工业加热硅碳棒电炉操作过程中出现温度过高的情况，设备内部的电阻会发生变化，从而引起电流异常特征。因此，在提取用电不平衡特征和电压异常特征之外，为了进一步完善对异常用电行为的分析。通过分析电流异常，可以捕捉到与负载问题、设备故障和电源问题等相关的异常情况，以实现异常数据主动采集。当工业加热硅碳棒电炉在某一时间段内其电流曲线相对于前几天有明显的波动变化，则表明发生了工业加热硅碳棒电炉用电异常情况，其中电流异常特征序列的计算过程如下:

       (1)以A相电流为依据，求出前10日的电流记录值聚类中心，获取其中心曲线。在t时刻内得到的聚类中心用描述，其中Oa、代表前f日。时刻内的A相电流记录值。

       (2)计算每日t时刻内电流记录值与前10日t时刻内电流曲线之间的距离。

       (3)根据上述操作生成电流异常特征序列按照规定时刻排序后得到的序列。

       由此提取出工业加热硅碳棒电炉用电数据特征集，将其作为异常用电数据采集的输入值。异常DCS数据采集由于异常用电数据通常具有时间序列特性，即随着时间推移，用电行为会发生变化。LSTM是一种适用于处理时间序列数据的循环神经网络模型，可以捕捉和学习时间序列数据中的时序关系。因此，在提取工业加热硅碳棒电炉用电数据特征集的基础上，针对异常数据特征，构建基于LSTM的分位数回归模型，按照异常数据特征的时间序列完成识别异常值，从而实现工业加热硅碳棒电炉异常用电数据的主动采集。LSTM回归模型的完整结构如图所示。

       为了控制和调节模型对于历史时序数据的记忆程度，利用提取的异常数据特征，计算遗门，LSTM模型能够选择性地忘记一些与当前预测目标无关的历史信息，从而减少无关信息对预结果的干扰，使得异常用电数据采集结果更加准确。遗忘门计算式如下式中:E、和n、为模型中遗忘门的权重矩阵及偏置;舜为遗忘门激活函数指2个向量拼接;和分别为LSTM回归模型在前一时刻和当前时刻的输出。

       LSTM模型可以灵活地控制传递给下一个时间步骤的信息量。根据遗忘门的获取结果，计算输入门，利用模型选择性地传递重要的信息，并对无关的输入过滤处理:式中:双和伙为输入门的权重矩阵及偏置;或为其激活函数。

       根据输入门，计算当前时刻输入的工业加热电炉数据特征的单元状态式中:E:和n:为该单元的权重矩阵和偏置;结合当前单元状态和长期记忆通过LSTM回归模型生成最新的工业加热硅碳棒电炉异常DCS数据单元状态式中按元素乘。

       考虑最新的工业加热硅碳棒电炉异常DCS数据单元状态，计算输出门，以选择性地筛选并输出当前状态中重要的信息，从而提高模型的主动采集能力。输出门表达式如下:式中:En为输出门权重矩阵及偏置;y表示输出门激活函数。

       根据输出门和单元状态确定LSTM回归模型针对工业加热硅碳棒电炉异常用电数据采集过程的最终输出，从而实现DCS数据的主动采集。http://www.zbqunqiang.cn/