CN116402494A - 设备运行状态诊断方法、装置、电子设备和存储介质 - Google Patents
设备运行状态诊断方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116402494A CN116402494A CN202310284088.3A CN202310284088A CN116402494A CN 116402494 A CN116402494 A CN 116402494A CN 202310284088 A CN202310284088 A CN 202310284088A CN 116402494 A CN116402494 A CN 116402494A
- Authority
- CN
- China
- Prior art keywords
- historical
- energy consumption
- date
- consumption data
- data
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005265 energy consumption Methods 0.000 claims abstract description 207
- 238000004590 computer program Methods 0.000 claims description 17
- 238000002405 diagnostic procedure Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 37
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000007774 longterm Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种设备运行状态诊断方法、装置、电子设备和存储介质。该方法包括:获取待诊断设备的历史能耗数据;所述历史能耗数据中至少包括历史日期能耗数据以及该历史日期的特征数据;所述特征数据为天气和公休类别;根据所述历史日期的特征数据和诊断日期的特征数据,从所述历史日期中确定候选历史日期;根据所述历史能耗数据和所述候选历史日期的数量,对所述设备的运行状态进行诊断。本申请通过对历史日期的特征数据和诊断日期的特征数据的分析,准确确定了候选历史日期,以便于可以根据历史能耗数据和所述候选历史日期的数量,更加准确的对设备的运行状态进行诊断,解决了历史能耗数据量不足导致对设备运行状态诊断不准确的问题。
Description
技术领域
本发明涉及建筑机电领域设备运行诊断领域,尤其涉及一种设备运行状态诊断方法、装置、电子设备和存储介质。
背景技术
对于建筑机电系统设备,可以通过能耗数据视角判断其是否按照运行计划运行或是否有运行规律上的异常,从中发现问题并及时排查。
作为判定设备实际运行能耗是否报警或诊断异常的参照,一般通过机器学习中的聚类、分类算法,根据设备过去一年的历史能耗数据先聚类再分类进行参照值的计算。但是机器学习算法对历史数据量的要求较高,如果设备历史能耗数据量不足则无法得到一个泛化能力较强的模型,会影响输出的参照值结果准确度,从而影响对设备运行状态的诊断。
发明内容
本发明提供了一种设备运行状态诊断方法、装置、电子设备和存储介质,以解决历史能耗数据量不足导致对设备运行状态诊断不准确的问题。
根据本发明的一方面,提供了一种设备运行状态诊断方法,所述方法包括:
获取待诊断设备的历史能耗数据;所述历史能耗数据中至少包括历史日期能耗数据以及该历史日期的特征数据;所述特征数据为天气和公休类别;
根据所述历史日期的特征数据和诊断日期的特征数据,从所述历史日期中确定候选历史日期;
根据所述历史能耗数据和所述候选历史日期的数量,对所述设备的运行状态进行诊断。
根据本发明的另一方面,提供了一种设备运行状态诊断装置,所述装置包括:
数据获取模块,用于获取待诊断设备的历史能耗数据;所述历史能耗数据中至少包括历史日期能耗数据以及该历史日期的特征数据;所述特征数据为天气和公休类别;
候选历史日期确定模块,用于根据所述历史日期的特征数据和诊断日期的特征数据,从所述历史日期中确定候选历史日期;
