参数化的CUSUM检测算法——Python

最近帮实验室做了一个项目，做的是电器负荷识别的，近年来特别火爆，而我看网上好像相关的开源点很少，所以我跟大家分享一下：参数化的CUSUM检测算法。
当然我不是特别了解这个内容，只是学会了如何去使用这个算法罢了，如果有想法的也可以底下评论交流。
电器负荷投入或者切除的暂态过程定义为一个暂态事件，而对暂态事件检测可以归结为变点检测问题。说白了也就是说当负荷状态发生改变，有一些特征就会发生改变，例如说均值或者方差等。而在电器负荷识别中，最常用到的应该就是电压有效值和电流有效值了，所以我们观察电流有效值就可以了。
这里讲一下公式：
我不会用这里的公式编辑器，还是mathtype用起来舒服先。
![单边状态检测公式](https://img-blog.csdnimg.cn/20210127165329824.png#pic_center)

若检测投切时间为d，当gk>0时，采样序列发生了变化，但小于阙值h，则令检测延迟时间d=d+1,否则令d=0。当gk>h，则一个暂态事件被检测出来，则采样序列突变发生的时刻可以倒推为 t=k-d。
讲一下代码：

  	timecount = 1
    i=0
    sumsave=[]
    alarm = []
    flag=1
    while(timecount<25 and flag):
    #timecount表示25个循环检测，以1s为一次检测时长，1s有2000个采样周期，flag为0时表示检测到突变
        if i<timecount*2000:
            meancount = mean(record[2000*(timecount-1):2000*timecount,1])  #每一秒的均值
            lalarm =1   #警报值5,
            # minmiss=2    #能够容忍的最小误差
            minmiss = 0.5
            minn = 10 #初始化累计和最小值
            summ = 0 #累计和初始化
            for i in range((timecount-1)*2000,timecount*2000+1):
                summ = max(0,summ+(record[i,1]-meancount-minmiss)) #累计和
                sumsave.append(summ)
                if sumsave[i]<minn:    #寻找最小误差
                    minn = sumsave[i]
                d = sumsave[i]-minn #计算其他累计和与最小累计和的差d
                if d >=lalarm:
                    alarm.append(1)
                    testcusum[jj-ran1[0]] = 1
                    alarmtime.append(i)#alarmtime表示突变时间
                    flag = 0
                    break
                else:
                    alarm.append(0)
        else:
            timecount +=1
    plt.figure()
    plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
    plt.plot(record[:,1].tolist(),color = colornames[count])
    plt.xlabel('index/0.5ms')
    plt.ylabel('Amp/A')
    plt.title('随时间的电流波形CUSUM暂态事件检测%s' %(filenames[jj][0:9]))
    plt.plot(alarm,'r')
    plt.show()

下面是检测结果：

当负荷电器稳态时，红色值为1。