CN117931562A - 一种能效人工智能分析系统及方法 - Google Patents

一种能效人工智能分析系统及方法 Download PDF

Info

Publication number
CN117931562A
CN117931562A CN202311716821.0A CN202311716821A CN117931562A CN 117931562 A CN117931562 A CN 117931562A CN 202311716821 A CN202311716821 A CN 202311716821A CN 117931562 A CN117931562 A CN 117931562A
Authority
CN
China
Prior art keywords
energy consumption
rule information
usage rule
consumption usage
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
CN202311716821.0A
Other languages
English (en)
Inventor
汤敬华
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.)
Shanghai Shengtong Information Technology Co ltd
Original Assignee
Shanghai Shengtong Information Technology Co ltd
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 Shanghai Shengtong Information Technology Co ltd filed Critical Shanghai Shengtong Information Technology Co ltd
Priority to CN202311716821.0A priority Critical patent/CN117931562A/zh
Publication of CN117931562A publication Critical patent/CN117931562A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G06F11/3062—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations where the monitored property is the power consumption
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
    • G06F11/324—Display of status information
    • G06F11/327—Alarm or error message display
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3447—Performance evaluation by modeling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种能效人工智能分析系统及方法,该方法包括获取用于特征提取的不同等级能效信息，使用生成SURF算法自动提取不同等级能效信息中的所有能耗使用规律信息得到用于特征提取的等级能效信息集合；基于能耗使用规律信息能耗量与能耗时间使用生成SURF算法进行特征学习；通过基于大数据的超级云计算服务平台设置识别算法参数及能耗使用规律信息分析库；将等级能效监控获取到的每一个等级能效监控检索送入能耗使用规律信息监控模型，得到能耗使用规律信息的识别结果；将能耗使用规律信息的识别结果送入高斯迭代算法；识别并判断覆盖迭代的能耗使用规律信息是否有异常，本发明用于准确高效地识别出能耗使用规律。

