CN114330875A - 环境信息确定方法、装置、电子设备及存储介质 - Google Patents
环境信息确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114330875A CN114330875A CN202111624800.7A CN202111624800A CN114330875A CN 114330875 A CN114330875 A CN 114330875A CN 202111624800 A CN202111624800 A CN 202111624800A CN 114330875 A CN114330875 A CN 114330875A
- Authority
- CN
- China
- Prior art keywords
- data
- similar
- candidate
- information
- determining
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种环境信息确定方法、装置、电子设备及存储介质,涉及人工智能领域,尤其涉及大数据领域。具体实现方案为:从历史环境数据中选择针对预定时段的预定时段数据;从历史环境数据中,确定与预定时段数据具有相似关系的至少一个相似数据;针对至少一个相似数据中的每个相似数据,从历史环境数据中确定位于每个相似数据的对应时段之后的基准数据,得到至少一个基准数据;以及根据至少一个基准数据,确定环境信息。
Description
技术领域
本公开涉及人工智能领域,尤其涉及大数据领域,更具体地涉及一种环境信息确定方法、装置、电子设备、存储介质以及计算机程序产品。
背景技术
环境信息预测技术可广泛应用于可再生能源、综合能源、热发电、智能建筑等行业。根据历史数据对未来一段时间的环境信息进行预测,然后可以根据预测到的环境信息对其他设备进行控制优化。例如,根据预测到的温度、湿度、风速等环境信息,调整光伏发电功率、风机发电功率、建筑冷热负荷、换热设备换热能力等,从而提高工厂的效益。
发明内容
本公开提供了一种环境信息确定方法、装置、电子设备、存储介质以及计算机程序产品。
根据本公开的一方面,提供了一种环境信息确定方法,包括:从历史环境数据中选择针对预定时段的预定时段数据;从所述历史环境数据中,确定与所述预定时段数据具有相似关系的至少一个相似数据;针对所述至少一个相似数据中的每个相似数据,从所述历史环境数据中确定位于所述每个相似数据的对应时段之后的基准数据,得到至少一个基准数据;以及根据所述至少一个基准数据,确定环境信息。
根据本公开的另一方面,提供了一种环境信息确定装置,包括:预定时段数据确定模块,用于从历史环境数据中选择针对预定时段的预定时段数据;相似数据确定模块,用于从所述历史环境数据中,确定与所述预定时段数据具有相似关系的至少一个相似数据;基准数据确定模块,用于针对所述至少一个相似数据中的每个相似数据,从所述历史环境数据中确定位于所述每个相似数据的对应时段之后的基准数据,得到至少一个基准数据;以及环境信息确定模块,用于根据所述至少一个基准数据,确定环境信息。
根据本公开的另一个方面提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开提供的环境信息确定方法。
根据本公开的另一个方面提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本公开提供的环境信息确定方法。
根据本公开的另一个方面提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本公开提供的环境信息确定方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例的环境信息确定方法和装置的应用场景示意图;
图2是根据本公开实施例的环境信息确定方法的流程示意图;
图3是根据本公开实施例的相似数据确定方法的流程图。
图4是根据本公开另一实施例的环境信息确定方法的流程示意图;
图5是根据本公开实施例的环境信息确定方法的原理示意图;
图6是根据本公开实施例的环境信息确定装置的结构框图;以及
图7是用来实施本公开实施例的方法的电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