诊断模块,用于根据所述历史能耗数据和所述候选历史日期的数量,对所述设备的运行状态进行诊断。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序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本发明任一实施例所述的设备运行状态诊断方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的设备运行状态诊断方法。
本发明实施例的技术方案,获取待诊断设备的历史能耗数据;所述历史能耗数据中至少包括历史日期能耗数据以及该历史日期的特征数据;所述特征数据为天气和公休类别;再根据所述历史日期的特征数据和诊断日期的特征数据,从所述历史日期中确定候选历史日期;最后根据所述历史能耗数据和所述候选历史日期的数量,对所述设备的运行状态进行诊断。本申请通过对历史日期的特征数据和诊断日期的特征数据的分析,准确确定了候选历史日期,以便于可以根据历史能耗数据和所述候选历史日期的数量,更加准确的对设备的运行状态进行诊断,解决了历史能耗数据量不足导致对设备运行状态诊断不准确的问题。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
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单地介绍,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,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种设备运行状态诊断方法的流程图;
图2是根据本发明实施例二提供的一种设备运行状态诊断方法的流程图;
图3是本发明实施例适用的短期算法参照值的示意图;
图4是本发明实施例适用的超短期算法参照值的示意图;
图5是根据本发明实施例三提供的一种设备运行状态诊断装置的结构示意图;
图6是实现本发明实施例的设备运行状态诊断方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”和“候选”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种设备运行状态诊断方法的流程图,本实施例可适用于对设备运行状态进行诊断的情况,该方法可以由设备运行状态诊断装置来执行,该设备运行状态诊断装置可以采用硬件和/或软件的形式实现,该设备运行状态诊断装置可配置于具有设备运行状态诊断方法的电子设备中。如图1所示,该方法包括:
S110、获取待诊断设备的历史能耗数据;所述历史能耗数据中至少包括历史日期能耗数据以及该历史日期的特征数据;所述特征数据为天气和公休类别。
其中,历史日期能耗数据是诊断设备在历史日期对应的能耗,例如,2月2号作为历史日期,这一天的能耗为60,则60为该诊断设备在历史日期对应的能耗。天气可以包括温度和湿度等情况,建筑机电系统设备会受天气或者公休类别的影响,其对应的历史日期能耗数据不同,如对于写字楼里的空调,在周末或者国家节假日,由于大家基本不工作,因此会调小或关闭楼内空调,以达到节能的作用,此时的能耗则与正常工作日的能耗不同;对于不同的天气情况,空调设置的温度也会不同,从而影响空调的能耗,因此需要记录历史日期的特征数据。
S120、根据所述历史日期的特征数据和诊断日期的特征数据,从所述历史日期中确定候选历史日期。
具体的,确定诊断日期对应的特征数据,为了保证对诊断设备在诊断日期的运行状态的准确判断,则将历史能耗数据中的历史日期的特征数据进行比对,找出与诊断日期对应的特诊数据相似的历史日期作为确定候选历史日期。可选的,在历史能耗数据中,确定与诊断日期在预设条件下相同的候选历史日期;预设条件为与诊断日期对应温差在预设范围内,且公休类别相同的日期,从而保证候选历史日期的准确性,以便于后续可以根据该历史日期对应的历史日期能耗数据对诊断设备的运行状态进行诊断。
S130、根据所述历史能耗数据和所述候选历史日期的数量,对所述设备的运行状态进行诊断。
本方案引入统计学构建白盒算法(根据白盒算法提出短期算法和超短期算法),弥补数据量不足时对于设备运行状态诊断准确度低的问题,并提出算法自动切换的规则,达到提升设备诊断准确度的要求。具体的,通过对历史能耗数据中历史日期的数量以及候选历史日期的数量进行确定,根据历史日期的数量和候选历史日期的数量,将设备运行诊断方法分为长期算法、短期算法和超短期算法,从而实现依据历史日期的数量和候选历史日期的数量实现算法的切换,以及对历史能耗数据中历史日期能耗数据进行计算,准确确定设备的运行状态是否正常。
