[发明专利]改进决策树算法的熔铝炉能耗异常诊断方法和系统及设备

说明书

本发明属于熔铝炉能耗数据诊断技术领域，更具体地，涉及一种改进决策树算法的熔铝炉能耗异常诊断方法、系统及备。提出的改进的决策树算法，能够对熔铝炉的能耗数据进行高效的分类，实现数据的诊断；另外，本发明通过分析决策树算法的特点，基于Fayyad边界定理进行决策树的建立，降低了建树时遍历节点的耗费时间，并采用后剪枝CCP对Fayyad‑CART进行修整，提高了建树的效率。

技术领域

本发明属于熔铝炉能耗数据诊断技术领域，更具体地，涉及一种改进决策 树算法的熔铝炉能耗异常诊断方法、系统、设备及存储介质。

背景技术

在铝型材生产过程中，熔炼环节能源消耗占比最大。而生产过程中的能耗 异常损耗是熔炼环节中能源浪费的主要诱因之一。因此，为了谋求企业的可持 续发展，实现企业的低碳生产、绿色生产，需要对铝型材生产过程中的高能耗 设备(熔铝炉)的能耗进行监控，降低生产过程中的能源消耗，保障铝型材生 产企业的效益。

熔铝炉在正常生产中或者不同的故障模式下产生的数据会具有不同数据特 征。在实际的生产中，常依赖工作人员的经验来确定故障的类型以及原因，再 采取相应的措施进行处理。该处理方法效率极低，并且处理不当时，能源的消 耗继续增大，甚至会出现重大的安全事故。同时，传统的异常检测方式还增加 了运维单位与检修单位的人力成本消耗。因此，基于数据挖掘手段的熔铝炉能 耗异常诊断系统研究有着重要的实际生产意义。

发明内容

本发明为克服上述现有技术中的缺陷，提供一种改进决策树算法的熔铝炉 能耗异常诊断方法、系统、设备及存储介质，对熔铝炉的能耗数据进行高效的 分类，便于对能耗数据进行分析。

为解决上述技术问题，本发明采用的技术方案是：一种改进决策树算法的 熔铝炉能耗异常诊断方法，包括以下步骤：

S1.数据处理：采集熔铝炉能耗数据集，并采用标准数据集UCI；并将数据 集分为训练数据集和测试数据集；

S2.按照Fayyad-CART算法对训练数据集进行训练，生成原始决策树；

S3.使用CCP剪枝法对步骤S2生成的原始决策树进行剪枝；

S4.用测试数据集对修剪后的决策树进行准确性检验，若通过，则步骤S3 中修剪后的决策树为最终可用的决策树；若不通过，回到步骤S1，重新建立决 策树；

S5.实时数据分类：获取熔铝炉的能耗实时数据，对分类属性进行提取，利 用步骤S4生成的可用的决策树对实时数据进行分类，完成熔铝炉能耗数据的诊 断。

进一步的，所述的Fayyad-CART算法具体包括以下步骤：

S21.对数据集进行预处理，按照数值大小对连续属性进行升序排列，离散 属性特征保持不变；

S22.对离散属性按照传统的Gini值计算方式计算出其最佳分割点，对连续 属性按照Fayyad边界定理计算边界点，确定最佳分割点；比较计算出所有属性 对应的最小Gini值，找出其中最小的Gini值，以确定分割的属性；

S23.把步骤S22得到的分割属性作为根节点，并把最佳分割点作为节点的 分割，形成左右两分支；若没达到结束条件，继续递归步骤S22，继续生成新 的子树，反之则可以完成CART树的构建。

进一步的，对于一个样本D，所述的Gini值采用下式计算：

式中，N表示分类的个数，p_k表示第k类的概率大小；p_k′表示第k′类的概 率大小，其中k′≠k。