在一些实施例中,可以采用机器学习的手段来确定环境信息。例如,通过分析历史数据及相关数据的周期性、趋势性、残差信息等,构建高相关性预测特征,通过算法预测未来的环境信息。
但是采用上述技术方案,构造特征的过程较为复杂,而且训练成本较高。对于数据实时更新的系统,为了得到较为准确的环境信息,需要实时或定时更新模型,导致消耗较多的计算资源。
对此,本公开实施例提供的环境信息确定方法和装置,可以减少确定环境信息所需的计算量,从而节省计算资源。
以下将结合附图和具体实施例详细阐述本公开提供的技术方案。
图1是根据本公开实施例的环境信息确定方法和装置的应用场景示意图。
需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括温度传感器101、采集器102、通讯箱103、数据服务器104以及算法服务器105。上述装置可以与电厂中的DCS系统106(分布式控制系统,Distributed Control System)相耦合。
温度传感器101用于对温度进行采集。
示例性的,温度传感器101用于对空冷岛的进风进行采集。在实际安装时,为了保证空冷岛进风温度的有效性,可以将温度传感器101安装在空冷岛中的A型管排的内侧,A型管排的两侧可以对称安装若干个温度传感器101,空冷岛中的每台风机单元对应的温度传感器101数量可以大于等于2个。此外,温度传感器101可以在A型管排上呈带状分布,例如,图1中左侧第一个A型管排中示出了两条横线,每条横线可以表示多个呈带状分布的温度传感器101。
采集器102用于将多个温度传感器101采集到的数据进行汇总,然后传输至通讯箱103。
通讯箱103将收集到的温度数据发送至数据服务器104。
数据服务器104可以对接收到的多个历史环境数据进行存储,数据服务器104也可以将数据发送至DCS。
算法服务器105根据历史环境数据确定环境信息。算法服务器105可以用于执行本公开提供的环境信息确定方法。例如从历史环境数据中,确定预定数据、相似数据和基准数据,然后根据基准数据确定环境信息。
DCS系统106可以将历史环境数据发送至算法服务器105,也可以接受来自算法服务器105的环境信息。DCS系统106可以对温度传感器101采集到的数据和算法服务器105确定的环境信息进行存储和展示。
应当理解,上文以历史环境数据和确定的环境信息均是温度为例进行说明。应当理解,环境信息也可以包括湿度、风速、大气压等其他信息。
图2是根据本公开实施例的环境信息确定方法的流程图。
如图2所示,该环境信息确定方法200可以包括操作S210~操作S240。
在操作S210,从历史环境数据中选择针对预定时段的预定时段数据。
示例性的,环境数据可以包括温度、湿度、大气压、风速、风向、排汽压力、冷凝水温度等数据。历史环境数据表示过去第一预定时长内的环境数据,例如过去3年的环境数据。历史环境数据可以是时序数据。
预定时段可以过去某个时间段,例如从当前时刻开始向前若干个小时,或者从过去10小时至过去15小时。
预定时段数据表示在预定时段内的历史环境数据,例如从当前时刻开始向前5小时的温度数据。
在操作S220,从历史环境数据中,确定与预定时段数据具有相似关系的至少一个相似数据。
相似数据是历史环境数据中的第二预定时长的数据,例如9点至上午13点的温度数据,例如23点至6点的温度数据。
预定时段数据与相似数据具有相似关系,表示二者之间的差异较小。例如,二者最高气温、最低气温、平均温、升降趋势等参数之间的差异较小。相似数据的时长与预定时段数据的时长可以相同。
在操作S230,针对至少一个相似数据中的每个相似数据,从历史环境数据中确定位于每个相似数据的对应时段之后的基准数据,得到至少一个基准数据。
基准数据与相似数据一一对应,并且基准数据位于对应的相似数据的时段之后。例如,相似数据是某一天的9点至上午13点的温度数据,基准数据可以是该日期中的13点至15点的温度数据,或者基准数据可以是该日期中的14点至17点的温度数据,或者基准数据可以是次日的8点至10点的温度数据。
在操作S240,根据至少一个基准数据,确定环境信息。
示例性的,环境信息可以包括未来的数据,例如未来某个时间点和/或时间段的数据,也可以包括当前时刻的数据,也可以包括过去的数据,例如过去某个时间点和/或时间段的数据。
在一种示例中,可以从多个基准数据中选择一个基准数据,作为环境信息。例如,将与预定时段数据最相似的相似数据确定为目标相似数据,并将与目标相似数据相对应的基准数据确定为环境数据。再例如,可以随机选择一个基准数据,并根据该基准数据确定环境信息。