其中,长期算法适用于历史能耗数据中历史日期的数量比较多的情况,如半年、一年或更长时间;短期算法和超短期算法适用于历史日期数量较少的情况,若再使用长期算法会导致诊断结果的不准确,因此在数据量较少时,结合候选历史日期的数量区分短期算法和超短期算法,从而对历史能耗数据中历史日期能耗数据进行计算,准确确定设备的运行状态是否正常,以弥补数据量不足时对于设备运行状态诊断准确度低的问题。
本发明实施例的技术方案,获取待诊断设备的历史能耗数据;所述历史能耗数据中至少包括历史日期能耗数据以及该历史日期的特征数据;所述特征数据为天气和公休类别;再根据所述历史日期的特征数据和诊断日期的特征数据,从所述历史日期中确定候选历史日期;最后根据所述历史能耗数据和所述候选历史日期的数量,对所述设备的运行状态进行诊断。本申请通过对历史日期的特征数据和诊断日期的特征数据的分析,准确确定了候选历史日期,以便于可以根据历史能耗数据和所述候选历史日期的数量,更加准确的对设备的运行状态进行诊断,解决了历史能耗数据量不足导致对设备运行状态诊断不准确的问题。
实施例二
图2为本发明实施例二提供的一种设备运行状态诊断方法的流程图,本实施例是对上述实施例中S130做详细的描述。如图2所示,该方法包括:
S210、根据所述历史能耗数据确定在所述历史日期中的能耗数据差异参数,并根据所述能耗数据差异参数确定所述设备的运行模式。
其中,能耗数据差异参数是用来判断设备是属于刚性模式还是弹性模式的参数。运行模式包括刚性模式和弹性模式。
具体的,获取历史能耗数据,对历史能耗数据中的历史日期能耗数据进行分析计算,从而准确计算的到能耗数据差异参数,从而对能耗数据差异参数进行分析,如与经验值进行对比,以准确确定设备的运行模式。
可选的,根据所述历史能耗数据确定在所述历史日期中的能耗数据差异参数,并根据所述能耗数据差异参数确定所述设备的运行模式,其中一种可行的方式如下:
步骤A1、将所述历史日期能耗数据中预设数量个能耗数据相加作为该历史日期的总能耗值;其中,历史日期能耗数据包含按照预设时间间隔划分的预设数量个能耗数据;例如,将每天的能耗数据按照15分钟记录一次数据,那么一天就会记录96个能耗数据,那么将这96个能耗数据相加则是该历史日期对应的总能耗值。
步骤A2、依据总能耗值,确定所述历史日期能耗数据的标准差和平均值,并将标准差和平均值的比值作为能耗数据差异参数;即通过步骤A1的方式计算的到历史能耗数据中每个历史日期对应的总能耗值,将这些总能耗数据值进行计算,从而可以准确得到历史日期能耗数据的标准差和平均值,然后将标准差和平均值的比值作为能耗数据差异参数,从实现对能耗数据差异参数的准确确定。
步骤A3、若所述能耗数据差异参数大于预设差异值,则所述设备的运行模式为弹性模式,否则为刚性模式。其中,预设差异值是根据工作人员的经验值获得,这里不做具体限定。例如,若预设差异值为0.36,将通过步骤2得到的能耗数据差异参数与0.36进行比较,若能耗数据差异参数大于0.36,则设备的运行模式为弹性模式,否则为刚性模式。
本方案通过对历史日期能耗数据中预设数量个能耗数据相加获得的总能耗值,进行计算,从而准确得出历史日期能耗数据的标准差和平均值,进而通过将预设差异值与将标准差和平均值的比值作为能耗数据差异参数进行比较,准确得到设备的运行模式,以便于后续准确对设备的运行状态进行诊断。
S220、若设备的运行模式为弹性模式,且历史日期的数量满足第一预设条件,则根据预先训练的诊断模型和所述诊断日期的诊断能耗数据确定所述设备的运行状态;所述诊断模型根据所述历史能耗数据进行训练得到;所述第一预设条件为历史能耗时间大于或等于第一预设时间,且历史能耗天数大于或等于第一预设天数。
其中,历史能耗时间为设备历史运行的历史总时长,如6个月,9个月等更久的时间;历史能耗天数是指在历史能耗时间中设备产生能耗的天数,例如设备运行6个月,其中有50天产生了能耗,那么则50天为历史能耗天数。
示例的,若设定第一预设条件为历史能耗时间为跨度9个月以上(包含9个月),历史能耗天数在45天以上(包含45天),通过将能耗数据差异参数与预设差异值进行比较,确定设备的运行模式为弹性模式后,历史日期的数量满足第一预设条件,则根据预先训练的诊断模型和所述诊断日期的诊断能耗数据确定设备的运行状态,此方式可以称为长期算法;若不满足,那么根据短期算法或者超短期算法确定设备的运行状态。
S230、若设备的运行模式为刚性模式,且历史日期的数量满足第二预设条件,则根据预先训练的诊断模型和所述诊断日期的诊断能耗数据确定所述设备的运行状态;所述第二预设条件为历史能耗时间大于或等于第二预设时间,且历史能耗天数大于或等于第二预设天数。
其中,第二预设时间小于第一预设时间,第二预设天数小于第一预设天数,因为弹性模式的设备能耗消耗现对于刚性模式的设备能耗消耗零散,因此需要更多的数据才能尽可能的代表该设备的运行状态,从而准确对该设备的运行状态进行诊断。
示例的,若设定第二预设条件为历史能耗时间为跨度6个月以上(包含6个月),历史能耗天数在30天以上(包含30天),通过将能耗数据差异参数与预设差异值进行比较,确定设备的运行模式为刚性模式后,历史日期的数量满足第二预设条件,则根据预先训练的诊断模型和所述诊断日期的诊断能耗数据确定设备的运行状态,此方式可以称为长期算法;若不满足,那么根据短期算法或者超短期算法确定设备的运行状态。
S240、若历史日期的数量不满足第一预设条件或第二预设条件,但候选历史日期的数量满足第三预设条件,则从所述候选历史日期中确定第一数量个第一目标历史日期,并根据第一目标数据对所述设备的运行状态进行诊断;所述第一目标数据为所述第一目标历史日期对应的历史日期能耗数据;所述第三预设条件为历史能耗天数大于或等于第三预设天数。
具体的,确定了设备的运行模式后,再通过对历史日期数量进行分析,若历史日期的数量不满足第一预设条件或第二预设条件,但是历史日期的数量满足第三预设条件,即说明此时满足短期算法,即从候选历史日期中确定第一数量个第一目标历史日期,并根据第一目标数据对所述设备的运行状态进行诊断。
在一个可行的实施例中,可选的,根据第一目标数据对所述设备的运行状态进行诊断,包括步骤B1-B4:
步骤B1、通过切比雪夫不等式确定目标维度对应的第一数量个第一目标数据的预设百分比的置信区间。
步骤B2、根据所述目标维度对应的置信区间上限值确定所述目标维度对应的目标上限值。
步骤B3、根据所述目标维度对应的置信区间下限值确定所述目标维度对应的目标下限值。
步骤B4、根据诊断日期的诊断能耗数据和所述目标上限值、目标下限值的比较结果,对设备的运行状态进行诊断。
其中,目标维度为按照预设时间间隔将一天划分为的预设数量个划分值,每个划分值为一个维度,每个维度对应一个能耗数据。例如,预个时间为15分钟,那么一天就会被划分为96个维度。
具体的,通过切比雪夫不等式确定目标维度对应的第一数量个第一目标数据的预设百分比的置信区间;例如取95%置信区间。然后取目标维度对应的置信区间上限的第一参照值与第二参照值中的最大值作为目标维度对应的目标上限值;第一参照值为置信区间上限值与第一经验值的乘积,第二参照值为置信区间上限值与第二经验值的和;取目标维度对应的置信区间下限的第三参照值与第四参照值中的最小值作为目标维度对应的目标下限值;第三参照值为置信区间下限值与第三经验值的乘积,第四参照值为置信区间下限值与第二经验值的和;第一经验值、第二经验值和第三经验值是根据实际的工况以及工作人员的经验确定的,这里不做具体限定,例如第一经验值为1.06、第二经验值为5和第三经验值为0.94;若目标下限值小于零,则将零作为目标下限值。最后根据诊断日期的诊断能耗数据和目标上限值、目标下限值的比较结果,对设备的运行状态进行诊断,若诊断日期的诊断能耗数据在目标上限值和目标下限值之间,说明设备的运行状态正常,否则设备的运行状态异常,需要工作人员及时进行检查。
例如,图3是本发明实施例适用的短期算法参照值的示意图,图中的参照值上限和参照值的下限分别为本申请的目标上限值和目标下限值,实际能耗为诊断日期当天的能耗,第一数量为7,即选择与诊断日其的相似日为7天,则计算7天内第一目标数据的95%置信区间,分别计算每个维度的参照值上限和参照值的下限,从而得到用来判断诊断日期该设备一天内的运行状态的曲线图,即图3,则将诊断日期的实际能耗与参照值上限和参照值的下限进行比较,以对设备的运行状态进行诊断。
本方案通过切比雪夫不等式准确确定了目标维度对应的第一数量个第一目标数据的预设百分比的置信区间;然后根据目标维度对应的置信区间上限值确定目标维度对应的目标上限值;并根据目标维度对应的置信区间下限值确定所述目标维度对应的目标下限值;从而实现根据诊断日期的诊断能耗数据和目标上限值、目标下限值的比较结果,准确对设备的运行状态进行诊断。
S250、若历史日期的数量不满足第一预设条件或第二预设条件,且候选历史日期的数量不满足第三预设条件,则从所述候选历史日期中确定第二数量个第二目标历史日期,并根据第二目标数据对所述设备的运行状态进行诊断;所述第二目标数据为所述第二目标历史日期对应的历史日期能耗数据;所述第一数量大于所述第二数量。
具体的,确定了设备的运行模式后,再通过对历史日期数量进行分析,若历史日期的数量不满足第一预设条件或第二预设条件,且历史日期的数量不满足第三预设条件,即说明此时满足超短期算法,即从候选历史日期中确定第二数量个第二目标历史日期,并根据第二目标数据对设备的运行状态进行诊断。
可选的,第二数量为1;根据第二目标数据对所述设备的运行状态进行诊,包括步骤C1-C2:
步骤C1、根据目标维度对应的第二目标数据确定所述目标维度对应的目标上限值和目标下限值。
步骤C2、根据诊断日期的诊断能耗数据和所述目标上限值、目标下限值的比较结果,对设备的运行状态进行诊断。
具体的,获取第二目标数据,将目标维度对应的第二目标数据与第一经验值的乘积和第二目标数据与第二经验值的和中的最大值作为目标维度的目标上限值;所述目标数据为第二目标历史日期对应的历史能耗数据;将目标维度对应的第二目标数据与第三经验值的乘积和第二目标数据与第二经验值的和中的最小值作为目标维度的目标下限值;目标下限值小于零,则将零作为目标下限值;最后根据诊断日期的诊断能耗数据和目标上限值、目标下限值的比较结果,对设备的运行状态进行诊断,若诊断日期的诊断能耗数据在目标上限值和目标下限值之间,说明设备的运行状态正常,否则设备的运行状态异常,需要工作人员及时进行检查。
例如,图4是本发明实施例适用的超短期算法参照值的示意图,图中的参照值上限和参照值的下限分别为本申请的目标上限值和目标下限值,实际能耗为诊断日期当天的能耗,第一数量为1,即选择与诊断日其的相似日为1天,则分别计算一天内每个维度的参照值上限和参照值的下限,从而得到用来判断诊断日期该设备一天内的运行状态的曲线图,即图4,则将诊断日期的实际能耗与参照值上限和参照值的下限进行比较,以对设备的运行状态进行诊断。
本方案在获取第二目标数据后,根据目标维度对应的第二目标数据按照经验值准确确定目标维度对应的目标上限值和目标下限值,以实现根据诊断日期的诊断能耗数据和目标上限值、目标下限值的比较结果,准确对设备的运行状态进行诊断。
本发明实施例的技术方案,首先获取待诊断设备的历史能耗数据;历史能耗数据中至少包括历史日期能耗数据以及该历史日期的特征数据;特征数据为天气和公休类别;然后通过根据历史能耗数据进行计算准确确定在历史日期中的能耗数据差异参数,从而根据能耗数据差异参数确定设备的运行模式;进一步的可以结合设备的运行模式、历史日期的数量和候选历史日期的数量确定使用长期算法、短期算法或者超短期算法对设备的运行状态进行诊断,即在历史日期的数量满足第一预设条件或第二预设条件时,使用长期算法;当历史日期的数量不满足第一预设条件或第二预设条件是,但候选历史日期的数量满足第三预设条件,则使用短期算法;当历史日期的数量不满足第一预设条件或第二预设条件,且候选历史日期的数量不满足第三预设条件时,使用超短期算法;从而实现了根据数据量对算法进行切换,以满足根据数据量对设备的运行状态进行诊断,解决了历史能耗数据量不足导致对设备运行状态诊断不准确的问题,从而提升对设备运行状态诊断的准确度。
实施例三
图5为本发明实施例三提供的一种设备运行状态诊断装置的结构示意图。如图5所示,该装置包括:
数据获取模块310,用于获取待诊断设备的历史能耗数据;所述历史能耗数据中至少包括历史日期能耗数据以及该历史日期的特征数据;所述特征数据为天气和公休类别;
候选历史日期确定模块320,用于根据所述历史日期的特征数据和诊断日期的特征数据,从所述历史日期中确定候选历史日期;
诊断模块330,用于根据所述历史能耗数据和所述候选历史日期的数量,对所述设备的运行状态进行诊断。
可选的,诊断模块,包括:
运行模式确定单元,具体用于根据所述历史能耗数据确定在所述历史日期中的能耗数据差异参数,并根据所述能耗数据差异参数确定所述设备的运行模式;
第一诊断单元,具体用于若设备的运行模式为弹性模式,且历史日期的数量满足第一预设条件,则根据预先训练的诊断模型和所述诊断日期的诊断能耗数据确定所述设备的运行状态;所述诊断模型根据所述历史能耗数据进行训练得到;所述第一预设条件为历史能耗时间大于或等于第一预设时间,且历史能耗天数大于或等于第一预设天数;
第二诊断单元,具体用于若设备的运行模式为刚性模式,且历史日期的数量满足第二预设条件,则根据预先训练的诊断模型和所述诊断日期的诊断能耗数据确定所述设备的运行状态;所述第二预设条件为历史能耗时间大于或等于第二预设时间,且历史能耗天数大于或等于第二预设天数。
可选的,诊断模块,还包括:
第三诊断单元,具体用于若历史日期的数量不满足第一预设条件或第二预设条件,但候选历史日期的数量满足第三预设条件,则从所述候选历史日期中确定第一数量个第一目标历史日期,并根据第一目标数据对所述设备的运行状态进行诊断;所述第一目标数据为所述第一目标历史日期对应的历史日期能耗数据;所述第三预设条件为历史能耗天数大于或等于第三预设天数;
