面向工業能耗分析的大數據技術及其應用

甘玉濤

（河北司法警官職業學院， 河北 石家莊 050081）

0 引言

機器學習算法是大數據技術的重要部分，在工業領域被廣泛應用。大數據技術發展，要求對工業能耗數據分析，便于制定相應的節能策略。由此提出了基于大數據技術的線性回歸算法與支持向量機分類算法，分別對能耗數據中的線性和非線性數據進行預處理。線性回歸主要用來解決回歸問題，即預測連續值的問題[1]。支持向量機按監督學習（Supervised learning）方式對數據進行二元分類的廣義線性分類器[2]。對處理非線性問題，能夠處理高維數據，具有較強的泛化能力，并且適用于小樣本數據。結合K-Means算法對能耗的海量數據進行聚類分析、預測，該算法能根據較少的已知聚類樣本的類別確定部分樣本的分類，對能耗數據的聚類和分析能夠增加精確度和速度，由此能夠獲得對工業能耗具有影響的相關因素。對海量數據進行預處理，聚類分析，關聯分析和預測，進而便于節能降耗措施和能耗優化建議的提出，對于工業的能耗分析和節能策略制定具有重要意義。

1 基于大數據技術的機器學習算法研究與能耗分析應用

1.1 結合線性回歸與支持向量機分類算法研究

在大數據條件下，機器學習算法在互聯網技術發展的重點，也是支持工業能耗分析的首選。此次研究結合線性回歸算法與支持向量機算法，分別對能耗數據的線性問題和非線性問題進行處理，算法具有較好的泛化能力、魯棒性和可解釋性，便于之后的算法分析。線性回歸算法是回歸算法中的重要算法和模型，比非線性回歸算法更容易擬合未知參數，在實際生活中運用廣泛。以數據集｛yi，（xi1，xi2，…，xip）｝為例，自變量和線性回歸模型中因變量以直接和可預測的方式聯系在一起，并建立相應的模型說明這兩個變量之間的關系，相關表達見式（1）：

式中：s1為誤差變量；x，y 都為向量；xiTθ 為向量的內積；xiT為向量的轉置；p 為自變量個數。線性回歸主要應用在預測和辨別冗余的方向，對工業能耗數據進行處理和分析，便于之后的算法進行進一步分析。

分類是將不同類別的樣本根據某一個標準進行區分和對新樣本進行類別預測，對工業能耗數據進行分類，是對其進一步分析的首要操作。由Vladimir N.Vapnik 提出的支持向量機（Support Vector Machine，SVM）算法是用于分類的非概率學習算法[3]。對于支持向量機分類算法來說，能夠根據訓練樣本的SVM模型對樣本點的空間進行表示和描述，以兩個類別為例，在通過決策平面之后，分成兩個不同的區域，也就是類。為了獲得經過決策函數的新數據的準確分類結果，可以將其添加到適當的區域。所以說，SVM 算法對非線性數據的分類過程，是將數據進行線性分類后，將數據原始的空間維度轉換為高維特征的空間。以一組訓練樣本為例，SVM將其定義表達見式（2）：

式中：yi為樣本xi的類別，值為1 或者-1，xi為一個維度為p 的向量。SVM由此構造一組超平面，將和以最大間隔分離的超平面，表示見式（3）：

式中：b/‖w‖為超平面法向量方向的截距；w 為法向量；b/‖w‖能夠將兩個線性平面轉為超平面，如式（4）所示：

在式（4）中2/‖w‖為兩個平面之間的間隔，兩個平面可以準確地分離信息。SVM 的一個特點是隨著泛化能力的提高對區間的需求增加，因此需要將目標定義為二次優化形式，見式（5）：

并且將式（5）采用拉格朗日算法的乘子算法得出目標函數見式（6）：

由此獲得最優化式，見式（7）：

間隔越大造成的誤差就越小，所以選擇分類平面的標準是使任意訓練樣本距離平面的距離盡量大。

1.2 基于K-means 聚類算法的能耗數據聚類分析算法實現

數據的預處理包括數據的清洗和標準化，聚類分析即數據的離散化，將數據按照特定順序和特定格式進行分類。在大數據環境下，聚類算法中的K-Means算法是數據挖掘的流行算法，該算法是將多個數據劃分為一定數量的聚類中，并且每一個數據點都會有與其距離對應的均值代表的聚類[4]。此次研究通過該算法能耗數據進行聚類分析，能夠對數據進行分析，為了識別某些樣本的分組，通過使用減少數量的已識別聚類樣本的分類來移除樹的部分。該算法具有通過迭代過程優化和校正修剪的功能。為了確定某些樣本的聚類，算法通過迭代返回到先前已識別的聚類，優化了在支持向量機分類算法的初始監督學習樣本分類不合理的地方[5]。分析小樣本的特點可以降低聚類時間的總體復雜性。

