CN106095836A - 一种动态参数自适应拟合方法及装置 - Google Patents

一种动态参数自适应拟合方法及装置 Download PDF

Info

Publication number
CN106095836A
CN106095836A CN201610383734.1A CN201610383734A CN106095836A CN 106095836 A CN106095836 A CN 106095836A CN 201610383734 A CN201610383734 A CN 201610383734A CN 106095836 A CN106095836 A CN 106095836A
Authority
CN
China
Prior art keywords
data
energy
energy data
sampled
attribute information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610383734.1A
Other languages
English (en)
Inventor
王亚静
宋志春
聂志华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
POLYTRON TECHNOLOGIES Inc
Original Assignee
POLYTRON TECHNOLOGIES Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by POLYTRON TECHNOLOGIES Inc filed Critical POLYTRON TECHNOLOGIES Inc
Priority to CN201610383734.1A priority Critical patent/CN106095836A/zh
Publication of CN106095836A publication Critical patent/CN106095836A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种动态参数自适应拟合方法及装置，涉及能源技术领域，所述方法包括：获取需要进行筛选的能源数据集合以及所述能源数据的属性信息；根据能源数据的筛选规则，从所述能源数据集合中查找所述能源数据的属性信息满足所述筛选数据规则的能源筛选数据；利用所述能源筛选数据进行能源数据拟合。本发明实施例中，由于考虑了能源数据的筛选条件，将符合条件的能源数据作为拟合参数的数据基础，减少能源站各设备效率模型与能源站各设备实际运行的效率之间的误差。

Description

一种动态参数自适应拟合方法及装置
技术领域
本发明涉及能源技术领域，尤其涉及一种动态参数自适应拟合方法及装置。
背景技术
目前，我国各类新能源的利用率还很低，由新能用造成的二次污染问题也成为制约新能源发展的主要障碍。节约能源、降低消耗、保护资源是国家实施可持续发展战略的重要组成部分，近几年来各公司企业紧紧围绕增强市场竞争力、降低成本、提高经济效益、实现集约式发展这一目标，以现代化管理思想为指导，采用科学配套的现代管理方法和手段建立系统高效的节能管理体系，并在生产经营实践中不断优化，取得了较好的效果，公司、企业的能源管理实现了系统化、科学化、高效化。
为了有效的利用能源，需要对能源站进行整体优化。在现有技术中，对能源站进行整体优化需要计算能源站的最优工况，而最优工况需要通过计算每个能源站设备的效率模型而得到，每个设备的设备效率模型关系到整个能源站系统优化的准确度。
在现有技术中，是利用设备的一批数据进行数据拟合后得到拟合参数，然后在利用拟合参数作为能源设备的模型参数，而在能源站的实际运行的过程中，同一能源站设备的运行效率随着运行时间的变化以及外部运行条件的改变会有所不同，所以产生的能源站的数据也是不同的，并不是所有的数据都符合作为拟合数据来计算模型参数的，所以在现有技术中，利用能源站中一批数据进行数据拟合会造成模型和实际的能源设备的效率之间存在较大的误差的问题。
发明内容
本发明提供一种动态参数自适应拟合方法及装置，用于解决利用能源站中一批数据进行数据拟合会造成模型和实际的能源设备的效率之间存在较大的误差的问题。
本发明实施例提供一种动态参数自适应拟合方法，所述方法包括：
获取需要进行筛选的能源数据集合以及所述能源数据的属性信息；
根据能源数据的筛选规则，从所述能源数据集合中查找所述能源数据的属性信息满足所述筛选数据规则的能源筛选数据；
利用所述能源筛选数据进行能源数据拟合。
本发明实施例中，首先获取需要进行筛选的能源数据，以及能源数据的属性信息，根据能源数据的筛选规则，从能源数据集合中查找符合筛选规则的能源数据，然后利用该能源数据进行数据拟合，在本发明实施例中，由于考虑了能源数据的筛选条件，将符合条件的能源数据作为拟合参数的数据基础，减少了数据拟合后能源站模型与实际运行的能源站设备效率之间的误差。
进一步地，所述能源数据的筛选规则包括下列规则中的部分或全部：
剔除能源站非工作时间内产生的能源数据；
剔除能源数据的属性值超过预设限值的能源数据；
剔除能源数据中无效的能源数据；
剔除能源数据中不满足数据稳定性的能源数据。
本发明实施例中，满足上述筛选规则的部分或全部的能源数据作为计算拟合参数的数据能够有效的减少数据拟合后能源站模型与实际运行的能源站设备效率之间的误差。
进一步地，所述根据能源数据的筛选规则，从所述能源数据集合中查找所述能源数据的属性信息满足所述能源筛选数据规则的能源筛选数据，包括：
若所述能源数据筛选规则包括剔除能源数据中无效的能源数据，则将所述能源数据的属性信息中的数据值与设定的无效数据值进行比较，将所述数据属性信息中的数据值与所述设定的无效数据值一致的所述能源数据删除。
本发明实施例中，通过比较无效数据的数据值与能源数据的属性信息中的数据值来剔除无效数据能够更精准的去除无效数据，保证了筛选后的数据能够更准确的进行数据拟合。
进一步地，所述根据能源数据的筛选规则，从所述能源数据集合中查找所述能源数据的属性信息满足所述能源筛选数据规则的能源筛选数据，包括：
若所述规则包括剔除能源数据中不满足数据稳定性的能源数据，则将所述能源数据按照设定的取样数据间隔顺序取样，并计算取样的能源数据的变异系数，若所述变异系数大于设定的变异系数阈值，则确定所述取样的能源数据为不满足数据稳定性的能源数据，删除所述取样的能源数据。
本发明实施例中，能源站在不稳定运行的情况下产生的数据会影响拟合结果，所以需要删除不稳定的能源数据，计算能源数据的变异系数能够更好的表征能源数据的稳定性，删除大于设定的变异系数阈值的能源数据保证了能源数据拟合的结果的准确性。
进一步地，所述将所述能源数据按照设定的取样数据间隔顺序取样，包括：
确定所述能源数据中按照顺序需要进行取样的能源数据的个数是否小于取样数据间隔，若所述需要进行取样的能源数据的个数不小于取样数据间隔，则对所述需要进行取样的能源数据进行采样。
本发明实施例中，在对能源数据进行采样时需要确定剩余的能源数据是否小于取样数据间隔，若剩余的能源数据不小于取样数据间隔，则说明剩余的能源数据可以进行取样，则对数据进行取样。
进一步地，所述确定所述能源数据中按照顺序需要进行取样的能源数据的个数是否小于取样数据间隔之后，还包括：
若所述能源数据中按照顺序需要进行取样的能源数据的个数小于取样数据间隔，则将所述需要进行取样的能源数据以及所述需要进行取样的能源数据前的N个能源数据进行取样；
其中，N为取样数据间隔与需要进行取样的能源数据的个数之差。
本发明实施例中，若所述能源数据中按照顺序需要进行取样的能源数据的个数小于取样数据间隔，为了保证计算变异系数的准确性，需要反向取样。
本发明还提供一种动态参数自适应拟合装置，包括：
获取单元，用于获取需要进行筛选的能源数据集合以及所述能源数据的属性信息；
查找单元，用于根据能源数据的筛选规则，从所述能源数据集合中查找所述能源数据的属性信息满足所述筛选数据规则的能源筛选数据；
拟合单元，用于利用所述能源筛选数据进行能源数据拟合。
本发明实施例中，首先获取需要进行筛选的能源数据，以及能源数据的属性信息，根据能源数据的筛选规则，从能源数据集合中查找符合筛选规则的能源数据，然后利用该能源数据进行数据拟合，在本发明实施例中，由于考虑了能源数据的筛选条件，将符合条件的能源数据作为拟合参数的数据基础，减少了数据拟合后能源站模型与实际运行的能源站设备效率之间的误差。
进一步地，所述能源数据的筛选规则包括下列规则中的部分或全部：
剔除能源站非工作时间内产生的能源数据；
剔除能源数据的属性值超过预设限值的能源数据；
剔除能源数据中无效的能源数据；
剔除能源数据中不满足数据稳定性的能源数据。
进一步地，所述查找单元具体用于：
若所述能源数据筛选规则包括剔除能源数据中无效的能源数据，则将所述能源数据的属性信息中的数据值与设定的无效数据值进行比较，将所述数据属性信息中的数据值与所述设定的无效数据值一致的所述能源数据删除。
进一步地，所述查找单元具体用于：
若所述规则包括剔除能源数据中不满足数据稳定性的能源数据，则将所述能源数据按照设定的取样数据间隔顺序取样，并计算取样的能源数据的变异系数，若所述变异系数大于设定的变异系数阈值，则确定所述取样的能源数据为不满足数据稳定性的能源数据，删除所述取样的能源数据。
进一步地，所述查找单元具体用于：
确定所述能源数据中按照顺序需要进行取样的能源数据的个数是否小于取样数据间隔，若所述需要进行取样的能源数据的个数不小于取样数据间隔，则对所述需要进行取样的能源数据进行采样。
进一步地，所述查找单元还用于：
若所述能源数据中按照顺序需要进行取样的能源数据的个数小于取样数据间隔，则将所述需要进行取样的能源数据以及所述需要进行取样的能源数据前的N个能源数据进行取样；
其中，N为取样数据间隔与需要进行取样的能源数据的个数之差。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供一种动态参数自适应拟合方法的流程图；
图2为本发明实施例提供一种动态参数自适应拟合方法的流程图；
图3为本发明实施例提供一种动态参数自适应拟合装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明提供一种动态参数自适应拟合方法，如图1所示，包括：
步骤101，获取需要进行筛选的能源数据集合以及所述能源数据的属性信息；
步骤102，根据能源数据的筛选规则，从所述能源数据集合中查找所述能源数据的属性信息满足所述筛选数据规则的能源筛选数据；
步骤103，利用所述能源筛选数据进行能源数据拟合。
在本发明实施例中，能源数据指的是能源站系统中每个能源设备采集的能源数据，在本发明实施例中，能源设备可以是水冷机，则能源数据可以为水冷机的出水温度，也可以为水冷机的水流量，或者能源设备可以是发电机，则能源数据可以为电流以及电压。
在步骤101中，首先需要获取进行筛选的能源数据，例如，需要对某一天的某一个时间段内产生的能源数据进行数据拟合，则需要获取这一时间段内的能源数据集合，例如需要获取2015年5月20日的能源数据，则需要获取的是5月20日0:00:00时～24:00:00时之间所有能源设备产生的能源数据，则将这一时段内产生的能源数据作为一个能源数据集合，并获取能源数据的属性信息。