Description

一种能效人工智能分析系统及方法
技术领域
本发明涉及等级能效监管领域,尤其涉及一种能效人工智能分析系统及方法。
背景技术
等级能效系统一般包括等级能效获取系统、等级能效分析系统、等级能效展示系统。等级能效获取系统会把用户关注的某些门户网站或某类题材，如新闻、论坛不加过滤得都抓取到系统中。通过数据同步模块,把获取到的数据导入到等级能效分析系统里。再经过分析系统处理，把获取到的数据进行分类、聚类操作,形成专题、关注点，并通过等级能效展示系统直观得展现给用户。因此如果在数据同步时，把不经过滤的获取信息全部导入分析系统里,会导致导入很多非等级能效的信息。这部分信息不但加大了等级能效分析系统的分析数据量压力,而且杂乱无章的获取信息降低了专题、关注点等方面分析结果的准确性；同时,等级能效展示系统会显示出很多用户并不关心内容，影响用户体验。
发明内容
为了克服现有技术存在的缺点与不足,本发明提供一种能效人工智能分析系统及方法。
本发明所采用的技术方案是，本发明提供的一种能效人工智能分析系统及方法，包括以下步骤：
步骤S1，获取用于特征提取的不同等级能效信息，使用生成SURF算法自动提取所述不同等级能效信息中的所有能耗使用规律信息以得到用于特征提取的等级能效信息集合；
步骤S2，利用所述等级能效信息集合对基于能耗使用规律信息能耗量与能耗时间使用生成SURF算法进行特征学习；
步骤S3，通过基于大数据的超级云计算服务平台设置识别算法参数及能耗使用规律信息分析库；
步骤S4，获取等级能效监控检索数据，将等级能效监控获取到的每一个等级能效监控检索送入所述能耗使用规律信息监控模型，得到能耗使用规律信息识别结果；
步骤S5，将所述能耗使用规律信息识别结果送入高斯迭代算法，对识别到的能耗使用规律信息进行覆盖迭代；
步骤S6，识别并判断覆盖迭代的能耗使用规律信息是否位于所述能耗使用规律信息分析库并判断所述能耗使用规律信息是否有异常。
所述高斯迭代算法，表达式为：
Rhda＝Yda+S(v)·U
其中，Rhda表示能耗使用规律信息矩阵，Yhda表示能耗使用规律信息的真实值矩阵，S(v)表示能耗使用规律信息的权重，U表示能耗使用规律信息的增益矩阵；
所述能耗使用规律信息，表达式为：
其中，Bw+1表示当前时刻能耗使用规律信息集合，C(h)表示前一时刻能耗使用规律信息集合，Pswo表示不同等级能效的影响范围，A表示能耗使用规律数据的种类矩阵，Ta表示不同能耗使用规律数据对于能效影响的权重，Z(m)表示能效影响的预测值。
优选地，对基于能耗使用规律信息能耗量与能耗时间使用生成SURF算法进行特征学习后，同时对生成SURF算法的参数进行动态更新。
优选地，判断能耗使用规律信息是否处于能耗使用规律信息分析库包含以下步骤：
步骤Q1，获取当前等级能效监控检索中某一个能耗使用规律信息分析库的使用频率和计算周期及能耗使用规律信息分析库的存储容量；
步骤Q2，若能耗使用规律信息分析库使用频率与计算周期均在能耗使用规律信息分析库内，判断能耗使用规律信息有异常；
步骤Q3，若能耗使用规律信息分析库只有部分习惯位于能耗使用规律信息分析库内，则进行步骤Q4；
步骤Q4，判断能耗使用规律信息能耗供应种类是否位于能耗使用规律信息分析库内，若能耗使用规律信息能耗供应种类位于能耗使用规律信息分析库内则判断能耗使用规律信息有异常，否则进行下一步；
步骤Q5，继续获取当前等级能效监控检索中的其他识别能耗使用规律信息并进能耗使用规律信息是否有异常判断的操作。
本申请还包含一种判断能耗使用规律信息位于能耗使用规律信息分析库内是否供应关系的方法，包括以下步骤：
步骤T1，计算前一个等级能效监控检索中能耗使用规律信息的能耗供应种类与当前等级能效监控检索中所述能耗使用规律信息的能耗供应种类的相似性，若所述相似性超过标准设定值，则判定为能耗使用规律信息异常；
步骤T2，若判断能耗使用规律信息处于异常状态，则将能耗使用规律信息中的有异常使用进行单独保存并处理其他能耗使用规律信息等级能效监控检索；
步骤T3，若能耗使用规律信息未更新，则获取当前时间并计算能耗使用规律信息供应时长间，将所述能耗使用规律信息供应时长间与设定的有异常时长标准设定值进行比较，若所述能耗使用规律信息供应时长间超过有异常时长标准设定值，则判断为能耗使用规律信息有异常，若所述能耗使用规律信息供应时长间未超过有异常时长，则当前能耗使用规律信息处理结束，继续处理其他识别等级能效监控检索。
优选地，所述标准设定值采用L+Y的动态形式标准设定值来判断能耗使用规律信息供应关系，其中，式中字母L表示标准设定值的加权平均值，字母Y表示标准设定值波动允许范围。
优选地，若覆盖迭代信息中上一等级能效监控检索覆盖迭代到某一能耗使用规律信息，而当前中未覆盖迭代到所述能耗使用规律信息时，则系统设置一个最大覆盖范围，在未达到最大覆盖范围之前，并不判断所述能耗使用规律信息丢失，之后利用高斯迭代算法中的无迹高斯迭代基于上一个的所述能耗使用规律信息区位置对当前的所述能耗使用规律信息区进行预测，预测的结果作为当前能耗使用规律信息区；
若下一能耗使用规律等级能效监控检索识别到所述能耗使用规律信息区位置与所述当前能耗使用规律信息区匹配，则判断为识别算法错误导致的能耗使用规律信息消失；
若达到最大覆盖范围后，直接视为所述能耗使用规律信息消失，系统删除此能耗使用规律信息覆盖迭代信息；
若未达到最大覆盖范围的时间段中所述能耗使用规律信息重新出现，则判断为所述能耗使用规律信息被短时间异常。
优选地，获取所述等级能效监控检索的时间为根据监控需求进行时间长短设定，每秒获取标准设定的等级能效监控检索。
本申请的系统包含能耗使用规律信息识别单元，等级能效监测单元及能耗使用规律异常判断单元，其中：
所述能耗使用规律信息识别单元用于对所述等级能效监测单元获取到的等级能效监控检索数据进行能耗使用规律信息识别并得到能耗使用规律信息的分析库及分析库信息；
所述等级能效监测单元用于获取等级能效监控检索数据、设置监管区位置及对所述能耗使用规律信息识别单元得到的能耗使用规律信息分析库及分析库信息匹配特定识别码后传入至所述能耗使用规律异常判断单元；
所述能耗使用规律异常判断单元接收到匹配好特定识别码的能耗使用规律信息分析库及分析库信息后输出覆盖迭代信息，查找每一个所述覆盖迭代信息，根据所述监管区位置判断此能耗使用规律信息是否位于监管区内，并再次更新覆盖迭代信息，根据更新后的所述覆盖迭代信息判断能耗使用规律信息是否应该被发出报警。
优选地，所述覆盖迭代信息包括：能耗使用规律信息识别码、能耗使用规律信息分析库、能耗使用规律信息是否进入能耗使用规律信息分析库、能耗使用规律信息进入能耗使用规律信息分析库时间、能耗使用规律信息是否已被发出报警。
优选地，所述等级能效信息集合利用大数据算法对等级能效的规律进行实时抓取。
本发明将于生成SURF算法的能耗使用规律信息识别技术用于能耗使用规律信息识别，该方法能从等级能效监控检索中准确地识别能耗使用规律信息，并对能耗使用规律信息进行覆盖迭代，然后通过一系列能耗使用规律信息有异常的逻辑判断，准确高效地识别出能耗使用规律信息并产生发出报警，从而实现能耗使用规律信息有异常的智能化监管。从而大幅度地提高了工作人员的效率，同时也节约大量的人力物力；
能耗使用规律信息识别单元：本发明利用等级能效信息集合对基于能耗使用规律信息能耗量与能耗时间使用生成SURF算法进行特征学习，保证能耗使用规律信息识别准确率。本发明同时对生成SURF算法的参数进行动态更新，以保证在有限预算下的性能最优化；
等级能效监测单元：本发明对识别到的能耗使用规律信息进行基于覆盖迭代算法的覆盖迭代，并维护其个体结构体，用于对能耗使用规律信息状态进行判断，并且设置覆盖迭代失效标准设定值避免被异常后产生误报；
能耗使用规律异常判断单元：本发明首先对覆盖迭代到的能耗使用规律信息进行是否在监管区内进行判断，并提出多种对能耗使用规律信息供应关系的判断方式，通过对能耗使用规律信息进行供应关系判断，从而避免了传统方法中供应关系能耗使用规律信息误报问题；
本发明可方便地从云服务页面对有异常识别算法进行设置，发出报警消息也可实时地显示在云服务页面中供工作人员查看，与核心识别算法共同组成了一个能耗使用规律信息有异常智能识别系统。
附图说明
图1为本发明方法第一流程图；
图2为本发明方法第二流程图；
图3为本发明方法第三流程图；
