CN112862222A - 空调回风温度的预测方法、异常监控方法和相关装置 - Google Patents
空调回风温度的预测方法、异常监控方法和相关装置 Download PDFInfo
- Publication number
- CN112862222A CN112862222A CN202110327643.7A CN202110327643A CN112862222A CN 112862222 A CN112862222 A CN 112862222A CN 202110327643 A CN202110327643 A CN 202110327643A CN 112862222 A CN112862222 A CN 112862222A
- Authority
- CN
- China
- Prior art keywords
- air temperature
- return air
- temperature data
- air conditioner
- moment
- 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
Links
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Abstract
本发明公开了一种空调回风温度的预测方法、异常监控方法和相关装置,涉及数据分析与挖掘技术领域。该方法的一具体实施方式包括:以预设的时间间隔接收空调的各时刻的回风温度数据,按照时刻选取规则,从各时刻中动态选取预设数量的时刻,根据所选取时刻的回风温度数据,生成空调的预测回风温度数据,其中,所选取的每个时刻的回风温度数据对应各自的权重,预测回风温度数据为预测得到的当前时刻的下一时刻空调的回风温度数据,还可基于空调的设定的回风温度参数监控预测回风温度数据的异常,该实施方式无需大量数据构建训练数据集即可得到准确可靠的精密空调回风温度预测数据,提高空调回风温度异常监控性能,有效保证精密空调运行安全可靠性。
Description
技术领域
本发明涉及数据分析与挖掘技术领域,尤其涉及一种空调回风温度的预测方法、异常监控方法和相关装置。
背景技术
工业机房尤其是通信机房内的电子设备正常运行需要有一个稳定的机房温湿度环境。如果机房内的环境参数达不到通信设备运行的要求,将会对设备的正常运行造成影响,例如:数据存储出错、运行速度偏慢等,甚至直接宕机或造成设备硬件损坏。机房精密空调便是根据机房内的各类电子设备对环境温湿度的要求而专门设计的空调系统,由于其高可靠性的硬件配置,使其能够在控制系统下完成对机房环境温湿度的高精度调节。现有方案通过基于ARX模型(系统辨识中的模型)预测精密空调的回风温度来监控异常,ARX模型实际过程的输入和输出之间的关系是非常复杂的,往往是非线性的、时变的,为了完善ARX模型,可以另外增加输入,外加输入是实际输入值的平方和/或乘积,可以利用模型历史输入值和预测输出值作为新的模型输入,输入和输出之间关系也不再是线性的,而是二阶的,因此ARX模型需要大量且复杂的数据集,通过大量的数据去训练该数据模型,从而达到预测效果。但是通常并没有足够的实际数据来支撑该数据集,因此,如果仅仅从模拟数据进行训练该模型,该模型不具备实际的预测能力,更无法基于预测的回风温度数据有效地进行异常监控。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
无法得到准确可靠的精密空调回风温度预测数据,降低了空调回风温度异常的监控性能,无法保证精密空调运行的安全性和可靠性。
发明内容
有鉴于此,本发明实施例提供一种空调回风温度的预测方法、异常监控方法和相关装置,无需大量数据构建训练数据集即可得到准确可靠的精密空调回风温度预测数据,提高了空调回风温度异常的监控性能,有效保证精密空调运行的安全性和可靠性。
为实现上述目的,根据本发明实施例的一个方面,提供了一种空调回风温度的预测方法。
一种空调回风温度的预测方法,包括:以预设的时间间隔接收空调的各时刻的回风温度数据;按照时刻选取规则,从所述各时刻中动态选取预设数量的时刻,根据所选取时刻的回风温度数据,生成所述空调的预测回风温度数据,其中,所选取的每个时刻的回风温度数据对应各自的权重,所述预测回风温度数据为预测得到的当前时刻的下一时刻所述空调的回风温度数据。
