本發(fā)明涉及設(shè)備在線數(shù)據(jù)應(yīng)用與分析，尤其涉及一種適用于設(shè)備運(yùn)行狀態(tài)異常檢測(cè)的自適應(yīng)閾值計(jì)算方法。

背景技術(shù)：

1、目前，大型冶金企業(yè)均通過(guò)設(shè)備遠(yuǎn)程智能運(yùn)維平臺(tái)接入各類設(shè)備，產(chǎn)生數(shù)百萬(wàn)的數(shù)據(jù)項(xiàng)，為了發(fā)揮數(shù)據(jù)匯聚的價(jià)值，基礎(chǔ)的目標(biāo)是應(yīng)用運(yùn)維平臺(tái)的數(shù)據(jù)判斷設(shè)備運(yùn)行狀態(tài)是否正常，識(shí)別數(shù)值異常、設(shè)備狀態(tài)異常或生產(chǎn)過(guò)程中的異常，給出報(bào)警，提醒設(shè)備管理方基于設(shè)備狀態(tài)進(jìn)行預(yù)知性維護(hù)，或及時(shí)處理生產(chǎn)過(guò)程中的異常，降低設(shè)備故障劣化造成的損失。設(shè)備數(shù)據(jù)的初步應(yīng)用通常是設(shè)置單個(gè)參數(shù)超限的預(yù)警模型，首先需要設(shè)置合適的超限閾值。

2、計(jì)算閾值的常規(guī)方法是選取一段數(shù)據(jù)，經(jīng)箱型圖過(guò)濾后，通過(guò)均值和標(biāo)準(zhǔn)差計(jì)算閾值，該方法已在運(yùn)維平臺(tái)上使用，對(duì)于數(shù)據(jù)整體平穩(wěn)的理想情況，計(jì)算的閾值與人工經(jīng)驗(yàn)一致，經(jīng)行業(yè)專家確認(rèn)后可以直接使用。對(duì)于數(shù)據(jù)不穩(wěn)定的非理想情況，或者選取的數(shù)值較低的情況，使用該方法計(jì)算的閾值與人工經(jīng)驗(yàn)設(shè)定的閾值有差異，在實(shí)際生產(chǎn)中仍然存在很多閾值設(shè)置不合適觸發(fā)的誤報(bào)警，主要原因是因?yàn)檫x取的數(shù)據(jù)存在數(shù)值異常、數(shù)據(jù)缺失、設(shè)備正常運(yùn)行且數(shù)值較低等不理想的情況，導(dǎo)致統(tǒng)計(jì)計(jì)算結(jié)果偏離閾值設(shè)置的合理范圍，因此可以通過(guò)人工篩選相對(duì)平穩(wěn)的一段數(shù)據(jù)，計(jì)算出更合理的閾值。

3、基于箱型圖對(duì)數(shù)據(jù)過(guò)濾時(shí)，以下幾種情況無(wú)法有效處理：

4、（1）數(shù)據(jù)缺失

5、如果計(jì)算閾值時(shí)抽取的數(shù)據(jù)存在數(shù)據(jù)缺失，則需要先判斷數(shù)據(jù)缺失多少，再?zèng)Q定是否需要計(jì)算閾值，同時(shí)給出缺失的最長(zhǎng)時(shí)間，并及時(shí)恢復(fù)數(shù)據(jù)；

6、（2）數(shù)值長(zhǎng)期不變

7、排除開(kāi)關(guān)量、狀態(tài)量等參數(shù)后，數(shù)值長(zhǎng)期不變也是數(shù)據(jù)異常的一種表現(xiàn)形式，需要提前過(guò)濾掉再計(jì)算閾值，并及時(shí)恢復(fù)數(shù)據(jù)；

8、（3）數(shù)值異常大或異常小

9、如果某些數(shù)據(jù)項(xiàng)的數(shù)值存在明顯的偏大或偏小，且存在的比例較高，使用箱型圖就無(wú)法濾除，從而導(dǎo)致常規(guī)方法計(jì)算出來(lái)的閾值偏高或偏低；

10、（4）數(shù)據(jù)量較少

11、數(shù)據(jù)經(jīng)過(guò)以上預(yù)處理，即排除數(shù)據(jù)缺失、數(shù)值長(zhǎng)期不變、數(shù)值異常大或異常小，如果剩余的數(shù)據(jù)量較少，用少量數(shù)據(jù)計(jì)算的閾值沒(méi)有參考意義，需指定計(jì)算閾值所需的最低數(shù)據(jù)量，少于一定點(diǎn)數(shù)的不計(jì)算閾值。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種適用于設(shè)備運(yùn)行狀態(tài)異常檢測(cè)的自適應(yīng)閾值計(jì)算方法，本方法克服傳統(tǒng)閾值計(jì)算的缺陷，彌補(bǔ)僅對(duì)數(shù)據(jù)進(jìn)行箱型圖去噪后計(jì)算閾值的不足，使得計(jì)算的閾值更加合理，降低單參數(shù)超限預(yù)警模型的誤報(bào)率,?減少人工調(diào)整閾值的工作量，提升智能運(yùn)維平臺(tái)的應(yīng)用效率。

