[发明专利]一种基于ARIMA的企业日常用电量异常检测方法

权利要求书

1.一种基于ARIMA的企业日常用电量异常检测方法，其特征在于：首先对企业日常用电量数据，进行采样、缺失值处理；然后将处理后的数据分成节假日数据和工作日数据，对数据进行白噪声评估，进行差分处理，计算ACF与PACF函数，确定自回归与移动平均的阶数，建立ARIMA模型；利用建立的模型对时间序列样本数据进行预测，再比较真实值与预测值，把差值超过预设的阈值的数据作为异常检测的结果。

2.根据权利要求1所述的基于ARIMA的企业日常用电量异常检测方法，其特征在于，该方法包括以下步骤：

(1)采集目标用电单位在企业日常各个时刻的用电量数据；

(2)对采集的用电量数据就行纯随机性和平稳性检验；

(3)对采集的数据进行预处理，对非平稳序列进行差分处理，得到差分平稳序列；

(4)建立自回归模型，根据自相关性分析，确定自回归阶数；

(5)建立移动平均模型，根据偏自相关性分析，确定移动平均的阶数；

(6)根据上述步骤得到的差分阶数、自回归阶数、移动平均阶数建立ARIMA模型，并训练模型；

(7)利用训练好的模型进行预测分析，通过比对真实值与预测值的偏差来判断是否为异常。

3.根据权利要求2所述的基于ARIMA的企业日常用电量异常检测方法，其特征在于，步骤(1)中各个时刻包含晚上20点到次日凌晨8点前的数据，每15分钟记录一次用电量数据；数据范围包含节假日与工作日；根据企业用电量数据趋势，把数据样本集分割为节假日数据样本与工作日数据样本，对不同企业作息规则，设置不同节假日判定规则，一般分为国家法定假日加双休和国家法定节假日加单休。

4.根据权利要求2所述的基于ARIMA的企业日常用电量异常检测方法，其特征在于，步骤(1)中采集的数据进行数据清洗；某时刻存在个别数据缺失，则以周为单位，利用上下5周此时刻数据，采用拉格朗日插值法进行插值处理；如果存在长时间段数据缺失则采用对应时刻用电量均值插值处理；合计某时刻下4个15分钟数据再取均值作为此时刻用电量。

5.根据权利要求2所述的基于ARIMA的企业日常用电量异常检测方法，其特征在于，步骤(2)中对数据进行白噪声检查，确定用电量数据非纯随机序列；再进行时间序列数据平稳性检查，确定是否需要进行差分处理。

6.根据权利要求2所述的基于ARIMA的企业日常用电量异常检测方法，其特征在于，步骤(3)中对步骤(2)中检测出的非平稳序列进行差分处理，并在差分后再进行平稳性检验，如1阶差分后仍然不平稳，则再进行差分处理，获得平稳的时间序列数据；并将两类样本集按照比例划分成训练集、验证集和测试集。

7.根据权利要求2所述的基于ARIMA的企业日常用电量异常检测方法，其特征在于，步骤(4)具体包括：

(4-1)对节假日样本进行偏自相关性分析，计算PACF函数值，画出PACF置信区间图像，取首次进入PACF置信区间的阶数p1；

(4-2)对工作日样本进行偏自相关性分析，计算PACF函数值，画出PACF置信区间图像，取首次进入PACF置信区间的阶数p2。

8.根据权利要求2所述的基于ARIMA的企业日常用电量异常检测方法，其特征在于，步骤(5)具体包括：

根据p阶自回归定义：其中y_t为当前值，μ为常数项，q是阶数，γ_i是自相关系数，∈_t是误差项；即，根据自身的历史数据对自身进行预测；

(5-1)对节假日样本进行自相关性分析，根据相关性结算公式，计算不同阶数的ACF函数值，画出ACF置信区间图像，取首次进入ACF置信区间的阶数q1；

(5-2)对工作日样本进行自相关性分析，根据相关性结算公式，计算不同阶数的ACF函数值，画出ACF置信区间图像，取首次进入ACF置信区间的阶数q2。