图4为本发明系统功能结构图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合,下面结合附图和有具体实施例对本申请作进一步详细说明。
如图1所示,一种能效人工智能分析方法，包括以下步骤：
步骤S1，获取用于特征提取的不同等级能效信息，使用生成SURF算法自动提取所述不同等级能效信息中的所有能耗使用规律信息以得到用于特征提取的等级能效信息集合；
步骤S2，利用所述等级能效信息集合对基于能耗使用规律信息能耗量与能耗时间使用生成SURF算法进行特征学习；
步骤S3，通过基于大数据的超级云计算服务平台设置识别算法参数及能耗使用规律信息分析库；
步骤S4，获取等级能效监控检索数据，将等级能效监控获取到的每一个等级能效监控检索送入所述能耗使用规律信息监控模型，得到能耗使用规律信息识别结果；
步骤S5，将所述能耗使用规律信息识别结果送入高斯迭代算法，对识别到的能耗使用规律信息进行覆盖迭代；
步骤S6，识别并判断覆盖迭代的能耗使用规律信息是否位于所述能耗使用规律信息分析库并判断所述能耗使用规律信息是否有异常。
对基于能耗使用规律信息能耗量与能耗时间使用生成SURF算法进行特征学习后，同时对生成SURF算法的参数进行动态更新。
所述高斯迭代算法，表达式为：
Rhda＝Yda+S(v)·U
其中，Rhda表示能耗使用规律信息矩阵，Yhda表示能耗使用规律信息的真实值矩阵，S(v)表示能耗使用规律信息的权重，U表示能耗使用规律信息的增益矩阵，
所述能耗使用规律信息，表达式为：
其中，Bw+1表示当前时刻能耗使用规律信息集合，C(h)表示前一时刻能耗使用规律信息集合，Pswo表示不同等级能效的影响范围，A表示能耗使用规律数据的种类矩阵，Ta表示不同能耗使用规律数据对于能效影响的权重，Z(m)表示能效影响的预测值。
如图2所示,判断能耗使用规律信息是否处于能耗使用规律信息分析库包含以下步骤：
步骤Q1，获取当前等级能效监控检索中某一个能耗使用规律信息分析库的使用频率和计算周期及能耗使用规律信息分析库的存储容量；
步骤Q2，若能耗使用规律信息分析库使用频率与计算周期均在能耗使用规律信息分析库内，判断能耗使用规律信息有异常；
步骤Q3，若能耗使用规律信息分析库只有部分习惯位于能耗使用规律信息分析库内，则进行步骤Q4；
步骤Q4，判断能耗使用规律信息能耗供应种类是否位于能耗使用规律信息分析库内，若能耗使用规律信息能耗供应种类位于能耗使用规律信息分析库内则判断能耗使用规律信息有异常，否则进行下一步；
步骤Q5，继续获取当前等级能效监控检索中的其他识别能耗使用规律信息并进能耗使用规律信息是否有异常判断的操作。
如图3所示,本申请还包含一种判断能耗使用规律信息位于能耗使用规律信息分析库内是否供应关系的方法，包括以下步骤：
步骤T1，计算前一个等级能效监控检索中能耗使用规律信息的能耗供应种类与当前等级能效监控检索中所述能耗使用规律信息的能耗供应种类的相似性，若所述相似性超过标准设定值，则判定为能耗使用规律信息异常；
步骤T2，若判断能耗使用规律信息处于异常状态，则将能耗使用规律信息中的有异常使用进行单独保存并处理其他能耗使用规律信息等级能效监控检索；
步骤T3，若能耗使用规律信息未更新，则获取当前时间并计算能耗使用规律信息供应时长间，将所述能耗使用规律信息供应时长间与设定的有异常时长标准设定值进行比较，若所述能耗使用规律信息供应时长间超过有异常时长标准设定值，则判断为能耗使用规律信息有异常，若所述能耗使用规律信息供应时长间未超过有异常时长，则当前能耗使用规律信息处理结束，继续处理其他识别等级能效监控检索。
标准设定值采用L+Y的动态形式标准设定值来判断能耗使用规律信息供应关系，其中，式中字母L表示标准设定值的加权平均值，字母Y表示标准设定值波动允许范围。
若覆盖迭代信息中上一等级能效监控检索覆盖迭代到某一能耗使用规律信息，而当前中未覆盖迭代到所述能耗使用规律信息时，则系统设置一个最大覆盖范围，在未达到最大覆盖范围之前，并不判断所述能耗使用规律信息丢失，之后利用高斯迭代算法中的无迹高斯迭代基于上一个的所述能耗使用规律信息区位置对当前的所述能耗使用规律信息区进行预测，预测的结果作为当前能耗使用规律信息区；
