申请/专利权人：南京群顶科技股份有限公司

申请日：2024-01-26

公开（公告）日：2024-04-16

公开（公告）号：CN117633573B

主分类号：G06F18/23213

分类号：G06F18/23213;G01K13/024;G01W1/00;G01R21/00;G06F18/22;G06F18/2433;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明公开了基于空调运行工况的电量数据异常检测方法及系统，所述方法包括：采集机房空调运行工况信息、每日平均天气温度数据、机房每日IT能耗数据和制冷能耗数据；对由机房空调运行工况信息、每日平均天气温度数据、机房每日IT能耗数据组成的五维特征值进行预处理；对五维特征值进行聚类，将五维特征值对应的簇标签与对应的制冷能耗数据进行匹配，获得每个簇的制冷能耗数据；筛选出每个簇中的正常数据和一类异常数据；通过箱线图法分析每个簇中的正常数据，筛选出二类异常数据；合并所有簇的一类异常数据和二类异常数据，获得机房的异常数据。通过本发明的方法和系统筛选出的结果稳定可靠，准确性高。

主权项：1.基于空调运行工况的电量数据异常检测方法，其特征在于：包括如下操作：步骤1：采集机房空调运行工况信息，包括温度设定值、回风温度和空调开关数量，采集每日平均天气温度数据、机房每日IT能耗数据和制冷能耗数据，并将温度设定值、回风温度、空调开关数量、每日平均天气温度数据和机房每日IT能耗数据作为五维特征值，将制冷能耗数据作为待检测的电量数据；步骤2：对五维特征值进行预处理，包括删除空值、MAX_MIN归一化处理、对MAX_MIN归一化处理得到的五维特征值中的空调开关数量列进行加权处理；步骤3：通过K-MEANS聚类模型对预处理后的五维特征值进行聚类，形成不同的簇，按照五维特征值的顺序排列簇标签，将五维特征值对应的簇标签与五维特征值对应的制冷能耗数据进行匹配，获得每个簇的制冷能耗数据；步骤4：根据每个簇的制冷能耗数据，筛选出每个簇下符合要求的电量数据，将符合要求的电量数据作为簇中的正常数据，剩余数据则为簇中的一类异常数据；步骤5：通过箱线图法分析每个簇中的正常数据，计算正常数据的上四分位数、下四分位数、上须和下须，将在上须之上或下须之下的制冷能耗数据记为二类异常数据；步骤6：合并所有簇的一类异常数据和二类异常数据，获得机房的异常数据；所述步骤3中通过K-MEANS聚类模型对预处理后的五维特征值进行聚类，形成不同的簇具体操作包括：步骤3.1：将步骤2得到的五维特征值作为K-MEANS聚类模型的输入，设置参数K值，进行聚类；步骤3.2：用轮廓系数计算聚类结果，得到聚类结果的轮廓系数分数；步骤3.3：调整参数K值，多次重复步骤3.1至步骤3.2的操作，选出轮廓系数分数最高的参数K值以及对应的聚类结果作为最优结果；所述步骤4中每个簇下制冷能耗数据为10及其以上的数据为正常数据，为10以下的制冷能耗数据记为一类异常数据。

全文数据：

权利要求：

百度查询： 南京群顶科技股份有限公司 基于空调运行工况的电量数据异常检测方法及系统

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