机器学习-29-多变量异常检测在区域供热系统中的应用(实战)

参考多变量异常检测：工业数据分析中的异常检测技术

1 多变量异常检测

在工业数据分析需求中，异常检测是数据分析和监控（如系统操作错误、异常情况、潜在和实际故障等）的关键技术。与传统的单变量异常检测（逐一检查每个变量/指标）不同，多变量异常检测考虑了多个变量之间的相互作用来识别异常。多变量异常检测在复杂的工业系统中通常更具洞察力。

单变量异常检测虽然简单、有效，但也有其局限性。它一次只分析一个变量，无法看到整体情况，无法关联其他因素信息；单因素异常值检查在复杂的工业系统中存在较大的局限性，在工业数据分析涉及的因素/变量/指标比较多，由监督控制和数据采集（Supervisory Control And Data Acquisition ，SCADA）系统中的传感器类型和数量比较多的，异常值检测必须考虑多变量检测，才能真正发现异常。

1.1 区域供热系统说明(DHS)

区域供热系统（District Heating Systems,DHS）通过一个中央供热厂生成热水或蒸汽，并通过管网将热能分配给多个建筑。高温流体在分站通过换热器将热量传递给闭环系统中的流体，