基于时序特征的城轨能耗异常值检测方法
张程熙1
荀径1
姬之慧1
谢立军2
付敏雪1
1.北京交通大学自动化与智能学院,北京 1000442.中车青岛四方机车车辆股份有限公司,山东青岛 266000
摘要：针对现有城市轨道交通能耗异常检测方法存在精度不足、适应性差的问题,提出一种基于时序特征的地铁牵引能耗异常检测框架.首先,构建融合注意力机制的卷积神经网络(Convolu-tional Neural Networks,CNN)-长短期记忆模型(Long Short-Term Memory,LSTM)与极端梯度提升(Extreme Gradient Boosting,XGBoost)混合预测模型,通过特征提取与非线性集成策略提升能耗典型值预测精度;其次,设计基于密度的带有噪声的空间聚类应用算法与局部离群因子联合检测方法,实现动态阈值标定与异常因子量化;最后,基于某地铁线路实测数据集验证模型性能.研究结果表明:混合模型预测误差较传统LSTM降低47.3％,平均绝对百分比误差稳定在1.02％;采用本文算法后,异常检测模块准确率达到96.8％,较孤立森林算法提升了 12.5％;本文算法对数据流中突发性波动具有鲁棒性.研究成果可为地铁能源管理提供异常定位与节能优化的参考依据,有效支撑轨道交通系统精细化能效管控.
关键词：城市轨道交通时间序列牵引能耗典型值异常检测
分类号：U231.92(特种铁路)
论文发表日期：2025-06-30
在线出版日期：2025-08-21（本平台首次上网日期，不代表文献的发表时间）
页数：10( 120-129 )
英文信息