【技术实现步骤摘要】
一种基于能耗区间预测的设备异常诊断方法
[0001]本专利技术涉及设备能耗监控
,尤其是涉及一种基于能耗区间预测的设备异常诊断方法。
技术介绍
[0002]节约能源在生产运维环节有着十分重要的意义。每个生产、运维环节都应当积极响应节约能源的号召,排查节能障碍和能源浪费现象,查找设备节能潜力,以达到节能减排,降低生产成本、提高经济效益的目标。在传统的能源管理过程中,对于设备的运行状况是否异常一般会通过物理过程来进行排查,例如检查设备是否属于落后的设备和工艺并淘汰落后的设备和工艺;现场测量设备的运行效率;依据现场工艺工程师的经验判断设备的能耗是否出现异常等等。此类方法具有效率低、准确性低的缺点。
[0003]除此之外,在现有的一些识别技术也往往存在一些问题导致准确度不高,例如用历史能耗数据拟合出一条理想的能耗曲线,再将真实值与拟合值进行比较,若比较误差的绝对值超出一定的范围,则判定设备能耗异常。但实际上设备的能耗受季节、日期、温度、假期等因素的影响是动态变化的,因此历史的能耗数据并不能准确的描述当下时刻的能耗表现,并且用于判定的误差值也很难准确估计。
[0004]例如,一种在中国专利文献上公开的“一种空分系统的能耗预测方法”,其公告号CN103793754B,以下步骤:采集不同规模的空分设备的能耗数据;对能耗数据利用最小二乘法进行拟合,获得空分设备能耗随空分规模的拟合方程;根据拟合方程通用式确定空分设备电耗;根据空分设备电耗和空分设备的技术功,计算不同规模空分设备的电效率η;根据计算的不同规模空分设 ...
【技术保护点】
【技术特征摘要】
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=[h
t
,h
t+1
......h
t+n
],其中,h
t
=[f
t
,d
t
,w
t
,c
t
],f
t
代表t时间点的能耗值,d
t
代表t时间点的日期类型,w
t
代表t时间点的天气类型,c
t
代表t时间点的温度值,h
t
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=[w
t
,w
t+1
......w
t+n
],其中,w
t
=[f
t
,d
t
,,w
t
,c
t
,f
t+1
,d
t+1
,w
t+1
,c
t+1
......f
t+k
‑1,d
t+k
‑1,w
t+k
‑1,c
t+k
‑1,f
t+k
,d
t+k
,w
t+k
,c
t+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W
train
,后五分之一测试集W
test
;S3016、分离训练集,得到训练集的输入量W
tr...
【专利技术属性】
技术研发人员:王莹璐,周鹏,俞林斌,丁康,曹辉,
申请(专利权)人:浙江浙大中控信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。