一种基于大数据的清洁能源供暖系统报警分类预测方法技术方案

本发明专利技术公开了一种基于大数据的清洁能源供暖系统报警分类预测方法，包括步骤：A.从报警实际工作情况出发，将历史报警数据的报警类型分为两类；B.特征筛选和聚类转换，即从历史报警数据的不同维度出发，依据历史报警数据的分类的占比对特征进行聚类操作，建立基于历史数据的特征向量；C.引入决策树CART分类模型，训练非线性的离散特征向量，调整参数优化模型，并利用模型对上报的报警信息进行实时分类预测，输出预测结果。本发明专利技术的方法可实现由系统对上报的实时故障报警的分类进行预测，以此辅助系统运营人员决策，减轻运营压力，提高系统的服务质量。

【技术实现步骤摘要】
一种基于大数据的清洁能源供暖系统报警分类预测方法
本专利技术涉及大数据分析和人工智能算法
，特别涉及一种基于大数据的清洁能源供暖系统报警分类预测方法。
技术介绍
近年来，随着我国空气质量愈来愈受到广泛关注，减少二氧化碳及有害气体排放逐渐成为各行各业生产和生活的重点，煤改电项目正是在该背景下被极力推动，现有技术中也诞生了多种清洁能源智能系统，如煤改电系统是为煤改电清洁能源项目提供平台服务，具备远程控制、故障上报、统计分析、数据可视化等功能。系统将上报的故障报警信息储存在服务器中，历史报警数据记载了报警的设备名称、报警的故障类型，故障发生的时间，故障结束的时间等信息。从历史报警数据中，可以将报警划分为两类：短时间能自动回复或者工作时间前能自动解除的报警及长时报警。第一类报警不需运营人员立即进行处理，报警在下一个上报周期可自动解除，或在运营一天的工作时间开始前即可自动解除。第二类报警，为持续时间较长的报警，通常持续多个上报周期，需工作人员人为干预、检查设备参数、调整运行策略、甚至现场检修等。在系统运行过程中，存在多个设备同时并行上报故障信息的情况，此时，系统应提供一个基于历史数据的故障报警分类算法，预测上报的报警的分类标签，辅助运营人员决策，提高运营的效率。
技术实现思路
本专利技术的目的是结合上述
技术介绍
并克服
技术介绍
中不足，提供一种基于大数据的清洁能源供暖系统报警分类预测方法，可用于清洁能源智能系统的故障报警分类预测模块，结合清洁能源服务平台，对历史报警数据的特征进行筛选，将筛选的每个特征进行降维变换，并在在此基础上训练CART分类预测模型，实现由系统对上报的实时故障报警的分类进行预测，以此辅助系统运营人员决策，减轻运营压力，提高系统的服务质量。为了达到上述的技术效果，本专利技术采取以下技术方案：一种基于大数据的清洁能源供暖系统报警分类预测方法，用于清洁能源供暖系统，所述清洁能源供暖系统包括运营端、供暖设备端、系统平台端，供暖设备端向系统平台端上报报警信息，系统平台端对收到的报警信息进行分类处理后将报警信息传送至运营端，运营端根据收到的报警信息进行相应处理，所述基于大数据的清洁能源供暖系统报警分类预测方法包括以下步骤：A.从报警实际工作情况出发，将历史报警数据的报警类型分为两类；B.特征筛选和聚类转换，即从历史报警数据的不同维度出发，依据历史报警数据的分类的占比对特征进行聚类操作，建立基于历史数据的特征向量；C.引入决策树CART分类模型，训练非线性的离散特征向量，调整参数优化模型，并利用模型对上报的报警信息进行实时分类预测，输出预测结果。进一步地，所述历史报警数据包括报警发生的设备、报警上报的时间、报警类型信息。进一步地，所述步骤A中具体是将历史报警数据分为第一类的自恢复报警和第二类的长时故障数据。进一步地，所述自恢复报警指报警时间在运营工作时间且持续时间不超过2个上报周期，或报警时间在非工作时间，但在工作时间开始前能解除的报警。进一步地，所述长时故障指必要是需进行远程控制、参数调整或现场检修的报警，此类报警数据需要引起系统运营人员重视。进一步地，所述步骤B中所述特征是指将历史报警数据中，故障发生的设备、上报的星期数、上报的小时、及故障类型作为模型的特征，且所述筛选的特征均为离散变量，且特征向量的维数较大。进一步地，所述步骤B具体为对每个特征采用聚类算法进行变换，将特征分为报警类型倾向第一类的族群、倾向第二类的族群以及中间无倾向的族群，以达到降维的目的。进一步地，所述步骤B中对每个特征采用聚类算法进行变换时，具体的变换的方法为：一个特征中的某个值对应的历史数据样本中，若样本数量大于设定的最小样本容量，且样本中报警分类占该样本的总量超过80％，则定义为倾向该分类的族群；否则定义为无倾向的族群。进一步地，所述步骤C中还包括定时更新特征的聚类族群信息及分类模型。进一步地，所述系统平台端包括系统平台单元、报警分类单元及平台数据库，所述平台数据库用于存储收到的报警信息，报警分类单元用于提取平台数据库存储的报警信息并进行分类处理，及将分类结果传递至系统平台单元，系统平台单元用于将分类后的报警信息传递至运营端。本专利技术与现有技术相比，具有以下的有益效果：本专利技术的基于大数据的清洁能源供暖系统报警分类预测方法，可用于清洁能源智能系统的故障报警分类预测模块，结合清洁能源服务平台，通过对历史报警数据的特征进行筛选，将筛选的每个特征进行降维变换，并在在此基础上训练CART分类预测模型，从而实现由系统对上报的实时故障报警的分类进行预测，以此辅助系统运营人员决策，减轻运营压力，提高系统的服务质量。附图说明图1是本专利技术的基于大数据的清洁能源供暖系统报警分类预测方法的流程示意图。图2是本专利技术的一个实施例中的清洁能源供暖系统的示意图。具体实施方式下面结合本专利技术的实施例对本专利技术作进一步的阐述和说明。实施例：实施例一：如图1所示，一种基于大数据的清洁能源供暖系统报警分类预测方法，用于清洁能源供暖系统，如图2所示，本实施例中的清洁能源供暖系统包括运营端、供暖设备端、系统平台端，供暖设备端向系统平台端上报报警信息，系统平台端对收到的报警信息进行分类处理后将报警信息传送至运营端，运营端根据收到的报警信息进行相应处理。其中，系统平台端包括系统平台单元、报警分类单元及平台数据库，平台数据库用于存储收到的报警信息，报警分类单元用于提取平台数据库存储的报警信息并进行分类处理，及将分类结果传递至系统平台单元，系统平台单元用于将分类后的报警信息传递至运营端。具体的，本实施例中，基于大数据的清洁能源供暖系统报警分类预测方法包括以下步骤：步骤一：从报警实际工作情况出发，将历史报警数据的报警类型分为两类；具体的，历史报警数据信息记录了报警发生的设备、报警上报的时间、报警类型等信息，本实施例中对历史报警数据的报警类型进行分类时具体为：第一类为自恢复报警，指报警时间在运营工作时间且持续时间不超过2个上报周期，或报警时间在非工作时间，但在工作时间开始前能解除的报警；第二类为长时故障，需引起系统运营人员重视，必要是需进行远程控制、参数调整、甚至现场检修等的报警。如本实施例中，系统历史数据中共计4400条报警信息，且其中60％的样本为一类报警，40％的样本为第二类报警。步骤二：特征筛选和聚类转换，即从历史报警数据的不同维度出发，依据历史报警数据的分类的占比对特征进行聚类操作，建立基于历史数据的特征向量。具体为，选择历史数据中，故障发生的设备、上报的星期数、上报的小时、及故障类型为模型的特征，其中，筛选的特征均为离散变量，且特征向量的维数较大，然后对每个特征采用聚类算法进行变换，将特征分为报警类型倾向第一类的族群、倾向第二类的族群以及中间无倾向的族群，以达到降维的目的。其中，本实施例中对每个特征采用聚类算法进行变换时变换的形式为：一个特征中的某个值对应的历史数据样本中，若样本数量大于设定的最小样本容量，且样本中报警分类占该样本的总量超过80％，则定义为倾向该分类的族群；否则定义为无倾向的族群。如本实施例中，选择的特征为上报报警的设备，上报的星期数，上报的小时数，及上报的故障类型。且经过聚类的特征变换后，所有特征均变为三个相同的离散值，本实施例中采用数值编码的形式保存特征变本文档来自技高网...

