基于DBSCAN算法的燃气流量数据异常检测

燃气流量数据存在的异常流量会降低数据分析和数据预测的精度,针对个别异常流量难以检测的问题,以某门站近90 d的实际流量数据为研究对象,提出基于DBSCAN算法的燃气流量数据异常检测方法。将近90 d的燃气流量数据分割为88个日流量样本,采用DBSCAN算法对日流量样本进行异常检测,将总样本数量的5%设为异常数量阈值,检测得到异常样本(视为异常流量工况)。以均方误差为评价指标寻找最相似样本(均方误差最小的正常样本),将其作为每个小时流量的异常检测的参考,以最相似样本小时流量的5%作为差距阈值,检测出个别异常流量。结果表明,基于DBSCAN算法的燃气流量数据异常检测方法,将个别异常小时流量检测纳入异常流量工况进行检测是可行的。

基于粒子群算法的多热源供热系统调节优化

采用混合均值中心反向学习粒子群优化算法(PSO-HMC算法),考虑供热管道热损失,以供热成本(主要为热源热费、电费)最小作为目标,对多热源供热系统调节方式(质调节、量调节、质量调节)进行优化。结合3个热源的算例,在用户热负荷一定条件下,对3种调节方式的优化结果进行比较分析。PSO-HMC算法的优化模型仿真计算结果可信。质量调节方式的供热成本最低。由优化结果可知:对于多热源供热量比例,量调节方式与质量调节方式接近。量调节方式下,采用不同热源供水温度时,热源A~C供热量比例的变化范围不大。