一种基于能耗区间预测的设备异常诊断方法.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CN113705867A(43)申请公布日2021.11.26(21)申请号202110937060.6(22)申请日2021.08.16(71)申请人浙江浙大中控信息技术有限公司地址310051浙江省杭州市滨江区滨康路352号2号楼23-25层(72)发明人王莹璐周鹏俞林斌丁康曹辉(74)专利代理机构杭州杭诚专利事务所有限公司33109代理人刘正君(51)Int.Cl.G06Q10/04(2012.01)G06Q50/04(2012.01)G06N3/08(2006.01)G06N3/04(2006.01)权利要求书3页说明书7页附图4页(54)发明名称一种基于能耗区间预测的设备异常诊断方法(57)摘要本发明公开了一种基于能耗区间预测的设备异常诊断方法，克服了现有技术根据拟合曲线判断能耗容易造成误判进而影响生产运维环节节能部署的问题，包括。本发明判定设备是否异常、设备是否有可节能空间或设备是否出现故障，并为设备的运行和维护提供数据支持，还可以针对能耗过高的设备通过计算能耗值与有关变量的相关系数找出可能导致能耗过高的原因，为之后采取措施降低能耗提供数据支持；针对能耗过低的设备可以进行检查和维护。及时的监控各个设备的能耗情况并对不合理能耗做出反馈，以此达到节能的目的。CN113705867ACN113705867A权利要求书1/3页1.一种基于能耗区间预测的设备异常诊断方法，其特征是，包括以下步骤：S1、采集历史能耗、时间、日期、温度、天气数据并训练能耗预测模型；S2、进行点预测，预测单位时间的能耗值；S3、进行区间预测，预测单位时间能耗值的上限和下限；S4、检验单位小时真实能耗值是否落在置信区间内；S5、判断该设备能耗是否出现异常，当真实值落在置信区间内时，该设备正常运作；当真实值大于预测的上限时，认为该设备有可节能空间；当真实值小于预测下限时，认为该设备可能出现故障。2.根据权利要求1所述的一种基于能耗区间预测的设备异常诊断方法，其特征是，所述S3包括以下步骤：S301、采集历史数据；S302、将数据集合进行划分；S303、进行Bootstrap抽样；S304、训练GRU预测模型；S305、测试集合数据点预测；S306、测试集合区间预测；S307、评价区间预测的质量；S308、评价指标是否满足要求，一般来说在PICP≥μ的条件下，PINAW越小越优；CWC越小说明区间预测的质量越好；S309、利用该预测模型预测能耗值的区间，将待评价的数据x*代入S304中的预测模型中得到点预测值，再代入S306中得到区间预测值。3.根据权利要求2所述的一种基于能耗区间预测的设备异常诊断方法，其特征是，所述S301包括以下步骤：S3011、采集历史单位小时能耗值、日期类型、天气类型、温度的数据；日期类型包括工作日、节假日、双休日，天气类型包括阴、晴、雨；得到可用于时间序列预测的数据集：H＝[ht,ht+1......ht+n]，其中，ht＝[ft,dt,wt,ct]，ft代表t时间点的能耗值，dt代表t时间点的日期类型，wt代表t时间点的天气类型，ct代表t时间点的温度值，ht代表t时间点能耗值、日期类型、天气类型和温度值的数据；S3012、对日期类型和天气类型字段进行one‑hot编码：即将类型字段转换成类型为数字的值，便于处理；S3013、对数据集进行标准化处理：即将能耗，日期类型字段、天气类型的字段以及温度的值缩放到0‑1之间；S3014、将时间序列数据集H转化成监督学习数据集W＝[wt,wt+1......wt+n]，其中，wt＝[ft,dt,,wt,ct,ft+1,dt+1,wt+1,ct+1......ft+k‑1,dt+k‑1,wt+k‑1,ct+k‑1,ft+k,dt+k,wt+k,ct+k]；k＝24代表一天的数据量；S3015、分割数据集W前五分之四为训练集Wtrain，后五分之一测试集Wtest；S3016、分离训练集，得到训练集的输入量Wtrain_x和输出量Wtrain_y，其中，Wtrain_x＝[xt,xt+1......xt+4n/5]，Wtrain_y＝[yt,yt+1......yt+4n/5]，2CN113705867A权利要求书2/3页xt＝[ft,dt,wt,ct,ft+1,dt+1,wt+1,ct+1......ft+k‑1,dt+k‑1,wt+k‑1,ct+k‑1]，yt＝[ft+k]；同理，可以得到测试集的输入量Wtest_x和输出量Wtest_y。4.根据权利要求2所述的一种基于能耗区间预测的设备异常诊断方法，其特征是，所述S302包括以下内容：将原始数据集合随机划分为训练集合Wtrain和测试集合Wtest，Wtrai