K-Means 算法能夠將數據劃分類不同的集合，在算法中，設置n 個數據點，每個數據采用d 維的向量表示，該算法目的為減少組內的差異，即群內離差達到最小。相關計算見式（8）：

式中：S 為劃分的集合S=｛S1，…Sk｝；μi表示中的所有點的中心點；xj為數據點；k 為劃分的集合數量。迭代最優是K-Means 算法的常用算法，設置K 個初始均值點，算法通過交替地遵循兩個階段來重復該過程，即分配階段和更新階段步驟。將各數據點分配到個聚類中，使類分離差最小[6]。按照離差為平方歐氏距離計算出點附近的最近均值，見式（9）：Si（t）={xp：‖xp-μi（t）‖2≤‖xp-μj（t）‖2?j，1≤j≤k.（9）

通過聚類中歸屬的數據點，能夠計算出新的均值中心點，計算見式（10）：

至此當分配的步驟不變時，K-Means 算法收斂。將聚類算法應用至具體平臺功能的聚類分析中，相關的運行流程見圖1。

圖1 聚類分析流程

圖1 中，首先發出聚類的請求，解析數據后，設置K 值和迭代次數，然后設定數據的范圍，提交相關的任務進行迭代篩選，然后進行聚類分析，存儲相關數據后對數據查詢，就可以看到最終的聚類結果。

2 工業能耗分析算法的大數據技術平臺性能實驗

2.1 實驗準備與設計

為了對基于線性回歸算法和向量機分類算法結合處理數據，與K-Means 聚類算法分析數據，并且應用至工業能耗分析平臺進行性能分析，此次研究設計一項實驗進行驗證。實驗中將工廠分為3 個區域，采用NodeAddr 區分，針對實施監控的耗能信息采用實時功率進行表示，每隔500 ms 進行數據點采集。聚類維度選用設備id、使用的起始日期、工作的時長、工人工齡、工作區域節點地址，分組對三個區域進行相關維度的實時能耗進行記錄。通過不同的分群數量對聚類分析結果影響進行分析，即K 值選取3、5、7。計算、研究聚類結果，獲得各維度的KL（Kullback-Leibler divergence）散度與之相匹配。其中KL 越大，表示該維度的聚類結果與分群的點相關度越高。

2.2 實驗結果統計與計量分析

為了比較不同的聚類維度的KL 情況，此次實驗將三個區域的實時能耗信息計算出相應的KL 值后，K 取5 和7 的KL 結果展示了部分數據，如表1。可以看出，當K=3 時，分類群B 中的工作時長KL 值最大，所以分類群B 中工作時長的相關度較高，在分類群C中，工人工齡的KL 大小在其次，工人工齡的相關度在分類群C 中的相關度較高。當K=5 時，分類群B 中的工作區域節點地址維度在各個分類群組中的KL相差很小，工作時長和工人工齡兩個維度在其中KL值較大，相關度較高。當K=7 時，各個聚類維度與K=5 的大體相似，相關度也基本類似，所以K 取3～5為宜。

表1 不同維度和K 情況下的KL 散度值

基于以上，對不同的工作區域節點地址、工人工齡、設備工作時長三個關鍵的聚類維度進行了進一步分析，圖2 為對能耗的相關分析結果。圖2-1 為各工作小組的平均能耗，可以看出，第2 組與第7 組的平均能耗比其他組的平均能耗小，所以針對該兩個小組，進一步進行了分析。圖2-2 為該兩個小組的設備工作時長與平均能耗之間關系折線圖，可以看出，隨著工作時長的增加，平均能耗逐漸增加，并且在35～40 min，平均能耗達到了最高。圖2-3 為工人工齡與平均能耗之間關系的折線圖，可見隨著工人工齡的增加，平均能耗隨之下降，在1～2 年時間的能耗極高，在第三年左右穩定下來，分析原因為工人的技能熟練度為其中的影響因素，可見對新員工培訓極其重要。

圖2 平均功耗與設備工作時長、工人工齡之間的關系

3 結論

隨著大數據技術的發展，對工業能耗進行分析，得出其中的影響因素，能夠提前對能耗節約提出相應的節能策略。此次研究為了對工業耗能進行更加準確地分析，提出采用線性回歸算法與支持向量機算法結合，對能耗數據進行預處理，然后通過K-Means 算法對能耗數據進行分析，應用至相關的能耗分析平臺的核心功能算法中，特此設計一項實驗驗證性能和可行性。實驗表明，當K=3 時，工作時長KL 值最大，相關度較高，工人工齡KL 大小在其次，相關度較高。當K=5 時，工作區域節點地址維度在各個分類群組中的KL 相差很小，工作時長和工人工齡兩個維度在其中KL 值較大，相關度較高。分析工作時長和工人工齡維度對能耗的具體關系，對此提出相應的節能策略具有參考性。但是此次實驗所設置的影響因素相對較少，還需要對多個維度進一步全面地考慮和分析。