第四诊断单元,具体用于若历史日期的数量不满足第一预设条件或第二预设条件,且候选历史日期的数量不满足第三预设条件,则从所述候选历史日期中确定第二数量个第二目标历史日期,并根据第二目标数据对所述设备的运行状态进行诊断;所述第二目标数据为所述第二目标历史日期对应的历史日期能耗数据;所述第一数量大于所述第二数量。
可选的,第三诊断单元包括第一目标上下限值确定单元,具体用于:
通过切比雪夫不等式确定目标维度对应的第一数量个第一目标数据的预设百分比的置信区间;目标维度为按照预设时间间隔将一天划分为的预设数量个划分值,每个划分值为一个维度,每个维度对应一个能耗数据。
根据所述目标维度对应的置信区间上限值确定所述目标维度对应的目标上限值;
根据所述目标维度对应的置信区间下限值确定所述目标维度对应的目标下限值;
根据诊断日期的诊断能耗数据和所述目标上限值、目标下限值的比较结果,对设备的运行状态进行诊断。
可选的,所述第二数量为1;可选的,第四诊断单元包括第二目标上下限值确定单元,具体用于:
根据目标维度对应的第二目标数据确定所述目标维度对应的目标上限值和目标下限值;
根据诊断日期的诊断能耗数据和所述目标上限值、目标下限值的比较结果,对设备的运行状态进行诊断。
可选的,所述历史日期能耗数据包含按照预设时间间隔划分的预设数量个能耗数据;
相应的,运行模式确定单元,具体用于:
将所述历史日期能耗数据中预设数量个能耗数据相加作为该历史日期的总能耗值;
依据总能耗值,确定所述历史日期能耗数据的标准差和平均值,并将标准差和平均值的比值作为能耗数据差异参数;
若所述能耗数据差异参数大于预设差异值,则所述设备的运行模式为弹性模式,否则为刚性模式。
可选的,候选历史日期确定模块,具体用于:
在所述历史能耗数据中,确定与诊断日期在预设条件下相同的候选历史日期;所述预设条件为与诊断日期对应温差在预设范围内,且公休类别相同的日期。
本发明实施例所提供的设备运行状态诊断装置可执行本发明任意实施例所提供的设备运行状态诊断方法,具备执行方法相应的功能模块和有益效果。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定,且不违背公序良俗。
实施例四
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6示出了可以用来实现本发明实施例的设备运行状态诊断方法的电子设备的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图6所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理,例如设备运行状态诊断方法。
在一些实施例中,设备运行状态诊断方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的设备运行状态诊断方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行设备运行状态诊断方法。
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、现场可编程门阵列(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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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 (10)
1.一种设备运行状态诊断方法,其特征在于,包括:
获取待诊断设备的历史能耗数据;所述历史能耗数据中至少包括历史日期能耗数据以及该历史日期的特征数据;所述特征数据为天气和公休类别;
根据所述历史日期的特征数据和诊断日期的特征数据,从所述历史日期中确定候选历史日期;
根据所述历史能耗数据和所述候选历史日期的数量,对所述设备的运行状态进行诊断。
2.根据权利要求1所述的方法,其特征在于,根据所述历史能耗数据和所述候选历史日期的数量,对所述设备的运行状态进行诊断,包括:
根据所述历史能耗数据确定在所述历史日期中的能耗数据差异参数,并根据所述能耗数据差异参数确定所述设备的运行模式;
若设备的运行模式为弹性模式,且历史日期的数量满足第一预设条件,则根据预先训练的诊断模型和所述诊断日期的诊断能耗数据确定所述设备的运行状态;所述诊断模型根据所述历史能耗数据进行训练得到;所述第一预设条件为历史能耗时间大于或等于第一预设时间,且历史能耗天数大于或等于第一预设天数;
