申请/专利权人：广东蘑菇物联科技有限公司

申请日：2023-11-22

公开（公告）日：2024-03-08

公开（公告）号：CN117272845B

主分类号：G06F30/27

分类号：G06F30/27;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.08#授权;2024.01.09#实质审查的生效;2023.12.22#公开

摘要：本申请公开了一种空压站能耗水平评估方法、装置及设备，该方法可确定标准环境所对应的标准环境特征值；获取单耗转换模型，并获取非标准环境下空压站的目标耗电量以及目标输出气体流量，其中，单耗转换模型以对应不同环境标注有历史耗电量、历史输出气体流量及历史环境值的历史单耗训练得到；将所述标准环境特征值、目标耗电量及目标输出气体流量输入至所述单耗转换模型，得到所述单耗转换模型输出所述空压站在标准环境下的目标单耗信息；对目标单耗信息进行分析，评估空压站的能耗水平。可见，本申请可以将非标准环境下的空压站的运行情况转换为标准情况下的运行情况，减少环境因素对空压站能耗水平评估结果的影响，提高本申请的可靠性及准确性。

主权项：1.一种空压站能耗水平评估方法，其特征在于，包括：确定标准环境所对应的标准环境特征值；获取单耗转换模型，并获取非标准环境下空压站的目标耗电量以及目标输出气体流量，其中，所述单耗转换模型以对应不同环境且标注有历史耗电量、历史输出气体流量及历史环境值的历史单耗训练得到；将所述标准环境特征值、目标耗电量及目标输出气体流量输入至所述单耗转换模型，得到所述单耗转换模型输出所述空压站在标准环境下的目标单耗信息；对所述目标单耗信息进行分析，评估所述空压站的能耗水平；所述获取单耗转换模型，包括：构建不同的机器学习算法模型；获取不同环境下的标注有训练耗电量、训练输出气体流量及训练环境值的训练单耗，并将各个训练单耗划分为训练样本或校验样本；利用各个训练样本，对每个机器学习算法模型进行训练；利用优化算法，对每个训练后的机器学习算法模型进行参数优化；利用各个校验样本，对每个参数优化后的机器学习算法模型进行校验，计算每个参数优化后的机器学习算法模型的平均误差；将平均误差最小的参数优化后的机器学习算法模型作为单耗转换模型；所述获取不同环境下的标注有训练耗电量、训练输出气体流量及训练环境值的训练单耗，包括：获取每一环境下多个训练采样点的历史累积耗电量、历史累积流量及历史环境数据；针对每一环境，计算相邻训练采样点间的历史累积流量间的差值，并汇总各个历史累积流量间的差值形成该环境对应的训练输出气体流量；针对每一环境，计算相邻训练采样点间的历史累积耗电量间的差值，并汇总各个历史累积耗电量间的差值形成该环境对应的训练耗电量；针对每一环境，对各个训练采样点的历史环境数据进行排序，确定各个历史环境数据的中位数，并将该中位数作为训练环境值；针对每一环境，将该环境的训练耗电量及该环境的训练输出气体流量间的比值，作为该环境对应的训练单耗；将所述训练耗电量、所述训练输出气体流量及所述训练环境值作为所述训练单耗的标注标签。

全文数据：

权利要求：

百度查询： 广东蘑菇物联科技有限公司 空压站能耗水平评估方法、装置及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD