基于数据特征融合的管网信息物理异常诊断方法

• 作者: 孙秋野 王睿 胡旭光 郑君 马大中
• 来源期刊: 自动化学报
• 关键词: 信息物理系统 输油管网 数据驱动 异常诊断
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 163-173
• 页数: 11页
• 字数: 8214字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c180383

摘要

随着管网物理空间和信息网络的深度融合, 系统面临着物理和信息空间异常带来的运行风险.本文根据管网系统数据量大、耦合性强的特点, 提出一种基于数据特征融合的信息物理异常诊断方法.首先通过站场信息数据构建信息增维矩阵并且通过矩阵预分析实现信息传输中断异常的判断.然后基于不同站场信息构建的信息增维协方差矩阵, 通过矩阵特征值分布的变化情况对物理异常以及信息传输错误异常进行区分.在此基础上, 为了对管网物理异常分类实现系统运行状态的有效分析, 将管网信息增维协方差矩阵最大特征向量映射的二维图像作为输入, 采用卷积神经网络进行研究, 进而实现对物理异常的准确判断.最后通过某实际管网数据进行仿真分析, 验证所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙秋野	东北大学信息科学与工程学院	62	654	14.0	24.0
2	王睿	东北大学信息科学与工程学院	18	16	3.0	3.0
3	马大中	东北大学信息科学与工程学院	31	294	8.0	17.0
4	胡旭光	东北大学信息科学与工程学院	7	6	1.0	2.0
5	郑君	东北大学信息科学与工程学院	2	0	0.0	0.0