若设备的运行模式为刚性模式,且历史日期的数量满足第二预设条件,则根据预先训练的诊断模型和所述诊断日期的诊断能耗数据确定所述设备的运行状态;所述第二预设条件为历史能耗时间大于或等于第二预设时间,且历史能耗天数大于或等于第二预设天数。
3.根据权利要求2所述的方法,其特征在于,根据所述历史能耗数据和所述候选历史日期的数量,对所述设备的运行状态进行诊断,包括:
若历史日期的数量不满足第一预设条件或第二预设条件,但候选历史日期的数量满足第三预设条件,则从所述候选历史日期中确定第一数量个第一目标历史日期,并根据第一目标数据对所述设备的运行状态进行诊断;所述第一目标数据为所述第一目标历史日期对应的历史日期能耗数据;所述第三预设条件为历史能耗天数大于或等于第三预设天数;
若历史日期的数量不满足第一预设条件或第二预设条件,且候选历史日期的数量不满足第三预设条件,则从所述候选历史日期中确定第二数量个第二目标历史日期,并根据第二目标数据对所述设备的运行状态进行诊断;所述第二目标数据为所述第二目标历史日期对应的历史日期能耗数据;所述第一数量大于所述第二数量。
4.根据权利要求3所述的方法,其特征在于,根据第一目标数据对所述设备的运行状态进行诊断,包括:
通过切比雪夫不等式确定目标维度对应的第一数量个第一目标数据的预设百分比的置信区间;目标维度为按照预设时间间隔将一天划分为的预设数量个划分值,每个划分值为一个维度,每个维度对应一个能耗数据。
根据所述目标维度对应的置信区间上限值确定所述目标维度对应的目标上限值;
根据所述目标维度对应的置信区间下限值确定所述目标维度对应的目标下限值;
根据诊断日期的诊断能耗数据和所述目标上限值、目标下限值的比较结果,对设备的运行状态进行诊断。
5.根据权利要求4所述的方法,其特征在于,所述第二数量为1;
相应的,根据第二目标数据对所述设备的运行状态进行诊,包括:
根据目标维度对应的第二目标数据确定所述目标维度对应的目标上限值和目标下限值;
根据诊断日期的诊断能耗数据和所述目标上限值、目标下限值的比较结果,对设备的运行状态进行诊断。
6.根据权利要求2所述的方法,其特征在于,所述历史日期能耗数据包含按照预设时间间隔划分的预设数量个能耗数据;
相应的,根据所述历史能耗数据确定在所述历史日期中的能耗数据差异参数,并根据所述能耗数据差异参数确定所述设备的运行模式,包括:
将所述历史日期能耗数据中预设数量个能耗数据相加作为该历史日期的总能耗值;
依据总能耗值,确定所述历史日期能耗数据的标准差和平均值,并将标准差和平均值的比值作为能耗数据差异参数;
若所述能耗数据差异参数大于预设差异值,则所述设备的运行模式为弹性模式,否则为刚性模式。
7.根据权利要求1所述的方法,其特征在于,根据所述历史日期的特征数据和诊断日期的特征数据,从所述历史日期中确定候选历史日期,包括:
在所述历史能耗数据中,确定与诊断日期在预设条件下相同的候选历史日期;所述预设条件为与诊断日期对应温差在预设范围内,且公休类别相同的日期。
8.一种设备运行状态诊断装置,其特征在于,包括:
数据获取模块,用于获取待诊断设备的历史能耗数据;所述历史能耗数据中至少包括历史日期能耗数据以及该历史日期的特征数据;所述特征数据为天气和公休类别;
候选历史日期确定模块,用于根据所述历史日期的特征数据和诊断日期的特征数据,从所述历史日期中确定候选历史日期;
诊断模块,用于根据所述历史能耗数据和所述候选历史日期的数量,对所述设备的运行状态进行诊断。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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1-7中任一项所述的设备运行状态诊断方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的设备运行状态诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310284088.3A CN116402494A (zh) | 2023-03-22 | 2023-03-22 | 设备运行状态诊断方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310284088.3A CN116402494A (zh) | 2023-03-22 | 2023-03-22 | 设备运行状态诊断方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116402494A true CN116402494A (zh) | 2023-07-07 |
Family
ID=87011605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310284088.3A Pending CN116402494A (zh) | 2023-03-22 | 2023-03-22 | 设备运行状态诊断方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116402494A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117762086A (zh) * | 2024-02-22 | 2024-03-26 | 东莞市微振科技有限公司 | 机床参数处理方法、装置、电子设备及可读存储介质 |
-
2023
- 2023-03-22 CN CN202310284088.3A patent/CN116402494A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117762086A (zh) * | 2024-02-22 | 2024-03-26 | 东莞市微振科技有限公司 | 机床参数处理方法、装置、电子设备及可读存储介质 |
CN117762086B (zh) * | 2024-02-22 | 2024-05-28 | 东莞市微振科技有限公司 | 机床参数处理方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116402494A (zh) | 设备运行状态诊断方法、装置、电子设备和存储介质 | |
CN114662953A (zh) | 物联网设备运维方法、装置、设备及介质 | |
CN114997342A (zh) | 一种scr故障诊断方法、装置、设备及存储介质 | |
CN116957539A (zh) | 电缆状态评价方法、装置、电子设备及存储介质 | |
CN115759751A (zh) | 一种企业风险预测方法、装置、存储介质、电子设备及产品 | |
CN115375039A (zh) | 一种工业设备故障预测方法、装置、电子设备及存储介质 | |
CN114511225A (zh) | 一种断面识别方法、装置、设备以及存储介质 | |
CN114999665A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN114881112A (zh) | 一种系统异常检测方法、装置、设备及介质 | |
CN116166501B (zh) | 一种日志校验方法、装置、电子设备及存储介质 | |
CN116990744B (zh) | 一种电能表检测方法、装置、设备及介质 | |
CN115238811A (zh) | 异常检测模型的训练方法、装置、设备及存储介质 | |
CN116627695B (zh) | 一种告警事件根因推荐方法、装置、设备及存储介质 | |
CN117235867B (zh) | 一种bim规划报建模型的审查方法、装置、设备及存储介质 | |
CN117195704A (zh) | 一种检测模型训练、设备故障检测方法及装置 | |
CN117934152A (zh) | 一种系统变更后的风险评估方法、装置、设备及存储介质 | |
CN115766502A (zh) | 用于物联网的信号强度监测方法、装置、设备及存储介质 | |
CN116402250A (zh) | 一种设备状态的评价方法、装置、电子设备以及存储介质 | |
CN117856231A (zh) | 一种配变台区线损率阈值的制定方法 | |
CN116822740A (zh) | 配电网运维方案确定方法、装置、电子设备及存储介质 | |
CN115409405A (zh) | 故障根因定位方法、装置、电子设备和存储介质 | |
CN117608896A (zh) | 交易数据处理方法、装置、电子设备及存储介质 | |
CN118171802A (zh) | 停电事件分析方法、装置、电子设备及存储介质 | |
CN117670501A (zh) | 一种业务预警方法、装置、电子设备和存储介质 | |
CN117611137A (zh) | 基于维保记录的故障树分析方法、装置、电子设备和介质 |
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 |