【技术保护点】
1.一种基于大数据的清洁能源供暖系统报警分类预测方法，用于清洁能源供暖系统，其特征在于，所述清洁能源供暖系统包括运营端、供暖设备端、系统平台端，供暖设备端向系统平台端上报报警信息，系统平台端对收到的报警信息进行分类处理后将报警信息传送至运营端，运营端根据收到的报警信息进行相应处理，所述基于大数据的清洁能源供暖系统报警分类预测方法包括以下步骤：A.从报警实际工作情况出发，将历史报警数据的报警类型分为两类；B.特征筛选和聚类转换，即从历史报警数据的不同维度出发，依据历史报警数据的分类的占比对特征进行聚类操作，建立基于历史数据的特征向量；C.引入决策树CART分类模型，训练非线性的离散特征向量，调整参数优化模型，并利用模型对上报的报警信息进行实时分类预测，输出预测结果。

【技术特征摘要】
1.一种基于大数据的清洁能源供暖系统报警分类预测方法，用于清洁能源供暖系统，其特征在于，所述清洁能源供暖系统包括运营端、供暖设备端、系统平台端，供暖设备端向系统平台端上报报警信息，系统平台端对收到的报警信息进行分类处理后将报警信息传送至运营端，运营端根据收到的报警信息进行相应处理，所述基于大数据的清洁能源供暖系统报警分类预测方法包括以下步骤：A.从报警实际工作情况出发，将历史报警数据的报警类型分为两类；B.特征筛选和聚类转换，即从历史报警数据的不同维度出发，依据历史报警数据的分类的占比对特征进行聚类操作，建立基于历史数据的特征向量；C.引入决策树CART分类模型，训练非线性的离散特征向量，调整参数优化模型，并利用模型对上报的报警信息进行实时分类预测，输出预测结果。2.根据权利要求1所述的一种基于大数据的清洁能源供暖系统报警分类预测方法，其特征在于，所述历史报警数据包括报警发生的设备、报警上报的时间、报警类型信息。3.根据权利要求2所述的一种基于大数据的清洁能源供暖系统报警分类预测方法，其特征在于，所述步骤A中具体是将历史报警数据分为第一类的自恢复报警和第二类的长时故障数据。4.根据权利要求3所述的一种基于大数据的清洁能源供暖系统报警分类预测方法，其特征在于，所述自恢复报警指报警时间在运营工作时间且持续时间不超过2个上报周期，或报警时间在非工作时间，但在工作时间开始前能解除的报警。5.根据权利要求3所述的一种基于大数据的清洁能源供暖系统报警分类预测方法，其特征在于，所...

【专利技术属性】
技术研发人员：王浩磊，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川,51