The invention relates to the technical field of big data analysis, belonging to compressed natural gas filling analysis technology, in particular to a CNG filling sub station abnormal gas filling behavior recognition method based on unsupervised machine learning, which comprises the following steps: Step 1: data preprocessing, importing the original CNG filling sub station gas filling log into the analysis system; step 2: feature variable selection and structure describing gas filling behavior; Step 3: visualization of the relationship between characteristic variables of gas filling behavior; step 4: identification of abnormal gas filling behavior; step 5: cause mining of abnormal gas filling behavior; step 6: scheme to reduce abnormal gas filling behavior.
【技术实现步骤摘要】
基于非监督机器学习的CNG加气子站异常加气行为识别方法
本专利技术涉及大数据分析
，属于压缩天然气加气分析技术，尤其是一种基于非监督机器学习的CNG加气子站异常加气行为识别方法。
技术介绍
天然气经过压缩(20-25MPa)存储在高压钢瓶中而形成压缩天然气(Compressednaturalgas，CNG)。CNG因其环保优势和相对汽油柴油等具有的价格优势而受到政府部门推荐和用户的偏好。以天然气汽车为例，相较于传统燃油汽车其排放物更为环保；而对于新能源汽车，其相较于氢燃料汽车成本更为低廉，技术更为成熟，使用更为安全，而相较于电动汽车其燃料补给更为便利，因此具有更为广阔的发展前景。目前，CNG加气子站是国内建站的主要模式，其气源通过转运车由城市附近的母站提供，之后再由加气子站加注至相应的天然气车辆内。但由于目前加气效率的限制，其相较于传统燃油汽车的燃料加注需要更长的时间，子加气站的单位时间内服务的车辆少，运营成本高，进而导致了子加气站的数量少。在高峰时段，天然气汽车需要排队等待2-3小时才能充气，这降低了天然气汽...
【技术保护点】
1.基于非监督机器学习的CNG加气子站异常加气行为识别方法，其特征在于：包括如下步骤：/n步骤1：数据预处理，将原始CNG加气子站加气日志导入分析系统；/n步骤2：描述加气行为的特征变量选择与构造；/n步骤3：加气行为特征变量间关系的可视化；/n步骤4：异常加气行为的识别；/n步骤5：异常加气行为的原因挖掘；/n步骤6：减少异常加气行为的方案。/n
【技术特征摘要】
1.基于非监督机器学习的CNG加气子站异常加气行为识别方法，其特征在于：包括如下步骤：
步骤1：数据预处理，将原始CNG加气子站加气日志导入分析系统；
步骤2：描述加气行为的特征变量选择与构造；
步骤3：加气行为特征变量间关系的可视化；
步骤4：异常加气行为的识别；
步骤5：异常加气行为的原因挖掘；
步骤6：减少异常加气行为的方案。
2.根据权利要求1所述的基于非监督机器学习的CNG加气子站异常加气行为识别方法，其特征在于：所述步骤2包括：
2。1基于信息熵的定义，计算各特征变量的信息熵；
2。2根据信息熵的值的大小，并结合特征变量间相关性分析和物理过程分析，选出特征变量；
2。3结合实际需求，构造新的描述加气行为的特征变量；
2。4特征变量的分类。
3.根据权利要求1所述的基于非监督机器学习的CNG加气子站异常加气行为识别方法，其特征在于：所述步骤3包括：
3。1特征变量的散点图矩阵：
基于所选择和构造的加气行为特征变量，通过散点图矩阵将这些变量的关系可视化；
3。2特征变量评价：
结合特征变量的散点图矩阵、加气行为的物理过程和提高...
【专利技术属性】
技术研发人员：李阳，卫勇，赵玉连，吴海云，孙金辉，靳登超，
申请(专利权)人：天津农学院，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。