.jpg)
图源摄图网
摘要：随着深度学习的发展,深度自编码器被广泛应用于异常检测任务中.然而,现有一些基于深度自编码器的异常检测算法仍存在数据分布复杂多样、误报率、漏报率高等问题.为解决以上问题,本文提出了一种基于深度自编码器的自适应异常检测算法,该算法采用基于密度峰值的自适应地标过滤机制,旨在发现潜在特征空间中正常样本的多样性,自适应地选择密度高的样本作为候选地标中心,并利用地标过滤机制对候选地标中心进行过滤和优化,以此增强地标中心的代表性和稀疏性.然后,进一步设计了一种损失函数来迭代优化模型参数,旨在增强正常样本与地标中心之间的相关性.最后,将所提出的异常检测算法应用于电池故障诊断,实证结果表明本文的工作在准确度、误报率和漏报率等方面显著优于现有一些异常检测算法,可以有效识别故障电池,能够为电池故障识别与状态管理提供技术支持和精准服务.
关键词：异常检测；深度自编码器；自适应地标过滤机制；动力电池
一、研究背景与意义
国家的经济安全涉及国家工业安全、网络安全、能源安全等领域, 是国家总体安全观的重要组成部分.经济安全问题直接关系到国家的安全和发展,给国家经济安全带来了新的挑战.以新能源汽车为例,新能源汽车是推动我国交通领域绿色低碳转型的重要载体,也是助力国家实现“双碳”目标的重要支撑.随着新能源汽车的快速发展,汽车市场对电池的需求也急剧增长.电池作为新能源汽车电池管理系统的核心组件,其安全性和可靠性在很大程度上直接影响着新能源汽车的综合性能.近年来,新能源汽车的安全事故和召回事件频频发生,这不仅增加了消费者的安全顾虑,同时也制约了新能源汽车行业的发展.电池在梯次及再生利用使用过程中,易出现电池过充、过放、过热,引起电池性能快速衰退,导致能量不足无法满足系统正常运行,严重可致电池短路、热失控、爆炸等安全问题.电池安全问题已然成为当前新能源汽车发展过程中亟待解决的关键难题.因此,针对电池的安全检测和态势感知,如何利用异常检测技术及时发现电池使用过程中潜在的异常风险并采取相应的处理措施,保障经济安全对国家发展和社会稳定具有重要的意义.
二、主要内容
为了应对上述不足,本文提出了一种基于深度自编码器的无监督异常检测算法 (Deep Auto Encoder-based Adaptive anomaly Detection, DAEAD).首先,通过编码器将高维的原始数据压缩到低维的潜在空间中,以提高关键特征的表征能力;其次,设计基于密度峰值的自适应地标过滤机制,综合考虑样本的局部密度和相对距离进行地标中心的初步选择,并通过所设计的自适应过滤机制对初始地标中心进行过滤和优化,进一步提高地标中心的表征能力,以更好地反映数据中不同正常样本的聚集情况;然后,试图设计一种融合重构损失、亲和度损失以及稀疏度损失三种损失的新颖损失函数,旨在提高低维空间特征的表征能力,增强正常样本与地标中心之间的相关性,弱化异常样本与地标中心之间的相关性,为异常检测提供强有力的保证.最后,将DAEAD方法应用于实际的电池数据中进行故障检测.
三、主要结论及政策建议
本文主要结论如下.
（1）本文所设计的DAEAD模型在数据重构过程中保留了原始数据中足够多的信息,原始输入数据中的关键特征信息通过本文所设计的DAEAD模型被有效地保留在低维潜在空间中, 利用自适应地标过滤机制可以提取具备一定代表性的地标中心,以提高模型有效识别异常电池的学习能力.（2）本文所提出的DAEAD模型具有较好的可分离性, 可以有效区分正常电池样本和异常电池样本.（3）与同类技术相比, DAEAD模型在误报和漏报等方面取得了较大的进步, 有效地降低了电池误报和故障漏报的情况, 提高了故障检测的精准率,为电池故障识别与管理提供技术支持和精准服务.
四、边际贡献与未来拓展
本文的边际贡献如下.
（1）传统基于深度学习的异常检测模型弱化了对数据潜在特征空间中样本分布多样性的学习, 难以有效地学习到正常样本和异常样本在潜在空间下的分布特性.（2）电池故障检测是当前新能源汽车安全问题的研究热点, 是确保电池系统安全可靠运行的关键. 本文的异常检测算法对准确识别电池数据中的故障电池具有积极的作用, 为提高新能源汽车、新型储能系统的安全性和可靠性提供了一份可供参考的故障检测技术方案.
本文未来拓展如下.
本文和现有大多数的异常检测算法都假设训练集中只包含正常数据, 在训练阶段侧重于学习正常样本, 弱化了对异常样本的学习, 这在现实生活中是难以实现的. 同时, 现实生活中有标签的数据相对较少, 异常数据的标签往往依赖于专家知识且标注成本高. 因此, 未来的工作将聚焦于异常样本的学习、弱标签学习等方面展开进一步地探索. 此外, 本文所提出的算法属于通用型的异常检测算法, 电池故障案例仅是本文的应用示范之一. 未来我们将继续探索该算法在系统故障检测、能源管理等现实场景中的应用. 该算法将会在许多领域和企业产生重要的影响, 能够为实时检测设备的运行状态、提高工作效率、减少经济损失等方面带来积极的作用.
五、写作、投稿过程的心得体会
随着新型储能建设的推进, 集中式储能和分布式储能方式快速布局, 我国新型储能行业已迈入新的高度, 但储能安全形势依旧严峻, 针对电池的安全检测和态势感知, 对促进新型储能的持续、健康发展具有迫切的现实意义. 本文以电池运行数据为研究对象, 深入梳理现有技术在实际应用过程中所存在的难点问题. 基于系列问题, 我们初步形成了可行的研究思路, 通过大量的实验测试和反复的理论验证. 初稿完成后, 我们经过多次研讨、修改和打磨，最终投稿至《系统工程理论与实践》.论文先后经过两轮严格的外审，编委老师和两位外审专家从论文整体架构、理论贡献、研究设计、实验描述、书写规范等方面提出了系列细致且富有建设性的修改建议，对论文整体架构、研究内容的进一步完善以及未来科研工作都具有十分重要的指导意义.论文在投稿、外审、终审等各个环节，都得到了编辑部与外审专家的严谨且高效的处理，衷心感谢编辑部各位老师和外审专家们的辛勤付出和专业点评.
本文摘编自《系统工程理论与实践》2024年,第44卷,第8期论文《基于深度自编码器的自适应异常检测算法及其应用研究》（点击题目链接全文）；
作者：陈晓红1,2,3, 中国工程院院士,教授,博士生导师,研究方向:人工智能与先进计算,决策理论与决策支持；陈姣龙1,2, 博士研究生,研究方向:数据科学与智能决策,智慧能源管理；胡东滨1,2, 教授,博士生导师,研究方向:环境大数据,区块链；梁伟2,3, 副教授,博士,研究方向:人工智能与先进计算；张威威1,2,3，博士研究生,研究方向:决策理论与方法,应急管理与决策
1. 中南大学 商学院, 长沙 410083;
2. 湘江实验室, 长沙 410205;
3. 湖南工商大学 前沿交叉学院, 长沙 410205