在本发明实施例中，能源数据的属性信息包括能源数据的名称，能源数据的数据值以及能源数据的采集时间等等数据的属性标识，例如如表1所示，能源数据的数据集合为电流、电压以及水流速度数据的集合，则能源数据的属性信息为电流的数据值、电压的数据值、水流数据的数据值、以及电流、电压、水流速度数据产生时间，能源数据的名称为电流、电压、水流速度数据。
表1：能源数据的属性信息表
在本发明实施例中，筛选能源数据，需要筛选能源数据的规则，在步骤102中，筛选能源数据的规则包括包括下列规则中的部分或全部：
剔除能源站非工作时间内产生的能源数据；
剔除能源数据的属性值超过预设限值的能源数据；
剔除能源数据中无效的能源数据；
剔除能源数据中不满足数据稳定性的能源数据。
在本发明实施例中，在能源设备不开机的时间内，即能源站非工作时间内产生的能源数据不能作为进行数据拟合使用的能源数据，例如，能源站的工作时间是每天的08:00:00～17:30:00，则能源设备在该工作时间段内产生的能源数据为正常的能源数据，而在工作时间段外产生的能源数据，则会影响拟合的结果，所以需要删除非工作时间内产生的能源数据。
可选的，在本发明实施例中，由于在获取需要进行筛选的能源数据时，还获得了能源数据的属性信息，能源数据的属性信息包括能源数据的产生时间，则将能源数据产生的时间不在工作时间范围内的数据删除。
例如，在本发明实施例中，能源站的工作时间是每天的08:00:00～17:30:00，获取的是5月20日0:00:00时～24:00:00时之间所有能源设备产生的能源数据，则将能源数据的属性信息中的产生时间不在08:00:00～17:30:00的能源数据删除。
或者，在本发明实施例中，如如表2所示，在本发明实施例中，能源数据为水冷机的冷冻水出水温度数据，正常的水冷机的冷冻水出水温度数据不能大于20℃，则表2中表示了需要进行筛选的水冷机的冷冻水出水温度数据，则将大于20℃的水冷机的温度数据以及温度数据对应的字段名全部删除，即删除表2中第一行数据全部删除。
能源数据生成时间 能源数据值
2015-05-20,08:00:45 20℃
2015-05-20,08:23:09 9.3℃
…… ……
2015-05-20,17:23:09 8.7℃
表2为水冷机的冷冻水出水温度数据
在本发明实施例中，还可以提取标准值范围内的能源数据，例如在上述实施例中，可以选定3℃～12℃的温度数据为标准数据，则低于3℃以及高于12℃的温度数据都需要剔除。
在本发明上述实施例中，同样的也可以采用SQL查询语言，将满足温度数据的范围内的能源数据查找出来，或者将低于3℃以及高于12℃的温度数据查找出来后删除。
可选的，在本发明实施例中，可以使用结构化查询语言(Structured QueryLanguage)编写语句对能源数据中工作时间段内的能源数据进行查询，将查询出的能源数据进行保存，将剩余的能源数据删除。
当然，在本发明实施例中，不限于只使用上述的一种方法进行查询，还可以使用其它语言进行查询，例如C语言，C#语言等，所有查询方法都在本发明实施例的保护范围内。
在本发明实施例中，需要进行筛选的能源数据中还存在着一些无效数据，例如空值数据，利用这些无效数据进行数据拟合会产生较大的误差，在本发明实施例中，可选的，将所述能源数据的属性信息中的数据值与设定的无效数据值进行比较，将所述数据属性信息中的数据值与所述设定的无效数据值一致的所述能源数据删除。
例如，在本发明实施例中，可以设置无效值为空值，则在能源数据中的属性信息中的数据值为空的能源数据就为无效数据，需要将所述无效数据删除。
当然，在本发明实施例中，还可以设置其它的值为无效值，在此不做赘述。
在本发明实施例中，能源设备由于传感器故障或者采集程序出现问题时，采集的能源中包括了不稳定的能源数据，若将这些数据作为拟合数据，则会造成拟合结果与实际运行结果相差较大。
可选的，在本发明实施例中，将所述能源数据按照设定的取样数据间隔顺序取样，并计算取样的能源数据的变异系数，若所述变异系数大于设定的变异系数阈值，则确定所述取样的能源数据为不满足数据稳定性的能源数据，删除所述取样的能源数据。
