一种具有异常数据检测的能效优化方法和终端与流程

本发明专利申请属于能效优化领域，具体涉及一种具有异常数据检测的能效优化方法和终端。

背景技术：

1、电力行业为提高节能水平，开展了能效服务，能效服务是以供电服务为基础，以电为中心，聚焦客户用能优化，通过电能替代推进终端用能电气化，开展综合能源服务来提升全社会能效水平，实施需求响应以实现电网与客户友好互动，具有经济高效、绿色智慧、多元灵活等特征的能源服务。

2、开展能效服务需要采集海量的用能数据，而且这些数据具备多源异构和强动态性，因此必然存在异常的数据，这给能效数据的分析带来了一定的困难，而且现有的能效终端大多只提供能效数据采集和起到能效监测的作用，往往不具备异常数据检测和能效优化功能，对设备的用能缺少规范指导作用。

3、在实时的能耗数据中，由于电流负载不稳定、电压负载不稳定、仪表损坏、通信异常等原因，经常存在暂态低功率和暂态高功率等异常数据，目前，现有的能效监测系统，大多只停留在数据采集和能效获取的层面，且对于设备用能端的能效优化方法以及控制策略很少提及，进而对设备的用能方案指导没有具体的体现。

技术实现思路

1、为克服上述现有技术的不足，本发明专利申请提出一种具有异常数据检测的能效优化方法，包括：

2、采集原始能耗数据，采用异常能耗数据检测策略，将所述原始能耗数据中的异常能耗数据剔除后，得到所述原始能耗数据中的正常能耗数据；

3、基于所述正常能耗数据，通过求解预先构建的电气耦合系统模型，得到电气耦合系统的运行成本和能效的最优解；

4、根据所述运行成本和能效的最优解得到能效优化策略；

5、其中，所述异常能耗数据检测策略为采用具有连通性的离群因子算法，计算得到原始能耗数据对应的离群度，进而根据离群度确定异常能耗数据。

6、优选的，所述采集原始能耗数据，采用异常能耗数据检测策略，将所述原始能耗数据中的异常能耗数据剔除后，得到所述原始能耗数据中的正常能耗数据，包括：

7、采集原始能耗数据，通过基于所述原始能耗数据，采用雨流计数法进行数据初筛，得到原始能耗数据时间序列；所述原始能耗数据时间序列包括：能耗采样数据；

8、采用所述模糊c均值算法，将所述原始能耗数据时间序列划分为聚类中心区间和隶属度矩阵区间，并根据聚类中心区间与隶属度矩阵区间各自区间的能耗采样数据，生成对应的聚类中心模糊数据集和隶属度模糊数据集；

9、采用具有连通性的离群因子算法，检测得到所述聚类中心模糊数据集和隶属度模糊数据集中的异常数据，将所述异常数据在所述原始能耗数据时间序列中对应的能耗采样数据作为异常能耗数据进行剔除后，得到正常能耗数据。

10、优选的，所述采用具有连通性的离群因子算法，检测得到所述聚类中心模糊数据集和隶属度模糊数据集中的异常数据，将所述异常数据在所述原始能耗数据时间序列中对应的能耗采样数据作为异常能耗数据进行剔除后，得到正常能耗数据，包括：

11、基于聚类中心模糊数据集和隶属度模糊数据集，采用具有连通性的离群因子算法，计算聚类中心模糊数据集和隶属度模糊数据集中每个模糊数据的离群度，

12、当有模糊数据的离群度大于预先设定的离群度阈值时，将所述模糊数据作为异常数据，并将所述异常数据在所述原始能耗数据时间序列中对应的能耗采样数据作为异常能耗数据进行剔除，得到剔除所述异常能耗数据后的正常能耗数据。

13、优选的，所述模糊数据的离群度的计算式如下：

14、

15、其中，cofl(pk)为在l距离内第k个模糊数据p的离群度，pk为第i个模糊数据p，nnl(pk)为第k个模糊数据p的第l距离邻域，为第k个模糊数据p到l距离域的平均链距，为从pk的l距离邻域的任意一模糊数据到o的l距离邻域的平均链接距离，o为pk的第l距离邻域的任意一模糊数据。

16、优选的，所述基于所述正常能耗数据，通过求解预先构建的电气耦合系统模型，得到电气耦合系统的运行成本和能效的最优解，包括：

17、基于所述正常能耗数据和预先构建的电气耦合系统模型，采用人工蜂群优化求解算法求解所述电气耦合系统模型，得到所述人工蜂群优化求解算法的最优越的蜜源量；

18、将所述最优越的蜜源量作为所述电气耦合系统模型的运行成本和能效的最优解；

19、其中，所述电气耦合系统模型包括：以电气耦合系统设备的运行成本最小化和能效最大化为目标建立多目标函数及约束条件。

20、优选的，所述约束条件包括下述的一种或多种：燃气机组设备出力约束、电转气设备运行约束、能量存储电池约束、储气罐约束、天然气站约束和切负荷约束。

21、优选的，所述原始能耗数据为通过能源监控终端采集用能设备和用能系统得到。

22、优选的，所述根据所述运行成本和能效的最优解得到能效优化策略之后，还包括：

23、根据所述能效优化策略对所述用能设备和用能系统进行优化控制，并将所述能效优化策略上传到用能管理平台进行信息交互。

24、基于同一发明构思，本发明专利申请还提供了一种具有异常数据检测的能效优化终端，包括：异常能耗数据监测模块、人工蜂群优化算法模块和能效优化策略生成模块；

25、所述异常能耗数据监测模块，用于采集原始能耗数据，采用异常能耗数据检测策略，将所述原始能耗数据中的异常能耗数据剔除后，得到所述原始能耗数据中的正常能耗数据；

26、所述人工蜂群优化算法模块，用于基于所述正常能耗数据，通过求解预先构建的电气耦合系统模型，得到电气耦合系统的运行成本和能效的最优解；

27、所述能效优化策略生成模块，用于根据所述运行成本和能效的最优解得到能效优化策略；

28、其中，所述异常能耗数据检测策略为采用具有连通性的离群因子算法，计算得到原始能耗数据对应的离群度，进而根据离群度确定异常能耗数据。

29、优选的，所述异常能耗数据监测模块，具体用于：

30、采集原始能耗数据，基于所述原始能耗数据，采用雨流计数法进行数据初筛，得到原始能耗数据时间序列；所述原始能耗数据时间序列包括：能耗采样数据；

31、采用模糊c均值算法，将所述原始能耗数据时间序列划分为聚类中心区间和隶属度矩阵区间，并根据聚类中心区间与隶属度矩阵区间各自区间的能耗采样数据，生成对应的聚类中心模糊数据集和隶属度模糊数据集；

32、采用具有连通性的离群因子算法，检测得到所述聚类中心模糊数据集和隶属度模糊数据集中的异常数据，将所述异常数据在所述原始能耗数据时间序列中对应的能耗采样数据作为异常能耗数据进行剔除后，得到正常能耗数据。

33、优选的，所述异常能耗数据监测模块采用具有连通性的离群因子算法，检测得到所述聚类中心模糊数据集和隶属度模糊数据集中的异常数据，将所述异常数据在所述原始能耗数据时间序列中对应的能耗采样数据作为异常能耗数据进行剔除后，得到正常能耗数据，包括：

34、基于聚类中心模糊数据集和隶属度模糊数据集，采用具有连通性的离群因子算法，计算聚类中心模糊数据集和隶属度模糊数据集中每个模糊数据的离群度；

35、当有模糊数据的离群度大于预先设定的离群度阈值时，将所述模糊数据作为异常数据，并将所述异常数据在所述原始能耗数据时间序列中对应的能耗采样数据作为异常能耗数据进行剔除，得到剔除所述异常能耗数据后的正常能耗数据。

36、优选的，所述异常能耗数据监测模块的模糊数据的离群度的计算式如下：

37、

38、其中，cofl(pk)为在l距离内第k个模糊数据p的离群度，pk为第i个模糊数据p，nnl(pk)为第k个模糊数据p的第l距离邻域，为第k个模糊数据p到l距离域的平均链距，为从pk的l距离邻域的任意一模糊数据到o的l距离邻域的平均链接距离，o为pk的第l距离邻域的任意一模糊数据。

39、优选的，所述人工蜂群优化算法模块，具体用于：

40、基于所述正常能耗数据和预先构建的电气耦合系统模型，采用人工蜂群优化求解算法求解所述电气耦合系统模型，得到所述人工蜂群优化求解算法的最优越的蜜源量；

41、将所述最优越的蜜源量作为所述电气耦合系统模型的运行成本和能效的最优解；

42、其中，所述电气耦合系统模型包括：以电气耦合系统设备的运行成本最小化和能效最大化为目标建立多目标函数及约束条件。

43、优选的，所述人工蜂群优化算法模块的约束条件包括下述的一种或多种：燃气机组设备出力约束、电转气设备运行约束、能量存储电池约束、储气罐约束、天然气站约束和切负荷约束。

44、优选的，所述异常能耗数据监测模块的原始能耗数据为通过能源监控终端采集用能设备和用能系统得到。

45、优选的，所述能效优化策略生成模块根据所述运行成本和能效的最优解得到能效优化策略之后，还包括：

46、根据所述能效优化策略对所述用能设备和用能系统进行优化控制，并将所述能效优化策略上传到用能管理平台进行信息交互。

47、与最接近的现有技术相比，本发明专利申请具有的有益效果如下：

48、本发明专利申请提供了一种具有异常数据检测的能效优化方法和终端，包括：采集原始能耗数据，采用异常能耗数据检测策略，将所述原始能耗数据中的异常能耗数据剔除后，得到所述原始能耗数据中的正常能耗数据；基于所述正常能耗数据，通过求解预先构建的电气耦合系统模型，得到电气耦合系统的运行成本和能效的最优解；根据所述运行成本和能效的最优解得到能效优化策略；其中，所述异常能耗数据检测策略为采用具有连通性的离群因子算法，计算得到原始能耗数据对应的离群度，进而根据离群度确定异常能耗数据；本发明专利申请采用异常能耗数据检测策略，剔除原始能耗数据中的异常能耗数据，排除原始能耗数据中异常能耗数据的干扰，提高了能耗数据的准确性、可靠性和质量，为后续正确能效优化奠定了数据基础；本发明专利申请通过求解预先构建的电气耦合系统模型，得到电气耦合系统的运行成本和能效的最优解对应的能效优化策略，为用户侧的用能方案提供能效最大化的方案。