基于CEEMDAN-LOF的企业能耗异常辨识研究

作者：付茂盛; 耿建; 张仰飞

来源：机械与电子, 2022, 40(12): 48-58.

• 数据检测
• 异常辨识
• 完全自适应噪声集合经验模态分解方法
• 局部异常因子
• 密度聚类

针对传统“一刀切”式的企业能耗标准难以实现异常精准辨识的问题，提出了基于CEEMDAN-LOF的企业能耗异常辨识方法。首先，利用基于层次的密度聚类算法(HDBSCAN)构建企业能耗模式判别树，对企业能耗实时数据进行用能模式匹配；然后，引入完全自适应噪声集合经验模态分解方法(CEEMDAN)提取时序能耗数据的运行趋势，去除时序能耗数据趋势性对异常辨识的影响，并基于局部异常因子(LOF)法对能耗数据进行离群点分析，实现企业能耗异常的精准辨识。算例采用某省水泥企业真实能耗数据进行分析，结果表明，所提方法在异常检测精度方面具有优势。

• 单位
  国网山东省电力公司泰安供电公司; 南京工程学院