基于TCN-GAT与混合神经网络的汽车涂装烘干系统能耗异常检测

摘要

提出了一种基于时间卷积网络-图注意力网络（TCN-GAT）与混合神经网络的烘干系统能耗异常检测方法。首先引入多尺度TCN和多头GAT分别捕获温度、压力等数据的时间特征与空间特征;然后联合反向传播神经网络（BPNN）与变分自编码器（VAE）搭建异常检测模型;再次基于预测误差与重构概率构建能耗异常指标，并引入超阈值模型（POT）拟合Pareto分布建立异常阈值;最后在重庆某汽车工厂涂装车间开展案例验证，利用物联网设备（IoT）采集烘干系统能耗等数据，通过数据分析验证了所提方法的有效性和优越性。

关键词

烘干系统 / 时空特征提取 / 能耗异常检测 / 能耗异常指标

基金资助

国家自然科学基金(92367107); 中央高校基本科研业务费专项资金(2023CDJYXTD-003); 中国博士后科学基金(2023M730406)