【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)涉及數(shù)據(jù)監(jiān)控，具體為基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法及系統(tǒng)。
技術(shù)介紹
1、動(dòng)環(huán)監(jiān)控系統(tǒng)，作為現(xiàn)代數(shù)據(jù)中心、通信基站以及其他關(guān)鍵設(shè)施不可或缺的一部分，扮演著至關(guān)重要的角色。它們被廣泛應(yīng)用于各種場(chǎng)合，以實(shí)現(xiàn)對(duì)各類(lèi)設(shè)備運(yùn)行狀態(tài)及環(huán)境參數(shù)的實(shí)時(shí)監(jiān)測(cè)。這些參數(shù)數(shù)據(jù)包括但不限于電流、電壓、溫濕度、水浸狀態(tài)、設(shè)備在線離線狀態(tài)以及運(yùn)行故障等，它們共同構(gòu)成了設(shè)施運(yùn)行狀態(tài)的全面畫(huà)像。尤為重要的是，這些數(shù)據(jù)并非靜態(tài)存在，而是呈現(xiàn)出鮮明的時(shí)間序列特征，即它們會(huì)隨著時(shí)間的推移而不斷變化。這種動(dòng)態(tài)性不僅反映了設(shè)施運(yùn)行狀態(tài)的實(shí)時(shí)變化，也為后續(xù)的異常預(yù)測(cè)提供了寶貴的信息基礎(chǔ)。
2、在實(shí)際應(yīng)用中，動(dòng)環(huán)監(jiān)控系統(tǒng)的數(shù)據(jù)異常預(yù)測(cè)功能顯得尤為重要。通過(guò)及時(shí)發(fā)現(xiàn)并預(yù)測(cè)數(shù)據(jù)異常，運(yùn)維人員可以迅速定位潛在的設(shè)備故障或環(huán)境問(wèn)題，從而采取必要的預(yù)防措施，避免故障的發(fā)生或擴(kuò)大。這對(duì)于保障系統(tǒng)的穩(wěn)定運(yùn)行、延長(zhǎng)設(shè)備使用壽命以及減少維護(hù)成本都具有深遠(yuǎn)的意義。
3、然而，盡管動(dòng)環(huán)監(jiān)控系統(tǒng)在數(shù)據(jù)異常預(yù)測(cè)方面發(fā)揮著重要作用，但現(xiàn)有技術(shù)中的預(yù)測(cè)方法卻存在諸多不足。其中，預(yù)測(cè)精度不高和對(duì)周期性特征處理不足是兩個(gè)最為突出的問(wèn)題。周期性特征是指數(shù)據(jù)在連續(xù)的時(shí)間段內(nèi)，按照一定的時(shí)間間隔重復(fù)出現(xiàn)相似的模式或趨勢(shì)。這種周期性可能源于設(shè)備的運(yùn)行規(guī)律、環(huán)境因素的變化或其他外部因素的影響。
4、許多現(xiàn)有的預(yù)測(cè)方法在處理數(shù)據(jù)時(shí)，往往忽視了數(shù)據(jù)的周期性特征，或者只是簡(jiǎn)單地將其視為一種線性趨勢(shì)進(jìn)行處理。這種處理方式無(wú)法充分利用數(shù)據(jù)中的周期性信息，從而限制了預(yù)測(cè)精度的
技術(shù)實(shí)現(xiàn)思路
1、本專(zhuān)利技術(shù)的目的在于提供基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法及系統(tǒng)，通過(guò)對(duì)環(huán)境參數(shù)的數(shù)據(jù)進(jìn)行周期性分析提高動(dòng)環(huán)數(shù)據(jù)的預(yù)測(cè)精度。
2、為了解決上述技術(shù)問(wèn)題，本專(zhuān)利技術(shù)提供如下技術(shù)方案：基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法，其步驟包括：
3、從動(dòng)環(huán)監(jiān)控系統(tǒng)中獲取環(huán)境參數(shù)時(shí)間序列，并對(duì)獲取的環(huán)境參數(shù)時(shí)間序列進(jìn)行預(yù)處理，所述環(huán)境參數(shù)包括溫度、濕度、電壓、電流；所述預(yù)處理包括歸一化處理；通過(guò)對(duì)環(huán)境參數(shù)時(shí)間序列進(jìn)行預(yù)處理(如歸一化處理)，可以消除不同參數(shù)之間的量綱差異，使得數(shù)據(jù)更加一致和可比；
4、將預(yù)處理后的環(huán)境參數(shù)時(shí)間序列進(jìn)行分解并重構(gòu)獲取周期性特征；
5、基于環(huán)境參數(shù)時(shí)間序列重構(gòu)后的周期性特征與相應(yīng)的動(dòng)環(huán)數(shù)據(jù)建立預(yù)測(cè)模型；
6、根據(jù)預(yù)測(cè)模型進(jìn)行動(dòng)環(huán)數(shù)據(jù)預(yù)測(cè)，每個(gè)環(huán)境參數(shù)序列周期性特征的與動(dòng)環(huán)數(shù)據(jù)的貢獻(xiàn)度，確定影響動(dòng)環(huán)數(shù)據(jù)異常的環(huán)境參數(shù)。