若下一能耗使用规律等级能效监控检索识别到所述能耗使用规律信息区位置与所述当前能耗使用规律信息区匹配，则判断为识别算法错误导致的能耗使用规律信息消失；
若达到最大覆盖范围后，直接视为所述能耗使用规律信息消失，系统删除此能耗使用规律信息覆盖迭代信息；
若未达到最大覆盖范围的时间段中所述能耗使用规律信息重新出现，则判断为所述能耗使用规律信息被短时间异常。
获取所述等级能效监控检索的时间为根据监控需求进行时间长短设定，每秒获取标准设定的等级能效监控检索。
如图4所示,本申请的一种能效人工智能分析系统包括：
能耗使用规律信息识别单元，首先基于实际场景获取用于特征提取的数据，得到数据之后，经过使用生成SURF算法自动提取不同等级能效信息中的所有能耗使用规律信息，得到用于特征提取的等级能效信息集合。
为更好的保证特征提取效果，本发明可通过对特征提取等级能效信息集合采用平移、翻转、缩放等数据增强的方式使得特征提取数据量大大增加。
然后通过特征提取等级能效信息集合对基于能耗使用规律信息能耗量与能耗时间使用生成SURF算法进行特征学习，以确保模型的准确性。
得到特征提取好的模型之后，传统方法一般直接将特征提取好的原始模型结合业务程序直接进行部署利用，这种方式不仅推理速度慢而且极其占用硬件资源。
为保证业务中能耗使用规律信息识别的实时性，本发明中原始模型利用粒子群算法对模型进行速度更新、位置更新、权重量化等优化模型推理吞吐量的操作，进行前向推理，使得推理加速。
等级能效监测单元，首先，本发明的智能识别系统通过基于大数据的超级云计算服务平台设置识别算法参数，云服务页面实时显示要设置等级能效监控的画面，用户可通过鼠标在画面中绘制能耗使用规律信息分析库，当用户绘制完毕后，算法的设置将通过网络发送至算法服务器。
算法接收到设置之后，会根据指定的视频流地址拉取设置等级能效监控的实时数据，将得到的每一个等级能效监控检索送入特征提取好的能耗使用规律信息监控模型，得到能耗使用规律信息的能耗使用规律信息识别结果。
然后将能耗使用规律信息识别结果送入高斯迭代算法，对识别到的能耗使用规律信息进行覆盖迭代。
覆盖迭代的好处是将时间序列上的同一能耗使用规律信息进行匹配并赋予同一识别码，避免了连续识别到同一能耗使用规律连续报警的问题。
能耗使用规律异常判断单元，根据等级能效监测单元的覆盖迭代信息，遍历所有覆盖迭代到的能耗使用规律信息，若为新覆盖迭代到的能耗使用规律信息，则对其信息进行初始化；
若之前系统已覆盖迭代到此能耗使用规律信息，当前又覆盖迭代到此能耗使用规律信息，则首先判断其是否位于能耗使用规律信息分析库内，采用能耗使用规律信息分析库使用频率和计算周期和能耗使用规律信息分析库的存储容量判断能耗使用规律信息是否处于能耗使用规律信息分析库。
具体方法为：首先获取分析库的使用频率和计算周期和能耗使用规律信息分析库的存储容量；
若使用频率与计算周期均在能耗使用规律信息分析库内，判断能耗使用规律信息有异常；
若只有部分习惯位于能耗使用规律信息分析库内，则判断能耗使用规律信息能耗供应种类是否位于能耗使用规律信息分析库内，若位于，则判断能耗使用规律信息有异常；其余均视为不存在有异常。
若能耗使用规律信息未位于能耗使用规律信息分析库内，则当前能耗使用规律信息处理结束，继续处理其他识别等级能效监控检索，当所有能耗使用规律信息遍历完成之后，则当前处理结束，继续获取下一能耗使用规律。
若能耗使用规律信息位于能耗使用规律信息分析库内，本发明采用一种判断能耗使用规律信息是否供应关系的方法，来避免能耗使用规律信息在很大的一片能耗使用规律信息分析库内由于堵车或其他原因缓慢行驶的过程中一直处于能耗使用规律信息分析库内而被误认为有异常而报警的问题。
具体方法为：
(1)计算前一个等级能效监控检索中此能耗使用规律信息的能耗供应种类与当前的能耗使用规律信息能耗供应种类计算相似性，若此距离超过一定标准设定值，则判定为能耗使用规律信息异常；
(2)由于能耗使用规律信息距离等级能效监控距离不同从而在等级能效监控检索中距离等级能效监控远近不同的能耗使用规律信息识别出的Pox大小会存在很大差异；例如，远处的10个相似性与近处的10个相似性所对应的实际路面距离是不一样的。
因此，若步骤(1)中的方法利用单一的标准设定值作为判定条件，会造成对不同远近能耗使用规律信息判断供应关系标准不同的情况。
本发明提出利用形式来判断能耗使用规律信息是否供应关系；
式中J为分析库的使用频率，Y表示标准设定值波动允许范围；
在判断过程中Y表示固定值，可由算法人员调节。
设立动态标准设定值的效果为，当分析库较大时，对应的距离标准设定值越大，当分析库较小时，对应的距离标准设定值越小，从而使得在距离等级能效监控不同远近的能耗使用规律信息进行异常判断时更精确。
若能耗使用规律信息在异常，则将能耗使用规律信息中的有异常使用进行单独保存，继续处理其他识别等级能效监控检索；
若能耗使用规律信息未在异常，则获取当前时间并计算能耗使用规律信息供应时长间，将能耗使用规律信息供应时长间与有异常时长标准设定值进行比较，若超过有异常时长标准设定值，则判断为能耗使用规律信息有异常，通过网络将能耗使用规律信息发送至云服务端，云服务端接收到发出报警消息后，在页面会显示发出报警信息；若没有超过有异常时长，则当前能耗使用规律信息处理结束，继续处理其他识别等级能效监控检索。
若覆盖迭代信息中上一覆盖迭代到某一能耗使用规律，当前中未覆盖迭代到，此时会出现以下3种情况：
1、识别算法错误未检到能耗使用规律信息；
2、能耗使用规律信息超出库范围；
3、存在异常，其他物体将能耗使用规律信息异常导致识别算法无法识别到能耗使用规律信息。
针对上述情况，本发明处理的具体方法为：结合以上三种可能出现的情况，设置一个最大覆盖范围，在未达到最大覆盖范围之前，并不判断此能耗使用规律信息丢失。利用高斯迭代算法中的无迹高斯迭代基于上一的能耗使用规律信息区位置对其当前的能耗使用规律信息区进行预测，预测的结果作为当前能耗使用规律信息区，但覆盖迭代状态依然为未覆盖迭代到。
针对第一种情况，若为识别算法错误未检到能耗使用规律信息，则当下一能耗使用规律识别到能耗使用规律信息区时，覆盖迭代算法得到的能耗使用规律信息区会与当前能耗使用规律信息区匹配，避免了由于识别算法不稳定而导致的重复报警问题；
针对第二种情况，当达到最大覆盖范围后，算法视为当前能耗使用规律信息消失，删除此能耗使用规律信息覆盖迭代信息；
针对第三种情况，若为短时间异常，在能耗使用规律信息重新出现后覆盖迭代算法依然能基于之前的能耗使用规律信息区与异常后的能耗使用规律信息区匹配，识别为同一能耗使用规律信息，避免了重复报警的问题。
最大覆盖范围建议设置为获取等级能效监控检索的时间根据监控需求进行时间长短设定，每秒获取标准设定的等级能效监控检索
具体的能耗使用规律信息识别单元、等级能效监测单元及能耗使用规律异常判断单元之间通过以下内容通信：
能耗使用规律信息识别单元经过特征提取、加速之后生成一个模型文件；
等级能效监测单元首先通过网络通信获取云服务设置；其中云服务设置具体包括：等级能效监控流地址、监管区位置；
设置完成后等级能效监测单元加载能耗使用规律信息识别单元的模型文件对等级能效监控检索数据进行能耗使用规律信息识别并得到能耗使用规律信息的分析库及分析库信息；
再将分析库送入高斯迭代算法，为每个分析库匹配特定识别码后传入能耗使用规律异常判断单元得到覆盖迭代信息，其中，覆盖迭代信息包括能耗使用规律信息识别码、能耗使用规律信息分析库、能耗使用规律信息是否进入能耗使用规律信息分析库、能耗使用规律信息进入能耗使用规律信息分析库时间、能耗使用规律信息是否已被发出报警；
能耗使用规律异常判断单元遍历每一个覆盖迭代信息，根据监管区位置判断此能耗使用规律信息是否位于监管区内，并更新覆盖迭代信息，并根据覆盖迭代信息判断能耗使用规律信息是否应该发出报警。
在本发明描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”、“固定”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解的是,在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种等效的变化、修改、替换和变型,本发明的范围由所附权利要求及其等同范围限定。

