摘要
因集中供热建筑结构、住户行为习惯等差异,末端住户供暖数据具有特征差异大、非线性强、数据量大、响应时间长等特征,在原数据空间中利用聚类分析进行异常检测造成类间数据交叉,精确性无法保证。本文提出高维高斯混合聚类算法,将数据集映射到高维空间进行聚类,利用核函数映射、内积运算与高维特征空间分解等计算方法,提高精确度,规避维数灾难。搭建工业大数据分析平台,对比K-Means、高斯混合、恒虚警率、高维高斯混合算法聚类结果与异常检测精确度,本文所提算法将准确性提高到90.72%,误报率降低到5.92%,结合该算法完成4类异常用热数据集的解释与辨识。高维高斯混合聚类可以有效分析用户用热特征、检测异常数据,辅助降低采暖能耗,实现建筑节能。
The building structure and household behavior of end-users are different.The heating datasets of end-users have features of large amount,strong nonlinearity,long response time,etc.In the original data space,it is hard to implement anomaly detection by the clustering analysis.The problem is the serious data crossing that greatly reduces the accuracy.In this paper,the high dimensional Gaussian mixture clustering(HGMM)is proposed to map datasets in original space to high-dimensional space for clustering.Kernel function mapping,inner product,decomposition of high-dimensional feature space are used to improve clustering accuracy and avoid dimensional disaster.Industrial big data ingestion and analysis platform(IBDP)is established.The clustering and anomaly detection accuracy of K-Means,Gaussian mixture model(GMM),constant false alarm rate,and HGMM are compared.The proposed method could improve the clustering accuracy to 90.72%and reduce the detection error rate to 5.92%.Four types of abnormal heating patterns are identified and analyzed.The proposed HGMM could be used to effectively analyze the residential heating characteristics,detect the abnormal datasets,help reduce the heating energy consumption,and realize the building energy saving.
作者
孙文慧
张海伦
王雷
Sun Wenhui;Zhang Hailun;Wang Lei(School of Information and Electrical Engineering,Shandong Jianzhu University,Ji'nan 250101,China;School of Information Science and Engineering,Shandong University,Qingdao 266237,China;School of Control Science and Engineering,Shandong University,Ji'nan 250061,China)
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2021年第5期235-242,共8页
Chinese Journal of Scientific Instrument
基金
国家自然科学基金(61903226)
山东省自然科学基金(ZR2020QF061,ZR2020QF068)项目资助。
关键词
集中供热
异常检测
高维高斯混合聚类
空间映射
district heating
anomaly detection
high dimensional Gaussian mixture clustering
space mapping
作者简介
孙文慧,2011年于齐鲁工业大学获得学士学位,2014年于东华大学获得硕士学位,2018年于山东大学获得博士学位,现为山东建筑大学讲师,主要研究方向为集中供热异常检测与热负荷预测。E-mail:sunwenhui1203@163.com;通信作者:张海伦,2011年于齐鲁工业大学获得学士学位,2014年于齐鲁工业大学获得硕士学位,2018年于山东大学获得博士学位,现为山东大学博士后,主要研究方向为喷射理论与燃料电池系统热管理与控制。E-mail:zhl_sdu@163.com;王雷,1993年于山东工业大学获得学士学位,2000年于山东大学获得硕士学位,2004年于浙江大学获得博士学位,现为山东大学教授,主要研究方向为现代检测技术、多相流检测、低品位能源利用中的控制问题。E-mail:leiwang@sdu.edu.cn。
