[发明专利]一种基于改进密度峰值聚类的马蹄窑能耗异常检测方法

说明书

本发明涉及马蹄窑能耗异常检测技术领域，更具体地，涉及一种基于改进密度峰值聚类的马蹄窑能耗异常检测方法。采用人工蜂群算法实现了截断距离的自适应优选过程，并设立离群系数策略以实现自动划分簇中心和离群点的功能，实现智能、快速、精准的窑炉能耗异常检测。本发明通过改造自适应密度峰值聚类算法，并使用其对玻璃熔窑生产过程的能耗数据进行聚类分析，以高效准确识别存在异常的能耗样本。

技术领域

本发明涉及马蹄窑能耗异常检测技术领域，更具体地，涉及一种基于改进密度峰值聚类的马蹄窑能耗异常检测方法。

背景技术

马蹄窑是一个多变量的复杂工业系统，涉及变量包括：采样时间；燃料流量、温度；助燃风流量、温度；火焰空间温度；液面温度；蓄热室碹顶温度；烟道出口气体流量、温度等。在多变量、相关联的复杂参数系统中，虽然可通过人工巡查机组、人力监测日志系统方式或者统计学方法(盒图、切比雪夫定理等)检测窑炉异常，但由于传感仪器数据采集异常等因素，数据扰动将影响人工检测；并且，异常发生时通常会冗余报错，冗余异常信息会掩盖事实、失去焦点，让工人难以判定核心异常问题。

能耗异常指的是能源损耗过大、有效能源达不到预期能效或者统计学上偏差的能耗计量。研究设备的耗能信息是最直接了解设备工作状况的方式，由此针对机械设备异常能耗的检测研究逐渐被国内外学者所关注。在现有技术中，Soner Emec等基于机床电力能耗数据流，提出一种在线模式匹配的机床设备故障监测方法，将电力能耗与机床产出产品质量关联起来，用于提高机床生产效率，以降低生产过程的能耗。Aleksandar Brkovic等提出一种基于振动信号分析的滚动轴承早期故障检测与诊断技术，该技术能及早发现轴承磨损或者轴承缺陷，从而避免旋转机械的效率降低、能耗增加等问题。张燕忠利用布尔关联规则的Apriori算法分析了生产耗能与过程变量的潜在关系，并应用遗传神经网络方法对能耗控制图进行了模式识别，以检测能耗波动状况，实现了造纸过程能量系统的状态监测与异常诊断。Jianhua Guo等基于热力学理论建立硫化过程的能耗模型，以建立动态分层能耗模型估算热损失，提出了一种热损失故障检测方法，以检测轮胎硫化车间里蒸汽疏水阀和绝缘层中不易检测的故障。杨慧芳研究了铝型材挤压过程的能量转化机理以建立其挤压过程的能源消耗模型，并利用能源消耗模型的主要影响因素构建Bayesian网络，提出一种基于Bayesian网络的铝型材挤压过程能耗异常检测和定位方法。虽然目前对于能耗异常检测的研究已取得一定的成果，但针对玻璃熔窑的能耗异常检测研究尚少。

发明内容

本发明为克服上述现有技术中的至少一个缺陷，提供一种基于改进密度峰值聚类的马蹄窑能耗异常检测方法，实现智能、快速、精准的窑炉能耗异常检测。

为解决上述技术问题，本发明采用的技术方案是：一种基于改进密度峰值聚类的马蹄窑能耗异常检测方法，包括以下步骤：

S1.提取马蹄窑分层能量模型中的能量构成项以及池窑热效率η；首先计算马蹄窑能耗，然后将计算得到的能耗用于构造特征值，记作输入空间矩阵SC：

式中，C_ij为根据马蹄窑能耗计算方法计算结果，然后构造的特征值；

以时间序列为等价连接条件，建立包含马蹄窑原始工况信息以及能耗信息的输入空间矩阵SC；

S2.把输入空间矩阵SC归一化到数据空间[0,1]^m+15∈R^m+15内，其中，R表示实数，m是预设的截断参数，m是输入空间S的维度数，输入空间矩阵SC的维度数为15，其目的是为了解决特征属性量纲不同将会影响聚类效果的难题；对输入空间矩阵SC进行转置：

ST＝SC^T，  (2)

对数据集中每一特征i进行最大-最小值归一化：