[发明专利]空调回风温度的预测方法、异常监控方法和相关装置

说明书

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。

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。