Claims (9)

1.一种能效人工智能分析方法，其特征在于：该包括以下步骤：
步骤S1，获取用于特征提取的不同等级能效信息，使用生成SURF算法自动提取所述不同等级能效信息中的所有能耗使用规律信息以得到用于特征提取的等级能效信息集合；
步骤S2，利用所述等级能效信息集合对基于能耗使用规律信息能耗量与能耗时间使用生成SURF算法进行特征学习；
步骤S3，通过基于大数据的超级云计算服务平台设置识别算法参数及能耗使用规律信息分析库；
步骤S4，获取等级能效监控检索数据，将等级能效监控获取到的每一个等级能效监控检索送入所述能耗使用规律信息监控模型，得到能耗使用规律信息识别结果；
步骤S5，将所述能耗使用规律信息识别结果送入高斯迭代算法，对识别到的能耗使用规律信息进行覆盖迭代；
步骤S6，识别并判断覆盖迭代的所述能耗使用规律信息是否位于所述能耗使用规律信息分析库并判断所述能耗使用规律信息是否有异常；
所述高斯迭代算法，表达式为：
Rhda＝Yda+S(v)·U
其中，Rhda表示能耗使用规律信息矩阵，Yhda表示能耗使用规律信息的真实值矩阵，S(v)表示能耗使用规律信息的权重，U表示能耗使用规律信息的增益矩阵；
所述能耗使用规律信息，表达式为：
其中，Bw+1表示当前时刻能耗使用规律信息集合，C(h)表示前一时刻能耗使用规律信息集合，Pswo表示不同等级能效的影响范围，A表示能耗使用规律数据的种类矩阵，Ta表示不同能耗使用规律数据对于能效影响的权重，Z(m)表示能效影响的预测值。
2.根据权利要求1所述的一种能效人工智能分析方法，其特征在于：对基于能耗使用规律信息能耗量与能耗时间使用生成SURF算法进行特征学习后，同时对生成SURF算法的参数进行动态更新。
3.根据权利要求1所述的一种能效人工智能分析方法，其特征在于：判断能耗使用规律信息是否处于能耗使用规律信息分析库包含以下步骤：
步骤Q1，获取当前等级能效监控检索中某一个能耗使用规律信息分析库的使用频率和计算周期及能耗使用规律信息分析库的存储容量；
步骤Q2，若能耗使用规律信息分析库使用频率与计算周期均在能耗使用规律信息分析库内，判断能耗使用规律信息有异常；
步骤Q3，若能耗使用规律信息分析库只有部分习惯位于能耗使用规律信息分析库内，则进行步骤Q4；
步骤Q4，判断能耗使用规律信息能耗供应种类是否位于能耗使用规律信息分析库内，若能耗使用规律信息能耗供应种类位于能耗使用规律信息分析库内则判断能耗使用规律信息有异常，否则进行下一步；
步骤Q5，继续获取当前等级能效监控检索中的其他识别能耗使用规律信息并进能耗使用规律信息是否有异常判断的操作。
4.根据权利要求3所述的一种能效人工智能分析方法，其特征在于：还包含一种判断能耗使用规律信息位于能耗使用规律信息分析库内是否供应关系的方法，包括以下步骤：
步骤T1，计算前一个等级能效监控检索中能耗使用规律信息的能耗供应种类与当前等级能效监控检索中所述能耗使用规律信息的能耗供应种类的相似性，若所述的相似性超过标准设定值，则判定为能耗使用规律信息异常；
步骤T2，若判断能耗使用规律信息处于异常状态，则将能耗使用规律信息中的有异常使用进行单独保存并处理其他能耗使用规律信息等级能效监控检索；
步骤T3，若能耗使用规律信息未更新，则获取当前时间并计算能耗使用规律信息供应时长间，将所述能耗使用规律信息供应时长间与设定的有异常时长标准设定值进行比较，若所述能耗使用规律信息供应时长间超过有异常时长标准设定值，则判断为能耗使用规律信息有异常，若所述能耗使用规律信息供应时长间未超过有异常时长，则当前能耗使用规律信息处理结束，继续处理其他识别等级能效监控检索。
5.根据权利要求4所述的一种能效人工智能分析方法，其特征在于：所述标准设定值采用L+Y的动态形式标准设定值来判断能耗使用规律信息供应关系，其中，式中字母L表示标准设定值的加权平均值，字母Y表示标准设定值波动允许范围。
6.根据权利要求4所述的一种能效人工智能分析方法，其特征在于：若覆盖迭代信息中上一等级能效监控检索覆盖迭代到某一能耗使用规律信息，而当前中未覆盖迭代到所述能耗使用规律信息时，则系统设置一个最大覆盖范围，在未达到最大覆盖范围之前，并不判断所述能耗使用规律信息丢失，之后利用高斯迭代算法中的无迹高斯迭代基于上一个的所述能耗使用规律信息区位置对当前的所述能耗使用规律信息区进行预测，预测的结果作为当前能耗使用规律信息区；若下一能耗使用规律等级能效监控检索识别到所述能耗使用规律信息区位置与所述当前能耗使用规律信息区匹配，则判断为识别算法错误导致的能耗使用规律信息消失；若达到最大覆盖范围后，直接视为所述能耗使用规律信息消失，系统删除此能耗使用规律信息覆盖迭代信息；若未达到最大覆盖范围的时间段中所述能耗使用规律信息重新出现，则判断为所述能耗使用规律信息被短时间异常。
7.根据权利要求6所述的一种能效人工智能分析方法，其特征在于：获取所述等级能效监控检索的时间为根据监控需求进行时间长短设定，每秒获取标准设定的等级能效监控检索。
8.一种能效人工智能分析系统，其特征在于：该系统包含能耗使用规律信息识别单元，等级能效监测单元及能耗使用规律异常判断单元，
所述能耗使用规律信息识别单元用于对所述等级能效监测单元获取到的等级能效监控检索数据进行能耗使用规律信息识别并得到能耗使用规律信息的分析库及分析库信息；
所述等级能效监测单元用于获取等级能效监控检索数据、设置监管区位置及对所述能耗使用规律信息识别单元得到的能耗使用规律信息分析库及分析库信息匹配特定识别码后传入至所述能耗使用规律异常判断单元；
所述能耗使用规律异常判断单元用于接收到匹配好特定识别码的能耗使用规律信息分析库及分析库信息后输出覆盖迭代信息，查找每一个所述覆盖迭代信息，根据所述监管区位置判断此能耗使用规律信息是否位于监管区内，并再次更新覆盖迭代信息，根据更新后的所述覆盖迭代信息判断能耗使用规律信息是否应该被发出报警。
9.根据权利要求8所述的一种能效人工智能分析系统，其特征在于：所述覆盖迭代信息包括：能耗使用规律信息识别码、能耗使用规律信息分析库、能耗使用规律信息是否进入能耗使用规律信息分析库、能耗使用规律信息进入能耗使用规律信息分析库时间、能耗使用规律信息是否已被发出报警。
CN202311716821.0A 2023-12-13 2023-12-13 一种能效人工智能分析系统及方法 Pending CN117931562A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311716821.0A CN117931562A (zh) 2023-12-13 2023-12-13 一种能效人工智能分析系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311716821.0A CN117931562A (zh) 2023-12-13 2023-12-13 一种能效人工智能分析系统及方法