7、周期性特征是指數(shù)據(jù)在連續(xù)的時(shí)間段內(nèi)，按照一定的時(shí)間間隔重復(fù)出現(xiàn)相似的模式或趨勢(shì)。環(huán)境參數(shù)，如溫度、濕度、氣壓等，往往會(huì)隨著季節(jié)、天氣、時(shí)間等因素的變化而呈現(xiàn)周期性變換。這種周期性變換具有一定的規(guī)律性和可預(yù)測(cè)性，但同時(shí)也受到多種因素的干擾，使得其變化過(guò)程變得復(fù)雜。由于周期性變換的存在，預(yù)測(cè)模型需要更加精確地捕捉這種變化模式，才能提高預(yù)測(cè)的準(zhǔn)確性。
8、根據(jù)上述技術(shù)方案，所述周期性特征提取步驟包括：
9、將預(yù)處理后的所述環(huán)境參數(shù)時(shí)間序列利用vmd分解得到若干次環(huán)境參數(shù)時(shí)間序列，利用長(zhǎng)短期記憶網(wǎng)絡(luò)學(xué)習(xí)每個(gè)次環(huán)境參數(shù)時(shí)間序列的周期性特征；所述vmd分解即變分模態(tài)分解；
10、對(duì)每個(gè)次環(huán)境參數(shù)時(shí)間序列的周期性特征進(jìn)行權(quán)重加權(quán)，得到次環(huán)境參數(shù)時(shí)間序列的等效周期性特征；
11、將預(yù)處理后的所述環(huán)境參數(shù)時(shí)間序列輸入至長(zhǎng)短期記憶網(wǎng)絡(luò)中獲取原始周期性特征，并對(duì)所述原始周期性特征進(jìn)行權(quán)重加權(quán)，得到等效原始周期性特征；
12、將所有的次環(huán)境參數(shù)時(shí)間序列的等效周期性特征和原始周期性特征進(jìn)行重構(gòu)得到第一周期性特征；
13、利用圖神經(jīng)網(wǎng)絡(luò)對(duì)預(yù)處理后的所述環(huán)境參數(shù)時(shí)間序列進(jìn)行學(xué)習(xí)，得到第二周期性特征；
14、由第一周期性特征和所述第二周期性特征共同組成所述環(huán)境參數(shù)時(shí)間序列的周期性特征。
15、環(huán)境參數(shù)時(shí)間序列中的每個(gè)變量的規(guī)律性是復(fù)雜的，可能會(huì)受到其他的多個(gè)變量的印象，因此往往很難直觀的觀察出環(huán)境參數(shù)時(shí)間序列的周期性，環(huán)境參數(shù)時(shí)間序列的周期性可能是多個(gè)周期性特征的疊加，具有一定的復(fù)合性。
16、因此在分析環(huán)境參數(shù)時(shí)間序列的周期性特征的時(shí)候，考慮將環(huán)境參數(shù)時(shí)間序列進(jìn)行分解，然后利用長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)或者神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)其中的周期性特征，然后對(duì)每個(gè)分解序列的周期性進(jìn)行整合，確定整體的周期性特征。
17、根據(jù)上述技術(shù)方案，所述等效周期性特征的計(jì)算步驟包括：
18、獲取次環(huán)境參數(shù)時(shí)間序列的每個(gè)周期性特征對(duì)應(yīng)的頻次以及高峰值；
19、計(jì)算次環(huán)境參數(shù)時(shí)間序列的每個(gè)周期性特征的權(quán)重；所述周期性特征的權(quán)重
20、
21、式中，表示周期性特征i對(duì)應(yīng)的權(quán)重，hi表示周期性特征i對(duì)應(yīng)的高峰值，wi表示周期性特征i對(duì)應(yīng)的頻次，hj表示周期性特征j對(duì)應(yīng)的高峰值，wj表示周期性特征j對(duì)應(yīng)的頻次，k表示次環(huán)境參數(shù)時(shí)間序列中包含的周期性特征數(shù)量；
22、根據(jù)每個(gè)周期性特征的權(quán)重對(duì)相應(yīng)次環(huán)境參數(shù)時(shí)間序列的周期性特征進(jìn)行權(quán)重加權(quán)，得到次環(huán)境參數(shù)時(shí)間序列的等效周期性特征；所述權(quán)重加權(quán)：
23、
24、式中，an表示次環(huán)境參數(shù)時(shí)間序列n對(duì)應(yīng)的等效周期性特征，k表示次環(huán)境參數(shù)時(shí)間序列中包含的周期性特征數(shù)量，表示環(huán)境參數(shù)時(shí)間序列n中的周期性特征j對(duì)應(yīng)的權(quán)重，aj表示環(huán)境參數(shù)時(shí)間序列n中的周期性特征j。
25、根據(jù)上述技術(shù)方案，所述第一周期性特征：
26、
27、式中，p1表示第一周期性特征，an表示次環(huán)境參數(shù)時(shí)間序列n對(duì)應(yīng)的等效周期性特征，a0表示等效原始周期性特征，m表示次環(huán)境參數(shù)時(shí)間序列的數(shù)量。
28、根據(jù)上述技術(shù)方案，將預(yù)處理后的所述環(huán)境參數(shù)時(shí)間序列輸入至自適應(yīng)的圖網(wǎng)絡(luò)結(jié)構(gòu)得到圖鄰接矩陣，利用多尺度時(shí)空?qǐng)D卷積學(xué)習(xí)圖鄰接矩陣中時(shí)間和變量依賴關(guān)系，得到所述第二周期性特征。
29、環(huán)境參數(shù)時(shí)間序列數(shù)據(jù)都是多變量的，在對(duì)多變量時(shí)間序列進(jìn)行分析時(shí)，不僅要考慮到單個(gè)變量隨時(shí)間的變化規(guī)律，還要考慮到變量之間的相互影響。因此可以采用圖鄰接矩陣的方法考慮變量之間的相互影響。
30、根據(jù)上述技術(shù)方案，所述預(yù)測(cè)模型構(gòu)建步驟包括：
31、將獲取環(huán)境參數(shù)時(shí)間序列重構(gòu)后的周期性特征與相應(yīng)的動(dòng)環(huán)異常數(shù)據(jù)，分為訓(xùn)練集和驗(yàn)證集；
32、基于所述訓(xùn)練集利用神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練預(yù)測(cè)模型；
33、基于所述驗(yàn)證集，計(jì)算訓(xùn)練好的預(yù)測(cè)模型的決定系數(shù)和均方根誤差，將所述決定系數(shù)和所述均方根誤差作為判別標(biāo)準(zhǔn)，判斷預(yù)測(cè)模型是否滿足預(yù)報(bào)精度，若不滿足預(yù)報(bào)精本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法，其特征在于，其預(yù)測(cè)方法步驟包括：
2.根據(jù)權(quán)利要求1所述的基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法，其特征在于，所述周期性特征的提取步驟包括：
3.根據(jù)權(quán)利要求2所述的基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法，其特征在于，所述等效周期性特征的計(jì)算步驟包括：
4.根據(jù)權(quán)利要求2所述的基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法，其特征在于，所述第一周期性特征：
5.根據(jù)權(quán)利要求2所述的基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法，其特征在于，將預(yù)處理后的所述環(huán)境參數(shù)時(shí)間序列輸入至自適應(yīng)的圖網(wǎng)絡(luò)結(jié)構(gòu)得到圖鄰接矩陣，利用多尺度時(shí)空?qǐng)D卷積學(xué)習(xí)圖鄰接矩陣中時(shí)間和變量依賴關(guān)系，得到所述第二周期性特征。
6.根據(jù)權(quán)利要求1所述的基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法，其特征在于，所述預(yù)測(cè)模型構(gòu)建步驟包括：
7.根據(jù)權(quán)利要求1所述的基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法，其特征在于，
8.一種基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)系統(tǒng)，其特征在于，包括：
9.根據(jù)權(quán)利要求8
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)執(zhí)行指令，當(dāng)所述計(jì)算機(jī)執(zhí)行指令被計(jì)算機(jī)執(zhí)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述的基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法。
...【技術(shù)特征摘要】
1.一種基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法，其特征在于，其預(yù)測(cè)方法步驟包括：
2.根據(jù)權(quán)利要求1所述的基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法，其特征在于，所述周期性特征的提取步驟包括：
3.根據(jù)權(quán)利要求2所述的基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法，其特征在于，所述等效周期性特征的計(jì)算步驟包括：
4.根據(jù)權(quán)利要求2所述的基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法，其特征在于，所述第一周期性特征：
5.根據(jù)權(quán)利要求2所述的基于時(shí)間序列分析的動(dòng)環(huán)數(shù)據(jù)異常預(yù)測(cè)方法，其特征在于，將預(yù)處理后的所述環(huán)境參數(shù)時(shí)間序列輸入至自適應(yīng)的圖網(wǎng)絡(luò)結(jié)構(gòu)得到圖鄰接矩陣，利用多尺度時(shí)空?qǐng)D卷積學(xué)習(xí)圖鄰接矩陣中時(shí)間和變量依賴關(guān)系...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：畢祺，陳志，曹丹，馮浩杰，周浩然，刁楊華，范洵，張懿，王文濤，謝浩宇，
申請(qǐng)(專(zhuān)利權(quán))人：國(guó)網(wǎng)江蘇省電力有限公司鎮(zhèn)江供電分公司，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。