[发明专利]基于联合历史和时间序列分析的异常表征的系统和方法

说明书

本发明题为“基于联合历史和时间序列分析的异常表征的系统和方法”。本发明公开了一个实施方案，其提供了一种用于促进异常检测和表征的系统。在操作期间，该系统通过计算设备确定包括多个数据点的第一组测试数据，其中第一组包括第一变量和一个或多个第二变量的数据序列。该系统通过将第一组分成多个组并且对每个相应组中的数据执行四分位距分析来识别异常。该系统从第一组获取第二组测试数据，该第二组测试数据包括来自在当前时间之前出现的最近时间段的数据序列，并且还包括来自所识别的异常的第一数据点。该系统基于第二组的导数的量值是否大于第一预先确定的阈值而将第一数据点分类为第一类型的异常。

本公开整体涉及检测异常。更具体地讲，本公开涉及用于基于联合历史和时间序列分析的异常表征的系统和方法。

异常检测或异常值检测是一种数据挖掘方法，其识别不符合预期模式或数据组中的其他模式的项目或事件。异常检测与各种领域相关，例如，制造、医疗领域和能源相关领域。例如，在制造中，能源使用可引起显著的成本，诸如在运行具有机器的工厂或具有设备的数据中心时。为此，识别异常可提供更有效的制造系统，这继而可降低成本并且改善系统以及其组成部件或零件的总体效率。

随着智能仪表、传感器和物联网(IoT)设备的出现，存在用以监测工厂机器的低效率以及检测和管理异常的能源使用的机会。相关美国专利申请16/143,223涉及一种通过对二维或更高维度数据组的时间序列数据使用历史范围和分箱四分位距分析来促进异常检测的方法。然而，目前无法区分(一方面)减少能量或生产率损失的真正机会与(另一方面)来自快速瞬时事件(例如，电源开/关、突然温度变化和突然的生产水平提高)的不可控的电源浪涌。这可能导致用于数据挖掘和异常检测的系统效率低下。

一个实施方案提供了一种用于促进异常检测和表征的系统。在操作期间，该系统通过计算设备确定包括多个数据点的第一组测试数据，其中所述第一组包括第一变量和一个或多个第二变量的数据序列，并且其中所述一个或多个第二变量取决于所述第一变量。该系统通过将所述第一组测试数据分成多个组并且对每个相应组中的数据执行四分位距分析来识别异常。该系统从所述第一组测试数据获取第二组测试数据，所述第二组测试数据包括来自在当前时间之前小于预先确定的时间段处出现的最近时间段的数据序列，并且还包括来自所识别的异常的第一数据点。该系统基于所述第二组测试数据的导数的量值是否大于第一预先确定的阈值而将所述第一数据点分类为第一类型的异常，从而基于对所述第一组测试数据的历史分析和对所述第二组测试数据的最近时间序列分析来增强所述数据序列的数据挖掘和异常值检测。

在一些实施方案中，第一变量或一个或多个第二变量为以下中的一者或多者：与参与获取第一组测试数据的物理设备相关联的参数。参数为以下中的一者或多者：温度值；用于计量生产的计数、数量或其他单位；材料的流量单位或量度；材料的压力单位或量度；以及能够在测量另一个参数时用作控制参数的任何参数。

在一些实施方案中，物理设备是传感器、智能仪表、物联网(IoT)设备以及能够测量所述参数的任何设备中的一者或多者。

在一些实施方案中，该系统响应于确定所述第二组测试数据的所述导数的所述量值大于所述第一预先确定的阈值而将所述第一数据点分类为所述第一类型的异常。该系统响应于确定所述第二组测试数据的所述导数的所述量值不大于所述第一预先确定的阈值而将所述第一数据点分类为第二类型的异常。

在一些实施方案中，第一类型的异常与以下中的一者或多者相关联：控制参数的浪涌；开/关事件；以及控制参数的突然瞬时变化。第二类型的异常与稳态异常相关联。

在一些实施方案中，该系统通过确定被分类为异常并且可归因于所述控制参数的浪涌、所述开/关事件或所述控制参数的所述突然瞬时变化的第三组数据点来检测指示与参与获取所述第一组测试数据的物理设备相关联的高浪涌的趋势。

在一些实施方案中，响应于确定所述趋势不大于第二预先确定的阈值，该系统确定所述物理设备正在经历正常操作。响应于确定所述趋势大于所述第二预先确定的阈值，该系统确定所述物理设备正在经历劣化。