Publications (1)

Publication Number Publication Date
CN117931562A true CN117931562A (zh) 2024-04-26

Family

ID=90763748

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311716821.0A Pending CN117931562A (zh) 2023-12-13 2023-12-13 一种能效人工智能分析系统及方法

Country Status (1)

Country Link
CN (1) CN117931562A (zh)

Similar Documents

Publication Publication Date Title
CN112699246B (zh) 基于知识图谱的领域知识推送方法
CN109697434B (zh) 一种行为识别方法、装置和存储介质
CN112131978B (zh) 一种视频分类方法、装置、电子设备和存储介质
US8457368B2 (en) System and method of object recognition and database population for video indexing
CN107169106B (zh) 视频检索方法、装置、存储介质及处理器
CN111507350B (zh) 一种文本识别方法和装置
CN113704389A (zh) 一种数据评估方法、装置、计算机设备及存储介质
CN108319672A (zh) 基于云计算的移动终端不良信息过滤方法及系统
CN115994781A (zh) 一种基于大数据的精准获客系统及方法
CN111310072B (zh) 关键词提取方法、装置和计算机可读存储介质
CN112560480A (zh) 任务社区发现方法、装置、设备和存储介质
CN117931562A (zh) 一种能效人工智能分析系统及方法
CN114462526B (zh) 一种分类模型训练方法、装置、计算机设备及存储介质
CN114449342B (zh) 视频推荐方法、装置、计算机可读存储介质和计算机设备
CN115712825A (zh) 一种基于工业互联网大数据的智能优化方法及系统
CN115690883A (zh) 一种目标训练样本集的获得方法及相关装置
CN117009153A (zh) 集群检测方法、装置、电子设备和计算机可读存储介质
CN115205606A (zh) 一种图像的多标签分类的方法、装置及相关产品
CN115170994A (zh) 一种视频识别方法、装置、设备以及计算机可读存储介质
CN114266921A (zh) 图像描述信息获取方法、装置、服务器及存储介质
CN110363149B (zh) 笔迹的处理方法和装置
CN109446330B (zh) 网络服务平台情感倾向识别方法、装置、设备和存储介质
CN116935286B (zh) 一种短视频识别系统
CN117035125B (zh) 一种分布式人工智能模型的决策系统、方法及装置
CN117992849B (zh) 一种大数据安全处理方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication