典型文献
基于 CEEMDAN-LOF的企业能耗异常辨识研究
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
付茂盛;耿建;张仰飞
作者机构：
南京工程学院电力工程学院,江苏 南京211167;国网山东省电力公司泰安供电公司,山东 泰安271000
文献出处：
引用格式：
[1]付茂盛;耿建;张仰飞-.基于 CEEMDAN-LOF的企业能耗异常辨识研究)[J].机械与电子,2022(12):48-52,58
A类：
完全自适应噪声集合经验模态分解方法
B类：
CEEMDAN,LOF,企业能耗,异常辨识,一刀切,难以实现,辨识方法,密度聚类算法,HDBSCAN,实时数据,模式匹配,能耗数据,趋势性,局部异常因子,离群点,某省,水泥企业,异常检测,检测精度,数据检测
AB值：
0.23376
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