可选地,所述各时刻中每个时刻的回风温度数据分别对应该时刻的已存预测回风温度数据;所述按照时刻选取规则,从所述各时刻中动态选取预设数量的时刻,包括:计算所述各时刻中每个时刻的回风温度数据与对应的已存预测回风温度数据的误差值;对计算得到的所有误差值按照数值大小排序,并选取出数值最小的所述预设数量的误差值;由选取出的误差值对应的时刻得到所述预设数量的时刻。
可选地,所述根据所选取时刻的回风温度数据,生成所述空调的预测回风温度数据,包括:根据所选取时刻的回风温度数据,以及所选取的每个时刻的回风温度数据对应的权重,利用移动平均算法计算所选取的每个时刻的回风温度加权值,基于计算得到的各回风温度加权值,计算所述空调的预测回风温度数据,其中,所述权重根据对应的时刻的编号、所述当前时刻的下一时刻的编号动态计算得到,所选取的每个时刻的编号以及所述当前时刻的下一时刻的编号,通过对所述所选取时刻以及所述当前时刻的下一时刻,按照时间先后顺序排列确定。
可选地,所述根据所选取时刻的回风温度数据,生成所述空调的预测回风温度数据之前,包括:确定所述空调的各时刻的回风温度数据符合预设的自回归模型。
根据本发明实施例的另一方面,提供了一种基于本发明实施例的空调回风温度的预测方法对空调回风温度进行异常监控的方法。
一种基于本发明实施例的空调回风温度的预测方法对空调回风温度进行异常监控的方法,包括:基于所述空调的设定的回风温度参数,监控生成的所述预测回风温度数据的异常。
可选地,所述基于所述空调的设定的回风温度参数,监控生成的所述预测回风温度数据的异常之前,包括:获取与所述设定的回风温度参数对应的操作用户信息;根据空调标识与操作用户信息的预设对应关系,验证与所述设定的回风温度参数对应的操作用户信息,以确定与所述设定的回风温度参数对应的操作用户信息、所述空调的空调标识对应的操作用户信息二者一致。
可选地,所述基于所述空调的设定的回风温度参数,监控生成的所述预测回风温度数据的异常,包括:获取所述空调标识对应的异常报警阈值和偏移值;根据所述异常报警阈值和所述偏移值确定温度区间;在监控到所述预测回风温度数据超出所述温度区间的情况下,确定所述预测回风温度数据异常。
可选地,所述确定所述预测回风温度数据异常之后,还包括:输出所述空调的回风温度异常的预警消息。
根据本发明实施例的又一方面,提供了一种空调回风温度的预测装置。
一种空调回风温度的预测装置,包括:数据接收模块,用于以预设的时间间隔接收空调的各时刻的回风温度数据;温度预测模块,用于按照时刻选取规则,从所述各时刻中动态选取预设数量的时刻,根据所选取时刻的回风温度数据,生成所述空调的预测回风温度数据,其中,所选取的每个时刻的回风温度数据对应各自的权重,所述预测回风温度数据为预测得到的当前时刻的下一时刻所述空调的回风温度数据。
可选地,所述各时刻中每个时刻的回风温度数据分别对应该时刻的已存预测回风温度数据;所述温度预测模块包括时刻选取子模块,用于:计算所述各时刻中每个时刻的回风温度数据与对应的已存预测回风温度数据的误差值;对计算得到的所有误差值按照数值大小排序,并选取出数值最小的所述预设数量的误差值;由选取出的误差值对应的时刻得到所述预设数量的时刻。
可选地,所述温度预测模块还用于:根据所选取时刻的回风温度数据,以及所选取的每个时刻的回风温度数据对应的权重,利用移动平均算法计算所选取的每个时刻的回风温度加权值,基于计算得到的各回风温度加权值,计算所述空调的预测回风温度数据,其中,所述权重根据对应的时刻的编号、所述当前时刻的下一时刻的编号动态计算得到,所选取的每个时刻的编号以及所述当前时刻的下一时刻的编号,通过对所述所选取时刻以及所述当前时刻的下一时刻,按照时间先后顺序排列确定。
可选地,所述温度预测模块还用于:确定所述空调的各时刻的回风温度数据符合预设的自回归模型。
根据本发明实施例的又一方面,提供了一种基于本发明实施例的空调回风温度的预测装置对空调回风温度进行异常监控的装置。
一种基于本发明实施例的空调回风温度的预测装置对空调回风温度进行异常监控的装置,包括:异常监控模块,用于基于所述空调的设定的回风温度参数,监控生成的所述预测回风温度数据的异常。
可选地,还包括信息验证模块,用于:获取与所述设定的回风温度参数对应的操作用户信息;根据空调标识与操作用户信息的预设对应关系,验证与所述设定的回风温度参数对应的操作用户信息,以确定与所述设定的回风温度参数对应的操作用户信息、所述空调的空调标识对应的操作用户信息二者一致。
可选地,所述异常监控模块还用于:获取所述空调标识对应的异常报警阈值和偏移值;根据所述异常报警阈值和所述偏移值确定温度区间;在监控到所述预测回风温度数据超出所述温度区间的情况下,确定所述预测回风温度数据异常。
可选地,还包括预警模块,用于:输出所述空调的回风温度异常的预警消息。
根据本发明实施例的又一方面,提供了一种电子设备。
一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现本发明实施例所提供的空调回风温度的预测方法或空调回风温度的异常监控方法。
根据本发明实施例的又一方面,提供了一种计算机可读介质。
一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例所提供的空调回风温度的预测方法或空调回风温度的异常监控方法。
上述发明中的一个实施例具有如下优点或有益效果:以预设的时间间隔接收空调的各时刻的回风温度数据,按照时刻选取规则,从上述各时刻中动态选取预设数量的时刻,根据所选取时刻的回风温度数据,生成空调的预测回风温度数据,其中,所选取的每个时刻的回风温度数据对应各自的权重,预测回风温度数据为预测得到的当前时刻的下一时刻所述空调的回风温度数据,从而无需大量数据构建训练数据集即可得到准确可靠的精密空调回风温度预测数据;本发明另一个实施例还可基于空调的设定的回风温度参数,监控上述生成的预测回风温度数据的异常,提高了空调回风温度异常的监控性能,本发明各实施例能够有效保证精密空调运行的安全性和可靠性。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明一个实施例的空调回风温度的预测方法的主要步骤示意图;
图2是根据本发明一个实施例的空调回风温度的异常监控方法的主要步骤示意图;
图3是根据本发明一个实施例的空调回风温度的预测装置的主要模块示意图;
图4是根据本发明一个实施例的空调回风温度的异常监控装置的主要模块示意图;
图5是本发明实施例可以应用于其中的示例性系统架构图;
图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明一个实施例的空调回风温度的预测方法的主要步骤示意图。
如图1所示,本发明一个实施例的空调回风温度的预测方法主要包括如下的步骤S101至步骤S102。本发明实施例的空调回风温度的预测方法可以由中央控制系统的服务器执行。
步骤S101:以预设的时间间隔接收空调的各时刻的回风温度数据。
本发明实施例的空调以精密空调为例,精密空调回风温度传感器可以定时(以预设的时间间隔)向中央控制系统推送回风温度数据,中央控制系统对接收到的各时刻的回风温度数据进行存储。
在一个实施例中,精密空调回风温度传感器每次推送的回风温度数据是实时的,因此,各时刻(即以预设的时间间隔接收的空调的回风温度数据的各时刻)同时也是精密空调回风温度传感器推送回风温度数据的时刻,即向中央控制系统上传回风温度数据的时间点。
步骤S102:按照时刻选取规则,从各时刻中动态选取预设数量的时刻,根据所选取时刻的回风温度数据,生成空调的预测回风温度数据,其中,所选取的每个时刻的回风温度数据对应各自的权重,该预测回风温度数据为预测得到的当前时刻的下一时刻空调的回风温度数据。
本领域技术人员可以理解的是,考虑数据存储空间等因素,在中央控制系统当前所存的回风温度数据不是已接收到的全部时刻的回风温度数据时,从各时刻中动态选取预设数量的时刻,即指:从已存储的回风温度数据对应的所有时刻中动态选取预设数量的时刻。
各时刻中每个时刻的回风温度数据分别对应该时刻的已存预测回风温度数据,某一时刻的已存预测回风温度数据是针对该时刻生成并存储预测回风温度数据而得到的。
在一个实施例中,按照时刻选取规则,从各时刻中动态选取预设数量的时刻,包括:计算各时刻中每个时刻的回风温度数据与对应的已存预测回风温度数据的误差值;对计算得到的所有误差值按照数值大小排序,并选取出数值最小的预设数量的误差值;由选取出的误差值对应的时刻得到上述预设数量的时刻。
每个时刻的回风温度数据与对应的已存预测回风温度数据的误差值具体为该时刻的回风温度数据与对应的已存预测回风温度数据二者之差的绝对值。
预设数量可以根据需要确定,例如设定为10个,那么则从已接收到的回风温度数据对应的时刻中选取出10个时刻。
