[发明专利]一种机组数据异常波动的检测方法及装置

说明书

本发明公开了一种机组数据异常波动的检测方法及装置，涉及机组数据处理技术领域，为解决现有的机组数据异常波动检测方法中对全部机组数据直接进行检测时，由于全部机组数据中存在部分数据是不稳定的但并非异常波动的数据，造成机组数据异常检测准确率较低的问题。本发明的方法包括：获取第一待检测机组数据；从所述第一待检测机组数据中提取预置时间段内的待检测机组数据，得到第二待检测机组数据；根据所述第二待检测机组数据，利用预置算法计算所述各个时间点的机组运行数据分别对应的离群率；根据所述离群率，确定机组数据异常波动的时间点。本发明适合应用在对机组运行数据异常波动的检测中。

技术领域

本发明涉及机组数据处理技术领域，尤其涉及一种机组数据异常波动的检测方法及装置。

背景技术

机组运行过程中，会产生大量的实时数据，在数组正常运转的情况下，数据会在限值范围内有规则的波动。在某些情况下，数据中会出现异常波动的数据点，这些数据点是无效的且会造成数据曲线失真，影响工程师对机组性能的判断。通过对机组数据进行检测并找出异常波动数据点，可以提前预防机组故障。

目前，在对机组数据进行检测时，往往是对从计算机中获取到的机组数据直接进行检测，然而计算机采集的数据量非常庞大，且机组在运行过程中，从启动到平稳运行以及从平稳运行到停止运行过程中，数据是不稳定的数据但并非数据异常波动点，从而使得当对全部数据进行检测时这部分数据会造成干扰，且使得检测数据量较大，导致的机组数据异常波动检测准确性较低和资源浪费的问题。

发明内容

鉴于上述问题，本发明提供一种机组数据异常波动的检测方法及装置，主要目的在于将机组数据进行筛选后，通过计算机组数据的离群率对异常波动进行检测。

为解决上述技术问题，第一方面，本发明提供了一种机组数据异常波动的检测方法，该方法包括：

获取第一待检测机组数据，所述第一待检测机组数据中包含有所述机组启动时间和停止时间之间的多个时间点以及与各个时间点分别对应的机组运行数据，而所述机组运行数据中包含有一个或多个机组运行属性值；

从所述第一待检测机组数据中提取预置时间段内的待检测机组数据，得到第二待检测机组数据，所述预置时间段为所述机组平稳运行的时段；

根据所述第二待检测机组数据，利用预置算法计算所述各个时间点的机组运行数据分别对应的离群率，所述离群率是指元素偏离所述元素所在元素集的程度；

根据所述离群率，确定机组数据异常波动的时间点。

可选的，所述从所述第一待检测机组数据中提取预置时间段内的待检测机组数据，得到第二待检测机组数据之后，所述方法还包括：

根据所述第二待检测机组数据，生成待检测数据矩阵，所述待检测数据矩阵为以所述第二待检测机组数据中包含的各个时间点及与各个时间点分别对应的机组运行数据为行，以所述第二待检测机组数据中包含的全部时间点为列的矩阵；

利用预置函数分别计算所述待检测数据矩阵中各行对应的点数据值，所述点数据值为用于在所述预置算法中标识所述各个时间点的机组运行数据的值；

将所述各行对应的点数据值按照预置规则进行排列，得到点数据值集合，所述点数据值集合中包含有所述第二待检测机组数据中包含的全部时间点对应的点数据值。

可选的，所述根据所述第二待检测机组数据，利用预置算法计算所述各个时间点的机组运行数据分别对应的离群率包括：

分别计算所述点数据值集合中各个点数据值对应的预置范围内的数据值分布密度；

根据所述数据值分布密度，计算所述各个时间点的机组运行数据分别对应的离群率。

可选的，所述离群率中携带有与所述各个时间点对应的时间标识，所述根据所述离群率，确定机组数据异常波动的时间点包括：