【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及醫(yī)院能耗曲線的時序序列技術(shù)，特別是基于時序序列的聚類方法、系統(tǒng)、設(shè)備和存儲介質(zhì)。
技術(shù)介紹
1、在當今社會，伴隨醫(yī)療服務(wù)需求的持續(xù)攀升以及醫(yī)院規(guī)模的不斷擴大，醫(yī)院的能源消耗問題愈發(fā)顯著。能源成本在醫(yī)院運營總成本中占據(jù)著極大的比重，故而有效地管理與優(yōu)化能源使用對醫(yī)院的可持續(xù)發(fā)展起著至關(guān)重要的作用。
2、醫(yī)院作為一個復雜的系統(tǒng)，其能耗設(shè)備種類豐富多樣，涵蓋醫(yī)療設(shè)備、照明系統(tǒng)、空調(diào)系統(tǒng)、通風系統(tǒng)等等。這些設(shè)備的運行時間與能耗模式各不相同，使得能耗曲線呈現(xiàn)出復雜多變的特性。與此同時，醫(yī)院的運營具有特殊性，比如手術(shù)高峰期、門診高峰期等，在這些時段，能耗會出現(xiàn)明顯的波動。
3、在醫(yī)院能源托管項目中，能耗的異常情況以及能耗的發(fā)展趨勢乃是人們關(guān)注的焦點，如何合理地分析能耗曲線，找出關(guān)鍵能源事件成為任務(wù)的重點所在。通常情況下，能耗曲線的評估大多采用人工判斷的方式，通過展示能耗曲線，人工判斷其異常情況（能耗突變）以及能耗的發(fā)展趨勢（能耗持續(xù)上升、能耗持續(xù)下降）。但是隨著數(shù)據(jù)復雜度和數(shù)據(jù)量的增加，人工進行能耗曲線判斷評估的方式，暴露出越來越多的缺點和技術(shù)問題：
4、其一，時效性欠佳。人工收集、整理以及分析能耗數(shù)據(jù)所需時間較長，很可能致使錯過節(jié)能調(diào)整的最佳時機。
5、其二，人力成本高昂。不僅需要專業(yè)人員來進行操作，而且隨著數(shù)據(jù)量的不斷增加，成本也會隨之上升。
6、其三，主觀性較強。不同的評估人員可能會得出不同的結(jié)論，從而影響決策的準確性。
7、因此，鑒于醫(yī)療服務(wù)需求增
技術(shù)實現(xiàn)思路
1、本專利技術(shù)為解決上述技術(shù)問題，提出了基于時序序列的聚類方法、系統(tǒng)、設(shè)備和存儲介質(zhì)，旨在運用基于多視圖學習的時序序列聚類方法，能夠依據(jù)能耗曲線，對樹節(jié)點進行合理歸類分析；將不同的能耗曲線進行聚類，自動輸出每個簇的評價指標，同時給出可能的原因，以指導運維人員進行檢查，提高能耗檢查效率和準確性；進而制定相應(yīng)更合理且合適的節(jié)能措施。
2、本專利技術(shù)的技術(shù)方案如下：
3、基于時序序列的聚類系統(tǒng)，包括以下模塊：
4、數(shù)據(jù)中臺模塊，用于與各類能耗監(jiān)測設(shè)備建立連接，采集醫(yī)院能耗數(shù)據(jù)并進行異常清洗，構(gòu)建醫(yī)院能耗數(shù)據(jù)的樹模型，并從樹模型中抽取樹節(jié)點的醫(yī)院能耗時序序列數(shù)據(jù)。
5、算法中臺模塊，用于將抽取的醫(yī)院能耗時序序列數(shù)據(jù)構(gòu)建聚類模型，對抽取的醫(yī)院能耗時序序列數(shù)據(jù)進行聚類分析，得到聚類結(jié)果，通過聚類結(jié)果獲得抽取的所有醫(yī)院能耗時序序列數(shù)據(jù)的聚類標簽。
6、評價系統(tǒng)模塊，用于對聚類結(jié)果進行評價，通過不同的評價方式輸出相應(yīng)的評價內(nèi)容，以便運維人員進行檢查并探尋節(jié)能點。
