多因素模糊时间序列算法对设备指标进行预测的方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113723693A(43)申请公布日2021.11.30(21)申请号202111034331.3G06F16/2458(2019.01)(22)申请日2021.09.03(71)申请人华电莱州发电有限公司地址261441山东省烟台市莱州市金城镇海北嘴村北(72)发明人杨栋贾利峰马记(74)专利代理机构北京喆翙知识产权代理有限公司11616代理人朱学绘(51)Int.Cl.G06Q10/04(2012.01)G06Q10/06(2012.01)G06Q50/06(2012.01)G06F17/11(2006.01)G06F17/16(2006.01)权利要求书2页说明书7页附图2页(54)发明名称多因素模糊时间序列算法对设备指标进行预测的方法(57)摘要本发明提出了一种多因素模糊时间序列算法对设备指标进行预测的方法，包括：步骤1：获取目标设备运行数据并选取相关指标；步骤2：对指标数据求变换率；步骤3：对数据进行论域划分；步骤4：定义模糊集合，对数据模糊处理；步骤5：构造多因素模糊时间序列预测模型，预测指标；步骤6：对预测值去模糊化处理；步骤7：得到最终的预测值；步骤8：计算预测模型的预测准确率，借此，本发明能提取并模糊化处理相关指标的变化率数据以得到多因素模糊时间序列，基于模糊时间序列提出新的融合多因素信息的模糊时间序列预测模型，对目标指标进行预测，为机组设备指标预测以及趋势预测提供有效方法预测准确率高、对实现设备指标预测具有重要意义。CN113723693ACN113723693A权利要求书1/2页1.一种多因素模糊时间序列算法对设备指标进行预测的方法，其特征在于，包括：步骤1：获取目标设备运行数据并选取相关指标；步骤2：对指标数据求变换率；步骤3：对数据进行论域划分；步骤4：定义模糊集合，对数据模糊处理，得到多因素的模糊时间序列；步骤5：构造多因素模糊时间序列预测模型，预测指标；步骤6：对预测值去模糊化处理；步骤7：对预测值“反变化率”转换，得到最终的预测值；步骤8：计算预测模型的预测准确率。2.根据权利要求1所述的多因素模糊时间序列算法对设备指标进行预测的方法，其特征在于，所述步骤1中，从系统数据库中选取需要研究的设备指标数据，其中数据为设备正常运行的数据选取若干影响因素指标即待预测测点指标。3.根据权利要求2所述的多因素模糊时间序列算法对设备指标进行预测的方法，其特征在于，所述步骤2中对电厂设备原始数据计算指标数据的变化率计算如下：若采集得到的某个指标的原始真实数据为Xt＝{x1,x2...xn}；数据长度为n，则经过变换后的数据的长度将变为n‑1，计算方法为：4.根据权利要求3所述的多因素模糊时间序列算法对设备指标进行预测的方法，其特征在于，所述步骤3中对数据进行论域划分包括：对步骤2得到数据的变化率值进行下一步运算及处理：若U为某个指标变化率数据的论域，将论域划分为P个子区间，则{u1,u2...up}代表区间有序的分割集合。5.根据权利要求4所述的多因素模糊时间序列算法对设备指标进行预测的方法，其特征在于，在p个子区间{u1,u2...up}上定义模糊子集，将各个区间数据归到对应的模糊子集中；计算各个区间对各个模糊子集的隶属度，将所有数据转化为模糊数据，通过以上过程则得到了由模糊值构成的模糊时间序列；对若干指标均进行以上处理，则得到了步骤4中多因素的模糊时间序列。6.根据权利要求5所述的多因素模糊时间序列算法对设备指标进行预测的方法，其特征在于，所述步骤5中，对若干个模式时间序列进行运算，计算若干指标序列的合成基向量，并计算操作矩阵；通过对操作矩阵和基准矩阵运算，得到模糊逻辑关系矩阵，并在模糊逻辑关系矩阵上进行计算，得到测点在t时刻的预测值。7.根据权利要求1所述的多因素模糊时间序列算法对设备指标进行预测的方法，其特征在于，所述步骤5中得到的预测值为模糊值，对预测值进行步骤6中的去模糊化处理得到真实的预测值。8.根据权利要求1所述的多因素模糊时间序列算法对设备指标进行预测的方法，其特征在于，步骤6得到的数值为变换率数值，将变化率数值进行“反变化率”转换，得到t时刻的预测值，去模糊化处理后得到预测变化率值为σ，则测点在t时刻的预测值为：xt＝(1+σ)xt‑12CN113723693A权利要求书2/2页其中，xt‑1为测点在t‑1时刻的实时值。9.根据权利要求1所述的多因素模糊时间序列算法对设备指标进行预测的方法，其特征在于，所述步骤8中计算预测模型的预测准确率使用平均相对误差方法来计算，计算方法如下：其中ai代表某个指标的真实值，fi代表某个指标的预测值，相对误差越小代表了预测模型的预测准确率越高。3CN113723693A说明书1/