在本发明实施例中，可以根据能源数据集合中的能源数据的个数确定取样数据间隔，或者根据计算机处理数据的能力确定取样数据间隔。例如，在本发明实施例中，能源数据集合中包括100个能源数据，为每个数据进行编号，例如将100个能源数据编为d1号，d2号，……，d100号。对100个数据进行取样，取样数据间隔设置为5，即第一次取样的能源数据为d1、d2、d3、d4、d5；第二次取样的能源数据为d2、d3、d4、d5、d6，第三次取样的能源数据为d3、d4、d5、d6、d7，……
在本发明实施例中，当需要比较两组数据离散程度大小的时候，如果两组数据的测量尺度相差太大，或者数据量纲的不同，直接使用标准差来进行比较不合适，此时就应当消除测量尺度和量纲的影响，而变异系数可以做到这一点，变异系数是原始数据标准差与原始数据平均数的比，变异系数可以消除单位和(或)平均数不同对两个或多个资料变异程度比较的影响，变异系数可以用CV表示。
在本发明实施例中，变异系数的计算公式为：变异系数CV＝(标准偏差SD/平均值Mean)×100％，也就是说，在本发明实施例中，需要计算取样能源数据的标准差SD以及平均值Mean。
例如，在本发明实施例中，第一次取样取出的能源数据为d1、d2、d3、d4、d5，则计算d1、d2、d3、d4、d5五个能源数据的平均值Mean，以及计算五个能源数据的标准差SD，最后计算变异系数CV。
在本发明实施例中，变异系数阈值可以设置为数据分析时通常设置的阈值为15％，若计算的取样能源数据的变异系数大于15％，例如，在第一次取样d1、d2、d3、d4、d5后计算的变异系数大于15％，则认为d1为取样数据为不稳定数据，则删除d1，进行下一次取样。
当然，在本发明实施例中，变异系数阈值也可以设置为其它阈值，在此不做赘述。
在本发明实施例中，在进行每一次取样前，还需要确定所述能源数据中按照顺序需要进行取样的能源数据的个数是否小于取样数据间隔，若所述需要进行取样的能源数据的个数不小于取样数据间隔，则对所述需要进行取样的能源数据进行采样。
在本发明实施例中，例如，能源数据集合中包括102个能源数据，取样间隔为5，则每次取样前都需要确定需要进行取样的能源数据的个数是否小于5，假设已经取样了97次，则已经进行取样的数据有97个，未进行取样的能源数据为d98、d99、d100、d101、d102，则需要确定未进行取样的能源数据的个数是否小于5，在本发明实施例中，未进行取样的能源数据的个数为5，不小于取样数据间隔5，则继续下一次采样。
在本发明实施例中，若所述能源数据中按照顺序需要进行取样的能源数据的个数小于取样数据间隔，则将所述需要进行取样的能源数据以及所述需要进行取样的能源数据前的N个能源数据进行取样；
其中，N为取样数据间隔与需要进行取样的能源数据的个数之差。
在本发明实施例中，例如，能源数据集合中包括100个能源数据，取样间隔为3，则每次取样前都需要确定需要进行取样的能源数据的个数是否小于3，假设已经取样了99次，则已经进行取样的数据有99个，未进行取样的能源数据为d100，则需要确定未进行取样的能源数据的个数是否小于3，在本发明实施例中，未进行取样的能源数据的个数为1，小于取样数据间隔3，将所述需要进行取样的能源数据以及所述需要进行取样的能源数据前的第N个能源数据进行取样；其中，N为取样数据间隔与需要进行取样的能源数据之差，也就是说，在本发明实施例中取样间隔3，需要进行取样的能源数据的个数为1，则N的值为2，也就是说，在本发明实施例中，需要对d100前的2个数据进行采样。
可选的，在本发明实施例中，若d98、d99数据为稳定数据未被删除，则需要对d98、d99、d100进行取样，若d100前的能源数据有被删除的，则取样d100前两个数据进行取样。
在步骤103中，通过筛选规则，将能源数据筛选后，再进行数据拟合，在本发明实施例中，可以利用最小二乘法进行数据拟合，最小二乘法是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。
在本发明实施例中，最小二乘法中有两个未知参数，分别为a和b，利用筛选后的能源数据能够计算出a和b的值，也就是说，能够解算出拟合方程，这个方程就是能源设备的效率模型。
