基于自適應(yīng)模糊聚類(lèi)的冶金能源數(shù)據(jù)異常檢測(cè).pdf

1、冶金工業(yè)能源系統(tǒng)結(jié)構(gòu)復(fù)雜、能源介質(zhì)種類(lèi)繁多、涉及設(shè)備種類(lèi)多，現(xiàn)場(chǎng)數(shù)據(jù)對(duì)能源系統(tǒng)的安全性與穩(wěn)定性有重要的指導(dǎo)意義。然而由于工業(yè)數(shù)據(jù)采集與監(jiān)測(cè)系統(tǒng)的不穩(wěn)定及易受干擾等特點(diǎn)，采集到的數(shù)據(jù)常存在異常，而異常數(shù)據(jù)的存在會(huì)影響基于數(shù)據(jù)的模型的建立效果，進(jìn)而可能會(huì)對(duì)現(xiàn)場(chǎng)的能源系統(tǒng)平衡調(diào)度人員產(chǎn)生錯(cuò)誤的引導(dǎo)。目前生產(chǎn)現(xiàn)場(chǎng)往往依靠操作人員的個(gè)人生產(chǎn)經(jīng)驗(yàn)進(jìn)行數(shù)據(jù)異常的判斷，而諸多形式的海量數(shù)據(jù)使得人工判斷方法變得不現(xiàn)實(shí)。
　　本文根據(jù)鋼鐵企業(yè)的能源系

2、統(tǒng)數(shù)據(jù)特性，將數(shù)據(jù)異常歸結(jié)為類(lèi)周期數(shù)據(jù)趨勢(shì)異常與一般穩(wěn)定數(shù)據(jù)偏離點(diǎn)異常兩大類(lèi)，提出基于自適應(yīng)模糊聚類(lèi)(Adaptive Fuzzy C-meansClustering，AFCM)的異常數(shù)據(jù)檢測(cè)方法。對(duì)于第一種數(shù)據(jù)趨勢(shì)異常，提出基于動(dòng)態(tài)時(shí)間彎曲（Dynamic Time Warping，DTW）的序列伸縮方法，該方法在保持序列樣本間相似性對(duì)應(yīng)關(guān)系的基礎(chǔ)上對(duì)劃分得到的樣本進(jìn)行維度統(tǒng)一，然后結(jié)合AFCM進(jìn)行異常檢測(cè)。對(duì)于第二種一般穩(wěn)定數(shù)據(jù)的偏

3、離點(diǎn)檢測(cè)，本文提出一種K最近鄰AFCM(K NearestNeighbors AFCM，KNN-AFCM)算法，該算法通過(guò)引入序列點(diǎn)鄰近值信息與樣本權(quán)重系數(shù)來(lái)檢測(cè)穩(wěn)定數(shù)據(jù)的局部異常。
　　為驗(yàn)證所提方法的有效性，選取我國(guó)某鋼鐵企業(yè)能源系統(tǒng)中的實(shí)際數(shù)據(jù)進(jìn)行驗(yàn)證實(shí)驗(yàn)。首先將本文所提方法與其它兩種方法進(jìn)行對(duì)比實(shí)驗(yàn)以驗(yàn)證其檢測(cè)效果，之后討論了部分參數(shù)選取對(duì)檢測(cè)結(jié)果的影響。除此之外，針對(duì)第二種數(shù)據(jù)，通過(guò)實(shí)驗(yàn)驗(yàn)證了樣本權(quán)重系數(shù)的作用及必要性。