在另一种示例中,可以为多个基准数据赋予权重,并根据至少一个基准数据的加权平均值,确定环境信息。权重值可以随机确定,权重值也可以与相似度有关,例如,基准数据的权重与相似度成正相关,相似度为相似数据和预定时段数据之间的相似度,相似数据与基准数据一一对应。本公开实施例中,根据基准数据的加权平均值来确定环境信息,并且基准数据的权重与相似度成正相关,因此确定出的环境信息的准确性更高。
在另一种示例中,可以采用以下公式确定环境信息:
上述公式中,wi表示相似数据的权重,βi表示相似度,M表示基准数据的数量,xi表示第i个基准数据,f′表示环境信息。
根据本公开实施例提供的技术方案,由于先确定相似数据,然后根据相似数据对应时段之后的基准数据,确定环境信息。因此算法较为简单,所需的计算资源较少,从而减少算力。
图3是根据本公开实施例的相似数据确定方法的流程图。
根据本公开另一实施例320,从历史环境数据中,确定与预定时段数据具有相似关系的至少一个相似数据的操作,可以包括操作S321至操作S323。
在操作S321,从历史环境数据中确定多个候选数据。
示例性的,候选数据可以是历史环境数据中的第三预定时长的数据,例如时长为5小时的历史环境数据,该数据可以为某一日的9点至14点的数据,也可以某一日12点至17点的数据。候选数据的时长与预定时段数据的时长可以相同。
在一种示例中,可以根据第三预定时长,从历史环境数据中随机选择符合该第三预定时长的若干个数据,作为候选数据。
在另一种示例中,可以根据预定时段选择候选数据。例如,预定时段为9点至12点,可以从历史环境数据中,将过去3年中的9点至12点的数据筛选出来,作为候选数据。
在实际应用中,可以将历史环境数据按照月份存储在数据库中,当需要选择候选数据时,可以并行处理不同月份的数据,从而提高候选数据的检索速度。
在另一种示例中,历史环境数据的时段包括基于天的第一信息和基于小时的第二信息。相应地,多个候选数据中每个候选数据的时段与预定时段数据的时段之间的关系满足第一条件和/或第二条件。
第一信息可以表示在某个历史环境数据在一年中的第几天,第二信息可以表示在某个历史环境数据在一天中的第几小时。
第一条件包括:多个候选数据中每个候选数据的第一信息与预定时段数据的第一信息之间的时间间隔小于预定阈值。预定阈值可以为60天。满足第一条件表示候选数据与预定时段数据的时期相近,例如二者中一者为11月份的一段温度数据,另一者为12月份的一段温度数据。
第二条件包括:多个候选数据中每个候选数据的第二信息与预定时段数据的第二信息具有交集。满足第二条件表示候选数据与预定时段数据的时间相近,例如二者中一者为9点到12点的温度数据,另一者为8点到11点的温度数据。
采用本公开实施例提供的技术方案,由于时期相近或时间相近的数据与预定时段数据具有相似关系的可能性更高,因此根据第一条件和/或第二条件确定候选数据,可以减少后续从候选数据中确定相似数据的计算量,从而提高计算效率。
在操作S322,确定多个候选数据中的每个候选数据与预定时段数据之间的相似度,得到多个相似度。
示例性的,可以采用距离度量方法确定候选数据与预定时段数据之间的相似度。距离度量方法包括但不限于欧式距离、最大子序列长度、动态时间规整等方法。
以下以欧式距离为例,对确定相似度的方法进行说明。本示例中,可以采用公式一计算相似度。
上述公式中,αi表示度量因子,p表示候选数据,hi表示预定时段数据。本实施例中候选数据和预定时段数据时长相同,N表示候选数据和预定时段数据的长度。
可以看出,在公式三中,度量因子αi随着候选数据和预定时段数据的相似性增加而减小。可选的,为了方便理解,也可以采用公式四进行修正。
上述公式四中,βi表示相似度。可以看出,经过公式二的修正之后,相似度βi与随着模式片段和历史模式片段的相似性增加而增大。
在操作S323,根据多个相似度,从多个候选数据中选择至少一个相似数据。
在一种示例中,可以将相似度超过阈值的候选数据确定为相似数据。
在另一种示例中,可以对多个相似度进行数值递增或者递减的排序,然后从中选择相似度较高的预定数量个候选数据,作为相似数据。采用该种方案,可以从多个候选数据中准确选择出相似度较高的一部分候选数据,作为相似数据。
在另一种示例中,可以先对多个相似度进行标准化处理,得到多个候选数据中每个候选数据的采样概率,然后基于采样概率,从多个候选数据中随机选择至少一个相似数据。
示例性的,经过标准化处理之后,多个相似度总和的值为1,此时相似度可以表示与该相似度相对应的候选数据被采样的概率。然后基于预先确定的采样概率,通过随机采样的方式选择相似数据。