在一个实施例中,根据所选取时刻的回风温度数据,生成空调的预测回风温度数据,包括:根据所选取时刻的回风温度数据,以及所选取的每个时刻的回风温度数据对应的权重,利用移动平均算法计算所选取的每个时刻的回风温度加权值,基于计算得到的各回风温度加权值,计算空调的预测回风温度数据,其中,权重根据对应的时刻的编号、当前时刻的下一时刻的编号动态计算得到,所选取的每个时刻的编号以及当前时刻的下一时刻的编号,通过对所选取时刻以及当前时刻的下一时刻,按照时间先后顺序排列确定。
空调的预测回风温度数据具体可以通过如下的移动平均算法计算:
其中,Fi+1表示预测得到的第i+1时刻空调的回风温度数据,即空调的预测回风温度数据,所选取时刻共有i个,所选取的每个时刻的回风温度数据分别为A1,A2,...Ai。
1,2,...i即所选取的每个时刻的编号,i+1为当前时刻的下一时刻的编号,1,2,...i,i+1是按照对应的时刻的时间先后顺序排列的。
移动平均法是一种简单平滑预测技术,它的基本思想是:根据时间序列资料、逐项推移,依次计算包含一定项数的序时平均值,以反映长期趋势的方法。因此,当时间序列的数值由于受周期变动和随机波动的影响,起伏较大,不易显示出事件的发展趋势时,使用移动平均法可以消除这些因素的影响,显示出事件的发展方向与趋势(即趋势线),然后依趋势线分析预测序列的长期趋势。
由于本发明实施例在每次生成空调的预测回风温度数据时,都是利用之前的预测误差最小的预设数量的时刻对应的回风温度数据来生成本次的预测回风温度数据,使得得到的预测回风温度数据能够与实际回风温度数据具有更精准的一致性,实现了无需大量数据构建训练数据集即可得到准确可靠的精密空调回风温度预测数据。
在一个实施例中,根据所选取时刻的回风温度数据,生成空调的预测回风温度数据之前,包括:确定空调的各时刻的回风温度数据符合预设的自回归模型。
自回归模型是一种处理时间序列的方法,本发明实施例的自回归模型如下:
其中,t代表精密空调的回风温度传感器的上传数据时间点,x代表精密空调的回风温度数据值。通过在时间t之前各个时间点上传的回风温度数据,来预测t时刻的回风温度数据Xt。c为常数项,εt设被假设为平均数等于0、标准差等于σ的随机误差值,σ被假设为对于任何的时间点t都不变,为自回归模型中线性求导的系数。
本发明实施例可以结合自回归模型以及移动平均数的模型对精密空调的未来温度进行预测,得到精密空调的预测回风温度数据。现有技术中利用机器学习、深度学习去建立数学模型来对精密空调回风温度预测,需要大量的数据集进行训练,并且数据集是实际精密空调发生异常的数据集,这个数据量在实际生产上往往不够,此外对于不同品牌的精密空调在不同环境下所设定的温度也不尽相同,因此,现有技术需要训练多个数据模型才能在特定的条件跟环境下发挥其预测的作用。而本发明实施例针对精密空调这一特定的设备以及其工作原理,其温度一旦设定,在一定时间范围内将会被确定。因此回风温度在一定时间范围内满足线性回归的条件;其次,回风温度检测传感器定时传回的数据也是独立的,不受其他的条件的干扰,因此可以进行自回归预测未来时刻的回风温度。本发明实施例可以克服现有技术存在的缺陷,不需要大量训练数据即可精准预测精密空调的回风温度数据。
图2是根据本发明一个实施例的空调回风温度的异常监控方法的主要步骤示意图。
如图2所示,本发明一个实施例的空调回风温度的异常监控方法主要包括如下的步骤S201至步骤S203。
其中,步骤S201、步骤S202分别与步骤S101、步骤S102对应相同,本实施例不再赘述。
步骤S203:基于空调的设定的回风温度参数,监控生成的预测回风温度数据的异常。
在一个实施例中,基于空调的设定的回风温度参数,监控生成的预测回风温度数据的异常之前,还可以获取与设定的回风温度参数对应的操作用户信息,根据空调标识与操作用户信息的预设对应关系,验证与设定的回风温度参数对应的操作用户信息,以确定与设定的回风温度参数对应的操作用户信息、空调的空调标识对应的操作用户信息二者一致。从而本发明实施例可以确保基于符合权限的操作用户设置的回风温度参数来监控生成的预测回风温度数据的异常,以有效保证精密空调运行的安全性和可靠性。
操作用户信息具体可以是表示操作用户身份的信息,例如用户名、ID等。回风温度参数是与监控回风温度异常相关的参数,例如异常报警阈值和偏移值。
在一个实施例中,基于空调的设定的回风温度参数,监控生成的预测回风温度数据的异常,具体可以包括:获取空调标识对应的异常报警阈值和偏移值;根据异常报警阈值和偏移值确定温度区间;在监控到预测回风温度数据超出温度区间的情况下,确定预测回风温度数据异常。异常报警阈值具体包括低温报警阈值、高温报警阈值。例如,偏移值设置为1.5摄氏度,那么当精密空调的预测回风温度数据值与异常报警阈值相差超过±1.5摄氏度(即预测回风温度数据值大于高温报警阈值+1.5摄氏度,或者,预测回风温度数据值小于低温报警阈值-1.5摄氏度)时,则确定该精密空调的预测回风温度数据异常。
在一个实施例中,确定预测回风温度数据异常之后,还可以输出空调的回风温度异常的预警消息。
本发明实施例当预测的回风温度达到警戒值时,会触发预警方案,以对该设备进行相应的维护及检修,实现了在精密空调的运行状态下,对精密空调相关的运行参数进行进行监控分析计算,预测回风温度的趋势,以便对设备进行预期性维护和系统预警的处理,提高了精密空调的回风温度数据的监控性能。
图3是根据本发明一个实施例的空调回风温度的预测装置的主要模块示意图。
本发明一个实施例的空调回风温度的预测装置300主要包括:数据接收模块301、温度预测模块302。
数据接收模块301,用于以预设的时间间隔接收空调的各时刻的回风温度数据;
温度预测模块302,用于按照时刻选取规则,从各时刻中动态选取预设数量的时刻,根据所选取时刻的回风温度数据,生成空调的预测回风温度数据,其中,所选取的每个时刻的回风温度数据对应各自的权重,预测回风温度数据为预测得到的当前时刻的下一时刻空调的回风温度数据。
各时刻(即以预设的时间间隔接收空调的回风温度数据的各时刻)中每个时刻的回风温度数据分别对应该时刻的已存预测回风温度数据。
温度预测模块包括时刻选取子模块,用于:计算各时刻中每个时刻的回风温度数据与对应的已存预测回风温度数据的误差值;对计算得到的所有误差值按照数值大小排序,并选取出数值最小的预设数量的误差值;由选取出的误差值对应的时刻得到预设数量的时刻。
温度预测模块还用于:根据所选取时刻的回风温度数据,以及所选取的每个时刻的回风温度数据对应的权重,利用移动平均算法计算所选取的每个时刻的回风温度加权值,基于计算得到的各回风温度加权值,计算空调的预测回风温度数据,其中,权重根据对应的时刻的编号、当前时刻的下一时刻的编号动态计算得到,所选取的每个时刻的编号以及当前时刻的下一时刻的编号,通过对所选取时刻以及当前时刻的下一时刻,按照时间先后顺序排列确定。
温度预测模块还用于:确定空调的各时刻的回风温度数据符合预设的自回归模型。
图4是根据本发明一个实施例的空调回风温度的异常监控装置的主要模块示意图。
本发明一个实施例的空调回风温度的异常监控装置400主要包括:数据接收模块401、温度预测模块402、异常监控模块403。
其中,数据接收模块401、温度预测模块402分别与数据接收模块301、温度预测模块302的功能对应相同,本实施例不再赘述。
异常监控模块403,用于基于空调的设定的回风温度参数,监控生成的预测回风温度数据的异常。
空调回风温度的异常监控装置400还可以包括信息验证模块,用于:获取与设定的回风温度参数对应的操作用户信息;根据空调标识与操作用户信息的预设对应关系,验证与设定的回风温度参数对应的操作用户信息,以确定与设定的回风温度参数对应的操作用户信息、空调的空调标识对应的操作用户信息二者一致。
异常监控模块403具体可以用于:获取空调标识对应的异常报警阈值和偏移值;根据异常报警阈值和偏移值确定温度区间;在监控到预测回风温度数据超出温度区间的情况下,确定预测回风温度数据异常。
空调回风温度的异常监控装置400还可以包括预警模块,用于:输出空调的回风温度异常的预警消息。
另外,在本发明实施例中空调回风温度的预测装置、异常监控装置的具体实施内容,在上面所述空调回风温度的预测方法、异常监控方法中已经详细说明了,故在此重复内容不再说明。
图5示出了可以应用本发明实施例的空调回风温度的预测方法、异常监控方法或空调回风温度的预测装置、异常监控装置的示例性系统架构500。
如图5所示,系统架构500可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互,以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器,例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的空调回风温度的预测方法、异常监控方法一般由服务器505执行,相应地,空调回风温度的预测装置、异常监控装置一般设置于服务器505中。