7、因子庫維護模塊，用于存儲能耗因子形成因子庫，并用于將聚類結(jié)果中的能耗曲線特征與預(yù)先設(shè)定的因子庫進行匹配，以自動識別和解釋能耗曲線中的異常和趨勢變化，輸出能耗問題出現(xiàn)的可能性較大原因。
8、所述因子庫維護模塊中形成的因子庫包括能耗曲線逐漸上升因子庫、能耗曲線逐漸下降因子庫、能耗曲線突變因子庫。其中：
9、預(yù)設(shè)的能耗曲線逐漸上升因子庫中的能耗因子包括：
10、1）醫(yī)院新引進先進醫(yī)療設(shè)備或擴大診療規(guī)模；
11、2）隨著醫(yī)院服務(wù)范圍的擴大，就診患者數(shù)量持續(xù)增多，各類設(shè)備的使用頻率提高。
12、3）醫(yī)院開展新的醫(yī)療技術(shù)或治療項目，這些項目可能需要更多的能源支持。
13、4）醫(yī)院社保老舊，運行效率逐漸下降。
14、5）夏季來臨、或者冬季來臨，空調(diào)消耗能耗會變高。
15、預(yù)設(shè)的能耗曲線逐漸下降因子庫中的能耗因子包括：
16、1）醫(yī)院采取有效的節(jié)能措施，如優(yōu)化設(shè)備運行時間、提高能源利用效率等。
17、2）醫(yī)院對老舊設(shè)備進行更新?lián)Q代，采用更加節(jié)能高效的新型設(shè)備，降低了能源消耗。
18、3）醫(yī)院加強了能源管理，對員工進行節(jié)能培訓，提高了全員的節(jié)能意識。
19、預(yù)設(shè)的能耗曲線突變因子庫中的能耗因子包括：
20、1）緊急手術(shù)的突然安排可能致使特定醫(yī)療設(shè)備瞬間高負荷運轉(zhuǎn)。
21、2）醫(yī)療設(shè)備突發(fā)故障，在搶修過程中會消耗大量能源，進而引發(fā)能耗的急劇上升。
22、3）醫(yī)院內(nèi)部的突發(fā)事件，如火災(zāi)、地震等緊急情況，啟動應(yīng)急系統(tǒng)會導致能耗瞬間飆升。
23、4）醫(yī)院舉辦大型學術(shù)會議或活動，臨時增加的設(shè)備和人員會使能耗突然升高。
24、5）外部因素的影響，如電網(wǎng)波動或停電后恢復供電時，醫(yī)院的備用電源系統(tǒng)啟動。
25、基于時序序列的聚類方法，其處理流程包括：
26、s1，通過數(shù)據(jù)中臺模塊建立與各類能耗監(jiān)測設(shè)備的連接，以設(shè)定的頻率從各類能耗監(jiān)測設(shè)備中采集醫(yī)院能耗數(shù)據(jù)，建立醫(yī)院能耗數(shù)據(jù)的樹模型，從樹模型中抽取樹節(jié)點的醫(yī)院能耗時序序列數(shù)據(jù)。
27、s2，通過算法中臺模塊采用不同的權(quán)重標定方式進行聚類分析，得到聚類結(jié)果。
28、s3，針對聚類結(jié)果，通過評價系統(tǒng)模塊選取不同的評價方式輸出相應(yīng)的評價內(nèi)容，所述評價內(nèi)容包括趨勢評價、異常評價。與人工評價方式相比，該方式更具數(shù)學原理和理論解釋，能夠大大降低人力成本。
29、s4，對于輸出的評價內(nèi)容，通過因子庫維護模塊自動提取能耗曲線的特征，與現(xiàn)有的因子庫進行匹配對標分析，識別出異常和趨勢問題，輸出可能性原因，所述可能性原因按照可能性降序的方式依次輸出；待現(xiàn)場運維人員檢查現(xiàn)場后，將真實的因子錄入并更新因子庫，從而形成一個閉環(huán)。通過這樣的方式，使得因子庫可以在使用過程中不斷得以完善。
30、進一步地，步驟s1中，采集的醫(yī)院能耗數(shù)據(jù)包括三個特征：
31、（1）隨機性突發(fā)峰值。
32、（2）逐漸上升或者下降。
33、（3）無明顯趨勢。
