【技术实现步骤摘要】
本申请实施例涉及信号分析，尤其涉及一种设备运行趋势预测方法、装置、电子设备及计算机存储介质。
技术介绍
1、现行基于设备时序数据的设备运行状态短期趋势预测，主要基于单一预测模型根据单一事件的检测数据来实现。然而，在没有全局信息的情况下，仅根据当前事件已产生的有限时序数据，难以准确预测出设备的未来短期走势，尤其是对于以前从未在数据中体现过的突变，针对待测设备的未来短期走势的预测操作将显得异常困难。
2、有鉴于此，亟需一种设备运行趋势预测方案，以改善现有技术中存在的各种问题。
技术实现思路
1、为了解决上述问题，本申请实施例提供了一种设备运行趋势预测方法、装置、电子设备及计算机存储介质，以至少部分地解决上述问题。
2、根据本申请实施例的第一方面，提供了一种设备运行趋势预测方法，包括：根据待测设备的当前检测事件，确定所述当前检测事件的每一个历史检测事件；根据所述当前检测事件的检测信号中的偏移起点与当前检测点，确定所述当前检测事件的目标数据集；利用所述当前检测事件与每一个历史检测事件各自的预测模型，根据所述当前检测事件的目标数据集分别执行设备运行趋势预测，获得所述待测设备在所述当前检测点的运行趋势预测结果。
3、可选地，所述根据待测设备的当前检测事件，确定所述当前检测事件的每一个历史检测事件，包括：识别当前检测事件检测的所述待测设备的设备参数，据以确定所述当前检测事件的每一个历史检测事件。
4、可选地，所述待测设备的设备参数至少包括：温度参数
5、可选地，所述根据所述当前检测事件的检测信号中的偏移起点与当前检测点，确定所述当前检测事件的目标数据集，包括：根据所述当前检测事件的检测信号中第一次出现数据偏移的时间点，确定所述当前检测事件的偏移起点；识别所述检测信号中位于所述偏移起点与当前检测点之间的每一个采样点，据以从所述检测信号中获取每一个采样点对应的检测数据；根据每一个采样点的采样时间，依序排列每一个采样点对应的检测数据，确定所述当前检测事件的目标数据集。
6、可选地，所述根据所述当前检测事件的检测信号中的偏移起点与当前检测点，确定所述当前检测事件的目标数据集，包括：实时采集所述待测设备的当前检测事件的检测信号，据以动态更新所述当前检测事件的当前检测点；根据所述动态更新的当前检测点，动态更新所述检测信号中位于所述偏移起点与当前检测点之间的每一个采样点，并据以动态更新由每一个采样点对应的检测数据所组成的目标数据集。
7、可选地，所述利用所述当前检测事件与每一个历史检测事件各自的预测模型，根据所述当前检测事件的目标数据集分别执行设备运行趋势预测，获得所述待测设备在所述当前检测点的运行趋势预测结果，包括：利用所述当前检测事件与每一个历史检测事件各自的预测模型，根据所述当前检测事件的目标数据集分别执行设备运行趋势预测，获得各预测模型在所述当前检测点的各初步预测结果；根据每一个预测模型的权重值、每一个预测模型在所述当前检测点的初步预测结果，获得所述当前检测事件在所述当前检测点的运行趋势预测结果。
8、可选地，每一个预测模型的权重值可通过以下方式确定：根据所述当前检测事件的目标数据集中对应于每一个采样点的检测数据，获取所述目标数据集的目标矩阵；根据所述目标矩阵、所述当前检测事件与每一个历史检测事件各自的基于核的高斯分布，分别执行似然估计，据以确定所述当前检测事件与每一个历史检测事件各自的预测模型的权重值。
9、可选地，所述当前检测事件与每一个历史检测事件各自的基于核的高斯分布，可通过以下方式获得：将所述当前检测事件或者任意一个历史检测事件确定为目标检测事件；利用所述目标检测事件的预测模型，根据所述目标检测事件的检测信号中按时序排列的各检测数据，执行拟合运算，获得所述目标检测事件的基于核的高斯分布。
10、可选地，所述当前检测事件与每一个历史检测事件各自的预测模型可为相同或者不同。
11、可选地，所述当前检测事件与每一个历史检测事件各自的预测模型至少包括：节性差分自回归滑动平均模型、高斯过程回归模型，循环神经网络模型中的一个。
12、可选地，所述根据每一个预测模型的权重值、每一个预测模型在所述当前检测点的初步预测结果，获得所述当前检测事件在所述当前检测点的运行趋势预测结果，包括：利用运行趋势计算公式，根据每一个预测模型的权重值、每一个预测模型在所述当前检测点的初步预测结果，获得所述当前检测事件在所述当前检测点的运行趋势预测结果。
13、可选地，所述运行趋势计算公式表示为：
14、
15、其中，所述表示所述当前检测事件在当前检测点t的运行趋势预测结果，所述wk表示第k个预测模型的权重值，所述表示第k个预测模型在当前检测点t的初步预测结果。
16、根据本申请实施例的第二方面，提供了一种设备运行趋势预测方法，包括：根据待测设备的当前检测事件，确定所述当前检测事件的每一个历史检测事件；信号采集步骤，实时采集所述待测设备的当前检测事件的检测信号，据以动态更新所述当前检测事件的当前检测点以及所述当前检测事件的目标数据集；根据更新后的目标数据集，更新所述当前检测事件与每一个历史检测事件各自的预测模型的权重值，并更新各预测模型在所述当前检测点的各初步预测结果；根据更新后的每一个预测模型的权重值、每一个预测模型在所述当前检测点的初步预测结果，获得所述当前检测事件在当前检测点的运行趋势预测结果；返回所述信号采集步骤，直至获取所述待测设备的运行趋势预测结束请求。
