【技术实现步骤摘要】
本专利技术属于能耗异常检测，尤其涉及一种用于炼化装置的综合能耗异常检测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、化工企业作为“两高(即高能耗、高污染)”行业在生产运营过程中产生的综合能耗，主要通过炼化装置的各传感器采集到的数据，由人工报表的形式进行统计分析，无法及时发现装置的综合能耗异常情况。
3、现有的能耗异常检测模型多围绕建筑或电力综合能耗设计，而对炼化装置的综合能耗模型较为少见，能耗异常的检测主要存在如下问题：炼化数据具有连续性强、数据高维、噪声大、非线性的特点，模型进行异常检测时难以充分提取数据中的隐藏特征；已有能耗异常检测方法难以充分有效地提取能耗数据的时序信息，限制了数据特征的表示能力；能耗异常检测的机器学习方法中，模型训练时都不可避免的存在陷入局部最优解的问题，过分关注局部的细微变化，而没有从整体去考虑序列正常行为的特点，容易造成误报；已有的能耗异常检测模型，如电力、建筑等能耗异常检测模型，侧重于实时数据分析或基于统计模型的异常识别...
【技术保护点】
1.一种用于炼化装置的综合能耗异常检测方法，其特征在于，包括：
2.如权利要求1所述的一种用于炼化装置的综合能耗异常检测方法，其特征在于，在所述基于神经网络的综合能耗预测模型中，引入时序注意力机制对神经网络的隐含层输出赋予不同的权重，以突出重要程度高的信息。
3.如权利要求1所述的一种用于炼化装置的综合能耗异常检测方法，其特征在于，所述滑动窗口阈值的获取，具体为：基于每个子序列的综合能耗原始值和综合能耗预测值的差异得分，结合滑动窗口自适应阈值方法，对每个滑动窗口计算该窗口内差异得分的均值和标准差，基于所述均值和标准差确定每个滑动窗口阈值。>
4.如权利要...
【技术特征摘要】
1.一种用于炼化装置的综合能耗异常检测方法，其特征在于，包括：
2.如权利要求1所述的一种用于炼化装置的综合能耗异常检测方法，其特征在于，在所述基于神经网络的综合能耗预测模型中，引入时序注意力机制对神经网络的隐含层输出赋予不同的权重，以突出重要程度高的信息。
3.如权利要求1所述的一种用于炼化装置的综合能耗异常检测方法，其特征在于，所述滑动窗口阈值的获取，具体为：基于每个子序列的综合能耗原始值和综合能耗预测值的差异得分，结合滑动窗口自适应阈值方法，对每个滑动窗口计算该窗口内差异得分的均值和标准差，基于所述均值和标准差确定每个滑动窗口阈值。
4.如权利要求1所述的一种用于炼化装置的综合能耗异常检测方法，其特征在于，结合当前子序列对应的滑动窗口阈值，进行当前子序列综合能耗异常判别，具体为:当子序列对应的差异得分大于其对应的滑动窗口阈值，则判定该子序列综合能耗异常。
5.如权利要求1所述的一种用于炼化装置的综合能耗异常检测方法，其特征在于，所述基于神经网络的综合能耗预测模型采用bp神经网络模型...
【专利技术属性】
技术研发人员：杜立新，薛鸿图，段春笋，杜军龙，张超，吴迪，
申请(专利权)人：济南大学，
类型：发明
国别省市：
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。