当然，在本发明实施例中，也可以使用其它计算方法进行拟合，在此不做赘述。
为了更加详细的说明本发明实施例，在此举例说明。
如图2所示，本发明实施例提供一种动态参数自适应拟合方法，在本发明实施例中，筛选能源数据的集合为2016年3月22日0:00:00～24:00:00时间段内产生的能源数据，筛选规则为剔除08:00:00时之前产生的能源数据，以及剔除17:30:00时后产生的能源数据，剔除水冷机中冷冻水温度数据超过13℃的能源数据，剔除空值数据，剔除不稳定运行时产生的能源数据。
步骤201，获取需要进行筛选的能源数据集合以及所述能源数据的属性信息，在本发明实施例中，能源数据集合为2016年3月22日0:00:00～24:00:00时间段内产生的能源数据；
步骤202，剔除08:00:00时之前产生的能源数据，以及剔除17:30:00时后产生的能源数据；
步骤203，剔除水冷机冷冻水出水温度数据超过13°的能源数据；
步骤204，将所述能源数据的属性信息中的数据值与设定的空值进行比较，将所述数据属性信息中的数据值与所述设定的空值一致的所述能源数据删除；
步骤205，判断能源数据中按照顺序需要进行取样的能源数据的个数是否小于取样数据间隔，在本发明实施例中，能源数据集合中有101个能源数据，取样数据间隔为3，若需要进行取样的能源数据的个数是不小于取样数据间隔，则执行步骤206，否则执行步骤207；
步骤206，对能源数据进行取样，计算取样的能源数据的变异系数，执行步骤208；
步骤207，将所述需要进行取样的能源数据以及所述需要进行取样的能源数据前的N个能源数据进行取样；其中，N为取样数据间隔与需要进行取样的能源数据的个数之差，计算取样的能源数据的变异系数，执行步骤208；
步骤208，判断取样的能源数据的变异系数是否超过变异系数阈值，在本发明实施例中，变异系数阈值为15％，若超过变异系数阈值，则执行步骤209；否则，执行步骤205
步骤209，删除取样的能源数据中的第一个能源数据，返回步骤205。
在本发明上述实施例中，步骤202、步骤203、步骤204与步骤205～步骤209之间没有先后的执行顺序，可以互换。
基于同样的构思，本发明还提供一种动态参数自适应拟合装置，如图3所示，包括：
获取单元301，用于获取需要进行筛选的能源数据集合以及所述能源数据的属性信息；
查找单元302，用于根据能源数据的筛选规则，从所述能源数据集合中查找所述能源数据的属性信息满足所述筛选数据规则的能源筛选数据；
拟合单元303，用于利用所述能源筛选数据进行能源数据拟合。
进一步地，所述能源数据的筛选规则包括下列规则中的部分或全部：
剔除能源站非工作时间内产生的能源数据；
剔除能源数据的属性值超过预设限值的能源数据；
剔除能源数据中无效的能源数据；
剔除能源数据中不满足数据稳定性的能源数据。
进一步地，所述查找单元302具体用于：
若所述能源数据筛选规则包括剔除能源数据中无效的能源数据，则将所述能源数据的属性信息中的数据值与设定的无效数据值进行比较，将所述数据属性信息中的数据值与所述设定的无效数据值一致的所述能源数据删除。
进一步地，所述查找单元302具体用于：
若所述规则包括剔除能源数据中不满足数据稳定性的能源数据，则将所述能源数据按照设定的取样数据间隔顺序取样，并计算取样的能源数据的变异系数，若所述变异系数大于设定的变异系数阈值，则确定所述取样的能源数据为不满足数据稳定性的能源数据，删除所述取样的能源数据。
进一步地，所述查找单元302具体用于：
确定所述能源数据中按照顺序需要进行取样的能源数据的个数是否小于取样数据间隔，若所述需要进行取样的能源数据的个数不小于取样数据间隔，则对所述需要进行取样的能源数据进行采样。
进一步地，所述查找单元302还用于：
若所述能源数据中按照顺序需要进行取样的能源数据的个数小于取样数据间隔，则将所述需要进行取样的能源数据以及所述需要进行取样的能源数据前的N个能源数据进行取样；
其中，N为取样数据间隔与需要进行取样的能源数据的个数之差。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (12)

