(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211125729.2 (22)申请日 2022.09.16 (65)同一申请的已公布的文献号 申请公布号 CN 115204324 A (43)申请公布日 2022.10.18 (73)专利权人 西安热工 研究院有限公司 地址 710032 陕西省西安市碑林区兴庆路 136号 专利权人 华能罗源发电有限责任公司 (72)发明人 杨沛豪　兀鹏越　王小辉　张立松　 陈予伦　高峰　燕云飞　刘明奇　 彭衍斌　赵玉良　马增榕　白永平　 曹伟　张熙　陈常青　(74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 曲进华 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/00(2006.01) G06N 20/00(2019.01) G01R 22/00(2006.01) G01R 31/00(2006.01) (56)对比文件 柏刚等.基 于泛优化算法优化的ELM及其球 磨机料位测量应用. 《自动化与仪 器仪表》 .2017, (第10期), 审查员 刘媛 (54)发明名称 基于IFOA-DBN-ELM的设备耗电异常检测方 法和装置 (57)摘要 本申请公开了一种基于IFOA ‑DBN‑ELM的设 备耗电异常检测方法和装置， 其中， 该方法包括： 获取待处理设备耗电量数据， 再将待处理设备耗 电量数据输入至预先训练好的IFOA ‑DBN‑ELM模 型， 输出设备耗电量异常检测结果， 其中， 预先训 练好的IFOA ‑DBN‑ELM模型是根据IFOA算法对 DBN‑ELM模型改进得到的。 本申请能够优化网络 模型参数， 提高设备耗电异常检测的准确度， 进 而有效降低电力公司的运营成本 。 权利要求书2页 说明书10页 附图2页 CN 115204324 B 2022.11.29 CN 115204324 B 1.一种基于IFOA ‑DBN‑ELM的设备耗电异常检测方法， 其特 征在于， 包括： 获取待处 理设备耗电量数据； 将所述待 处理设备耗电量数据输入至预先训练好的IFOA ‑DBN‑ELM模型， 输出设备耗电 量异常检测结果， 其中， 所述预先训练好的IFOA ‑DBN‑ELM模型是根据IFOA算法对DBN ‑ELM模 型改进得到的； 所述将所述待处理设备耗电量数据输入至预先训练好的IFOA ‑DBN‑ELM模型之前， 包 括： 获取设备耗电量数据集， 其中， 所述数据集包括测试集和训练集； 基于所述训练集训练DBN ‑ELM模型， 得到DBN ‑U模型； 将所述测试集导入所述DBN ‑U模型计算分类结果， 并以所述DBN ‑ELM模型的适应度 函数 为分类误差， 根据IFOA算法获取最优分类结果； 将最优分类结果对应的DBN ‑ELM模型确定为所述预 先训练好的IFOA ‑DBN‑ELM模型。 2.根据权利要求1所述的方法， 其特 征在于， 所述 IFOA算法， 包括： 步长自适应调节公式： 其中， 表示迭代次数参数， 表示当前迭代次数， 表示迭代次数上限， 表示步 长， 表示最大步长， 表示第 个体的当前最优个体味道浓度值， 表示指 数系数。 3.根据权利要求1所述的方法， 其特 征在于， 所述 IFOA算法， 包括： 基于个体相似比调节种群多样性； 其中， 所述个 体相似比的计算公式为： 其中， 表示第 个个体的个体相似比， 表示种群个体数量， 表示与第 个个 体相似的其余个体数量， 表示第 个个体和第 个个体的相似度， 表示相似度阈值， 表示第 个个体的横坐标， 表示第 个个体的纵坐标， 表示第 个个体的横坐标， 表 示第 个个体的纵坐标。 4.根据权利要求1所述的方法， 其特 征在于， 所述 IFOA算法， 包括： 浓度判断值校正公式：权　利　要　求　书 1/2 页 2 CN 115204324 B 2其中， 表示浓度判断值， 表示种群个体搜寻阈， 表示寻阈， 表示第 个个体的横 坐标， 表示第 个个体的纵坐标， 表示最大步长 。 5.一种基于IFOA ‑DBN‑ELM的设备耗电异常检测装置， 其特 征在于， 包括： 第一获取模块， 用于获取待处 理设备耗电量数据； 输入输出模块， 用于将所述待 处理设备耗电量数据输入至预先训练好的IFOA ‑DBN‑ELM 模型， 输出设备耗电量异常检测结果， 其中， 所述预先训练好的IFOA ‑DBN‑ELM模型是根据 IFOA算法对DBN ‑ELM模型改进得到的， 其中， 所述预 先训练好的IFOA ‑DBN‑ELM模型， 包括： 获取设备耗电量数据集， 其中， 所述数据集包括测试集和训练集； 基于所述训练集训练DBN ‑ELM模型， 得到DBN ‑U模型； 将所述测试集导入所述DBN ‑U模型计算分类结果， 并以所述DBN ‑ELM模型的适应度 函数 为分类误差， 根据IFOA算法获取最优分类结果； 将最优分类结果对应的DBN ‑ELM模型确定为所述预 先训练好的IFOA ‑DBN‑ELM模型。 6.根据权利要求5所述的装置， 其特 征在于， 还 包括： 第二获取模块， 用于获取设备耗电量数据集， 其中， 所述数据集包括测试集和训练集； 训练模块， 用于基于所述训练集训练DBN ‑ELM模型， 得到DBN ‑U模型； 计算模块， 用于将所述测试集导入所述DBN ‑U模型计算分类结果， 并以所述DBN ‑ELM模 型的适应度函数为分类误差， 根据所述 IFOA算法获取最优分类结果； 确定模块， 用于将最优分类结果对应的DBN ‑ELM模型确定为所述预先训练好的IFOA ‑ DBN‑ELM模型。权　利　要　求　书 2/2 页 3 CN 115204324 B 3