一种基于人工智能的智慧城市照明检测分析方法及系统技术方案

本发明专利技术涉及一种基于人工智能的智慧城市照明检测分析方法及系统，属于城市照明领域。方法包括以下步骤：对各历史日的历史初始环境特征向量按照预设的分类机制进行分类，得到与各类别相对应的初始环境特征向量簇；进而得到与各初始环境特征向量簇相对应的功率预测网络；获取预测日的预测初始环境特征向量和与各功率预测网络相对应的预测初始路灯功率；根据各初始环境特征向量簇中的各历史初始环境特征向量获取各功率预测网络的网络类型指标，进而获取预测日与各功率预测网络的相似程度；将预测日与各功率预测网络的相似程度和各预测初始路灯功率进行整合运算，得到预测日的最终路灯预测功率。本发明专利技术提供的方法可以提升路灯功率预测的准确性。功率预测的准确性。功率预测的准确性。

【技术实现步骤摘要】
一种基于人工智能的智慧城市照明检测分析方法及系统


[0001]本专利技术涉及城市照明领域，具体涉及一种基于人工智能的智慧城市照明检测分析方法及系统。

技术介绍

[0002]目前，城市路灯很多是太阳能路灯，即只由太阳能供电，蓄电池将太阳能白天发出的电能进行存储，并在晚上供路灯使用。
[0003]为了对预测日的路灯功率进行预先调控，通常情况下，需要对预测日当天的路灯功率进行预测，然后根据预测结果对路灯进行调控和控制。目前的路灯功率预测手段为人为预测方式，即工作人员根据工作经验大致确定输出功率，然后进行路灯调控。这种功率预测手段纯粹依靠人为经验，准确性较低，相应地，路灯调控方式的准确度也较低。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供基于人工智能的智慧城市照明检测分析方法及系统，所采用的技术方案具体如下：
[0005]第一方面，本专利技术一个实施例提供了基于人工智能的智慧城市照明检测分析方法及系统包括以下步骤：
[0006]获取预设历史时间段内各历史日的历史初始环境特征向量以及各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的智慧城市照明检测分析方法，其特征在于，该方法包括如下步骤：获取预设历史时间段内各历史日的历史初始环境特征向量以及各历史日的历史路灯功率，所述历史初始环境特征向量至少包括5个特征参数，分别为对应历史日白天的湿度均值、温度均值、最高温度、最低温度和云量数据；对所述各历史日的历史初始环境特征向量按照预设的分类机制进行分类，得到与各类别相对应的初始环境特征向量簇；将各初始环境特征向量以及对应的历史路灯功率作为各功率预测网络训练的样本，分别进行功率预测网络训练，得到与各初始环境特征向量簇相对应的功率预测网络；获取预测日的预测初始环境特征向量，并将所述预测初始环境特征向量输入至各功率预测网络中，获得与各功率预测网络相对应的预测初始路灯功率；根据各初始环境特征向量簇中的各个历史初始环境特征向量获取各功率预测网络的网络类型指标；根据所述预测初始环境特征向量与各功率预测网络的网络类型指标，获取预测日与各功率预测网络的相似程度；将所述预测日与各功率预测网络的相似程度和各预测初始路灯功率进行整合运算，得到所述预测日的最终路灯预测功率。2.如权利要求1所述的一种基于人工智能的智慧城市照明检测分析方法，其特征在于，所述获取预设历史时间段内各历史日的历史初始环境特征向量以及各历史日的历史路灯功率之后，所述城市路灯分析检测方法还包括：根据如下公式对预设历史时间段内任意一个历史日的历史初始环境特征向量进行标准化处理：其中，d
w
为标准化处理后该历史日的历史初始环境特征向量中第w个特征参数，为标准化处理前该历史日的历史初始环境特征向量中第w个特征参数，d
max
为标准处理化前预设历史时间段内所有历史日的历史初始环境特征向量中第w个特征参数的最大值，d
min
为标准处理化前预设历史时间段内所有历史日的历史初始环境特征向量中第w个特征参数的最小值，MIN为标准化处理后的数据范围的最小边界值，MAX为标准化处理后的数据范围的最大边界值。3.如权利要求1所述的一种基于人工智能的智慧城市照明检测分析方法，其特征在于，所述根据各初始环境特征向量簇中的各个历史初始环境特征向量获取各功率预测网络的网络类型指标，包括：对于任一个初始环境特征向量簇，分别计算该初始环境特征向量簇中各个特征参数的平均值，生成该初始环境特征向量簇对应的功率预测网络的网络类型指标。4.如权利要求1所述的一种基于人工智能的智慧城市照明检测分析方法，其特征在于，所述根据所述预测初始环境特征向量与各功率预测网络的网络类型指标，获取预测日与各功率预测网络的相似程度，包括：对于任意一个功率预测网络，通过如下公式计算预测日与任意一个功率预测网络的相
...

【专利技术属性】
技术研发人员：谢柏军，
申请(专利权)人：沭阳鸿行照明有限公司，
类型：发明
国别省市：