[发明专利]一种基于能耗区间预测的设备异常诊断方法

权利要求书

1.一种基于能耗区间预测的设备异常诊断方法，其特征是，包括以下步骤：

S1、采集历史能耗、时间、日期、温度、天气数据并训练能耗预测模型；

S2、进行点预测，预测单位时间的能耗值；

S3、进行区间预测，预测单位时间能耗值的上限和下限；

S4、检验单位小时真实能耗值是否落在置信区间内；

S5、判断该设备能耗是否出现异常，当真实值落在置信区间内时，该设备正常运作；当真实值大于预测的上限时，认为该设备有可节能空间；当真实值小于预测下限时，认为该设备可能出现故障。

2.根据权利要求1所述的一种基于能耗区间预测的设备异常诊断方法，其特征是，所述S3包括以下步骤：

S301、采集历史数据；

S302、将数据集合进行划分；

S303、进行Bootstrap抽样；

S304、训练GRU预测模型；

S305、测试集合数据点预测；

S306、测试集合区间预测；

S307、评价区间预测的质量；

S308、评价指标是否满足要求，一般来说在PICP≥μ的条件下，PINAW越小越优；CWC越小说明区间预测的质量越好；

S309、利用该预测模型预测能耗值的区间，将待评价的数据x*代入S304中的预测模型中得到点预测值，再代入S306中得到区间预测值。

3.根据权利要求2所述的一种基于能耗区间预测的设备异常诊断方法，其特征是，所述S301包括以下步骤：

S3011、采集历史单位小时能耗值、日期类型、天气类型、温度的数据；日期类型包括工作日、节假日、双休日，天气类型包括阴、晴、雨；得到可用于时间序列预测的数据集：H＝[h_t,h_t+1......h_t+n]，其中，h_t＝[f_t,d_t,w_t,c_t]，f_t代表t时间点的能耗值，d_t代表t时间点的日期类型，w_t代表t时间点的天气类型，c_t代表t时间点的温度值，h_t代表t时间点能耗值、日期类型、天气类型和温度值的数据；

S3012、对日期类型和天气类型字段进行one-hot编码：即将类型字段转换成类型为数字的值，便于处理；

S3013、对数据集进行标准化处理：即将能耗，日期类型字段、天气类型的字段以及温度的值缩放到0-1之间；

S3014、将时间序列数据集H转化成监督学习数据集W＝[w_t,w_t+1......w_t+n]，

其中，w_t＝[f_t,d_t,,w_t,c_t,f_t+1,d_t+1,w_t+1,c_t+1......f_t+k-1,d_t+k-1,w_t+k-1,c_t+k-1,f_t+k,d_t+k,w_t+k,c_t+k]；k＝24代表一天的数据量；

S3015、分割数据集W前五分之四为训练集W_train，后五分之一测试集W_test；

S3016、分离训练集，得到训练集的输入量W_{train_x}和输出量W_{train_y}，

其中，W_{train_x}＝[x_t,x_t+1......x_t+4n/5]，

W_{train_y}＝[y_t,y_t+1......y_t+4n/5]，

x_t＝[f_t,d_t,w_t,c_t,f_t+1,d_t+1,w_t+1,c_t+1......f_t+k-1,d_t+k-1,w_t+k-1,c_t+k-1]，

y_t＝[f_t+k]；

同理，可以得到测试集的输入量W_{test_x}和输出量W_{test_y}。