本公开实施例提供的技术方案将相似度转换为采样概率,然后可以从多个候选数据随机筛选预定数量的候选数据,从而减少计算量,提高从多个候选数据中选择相似数据的效率。
采用上述操作S321至操作S323提供的技术方案,通过相似度来选择相似数据,可以从多个候选数据中较为准确地筛选出与预定时段数据较为相似的相似数据,从而提高确定出的环境信息的准确性。
根据本公开另一实施例,环境信息包括针对历史环境数据中预定时刻的参考数据和针对当前时刻之后的初始确定数据。相应地,环境信息确定方法还包括以下操作:首先根据参考数据和预定时刻的实际数据,确定调整量,然后基于调整量,调整初始确定数据,得到调整后的环境信息。
预定时刻可以是当前时刻,也可以是当前时刻之前的任一时刻。预定时刻的数据包括实际数据和参考数据,可以利用二者之间的偏差对环境信息进行调整,从而提高环境信息的准确性。
示例性的,环境信息是未来一段时间的温度曲线,预定时刻的实际温度高于预测到的温度数据,因此可以将温度曲线整体升高预定温度,得到更新后的环境信息。
示例性的,可以采用以下公式确定调整后的环境信息:
f=f′+(T-f1′) (公式五)
上述公式中,f是调整后的环境信息,f′是调整前的环境信息,T是预定时刻的实际数据,f1′是预定时刻的参考数据。可以看出,公式五中将预定时刻的实际数据与参考数据之间的差值作为调节量,将初始确定数据与调节量之和确定为调整后的环境信息。
采用本公开实施例提供的技术方案,可以根据预定时刻的实际数据与参考数据对环境信息进行调整,提高环境信息的准确性。
图4是根据本公开另一实施例的环境信息确定方法的流程示意图;
本公开实施例中,环境信息确定方法400可以包括操作S410至操作S480。应当理解,以下实施例仅为示例,本公开并不局限于此。
在操作S410,从历史环境数据中选择针对预定时段的预定时段数据。
例如,选择从过去5小时至当期时刻这一段时间作为预定时段,选择该段时间的温度曲线作为预定时段数据。
在操作S420,从历史环境数据中确定多个候选数据。
例如,从存储有过去三年的历史环境数据的数据库中,检索多个候选数据。候选数据与预定时刻数据的长度可以相同,例如候选数据是时长为5小时的温度曲线。
在操作S430,确定多个候选数据中的每个候选数据与预定时段数据之间的相似度,得到多个相似度。
在操作S440,根据多个相似度,从多个候选数据中选择至少一个相似数据。
例如,对多个相似度进行排序,将相似度较高的前100个候选数据确定为相似数据。或者对相似度进行标准化处理,将相似度转换为采样概率,然后通过随机采样的方式从多个候选数据中抽取若干个相似数据。
在操作S450,针对至少一个相似数据中的每个相似数据,从历史环境数据中确定位于每个相似数据的对应时段之后的基准数据,得到至少一个基准数据。
例如,如果需要确定的环境信息为从当前时刻开始至未来两小时的温度,则可以将相似数据对应时段之后的两小时的温度数据作为基准数据。例如,某个相似数据是某一日的9点至14点的温度曲线,可以将该日的14点至16点的温度曲线作为基准数据。
在操作S460,根据至少一个基准数据的加权平均值,确定环境信息。至少一个基准数据中每个基准数据的权重与相似度成正相关,相似度为与基准数据相对应的相似数据和预定时段数据之间的相似度。
在操作S470,根据当前时刻的预测数据和预定时刻的实际数据,确定调整量。
例如,确定的环境信息中包括针对当前时刻的预测数据,同时当前时刻的实际数据可以从历史环境数据中查找得到。通过二者之间的偏差可以确定调整量。
在操作S480,基于调整量,调整初始确定数据,得到调整后的确定数据。
例如,当前时刻的实际数据比当前时刻的预测数据高3度,则可以将操作S460中确定的环境信息整体提高3度,作为调整后的确定数据。
图5是根据本公开实施例的环境信息确定方法的原理示意图。
如图5所示,该实施例500中,首先从历史环境数据510中选择预定时段数据520和多个候选数据530。然后可以基于相似度从多个候选数据530中选择多个数据作为相似数据540,相似数据540的数量少于候选数据530的数量。然后可以确定每个相似数据540的基准数据550。然后根据多个基准数据550确定环境信息560。还可以根据调整量对环境信息560进行调整,得到调整后的环境信息570。
基于本公开提供的环境信息确定方法,本公开还提供了一种环境信息确定装置。以下将结合图6对该装置进行描述。
图6是根据本公开实施例的环境信息确定装置的结构框图。
如图6所示,该实施例的环境信息确定装置600可以包括预定时段数据确定模块610、相似数据确定模块620、基准数据确定模块630以及环境信息确定模块640。
预定时段数据确定模块610用于从历史环境数据中选择针对预定时段的预定时段数据。在一实施例中,预定时段数据确定模块610可以用于执行前文描述的操作S210,在此不再赘述。
相似数据确定模块620用于从历史环境数据中,确定与预定时段数据具有相似关系的至少一个相似数据。在一实施例中,相似数据确定模块620可以用于执行前文描述的操作S220,在此不再赘述。
基准数据确定模块630用于针对至少一个相似数据中的每个相似数据,从历史环境数据中确定位于每个相似数据的对应时段之后的基准数据,得到至少一个基准数据。在一实施例中,基准数据确定模块630可以用于执行前文描述的操作S230,在此不再赘述。
环境信息确定模块640用于根据至少一个基准数据,确定环境信息。在一实施例中,环境信息确定模块640可以用于执行前文描述的操作S240,在此不再赘述。
根据本公开的实施例,相似数据确定模块包括候选数据确定子模块、相似度确定子模块和相似数据确定子模块。候选数据确定子模块用于从历史环境数据中确定多个候选数据。相似度确定子模块用于确定多个候选数据中的每个候选数据与预定时段数据之间的相似度,得到多个相似度。相似数据确定子模块用于根据多个相似度,从多个候选数据中选择至少一个相似数据。
根据本公开的实施例,相似数据确定子模块包括处理单元和采样单元。处理单元用于对多个相似度进行标准化处理,得到多个候选数据中每个候选数据的采样概率。采样单元用于基于采样概率,从多个候选数据中随机选择至少一个相似数据。
根据本公开的实施例,历史环境数据的时段包括基于天的第一信息和基于小时的第二信息;多个候选数据中每个候选数据的时段与预定时段数据的时段之间的关系,满足以下至少一项:多个候选数据中每个候选数据的第一信息与预定时段数据的第一信息之间的时间间隔小于预定阈值;以及多个候选数据中每个候选数据的第二信息与预定时段数据的第二信息具有交集。
根据本公开的实施例,环境信息确定模块还用于根据至少一个基准数据的加权平均值,确定环境信息。至少一个基准数据中每个基准数据的权重与相似度成正相关,相似度为与基准数据相对应的相似数据和预定时段数据之间的相似度。
根据本公开的实施例,环境信息包括针对历史环境数据中预定时刻的参考数据和针对当前时刻之后的初始确定数据;该环境信息确定装置还包括调整量确定模块和调整模块。调整量确定模块用于根据参考数据和预定时刻的实际数据,确定调整量。调整模块用于基于调整量,调整初始确定数据,得到调整后的确定数据。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如环境信息确定。例如,在一些实施例中,环境信息确定可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM703并由计算单元701执行时,可以执行上文描述的环境信息确定的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行环境信息确定。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种环境信息确定方法,包括:
从历史环境数据中选择针对预定时段的预定时段数据;
从所述历史环境数据中,确定与所述预定时段数据具有相似关系的至少一个相似数据;
针对所述至少一个相似数据中的每个相似数据,从所述历史环境数据中确定位于所述每个相似数据的对应时段之后的基准数据,得到至少一个基准数据;以及
根据所述至少一个基准数据,确定环境信息。
2.根据权利要求1所述的方法,其中,所述从所述历史环境数据中,确定与所述预定时段数据具有相似关系的至少一个相似数据包括:
从所述历史环境数据中确定多个候选数据;
确定所述多个候选数据中的每个候选数据与所述预定时段数据之间的相似度,得到多个相似度;以及
根据所述多个相似度,从所述多个候选数据中选择所述至少一个相似数据。
3.根据权利要求2所述的方法,其中,所述根据所述多个相似度,从所述多个候选数据中选择所述至少一个相似数据包括:
对所述多个相似度进行标准化处理,得到所述多个候选数据中每个候选数据的采样概率;以及
基于所述采样概率,从所述多个候选数据中随机选择所述至少一个相似数据。