应该理解,图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图6,其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统600的结构示意图。图6示出的终端设备或服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本发明公开的实施例,上文参考主要步骤示意图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行主要步骤示意图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的主要步骤示意图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,主要步骤示意图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或主要步骤示意图中的每个方框、以及框图或主要步骤示意图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括数据接收模块、温度预测模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,数据接收模块还可以被描述为“用于以预设的时间间隔接收空调的各时刻的回风温度数据的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:以预设的时间间隔接收空调的各时刻的回风温度数据;按照时刻选取规则,从所述各时刻中动态选取预设数量的时刻,根据所选取时刻的回风温度数据,生成所述空调的预测回风温度数据,其中,所选取的每个时刻的回风温度数据对应各自的权重,所述预测回风温度数据为预测得到的当前时刻的下一时刻所述空调的回风温度数据。
根据本发明实施例的技术方案,以预设的时间间隔接收空调的各时刻的回风温度数据,按照时刻选取规则,从上述各时刻中动态选取预设数量的时刻,根据所选取时刻的回风温度数据,生成空调的预测回风温度数据,其中,所选取的每个时刻的回风温度数据对应各自的权重,预测回风温度数据为预测得到的当前时刻的下一时刻所述空调的回风温度数据,从而无需大量数据构建训练数据集即可得到准确可靠的精密空调回风温度预测数据;本发明另一个实施例还可基于空调的设定的回风温度参数,监控上述生成的预测回风温度数据的异常,提高了空调回风温度异常的监控性能,本发明各实施例能够有效保证精密空调运行的安全性和可靠性。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (14)
1.一种空调回风温度的预测方法,其特征在于,包括:
以预设的时间间隔接收空调的各时刻的回风温度数据;
按照时刻选取规则,从所述各时刻中动态选取预设数量的时刻,根据所选取时刻的回风温度数据,生成所述空调的预测回风温度数据,其中,所选取的每个时刻的回风温度数据对应各自的权重,所述预测回风温度数据为预测得到的当前时刻的下一时刻所述空调的回风温度数据。
2.根据权利要求1所述的方法,其特征在于,所述各时刻中每个时刻的回风温度数据分别对应该时刻的已存预测回风温度数据;
所述按照时刻选取规则,从所述各时刻中动态选取预设数量的时刻,包括:
计算所述各时刻中每个时刻的回风温度数据与对应的已存预测回风温度数据的误差值;
对计算得到的所有误差值按照数值大小排序,并选取出数值最小的所述预设数量的误差值;
由选取出的误差值对应的时刻得到所述预设数量的时刻。
3.根据权利要求1所述的方法,其特征在于,所述根据所选取时刻的回风温度数据,生成所述空调的预测回风温度数据,包括:
根据所选取时刻的回风温度数据,以及所选取的每个时刻的回风温度数据对应的权重,利用移动平均算法计算所选取的每个时刻的回风温度加权值,基于计算得到的各回风温度加权值,计算所述空调的预测回风温度数据,其中,所述权重根据对应的时刻的编号、所述当前时刻的下一时刻的编号动态计算得到,所选取的每个时刻的编号以及所述当前时刻的下一时刻的编号,通过对所述所选取时刻以及所述当前时刻的下一时刻,按照时间先后顺序排列确定。
4.根据权利要求1所述的方法,其特征在于,所述根据所选取时刻的回风温度数据,生成所述空调的预测回风温度数据之前,包括:
确定所述空调的各时刻的回风温度数据符合预设的自回归模型。
5.一种基于权利要求1至4中任一项所述的空调回风温度的预测方法对空调回风温度进行异常监控的方法,其特征在于,包括:
基于所述空调的设定的回风温度参数,监控生成的所述预测回风温度数据的异常。
6.根据权利要求5所述的方法,其特征在于,所述基于所述空调的设定的回风温度参数,监控生成的所述预测回风温度数据的异常之前,包括:
获取与所述设定的回风温度参数对应的操作用户信息;
根据空调标识与操作用户信息的预设对应关系,验证与所述设定的回风温度参数对应的操作用户信息,以确定与所述设定的回风温度参数对应的操作用户信息、所述空调的空调标识对应的操作用户信息二者一致。
7.根据权利要求6所述的方法,其特征在于,所述基于所述空调的设定的回风温度参数,监控生成的所述预测回风温度数据的异常,包括:
获取所述空调标识对应的异常报警阈值和偏移值;
根据所述异常报警阈值和所述偏移值确定温度区间;
在监控到所述预测回风温度数据超出所述温度区间的情况下,确定所述预测回风温度数据异常。
8.根据权利要求7所述的方法,其特征在于,所述确定所述预测回风温度数据异常之后,还包括:
输出所述空调的回风温度异常的预警消息。
9.一种空调回风温度的预测装置,其特征在于,包括:
数据接收模块,用于以预设的时间间隔接收空调的各时刻的回风温度数据;
温度预测模块,用于按照时刻选取规则,从所述各时刻中动态选取预设数量的时刻,根据所选取时刻的回风温度数据,生成所述空调的预测回风温度数据,其中,所选取的每个时刻的回风温度数据对应各自的权重,所述预测回风温度数据为预测得到的当前时刻的下一时刻所述空调的回风温度数据。
10.根据权利要求9所述的装置,其特征在于,所述各时刻中每个时刻的回风温度数据分别对应该时刻的已存预测回风温度数据;
所述温度预测模块包括时刻选取子模块,用于:
计算所述各时刻中每个时刻的回风温度数据与对应的已存预测回风温度数据的误差值;
对计算得到的所有误差值按照数值大小排序,并选取出数值最小的所述预设数量的误差值;
由选取出的误差值对应的时刻得到所述预设数量的时刻。
11.一种基于权利要求9至10中任一项所述的空调回风温度的预测装置对空调回风温度进行异常监控的装置,其特征在于,包括:
异常监控模块,用于基于所述空调的设定的回风温度参数,监控生成的所述预测回风温度数据的异常。
12.根据权利要求11所述的装置,其特征在于,还包括信息验证模块,用于:
获取与所述设定的回风温度参数对应的操作用户信息;
根据空调标识与操作用户信息的预设对应关系,验证与所述设定的回风温度参数对应的操作用户信息,以确定与所述设定的回风温度参数对应的操作用户信息、所述空调的空调标识对应的操作用户信息二者一致。
13.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110327643.7A CN112862222A (zh) | 2021-03-26 | 2021-03-26 | 空调回风温度的预测方法、异常监控方法和相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110327643.7A CN112862222A (zh) | 2021-03-26 | 2021-03-26 | 空调回风温度的预测方法、异常监控方法和相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112862222A true CN112862222A (zh) | 2021-05-28 |
Family
ID=75993010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110327643.7A Pending CN112862222A (zh) | 2021-03-26 | 2021-03-26 | 空调回风温度的预测方法、异常监控方法和相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112862222A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115123327A (zh) * | 2022-06-29 | 2022-09-30 | 新誉轨道交通科技有限公司 | 一种列车空调温度的控制方法、装置及介质 |
