[发明专利]一种基于ARIMA的企业日常用电量异常检测方法

说明书

本发明公开了一种基于ARIMA的企业日常用电量异常检测方法，包括：采集目标用电单位在企业日常各个时刻的用电量数据；对采集的用电量数据就行纯随机性和平稳性检验；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；建立自回归模型，根据自相关性分析，确定自回归阶数；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；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；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。本发明实现对附加性异常、临时性异常等检测，可以规范企业用电，方便管理。

技术领域

本申请涉及大数据异常检测领域，尤其涉及一种基于ARIMA的企业日常用电 量异常检测方法。

背景技术

企业的用电量能够在一定程度上反映企业经营状况、用工情况以及运行状态。

企业的用电量异常检测可以检测出高耗能企业，对企业日常用电量异常检测， 可以规范企业用电，为公共安全、环境保护等相关政府部门管理企业提供指导意 见。

发明内容

本发明的目的是提供一种基于ARIMA的企业日常用电量异常检测方法，实现 对附加性异常、临时性异常等检测，可以规范企业用电，为公共安全、环境保护 等相关政府部门管理企业提供指导意见。

本发明的目的通过以下技术方案实现：

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。

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。

进一步的，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+双休和国家法 定节假日+单休。对采集的数据进行数据清洗，如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

进一步的，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。