4.根据权利要求2所述的方法,其中,所述历史环境数据的时段包括基于天的第一信息和基于小时的第二信息;所述多个候选数据中每个候选数据的时段与所述预定时段数据的时段之间的关系,满足以下至少一项:
所述多个候选数据中每个候选数据的第一信息与所述预定时段数据的第一信息之间的时间间隔小于预定阈值;以及
所述多个候选数据中每个候选数据的第二信息与所述预定时段数据的第二信息具有交集。
5.根据权利要求1所述的方法,其中,所述根据所述至少一个基准数据,确定环境信息包括:
根据所述至少一个基准数据的加权平均值,确定所述环境信息;
其中,所述至少一个基准数据中每个基准数据的权重与相似度成正相关,所述相似度为与基准数据相对应的相似数据和所述预定时段数据之间的相似度。
6.根据权利要求1至5中任意一项所述的方法,其中,所述环境信息包括针对历史环境数据中预定时刻的参考数据和针对当前时刻之后的初始确定数据;
还包括:
根据所述参考数据和所述预定时刻的实际数据,确定调整量;以及
基于所述调整量,调整所述初始确定数据,得到调整后的环境信息。
7.一种环境信息确定装置,包括:
预定时段数据确定模块,用于从历史环境数据中选择针对预定时段的预定时段数据;
相似数据确定模块,用于从所述历史环境数据中,确定与所述预定时段数据具有相似关系的至少一个相似数据;
基准数据确定模块,用于针对所述至少一个相似数据中的每个相似数据,从所述历史环境数据中确定位于所述每个相似数据的对应时段之后的基准数据,得到至少一个基准数据;以及
环境信息确定模块,用于根据所述至少一个基准数据,确定环境信息。
8.根据权利要求7所述的装置,其中,所述相似数据确定模块包括:
候选数据确定子模块,用于从所述历史环境数据中确定多个候选数据;
相似度确定子模块,用于确定所述多个候选数据中的每个候选数据与所述预定时段数据之间的相似度,得到多个相似度;以及
相似数据确定子模块,用于根据所述多个相似度,从所述多个候选数据中选择所述至少一个相似数据。
9.根据权利要求8所述的装置,其中,所述相似数据确定子模块包括:
处理单元,用于对所述多个相似度进行标准化处理,得到所述多个候选数据中每个候选数据的采样概率;以及
采样单元,用于基于所述采样概率,从所述多个候选数据中随机选择所述至少一个相似数据。
10.根据权利要求8所述的装置,其中,所述历史环境数据的时段包括基于天的第一信息和基于小时的第二信息;所述多个候选数据中每个候选数据的时段与所述预定时段数据的时段之间的关系,满足以下至少一项:
所述多个候选数据中每个候选数据的第一信息与所述预定时段数据的第一信息之间的时间间隔小于预定阈值;以及
所述多个候选数据中每个候选数据的第二信息与所述预定时段数据的第二信息具有交集。
11.根据权利要求7所述的装置,其中,所述环境信息确定模块还用于:
根据所述至少一个基准数据的加权平均值,确定所述环境信息;
其中,所述至少一个基准数据中每个基准数据的权重与相似度成正相关,所述相似度为与基准数据相对应的相似数据和所述预定时段数据之间的相似度。
12.根据权利要求7至11中任意一项所述的装置,其中,所述环境信息包括针对历史环境数据中预定时刻的参考数据和针对当前时刻之后的初始确定数据;
还包括:
调整量确定模块,用于根据所述参考数据和所述预定时刻的实际数据,确定调整量;以及
调整模块,用于基于所述调整量,调整所述初始确定数据,得到调整后的环境信息。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111624800.7A CN114330875A (zh) | 2021-12-28 | 2021-12-28 | 环境信息确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111624800.7A CN114330875A (zh) | 2021-12-28 | 2021-12-28 | 环境信息确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114330875A true CN114330875A (zh) | 2022-04-12 |
Family