1.一种动态参数自适应拟合方法，其特征在于，所述方法包括：
获取需要进行筛选的能源数据集合以及所述能源数据的属性信息；
根据能源数据的筛选规则，从所述能源数据集合中查找所述能源数据的属性信息满足所述筛选数据规则的能源筛选数据；
利用所述能源筛选数据进行能源数据拟合。
2.根据权利要求1所述的方法，其特征在于，所述能源数据的筛选规则包括下列规则中的部分或全部：
剔除能源站非工作时间内产生的能源数据；
剔除能源数据的属性值超过预设限值的能源数据；
剔除能源数据中无效的能源数据；
剔除能源数据中不满足数据稳定性的能源数据。
3.根据权利要求1所述的方法，其特征在于，所述根据能源数据的筛选规则，从所述能源数据集合中查找所述能源数据的属性信息满足所述能源筛选数据规则的能源筛选数据，包括：
若所述能源数据筛选规则包括剔除能源数据中无效的能源数据，则将所述能源数据的属性信息中的数据值与设定的无效数据值进行比较，将所述数据属性信息中的数据值与所述设定的无效数据值一致的所述能源数据删除。
4.根据权利要求1所述的方法，其特征在于，所述根据能源数据的筛选规则，从所述能源数据集合中查找所述能源数据的属性信息满足所述能源筛选数据规则的能源筛选数据，包括：
若所述规则包括剔除能源数据中不满足数据稳定性的能源数据，则将所述能源数据按照设定的取样数据间隔顺序取样，并计算取样的能源数据的变异系数，若所述变异系数大于设定的变异系数阈值，则确定所述取样的能源数据为不满足数据稳定性的能源数据，删除所述取样的能源数据。
5.根据权利要求4所述的方法，其特征在于，所述将所述能源数据按照设定的取样数据间隔顺序取样，包括：
确定所述能源数据中按照顺序需要进行取样的能源数据的个数是否小于取样数据间隔，若所述需要进行取样的能源数据的个数不小于取样数据间隔，则对所述需要进行取样的能源数据进行采样。
6.根据权利要求5所述的方法，其特征在于，所述确定所述能源数据中按照顺序需要进行取样的能源数据的个数是否小于取样数据间隔之后，还包括：
若所述能源数据中按照顺序需要进行取样的能源数据的个数小于取样数据间隔，则将所述需要进行取样的能源数据以及所述需要进行取样的能源数据前的N个能源数据进行取样；
其中，N为取样数据间隔与需要进行取样的能源数据的个数之差。
7.一种动态参数自适应拟合装置，其特征在于，包括：
获取单元，用于获取需要进行筛选的能源数据集合以及所述能源数据的属性信息；
查找单元，用于根据能源数据的筛选规则，从所述能源数据集合中查找所述能源数据的属性信息满足所述筛选数据规则的能源筛选数据；
拟合单元，用于利用所述能源筛选数据进行能源数据拟合。
8.根据权利要求7所述的装置，其特征在于，所述能源数据的筛选规则包括下列规则中的部分或全部：
剔除能源站非工作时间内产生的能源数据；
剔除能源数据的属性值超过预设限值的能源数据；
剔除能源数据中无效的能源数据；
剔除能源数据中不满足数据稳定性的能源数据。
9.根据权利要求7所述的装置，其特征在于，所述查找单元具体用于：
若所述能源数据筛选规则包括剔除能源数据中无效的能源数据，则将所述能源数据的属性信息中的数据值与设定的无效数据值进行比较，将所述数据属性信息中的数据值与所述设定的无效数据值一致的所述能源数据删除。
10.根据权利要求7所述的装置，其特征在于，所述查找单元具体用于：
若所述规则包括剔除能源数据中不满足数据稳定性的能源数据，则将所述能源数据按照设定的取样数据间隔顺序取样，并计算取样的能源数据的变异系数，若所述变异系数大于设定的变异系数阈值，则确定所述取样的能源数据为不满足数据稳定性的能源数据，删除所述取样的能源数据。
11.根据权利要求10所述的装置，其特征在于，所述查找单元具体用于：
确定所述能源数据中按照顺序需要进行取样的能源数据的个数是否小于取样数据间隔，若所述需要进行取样的能源数据的个数不小于取样数据间隔，则对所述需要进行取样的能源数据进行采样。
12.根据权利要求11所述的装置，其特征在于，所述查找单元还用于：
若所述能源数据中按照顺序需要进行取样的能源数据的个数小于取样数据间隔，则将所述需要进行取样的能源数据以及所述需要进行取样的能源数据前的N个能源数据进行取样；
其中，N为取样数据间隔与需要进行取样的能源数据的个数之差。
CN201610383734.1A 2016-06-01 2016-06-01 一种动态参数自适应拟合方法及装置 Pending CN106095836A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610383734.1A CN106095836A (zh) 2016-06-01 2016-06-01 一种动态参数自适应拟合方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610383734.1A CN106095836A (zh) 2016-06-01 2016-06-01 一种动态参数自适应拟合方法及装置

Publications (1)

Publication Number Publication Date
CN106095836A true CN106095836A (zh) 2016-11-09

Family

ID=57448009

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610383734.1A Pending CN106095836A (zh) 2016-06-01 2016-06-01 一种动态参数自适应拟合方法及装置

Country Status (1)

Country Link
CN (1) CN106095836A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880610A (zh) * 2011-07-13 2013-01-16 北京杜朗自动化系统技术有限公司 一种能源数据管理方法及系统
CN103390902A (zh) * 2013-06-04 2013-11-13 国家电网公司 一种基于最小二乘法的光伏电站超短期功率预测方法
CN105547499A (zh) * 2015-12-29 2016-05-04 广州视源电子科技股份有限公司 预测温度的方法及其系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880610A (zh) * 2011-07-13 2013-01-16 北京杜朗自动化系统技术有限公司 一种能源数据管理方法及系统
CN103390902A (zh) * 2013-06-04 2013-11-13 国家电网公司 一种基于最小二乘法的光伏电站超短期功率预测方法
CN105547499A (zh) * 2015-12-29 2016-05-04 广州视源电子科技股份有限公司 预测温度的方法及其系统

Similar Documents

Publication Publication Date Title
WO2016101628A1 (zh) 一种数据建模中的数据处理方法及装置
CN111538951B (zh) 一种异常定位方法及装置
CN109543765A (zh) 一种基于改进IForest的工业数据去噪方法
CN108920786B (zh) 一种基于切比雪夫多项式拟合的区间不确定性分析方法
CN105303469B (zh) 线损异常原因数据挖掘分析的方法与系统
CN106502871B (zh) 监管系统的告警阈值动态配置系统及方法
WO2016165378A1 (zh) 一种储能电站海量数据清洗方法及系统
CN106708989A (zh) 基于空间时序数据流应用的Skyline查询方法
CN103322931A (zh) 点云间隙与断差量测系统及方法
CN106777093A (zh) 基于空间时序数据流应用的Skyline查询系统
CN106503459A (zh) 一种改进随机森林气温数据质量控制方法
US20180285371A1 (en) Method and apparatus for automatically discovering gas station poi, storage medium and device
CN104407688A (zh) 基于树回归的虚拟化云平台能耗测量方法及系统
CN104199945A (zh) 数据存储方法和装置
CN109567839A (zh) 髋关节x光图像自动分析方法
CN105574675A (zh) 基于规则库的建筑工程规划监督方法和系统
CN109829246B (zh) 一种基于参数综合可疑度的线路参数辨识方法
CN106648839A (zh) 数据处理的方法和装置
WO2016112618A1 (zh) 一种基于距离的求解二维空间中代表性节点集的算法
CN113868434A (zh) 图数据库的数据处理方法、设备和存储介质
CN105069574A (zh) 一种业务流程行为相似度分析的新方法
CN107909097A (zh) 样本库中样本的更新方法及装置
CN106095836A (zh) 一种动态参数自适应拟合方法及装置
Gay et al. Maximum likelihood and quasi-likelihood for nonlinear exponential family regression models
CN106780080A (zh) 植物种植进度的计算方法、计算装置和服务器

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20161109

RJ01 Rejection of invention patent application after publication