17、根据本申请实施例的第三方面，提供了一种设备运行趋势预测装置，包括：事件获取模块，用于根据待测设备的当前检测事件，确定所述当前检测事件的每一个历史检测事件；数据获取模块，用于根据所述当前检测事件的检测信号中的偏移起点与当前检测点，确定所述当前检测事件的目标数据集；预测模块，用于利用所述当前检测事件与每一个历史检测事件各自的预测模型，根据所述当前检测事件的目标数据集，分别执行设备运行趋势预测，获得所述当前检测事件在所述当前检测点的运行趋势预测结果。
18、根据本申请实施例的第四方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述第一方面或第二方面所述的设备运行趋势预测方法对应的操作。
19、根据本申请实施例的第五方面，提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，可实现上述第一方面或第二方面所述的设备运行趋势预测方法。
20、本申请各实施例提供的设备运行趋势预测方案，通过收集当前检测事件的相似历史检测事件，可基于相对少量的历史检测事件作为趋势预测的参考，准确且可靠地预测待测设备的运行趋势，解决了工业场景中因异常数据不足而无法很好地预本文档来自技高网...
【技术保护点】
1.一种设备运行趋势预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据待测设备的当前检测事件，确定所述当前检测事件的每一个历史检测事件，包括：
3.根据权利要求2所述的方法，其特征在于，所述待测设备的设备参数至少包括：温度参数、压强参数、液位参数、流量参数中的一个。
4.根据权利要求1所述的方法，其特征在于，所述根据所述当前检测事件的检测信号中的偏移起点与当前检测点，确定所述当前检测事件的目标数据集，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述当前检测事件的检测信号中的偏移起点与当前检测点，确定所述当前检测事件的目标数据集，包括：
6.根据权利要求1、4或5所述的方法，其特征在于，所述利用所述当前检测事件与每一个历史检测事件各自的预测模型，根据所述当前检测事件的目标数据集分别执行设备运行趋势预测，获得所述待测设备在所述当前检测点的运行趋势预测结果，包括：
7.根据权利要求6所述的方法，其特征在于，每一个预测模型的权重值可通过以下方式确定：
8.根据权
9.根据权利要求1或8所述的方法，其特征在于，所述当前检测事件与每一个历史检测事件各自的预测模型可为相同或者不同；
10.根据权利要求6所述的方法，其特征在于，所述根据每一个预测模型的权重值、每一个预测模型在所述当前检测点的初步预测结果，获得所述当前检测事件在所述当前检测点的运行趋势预测结果，包括：
11.一种设备运行趋势预测方法，其特征在于，包括：
12.一种设备运行趋势预测装置，其特征在于，包括：
13.一种电子设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
14.一种计算机存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时，可实现如权利要求1至10中任一所述的设备运行趋势预测方法，或实现如权利要求11所述的设备运行趋势预测方法。
...【技术特征摘要】
1.一种设备运行趋势预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据待测设备的当前检测事件，确定所述当前检测事件的每一个历史检测事件，包括：
3.根据权利要求2所述的方法，其特征在于，所述待测设备的设备参数至少包括：温度参数、压强参数、液位参数、流量参数中的一个。
4.根据权利要求1所述的方法，其特征在于，所述根据所述当前检测事件的检测信号中的偏移起点与当前检测点，确定所述当前检测事件的目标数据集，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述当前检测事件的检测信号中的偏移起点与当前检测点，确定所述当前检测事件的目标数据集，包括：
6.根据权利要求1、4或5所述的方法，其特征在于，所述利用所述当前检测事件与每一个历史检测事件各自的预测模型，根据所述当前检测事件的目标数据集分别执行设备运行趋势预测，获得所述待测设备在所述当前检测点的运行趋势预测结果，包括：
7.根据权利要求6所述的方法，其特征在于，每一个预测模型的权重值可通过以下方式...
【专利技术属性】
技术研发人员：王达一，吴文超，郑毅贤，张琪萱，
申请(专利权)人：西门子中国有限公司，
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。