34、進一步地，步驟s1中，所述數(shù)據(jù)中臺模塊對采集到的醫(yī)院能耗數(shù)據(jù)進行異常清洗，以此確保數(shù)據(jù)具備良好的可用性與穩(wěn)定性。所述異常清洗是在數(shù)據(jù)預(yù)處理階段，采用iqr方法進行數(shù)據(jù)清洗工作。具體而言，先依據(jù)數(shù)據(jù)的四分位數(shù)計算出?iqr，以此界定出數(shù)據(jù)的合理區(qū)間，識別出其中的異常值。隨后，以該組數(shù)據(jù)的中位數(shù)作為標準填充值，將所有被判定為異常的數(shù)值替換為中位數(shù)，從而有效修正數(shù)據(jù)偏差，確保數(shù)據(jù)質(zhì)量滿足后續(xù)分析及建模需求。
35、進一步地，步驟s1中，所述能耗監(jiān)測設(shè)備包括智能電表、傳感器等。
36、進一步地，步驟s1中，所述能耗監(jiān)測設(shè)備掛載于樹節(jié)點之下，采用自頂而下的方式設(shè)計樹模型，以便用戶進行檢索以及關(guān)注自己感興趣的樹節(jié)點。
37、進一步地，步驟s1中，基于tree_id從樹模型中抽取醫(yī)院能耗時序序列數(shù)據(jù)時，獲取到 n個時序序列數(shù)據(jù)，即 本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.基于時序序列的聚類方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于時序序列的聚類方法，其特征在于，步驟S1中，采集的醫(yī)院能耗數(shù)據(jù)包括三個特征：隨機性突發(fā)峰值、逐漸上升或者下降、無明顯趨勢。
3.根據(jù)權(quán)利要求1所述的基于時序序列的聚類方法，其特征在于，步驟S1中，所述數(shù)據(jù)中臺模塊對采集到的醫(yī)院能耗數(shù)據(jù)進行異常清洗，以此確保數(shù)據(jù)的可用性與穩(wěn)定性；所述異常清洗是在數(shù)據(jù)預(yù)處理階段，采用IQR方法進行數(shù)據(jù)清洗工作。
4.根據(jù)權(quán)利要求1所述的基于時序序列的聚類方法，其特征在于，步驟S1中，所述能耗監(jiān)測設(shè)備至少包括智能電表、傳感器。
5.根據(jù)權(quán)利要求1所述的基于時序序列的聚類方法，其特征在于，步驟S1中，所述能耗監(jiān)測設(shè)備掛載于樹節(jié)點之下，采用自頂而下的方式設(shè)計樹模型，便于檢索以及關(guān)注感興趣的樹節(jié)點。
6.根據(jù)權(quán)利要求1所述的基于時序序列的聚類方法，其特征在于，步驟S1中，基于tree_id從樹模型中抽取醫(yī)院能耗時序序列數(shù)據(jù)時，獲取到n個時序序列數(shù)據(jù)，即n個樹節(jié)點，每個時序序列數(shù)據(jù)分別對應(yīng)一能耗曲線，能耗曲線的長度表示
7.根據(jù)權(quán)利要求1所述的基于時序序列的聚類方法，其特征在于，步驟S2中，所述聚類分析的具體過程為：
8.根據(jù)權(quán)利要求7所述的基于時序序列的聚類方法，其特征在于，步驟S203中，基于圖學習的多視圖聚類算法，圖的定義方式使用高斯核函數(shù)來定義圖，給定數(shù)據(jù)集，即：
9.根據(jù)權(quán)利要求7所述的基于時序序列的聚類方法，其特征在于，步驟S203中，基于圖矩陣獲得聚類結(jié)果的具體過程如下：
10.根據(jù)權(quán)利要求1所述的基于時序序列的聚類方法，其特征在于，步驟S3中，所述趨勢評價是通過分析能耗趨勢曲線統(tǒng)計得到不同趨勢的數(shù)量，具體是：
11.根據(jù)權(quán)利要求1所述的基于時序序列的聚類方法，其特征在于，步驟S3中，所述異常評價是借助孤立森林獲取異常評分統(tǒng)計得分情況，具體是：
