0 引言
节能降耗是企业面对的一个迫在眉睫的问题，设备节能是其中的一种有效手段。企业能源浪费很大一部分来自用电设备的管理维护不够精确、不够及时。人走忘记关灯、忘记关水、设备爆管、设备老化等异常不能够及时检测出来，给企业造成了一定程度上的损失。
目前企业中大多都使用了设备能耗数据采集系统[1]，采集到的数据量大、实时产生。因此，设备运行过程中产生的各种异常也会在数据上有直接反映。所以为了能够及时、精确地检测出设备运行中产生的各种异常，对能耗数据异常的检测以及分类有着重要的研究意义。
目前国内外许多研究者对用电数据的异常检测进行了大量的研究。黄悦华等提出了一种基于用电特征分析的无监督方式异常检测方法[2]，具有较高的准确性；张春辉等提出了基于小波检测电力负荷异常的方法，利用ARFIMA统计方法结合小波，能够快速准确全面地发现电力负荷异常数据[3]；赵嫚等利用模糊聚类和孤立森林算法相结合进行异常检测[4]；徐瑶等采用卷积神经网络挖掘用户时间序列中的用电规律，并通过反向传播来实现网络参数的更新，利用支持向量机检测出异常用电行为[5]；ANGELOS E W S等人使用模糊分类矩阵来改进C均值聚类，归一化度量距离最大的即为异常用电行为[6]；ARISOY I等基于电力公司长期运营的专家知识，对用电数据的时间关联关系进行了数学建模，实现了用户异常用电量的检测[7]。
本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003550
作者信息:
黄家续1，曾献辉1，2，施陈俊1
(1.东华大学 信息科学与技术学院，上海201620；2.数字化纺织服装技术教育部工程研究中心，上海201620)
