 ( 5 ): 125-137.
[ 17 ] 董泽,贾昊 . 基于 EWT-LOF 的热工过程数据异常值检测方法[ J ] . 仪器仪表学报, 2020 , 41 ( 2 ): 126-134.

备注/Memo

备注/Memo:
收稿日期: 2022-06-13
基金项目:国家自然科学基金资助项目( 52107098 );国家电网山东省电力公司科技项目( 5206002000QW )
作者简介:付茂盛 ( 1997- ),男,山东临沂人,硕士研究生,研究方向为能效评估与优化;耿 建 ( 1979- ),男,山东泰安人,学士,研究方向为电力大数据应用;张仰飞 ( 1969- ),男,江苏射阳人,博士,教授,硕士研究生导师,研究方向为新能源发电及利用、风电系统参数辨识、能效评估与优化等。
更新日期/Last Update: 2023-01-05