12.根據(jù)權(quán)利要求1所述的基于時序序列的聚類方法，其特征在于，步驟S4中，使用DTW距離作為相似性度量，將需要輸出因子的能耗曲線與存儲能耗曲線進行做相似性計算，計算出相似度排序靠前的存儲能耗曲線對應(yīng)的真實因子，并對相同因子進行累加，推送至因子庫維護模塊；因子庫維護模塊依據(jù)推送的匹配結(jié)果，按照可能性從高到低的順序輸出最有可能導致能耗曲線變化的因素。
13.基于時序序列的聚類系統(tǒng)，基于權(quán)利要求1-12任意一項所述的基于時序序列的聚類方法，其特征在于，包括以下模塊：
14.根據(jù)權(quán)利要求13所述的基于時序序列的聚類系統(tǒng)，其特征在于：所述因子庫維護模塊中形成的因子庫包括能耗曲線逐漸上升因子庫、能耗曲線逐漸下降因子庫、能耗曲線突變因子庫；其中：
15.一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于：所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1~12任意一項所述的基于時序序列的聚類方法的步驟。
16.一種計算機可讀存儲介質(zhì)，存儲有計算機程序，其特征在于：所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1~12任意一項所述的基于時序序列的聚類方法的步驟。
...【技術(shù)特征摘要】
1.基于時序序列的聚類方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于時序序列的聚類方法，其特征在于，步驟s1中，采集的醫(yī)院能耗數(shù)據(jù)包括三個特征：隨機性突發(fā)峰值、逐漸上升或者下降、無明顯趨勢。
3.根據(jù)權(quán)利要求1所述的基于時序序列的聚類方法，其特征在于，步驟s1中，所述數(shù)據(jù)中臺模塊對采集到的醫(yī)院能耗數(shù)據(jù)進行異常清洗，以此確保數(shù)據(jù)的可用性與穩(wěn)定性；所述異常清洗是在數(shù)據(jù)預(yù)處理階段，采用iqr方法進行數(shù)據(jù)清洗工作。
4.根據(jù)權(quán)利要求1所述的基于時序序列的聚類方法，其特征在于，步驟s1中，所述能耗監(jiān)測設(shè)備至少包括智能電表、傳感器。
5.根據(jù)權(quán)利要求1所述的基于時序序列的聚類方法，其特征在于，步驟s1中，所述能耗監(jiān)測設(shè)備掛載于樹節(jié)點之下，采用自頂而下的方式設(shè)計樹模型，便于檢索以及關(guān)注感興趣的樹節(jié)點。
6.根據(jù)權(quán)利要求1所述的基于時序序列的聚類方法，其特征在于，步驟s1中，基于tree_id從樹模型中抽取醫(yī)院能耗時序序列數(shù)據(jù)時，獲取到n個時序序列數(shù)據(jù)，即n個樹節(jié)點，每個時序序列數(shù)據(jù)分別對應(yīng)一能耗曲線，能耗曲線的長度表示為d，則得到一個數(shù)據(jù)矩陣。
7.根據(jù)權(quán)利要求1所述的基于時序序列的聚類方法，其特征在于，步驟s2中，所述聚類分析的具體過程為：
8.根據(jù)權(quán)利要求7所述的基于時序序列的聚類方法，其特征在于，步驟s203中，基于圖學習的多視圖聚類算法，圖的定義方式使用高斯核函數(shù)來定義圖，給定數(shù)據(jù)集，即：
9.根據(jù)權(quán)利要求7所述的基于時序序列的聚類方法，其特征在于，步驟s2...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：胡傲然，蔣貽鑫，胡值彬，馬如明，
申請(專利權(quán))人：南京天溯自動化控制系統(tǒng)有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。