TWI787955B (zh) * | 2021-08-13 | 2022-12-21 | 國立臺灣科技大學 | 設備溫度異常的線上檢測方法和系統 |
CN115123327B (zh) * | 2022-06-29 | 2024-05-03 | 新誉轨道交通科技有限公司 | 一种列车空调温度的控制方法、装置及介质 |
-
2021
- 2021-03-26 CN CN202110327643.7A patent/CN112862222A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI787955B (zh) * | 2021-08-13 | 2022-12-21 | 國立臺灣科技大學 | 設備溫度異常的線上檢測方法和系統 |
CN115123327A (zh) * | 2022-06-29 | 2022-09-30 | 新誉轨道交通科技有限公司 | 一种列车空调温度的控制方法、装置及介质 |
CN115123327B (zh) * | 2022-06-29 | 2024-05-03 | 新誉轨道交通科技有限公司 | 一种列车空调温度的控制方法、装置及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10585773B2 (en) | System to manage economics and operational dynamics of IT systems and infrastructure in a multi-vendor service environment | |
CN108880931B (zh) | 用于输出信息的方法和装置 | |
CN110851342A (zh) | 故障预测方法、装置、计算设备以及计算机可读存储介质 | |
JP6355683B2 (ja) | リスク早期警報方法、装置、記憶媒体およびコンピュータプログラム | |
US9794153B2 (en) | Determining a risk level for server health check processing | |
CN108228428B (zh) | 用于输出信息的方法和装置 | |
CN107704387B (zh) | 用于系统预警的方法、装置、电子设备及计算机可读介质 | |
CN109976971B (zh) | 硬盘状态监测方法和装置 | |
US10558206B2 (en) | Electrical device degradation determination | |
CN115085196B (zh) | 电力负荷预测值确定方法、装置、设备和计算机可读介质 | |
CN114780338A (zh) | 主机信息处理方法、装置、电子设备和计算机可读介质 | |
CN112862222A (zh) | 空调回风温度的预测方法、异常监控方法和相关装置 | |
CN111901156B (zh) | 一种监控故障的方法及装置 | |
CN115277261B (zh) | 基于工控网络病毒的异常机器智能识别方法、装置、设备 | |
CN113722177B (zh) | 时序指标异常检测方法、装置、系统、设备及存储介质 | |
CN115187364A (zh) | 银行分布式场景下保证金风险监控的方法及装置 | |
KR102088697B1 (ko) | 웹 기반의 통계적 공정 관리 시스템 | |
CN113052509A (zh) | 模型评估方法、模型评估装置、电子设备和存储介质 | |
CN113758608B (zh) | 一种报警处理方法和装置 | |
CN113537519A (zh) | 一种识别异常设备的方法和装置 | |
CN110633182A (zh) | 用于监控服务器稳定性的系统、方法和装置 | |
CN112183644B (zh) | 指标稳定性的监控方法、装置、计算机设备及介质 | |
CN117130873B (zh) | 一种任务监控的方法和装置 | |
CN111026571B (zh) | 处理器降频处理方法、装置及电子设备 | |
CN115080524B (zh) | 一种数据绑定方法、系统、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |