基于CEEMDAN-LOF的企業(yè)能耗異常辨識(shí)研究

付茂盛，耿 建，張仰飛

(1.南京工程學(xué)院電力工程學(xué)院，江蘇 南京 211167；2.國(guó)網(wǎng)山東省電力公司泰安供電公司，山東 泰安 271000)

0 引言

伴隨當(dāng)今社會(huì)經(jīng)濟(jì)飛速發(fā)展，能源短缺問題逐漸成為國(guó)家關(guān)注的焦點(diǎn)。工業(yè)企業(yè)是能源消費(fèi)的重點(diǎn)，約占全國(guó)能源消費(fèi)的70%[1-3]，但大多數(shù)工業(yè)企業(yè)缺乏有效的監(jiān)控手段，導(dǎo)致企業(yè)用能粗放。因此，企業(yè)能耗異常精準(zhǔn)辨識(shí)研究已成為目前高耗能企業(yè)節(jié)能工作亟待解決的關(guān)鍵問題[4]。

以往已有部分學(xué)者對(duì)能耗異常問題展開研究，并取得了不少成果。文獻(xiàn)[5]考慮采用基礎(chǔ)統(tǒng)計(jì)算法來獲取能耗閾值，解決了能耗異常問題，實(shí)現(xiàn)了用戶能耗異常的精準(zhǔn)判斷；文獻(xiàn)[6]從統(tǒng)計(jì)學(xué)方面入手，通過對(duì)用戶能耗數(shù)據(jù)的深度挖掘，建立了較為精確的能耗預(yù)測(cè)模型，實(shí)現(xiàn)了能耗異常預(yù)警。以上文獻(xiàn)均對(duì)能耗異常問題進(jìn)行了探討，但未考慮季節(jié)和時(shí)間等場(chǎng)景對(duì)能耗異常診斷的影響，可能會(huì)影響能耗異常診斷的準(zhǔn)確性。

因此，現(xiàn)階段能耗異常檢測(cè)主要分為2個(gè)步驟：能耗模式的識(shí)別和離群數(shù)據(jù)的檢測(cè)?，F(xiàn)有的研究大部分是對(duì)這2個(gè)步驟進(jìn)行改進(jìn)，文獻(xiàn)[7]針對(duì)玻璃窯爐能耗異常檢測(cè)問題，提出一種基于人工蜂群算法的密度峰值聚類方法，自適應(yīng)選擇密度峰值聚類參數(shù)，實(shí)現(xiàn)窯爐能耗異常的檢測(cè)。文獻(xiàn)[8]提出一種SA-DBSCAN算法自適應(yīng)識(shí)別建筑能耗模式，有效解決高校建筑能耗容易誤判的問題。文獻(xiàn)[9]根據(jù)熔鍋爐生產(chǎn)過程建立不同能耗模式，并基于螢火蟲算法對(duì)數(shù)據(jù)能耗模式進(jìn)行識(shí)別；然后基于改進(jìn)決策樹算法對(duì)熔鍋爐能耗進(jìn)行異常診斷。文獻(xiàn)[10]針對(duì)建筑能耗實(shí)時(shí)檢測(cè)不足問題，提出一種基于數(shù)據(jù)挖掘和能耗模式匹配的能耗實(shí)時(shí)監(jiān)測(cè)方法。以上文獻(xiàn)均考慮到能耗模式對(duì)異常檢測(cè)的影響，并取得了較好的效果，但未考慮時(shí)序能耗數(shù)據(jù)運(yùn)行趨勢(shì)，且部分方法在針對(duì)實(shí)時(shí)能耗異常數(shù)據(jù)時(shí)效率偏低。

綜上所述，為了提高企業(yè)能耗異常檢測(cè)的準(zhǔn)確率，本文采用模態(tài)分解算法與LOF算法進(jìn)行企業(yè)能耗異常辨識(shí)。首先，基于傳統(tǒng)能耗標(biāo)準(zhǔn)區(qū)間進(jìn)行企業(yè)能耗異常的定性分析；然后，引入完全自適應(yīng)噪聲集合經(jīng)驗(yàn)?zāi)B(tài)分解方法(complete EEMD with adaptive noise，CEEMDAN)去除能耗數(shù)據(jù)中的運(yùn)行趨勢(shì)，提高局部異常因子法(local outlier factor，LOF)對(duì)企業(yè)能耗異常檢測(cè)的準(zhǔn)確度。實(shí)驗(yàn)結(jié)果表明，本文所提異常辨識(shí)方法在檢測(cè)企業(yè)能耗異常數(shù)據(jù)方面具有較高準(zhǔn)確率。

1 基于HDBSCAN算法的能耗模式匹配

1.1 HDBSCAN算法簡(jiǎn)介

DBSCAN算法[11]存在2個(gè)重要參數(shù)：掃描半徑E和密度閾值M。即以數(shù)據(jù)集中任意點(diǎn)為中心，以E為半徑畫圓，判斷圓內(nèi)數(shù)據(jù)點(diǎn)個(gè)數(shù)與密度閾值M的大小關(guān)系，并按大小關(guān)系將所有數(shù)據(jù)點(diǎn)分為核心點(diǎn)、邊緣點(diǎn)和噪聲點(diǎn)。但傳統(tǒng)的DBSCAN算法存在參數(shù)E和M確定困難的問題。為了解決這一問題，采用HDBSCAN算法對(duì)企業(yè)能耗模式進(jìn)行分析。

HDBSCAN算法[12]的具體步驟如下:

a.重新定義數(shù)據(jù)點(diǎn)之間的距離dK來降低噪聲點(diǎn)對(duì)聚類結(jié)果的影響，即

dK(a,b)=maxcK(a),cK(b),d(a,b)

(1)

dK(a,b)為a、b點(diǎn)相互可達(dá)距離；cK(x)為K近鄰下點(diǎn)的核心距離；d(a,b)為a、b點(diǎn)的歐氏距離。

b.通過Prim算法構(gòu)建最小生成樹，并按距離對(duì)樹的邊緣進(jìn)行排序并迭代,為每個(gè)樹的邊緣創(chuàng)建一個(gè)新的合并集群。

c.設(shè)置最小集群大小為5，壓縮數(shù)據(jù)集層結(jié)構(gòu)，采用λ=1/d計(jì)算各簇類的穩(wěn)定性，并從數(shù)據(jù)集中提取穩(wěn)定性更好的集群作為最終聚類結(jié)果。

∑p∈cluster(λp-λb)

(2)

λp為p點(diǎn)脫離所在集群的λ值；λb為集群分裂為自身的λ值。

1.2 基于HDBSCAN算法的企業(yè)能耗模式匹配

由于企業(yè)用能模式可能隨用能環(huán)境的變化而變化，因此，首先需要構(gòu)建企業(yè)能耗模式判別樹，并對(duì)企業(yè)能耗實(shí)時(shí)數(shù)據(jù)進(jìn)行模式匹配，具體步驟如下:

a.采用HDBSCAN對(duì)企業(yè)歷史能耗數(shù)據(jù)進(jìn)行聚類分析，劃分出不同簇類，各簇類代表企業(yè)的不同能耗模式，并在數(shù)據(jù)中進(jìn)行標(biāo)記。

b.對(duì)經(jīng)數(shù)據(jù)標(biāo)記后的歷史數(shù)據(jù)采用隨機(jī)森林算法[13]進(jìn)行分類，確定企業(yè)能耗模式判別樹。

c.分析不同能耗模式下的數(shù)據(jù)分布，建立不同能耗模式下的企業(yè)標(biāo)準(zhǔn)庫(kù)，分別選取能耗最小值xmin作為該模式下的標(biāo)準(zhǔn)區(qū)間的下限，最大值xmax作為標(biāo)準(zhǔn)區(qū)間的上限，進(jìn)而實(shí)現(xiàn)各能耗模式下的標(biāo)準(zhǔn)區(qū)間的劃分。

d.實(shí)時(shí)判斷當(dāng)前數(shù)據(jù)的能耗模式。

2 基于CEEMDAN-LOF的企業(yè)能耗異常辨識(shí)

2.1 CEEMDAN算法描述

EMD算法是經(jīng)典模態(tài)分解方法，常用于處理非線性、非平穩(wěn)的時(shí)間序列數(shù)據(jù)[14]；EEMD和CEEMD算法在經(jīng)典模態(tài)分解方法基礎(chǔ)上加入高斯白噪聲來減輕EMD算法的模態(tài)混疊問題[15]，因此不可避免地會(huì)在本征模態(tài)分量中殘留一定的白噪聲，從而影響后續(xù)數(shù)據(jù)的處理。因此，引入完全自適應(yīng)噪聲集合經(jīng)驗(yàn)?zāi)B(tài)分解方法解決上述序列分解所存在的問題。

CEEMDAN具體步驟如下[16]：

(3)

b.計(jì)算一階余量r(t)=e(t)-I1，與原始序列處理步驟相同，計(jì)算出序列的二階模態(tài)分量I2。

c.重復(fù)步驟b直到余量不能再分解，終止運(yùn)算，輸出所有模態(tài)分量。

2.2 LOF方法描述

局部異常因子算法基于數(shù)據(jù)點(diǎn)的密度判斷數(shù)據(jù)是否異常，并同時(shí)量化出數(shù)據(jù)點(diǎn)的異常程度，具有識(shí)別速度快、精度高等特點(diǎn)[17]。相關(guān)概念如下:

a.定義以點(diǎn)a為圓心，以點(diǎn)a的第k距離為半徑區(qū)域內(nèi)點(diǎn)的集合為Rk(a)。

b.計(jì)算數(shù)據(jù)點(diǎn)間的可達(dá)距離dk(a,b),定義點(diǎn)a的局部可達(dá)密度ρk(a)為

(4)

c.局部異常值Lk(a)表示數(shù)據(jù)a與Rk(a)中其他點(diǎn)的局部可達(dá)密度差異程度，計(jì)算式為

(5)

由式(5)可知，局部異常值Lk(a)值表現(xiàn)點(diǎn)a的局部密度，Lk(a)越大于1說明該點(diǎn)密度與整體數(shù)據(jù)密度越不一致，越有可能為離群點(diǎn)。

2.3 基于CEEMDAN-LOF的企業(yè)能耗異常辨識(shí)

綜上所述，基于CEEMDAN-LOF的企業(yè)能耗異常辨識(shí)過程如圖1所示。

圖1 基于CEEMDAN-LOF的企業(yè)能耗異常辨識(shí)流程

具體步驟為：

a.依據(jù)1.2節(jié)所提企業(yè)能耗模式判別樹實(shí)時(shí)判斷當(dāng)前能耗數(shù)據(jù)的能耗模式。

b.基于各能耗模式下的標(biāo)準(zhǔn)庫(kù)區(qū)間對(duì)能耗異常進(jìn)行定性判斷。

c.采用CEEMDAN算法對(duì)企業(yè)能耗時(shí)序數(shù)據(jù)進(jìn)行分解，得到尺度各不相同的N個(gè)分量，選取合并后的低頻分量作為時(shí)間序列的運(yùn)行趨勢(shì)。

d.去除時(shí)序能耗數(shù)據(jù)趨勢(shì)性對(duì)異常辨識(shí)的影響，并基于LOF法對(duì)能耗數(shù)據(jù)進(jìn)行離群點(diǎn)分析，實(shí)現(xiàn)企業(yè)能耗異常的精準(zhǔn)辨識(shí)。

3 算例分析

以某省水泥企業(yè)能耗歷史數(shù)據(jù)為研究樣本，對(duì)本文提出的企業(yè)能耗數(shù)據(jù)異常辨識(shí)方法進(jìn)行研究。選取該企業(yè)2020年1月1日—12月31日內(nèi)的日級(jí)能耗數(shù)據(jù)作為檢測(cè)數(shù)據(jù)，共計(jì)366個(gè)數(shù)據(jù)。

圖2給出了數(shù)據(jù)歸一化后企業(yè)能耗數(shù)據(jù)，從圖2中可以看出，數(shù)據(jù)中存在異常值和連續(xù)零值。

由于數(shù)據(jù)統(tǒng)計(jì)期間存在停產(chǎn)整修，企業(yè)總能耗、煤耗和電耗都為0的數(shù)據(jù)；為獲取企業(yè)正常生產(chǎn)時(shí)能耗模式，應(yīng)去除該類0數(shù)據(jù)后進(jìn)行聚類分析。

圖2 原始數(shù)據(jù)展示

3.1 基于HDBSCAN的能耗模式匹配

采用HDBSCAN算法對(duì)去零能耗數(shù)據(jù)進(jìn)行聚類分析，聚類結(jié)果如圖3所示。從圖3中可得，能耗數(shù)據(jù)被分為A、B和C這3個(gè)簇類。

圖3 去零數(shù)據(jù)后的企業(yè)能耗模式劃分結(jié)果

在獲取企業(yè)存在的用能模式之后，構(gòu)造2個(gè)特征:停產(chǎn)檢修和用能模式標(biāo)簽。判斷能耗數(shù)據(jù)是否為零數(shù)據(jù)并將結(jié)果填入停產(chǎn)檢修特征中，若是停產(chǎn)檢修，則該數(shù)據(jù)用能模式為模式D；將非零數(shù)據(jù)聚類得到的數(shù)據(jù)簇類結(jié)果A、B和C填入用能模式標(biāo)簽特征中，分別為用能模式A、用能模式B和用能模式C，添加數(shù)據(jù)特征后的部分能耗數(shù)據(jù)如表1所示。

表1 構(gòu)造特征后的部分能耗數(shù)據(jù)

對(duì)能耗數(shù)據(jù)采用隨機(jī)森林算法進(jìn)行分類，按照3∶1的比例劃分訓(xùn)練集和檢驗(yàn)集，分類誤差為2.51%。得到能耗模式判定樹如圖4所示。

圖4 企業(yè)能耗模式判別決策樹

經(jīng)HDBSCAN聚類后，各簇類詳細(xì)信息如表2所示。取各簇類能耗最大值xmax和最小值xmin作為該標(biāo)準(zhǔn)區(qū)間的上下限，即歸一化前簇類A的標(biāo)準(zhǔn)區(qū)間為[5.01 tce,10.54 tce]，簇類B的標(biāo)準(zhǔn)區(qū)間為[11.90 tce,16.60 tce]，簇類C標(biāo)準(zhǔn)區(qū)間為[4.56 tce，9.04 tce]。對(duì)企業(yè)能耗實(shí)時(shí)數(shù)據(jù)進(jìn)行模式匹配后，判斷數(shù)據(jù)是否在相應(yīng)標(biāo)準(zhǔn)區(qū)間內(nèi)，若不在，則判定為能耗異常。

表2 每個(gè)簇類中的個(gè)案數(shù)目和能耗標(biāo)準(zhǔn)區(qū)間

3.2 基于CEEMDAN-LOF的企業(yè)能耗異常辨識(shí)

上節(jié)給出企業(yè)能耗用能模式的識(shí)別結(jié)果，并根據(jù)相應(yīng)模式標(biāo)準(zhǔn)區(qū)間對(duì)企業(yè)能耗異常進(jìn)行定性判斷，但針對(duì)短時(shí)間內(nèi)企業(yè)用能局部突變導(dǎo)致的能耗異常問題，標(biāo)準(zhǔn)區(qū)間的檢測(cè)精度不足；以用能模式C為例，選取該企業(yè)7月—11月的時(shí)序能耗數(shù)據(jù)進(jìn)行企業(yè)能耗異常精辨識(shí)。

3.2.1 基于CEEMDAN獲取能耗序列運(yùn)行趨勢(shì)

分別采用CEEMDAN和EMD對(duì)所選能耗時(shí)間序列進(jìn)行模態(tài)分解，獲得從高頻到低頻共5個(gè)分量。從圖5可知，經(jīng)EMD分解后的分量I2、I3存在較明顯的模態(tài)混疊現(xiàn)象，而序列采用CEEMDAN分解后模態(tài)混疊現(xiàn)象有明顯改善；經(jīng)CEEMDAN后的分量I3、I4和I5可以大致刻畫出序列趨勢(shì)；而分量I1和I2局部變化幅度和頻率較大；所以將低頻分量重組用于表示時(shí)序曲線的運(yùn)行趨勢(shì)。

如圖6所示，相比于采用EMD方法，采用CEEMDAN方法獲取的能耗運(yùn)行趨勢(shì)相對(duì)平緩，且受到異常點(diǎn)的影響更小，可以更好地表現(xiàn)企業(yè)能耗時(shí)序曲線運(yùn)行趨勢(shì)。

圖5 CEEMDAN和EMD模態(tài)分解對(duì)比

圖6 企業(yè)能耗數(shù)據(jù)與運(yùn)行趨勢(shì)對(duì)比

3.2.2 基于LOF的時(shí)序能耗數(shù)據(jù)離群點(diǎn)分析

圖7為原始時(shí)序能耗數(shù)據(jù)在k=30時(shí)的LOF檢測(cè)結(jié)果。從圖7中可得，0～20 d的全部數(shù)據(jù)被識(shí)別為離群數(shù)據(jù)，這是因?yàn)闄z測(cè)結(jié)果受到該時(shí)間段內(nèi)企業(yè)有規(guī)律能源使用變化的影響，導(dǎo)致判別結(jié)果存在偏差，從而無法準(zhǔn)確識(shí)別離群數(shù)據(jù)。

圖7 采用LOF離群數(shù)據(jù)檢測(cè)方法

圖8為采用CEEMDAN去除數(shù)據(jù)運(yùn)行趨勢(shì)后在k=30時(shí)的LOF檢測(cè)結(jié)果。從圖8中可得，異常能耗數(shù)據(jù)與正常數(shù)據(jù)的局部異常值較容易分辨，并能準(zhǔn)確地辨識(shí)0～20 d中的能耗異常數(shù)據(jù)。

圖8 采用CEEMDAN-LOF離群數(shù)據(jù)檢測(cè)方法

針對(duì)2種算法的詳細(xì)檢測(cè)結(jié)果如表3所示，當(dāng)k=10、20、30、40時(shí)，采用原始序列檢測(cè)離群數(shù)據(jù)時(shí)均存在較多誤判值和漏檢值，而采用CEEMDAN消除序列運(yùn)行趨勢(shì)后進(jìn)行離群數(shù)據(jù)檢測(cè)并無誤判和漏檢值數(shù)據(jù)，進(jìn)一步驗(yàn)證本文方法檢測(cè)異常數(shù)據(jù)的有效性。

表3 采用傳統(tǒng)LOF和CEEMDAN-LOF算法的檢測(cè)結(jié)果

4 結(jié)束語

企業(yè)能耗異常檢測(cè)已成為企業(yè)節(jié)能的重要措施，也是后續(xù)企業(yè)能效標(biāo)桿建立、故障成因檢測(cè)和能效評(píng)價(jià)的基礎(chǔ)，具有十分重要的作用。本文提出了一種基于CEEMDAN-LOF的企業(yè)能耗異常辨識(shí)方法，通過引入CEEMDAN去除時(shí)序能耗數(shù)據(jù)的運(yùn)行趨勢(shì)，并基于LOF算法對(duì)能耗數(shù)據(jù)進(jìn)行離群點(diǎn)分析，實(shí)現(xiàn)了企業(yè)能耗異常的精準(zhǔn)辨識(shí)。實(shí)驗(yàn)表明，與傳統(tǒng)的LOF算法相比，CEEMDAN-LOF算法去除了數(shù)據(jù)趨勢(shì)性對(duì)異常辨識(shí)的影響，使得企業(yè)能耗異常檢測(cè)的準(zhǔn)確性得到較高提升。