ID=81014942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111624800.7A Pending CN114330875A (zh) | 2021-12-28 | 2021-12-28 | 环境信息确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114330875A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115915708A (zh) * | 2022-10-28 | 2023-04-04 | 北京百度网讯科技有限公司 | 制冷设备控制参数预测方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-28 CN CN202111624800.7A patent/CN114330875A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115915708A (zh) * | 2022-10-28 | 2023-04-04 | 北京百度网讯科技有限公司 | 制冷设备控制参数预测方法、装置、电子设备及存储介质 |
CN115915708B (zh) * | 2022-10-28 | 2024-04-12 | 北京百度网讯科技有限公司 | 制冷设备控制参数预测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102215690B1 (ko) | 시계열의 데이터를 모니터링 하는 방법 및 그 장치 | |
US20220294218A1 (en) | Method and system for predicting regional short-term energy power by taking weather into consideration | |
Li et al. | Deep spatio-temporal wind power forecasting | |
CN112183826A (zh) | 基于深度级联生成对抗网络的建筑能耗预测方法及相关产品 | |
CN113822418A (zh) | 一种风电场功率预测方法、系统、设备和存储介质 | |
CN116307215A (zh) | 一种电力系统的负荷预测方法、装置、设备及存储介质 | |
Lujic et al. | Adaptive recovery of incomplete datasets for edge analytics | |
CN111159900B (zh) | 风机风速的预测方法及装置 | |
KR102478684B1 (ko) | 앙상블 학습을 이용한 에너지 소비 예측 방법 및 상기 방법을 수행하는 컴퓨팅 장치 | |
CN115915708A (zh) | 制冷设备控制参数预测方法、装置、电子设备及存储介质 | |
CN114330875A (zh) | 环境信息确定方法、装置、电子设备及存储介质 | |
CN110619407B (zh) | 对象销量的预测方法及系统、电子设备和存储介质 | |
CN114354233A (zh) | 异常确定方法及装置、设备、介质和产品 | |
CN115860190A (zh) | 负荷检测模型的训练、用电负荷的检测方法及相关装置 | |
CN115759395A (zh) | 光伏检测模型的训练、光伏发电的检测方法及相关装置 | |
CN115600820A (zh) | 一种发电预测模型的训练方法及风力发电功率的计算方法 | |
CN115313522A (zh) | 一种考虑新能源出力预测偏差的备用容量配置方法及系统 | |
CN114691918A (zh) | 基于人工智能的雷达图像检索方法、装置以及电子设备 | |
CN114139803A (zh) | 一种风电场站短期功率的预测方法、系统、设备和介质 | |
CN111046321B (zh) | 光伏电站运维策略优化方法和装置 | |
CN113741402A (zh) | 一种设备控制方法、装置、计算机设备和存储介质 | |
CN112232479A (zh) | 基于深度级联神经网络的建筑能耗时空因子表征方法及相关产品 | |
CN111178630A (zh) | 一种负荷预测方法及装置 | |
Zhang et al. | Load prediction based on depthwise separable convolution model | |
CN115630772B (zh) | 综合能源检测配电方法、系统、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 |