2、為解決上述技術(shù)問(wèn)題，本發(fā)明適用于設(shè)備運(yùn)行狀態(tài)異常檢測(cè)的自適應(yīng)閾值計(jì)算方法包括如下步驟：

3、步驟一、對(duì)設(shè)備進(jìn)行分類，區(qū)分設(shè)備管理域、設(shè)備類別和數(shù)據(jù)領(lǐng)域，將人工設(shè)定閾值的經(jīng)驗(yàn)固化為自動(dòng)計(jì)算邏輯；

4、步驟二、數(shù)據(jù)分析，分析原始數(shù)據(jù)的規(guī)律，基于統(tǒng)計(jì)結(jié)果區(qū)分?jǐn)?shù)值異常、數(shù)據(jù)缺失、數(shù)值分段變化情況；

5、步驟三、數(shù)據(jù)預(yù)處理，對(duì)原始數(shù)據(jù)進(jìn)行去噪點(diǎn)預(yù)處理，通過(guò)變異系數(shù)的統(tǒng)計(jì)值描述原始數(shù)據(jù)的規(guī)律，確定是否聚類為多個(gè)數(shù)值區(qū)間；

6、步驟四、數(shù)據(jù)異常處理，檢查數(shù)據(jù)是否存在數(shù)據(jù)缺失，若數(shù)據(jù)缺失的量在可接受的范圍，則繼續(xù)進(jìn)行數(shù)值持續(xù)不變的判斷，過(guò)濾掉數(shù)值持續(xù)不變、數(shù)值異常大和異常小的情況，再判斷現(xiàn)存的數(shù)據(jù)量是否滿足計(jì)算閾值的最低數(shù)據(jù)量要求，若數(shù)據(jù)量滿足計(jì)算閾值的最低數(shù)據(jù)量要求，則使用均值和標(biāo)準(zhǔn)差計(jì)算自適應(yīng)閾值。

7、進(jìn)一步，所述步驟三中通過(guò)變異系數(shù)的統(tǒng)計(jì)值確定數(shù)據(jù)是否聚類，如果聚類，則使用聚類方法找出數(shù)值低和數(shù)值高的兩簇?cái)?shù)據(jù)，若需要設(shè)定上限值，使用數(shù)值高的一簇?cái)?shù)據(jù)計(jì)算閾值，再使用聚類前的全部數(shù)據(jù)計(jì)算閾值，取兩者的最大值作為最終的自適應(yīng)閾值；若需要設(shè)定下限值，則取數(shù)值低的一簇?cái)?shù)據(jù)計(jì)算閾值，再與全部數(shù)據(jù)計(jì)算的閾值進(jìn)行比較，取兩者的最小值作為最終的自適應(yīng)閾值；如果不聚類，則直接使用去噪點(diǎn)后的全部數(shù)據(jù)計(jì)算自適應(yīng)閾值。

8、進(jìn)一步，所述步驟四中自適應(yīng)閾值計(jì)算前首先判斷人工設(shè)定閾值的自動(dòng)計(jì)算邏輯是否有確定的數(shù)學(xué)公式，若是，按自動(dòng)計(jì)算邏輯計(jì)算閾值，若否，采用箱型圖對(duì)原始數(shù)據(jù)進(jìn)行過(guò)濾后計(jì)算自適應(yīng)閾值。

9、進(jìn)一步，自適應(yīng)閾值計(jì)算按照設(shè)備管理域、設(shè)備類別和數(shù)據(jù)領(lǐng)域進(jìn)行分類閾值計(jì)算。

10、進(jìn)一步，對(duì)所計(jì)算的自適應(yīng)閾值進(jìn)行定期更新，周期性選取歷史數(shù)據(jù)計(jì)算新的自適應(yīng)閾值，對(duì)比原有閾值，若差異較大提醒閾值設(shè)定人員，人工判斷新的自適應(yīng)閾值是否合理、是否更新閾值。

11、由于本發(fā)明適用于設(shè)備運(yùn)行狀態(tài)異常檢測(cè)的自適應(yīng)閾值計(jì)算方法采用了上述技術(shù)方案，即本方法結(jié)合人工經(jīng)驗(yàn)，區(qū)分設(shè)備和數(shù)據(jù)項(xiàng)的類別，基于統(tǒng)計(jì)結(jié)果區(qū)分原始數(shù)據(jù)的規(guī)律，對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，通過(guò)變異系數(shù)的統(tǒng)計(jì)值描述原始數(shù)據(jù)的規(guī)律，確定是否聚類為多個(gè)數(shù)值區(qū)間；自動(dòng)篩選正常范圍的數(shù)據(jù)；對(duì)數(shù)據(jù)異常處理后判斷現(xiàn)存的數(shù)據(jù)量是否滿足計(jì)算閾值的最低數(shù)據(jù)量要求，若滿足則使用均值和標(biāo)準(zhǔn)差計(jì)算自適應(yīng)閾值。本方法克服傳統(tǒng)閾值計(jì)算的缺陷，彌補(bǔ)僅對(duì)數(shù)據(jù)進(jìn)行箱型圖去噪后計(jì)算閾值的不足，使得計(jì)算的閾值更加合理，降低單參數(shù)超限預(yù)警模型的誤報(bào)率,?減少人工調(diào)整閾值的工作量，提升智能運(yùn)維平臺(tái)的應(yīng)用效率。

技術(shù)特征：

1.一種適用于設(shè)備運(yùn)行狀態(tài)異常檢測(cè)的自適應(yīng)閾值計(jì)算方法，其特征在于包括如下步驟：

2.根據(jù)權(quán)利要求1所述的適用于設(shè)備運(yùn)行狀態(tài)異常檢測(cè)的自適應(yīng)閾值計(jì)算方法，其特征在于：所述步驟三中通過(guò)變異系數(shù)的統(tǒng)計(jì)值確定數(shù)據(jù)是否聚類，如果聚類，則使用聚類方法找出數(shù)值低和數(shù)值高的兩簇?cái)?shù)據(jù)，若需要設(shè)定上限值，使用數(shù)值高的一簇?cái)?shù)據(jù)計(jì)算閾值，再使用聚類前的全部數(shù)據(jù)計(jì)算閾值，取兩者的最大值作為最終的自適應(yīng)閾值；若需要設(shè)定下限值，則取數(shù)值低的一簇?cái)?shù)據(jù)計(jì)算閾值，再與全部數(shù)據(jù)計(jì)算的閾值進(jìn)行比較，取兩者的最小值作為最終的自適應(yīng)閾值；如果不聚類，則直接使用去噪點(diǎn)后的全部數(shù)據(jù)計(jì)算自適應(yīng)閾值。

3.根據(jù)權(quán)利要求1或2所述的適用于設(shè)備運(yùn)行狀態(tài)異常檢測(cè)的自適應(yīng)閾值計(jì)算方法，其特征在于：所述步驟四中自適應(yīng)閾值計(jì)算前首先判斷人工設(shè)定閾值的自動(dòng)計(jì)算邏輯是否有確定的數(shù)學(xué)公式，若是，按自動(dòng)計(jì)算邏輯計(jì)算閾值，若否，采用箱型圖對(duì)原始數(shù)據(jù)進(jìn)行過(guò)濾后計(jì)算自適應(yīng)閾值。

4.根據(jù)權(quán)利要求3所述的適用于設(shè)備運(yùn)行狀態(tài)異常檢測(cè)的自適應(yīng)閾值計(jì)算方法，其特征在于：自適應(yīng)閾值計(jì)算按照設(shè)備管理域、設(shè)備類別和數(shù)據(jù)領(lǐng)域進(jìn)行分類閾值計(jì)算。

5.根據(jù)權(quán)利要求3所述的適用于設(shè)備運(yùn)行狀態(tài)異常檢測(cè)的自適應(yīng)閾值計(jì)算方法，其特征在于：對(duì)所計(jì)算的自適應(yīng)閾值進(jìn)行定期更新，周期性選取歷史數(shù)據(jù)計(jì)算新的自適應(yīng)閾值，對(duì)比原有閾值，若差異較大提醒閾值設(shè)定人員，人工判斷新的自適應(yīng)閾值是否合理、是否更新閾值。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種適用于設(shè)備運(yùn)行狀態(tài)異常檢測(cè)的自適應(yīng)閾值計(jì)算方法，本方法結(jié)合人工經(jīng)驗(yàn)，區(qū)分設(shè)備和數(shù)據(jù)項(xiàng)的類別，基于統(tǒng)計(jì)結(jié)果區(qū)分原始數(shù)據(jù)的規(guī)律，對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，通過(guò)變異系數(shù)的統(tǒng)計(jì)值描述原始數(shù)據(jù)的規(guī)律，確定是否聚類為多個(gè)數(shù)值區(qū)間；自動(dòng)篩選正常范圍的數(shù)據(jù)；對(duì)數(shù)據(jù)異常處理后判斷現(xiàn)存的數(shù)據(jù)量是否滿足計(jì)算閾值的最低數(shù)據(jù)量要求，若滿足則使用均值和標(biāo)準(zhǔn)差計(jì)算自適應(yīng)閾值。本方法克服傳統(tǒng)閾值計(jì)算的缺陷，彌補(bǔ)僅對(duì)數(shù)據(jù)進(jìn)行箱型圖去噪后計(jì)算閾值的不足，使得計(jì)算的閾值更加合理，降低單參數(shù)超限預(yù)警模型的誤報(bào)率,減少人工調(diào)整閾值的工作量，提升智能運(yùn)維平臺(tái)的應(yīng)用效率。

技術(shù)研發(fā)人員：劉寧,朱凱文
受保護(hù)的技術(shù)使用者：寶武裝備智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19