一种应用于MCC房的通风性能提升方法和装置制造方法及图纸

本发明专利技术涉及通风设计技术，揭露了一种应用于MCC房的通风性能提升方法，包括：对历史传感数据进行时序排列和数据清洗，得到标准传感数据，从标准传感数据中分别提取出历史工作数据、历史温度数据以及历史通风数据；根据历史工作数据生成工作状态序列，根据工作状态序列建立状态分析模型；根据工作状态序列和历史温度序列建立温度分析模型；根据历史通风数据建立功率排风模型，根据历史通风数据和历史温度数据建立目标MCC房的排风降温模型；获取目标MCC房的实时工作状态，利用状态分析模型、温度分析模型以及排风降温模型进行功率配置。本发明专利技术还提出一种应用于MCC房的通风性能提升装置。本发明专利技术可以提高MCC房的通风性能。本发明专利技术可以提高MCC房的通风性能。本发明专利技术可以提高MCC房的通风性能。

【技术实现步骤摘要】
一种应用于MCC房的通风性能提升方法和装置


[0001]本专利技术涉及通风设计
，尤其涉及一种应用于MCC房的通风性能提升方法和装置。

技术介绍

[0002]MCC房是指马达控制中心房间(Motor Control Center，简称MCC)，MCC中布置着大量的马达控制器，在工作过程中，MCC房会产生大量的热量，且由于房间狭小、设备布置密集，MCC房内会有大量余热堆积，影响设备工作效率，为了提升设备工作的效率，需要对MCC房进行通风以实现散热；
[0003]现有的对MCC房的通风方法多为基于风扇通风系统的通风方法，例如，通过在MCC方中设置多个风扇排风口以实现通风，实际应用中，MCC房中的温度变化随工作状态变化，单纯的基于风扇通风系统的通风方法，无法精确的控制MCC房内通风量以及降温效果，可能导致进行MCC房通风时的通风性能较低。

技术实现思路

[0004]本专利技术提供一种应用于MCC房的通风性能提升方法和装置，其主要目的在于解决进行MCC房通风时的通风性能较低的问题。
[0005]为实现上述目的，本专利技术提供的一种应用于MCC房的通风性能提升方法，包括：
[0006]获取目标MCC房的历史传感数据，分别对所述历史传感数据进行时序排列和数据清洗，得到标准传感数据，从所述标准传感数据中分别提取出历史工作数据、历史温度数据以及历史通风数据；
[0007]对所述历史工作数据进行特征聚类，得到工作特征类集，根据所述工作特征类集对所述历史工作数据进行映射，得到工作状态序列，分别提取出所述工作状态序列的时序特征和注意力特征，根据所述时序特征和所述注意力特征建立所述目标MCC房的状态分析模型，其中，所述对所述历史工作数据进行特征聚类，得到工作特征类集，包括：按照工作周期将所述历史工作数据拆分为历史工作数据集；对所述历史工作数据集进行工作特征提取，得到历史工作特征集；将所述历史工作特征集随机拆分为若干初始工作特征组，并为每个所述初始工作特征组随机选取初始特征中心；利用如下的工作特征距离算法计算出所述历史工作特征集中各个历史工作特征与所有的所述初始特征中心之间的工作特征距离：
[0008][0009]其中，T是指所述工作特征距离，n是指所述历史工作特征中工作特征总数，且所述历史工作特征的工作特征总数等于所述初始特征中心的工作特征总数，i是指第i个工作特征，arccos是反余弦函数，k是指第k维特征，m是指所述历史工作特征中每个工作特征的特
征总维度，是指所述历史工作特征中第i个工作特征的第k维特征，是指所述初始特征中心中第i个工作特征的第k维特征；根据所述工作特征距离对各个所述初始工作特征组进行迭代更新，得到工作特征类，并将所有的所述工作特征类汇集成工作特征类集；
[0010]根据所述工作状态序列对所述历史温度序列进行温度特征提取，得到标准温度序列，根据所述工作状态序列和所述标准温度序列建立温度分析模型；
[0011]从所述历史通风数据中分别提取出历史功率数据以及历史风扇数据，根据所述历史风扇数据和所述历史功率数据建立所述目标MCC房的功率排风模型，根据所述历史温度数据和所述历史风扇数据建立所述目标MCC房的排风降温模型；
[0012]获取所述目标MCC房的实时工作状态，利用所述状态分析模型分析出所述目标MCC房的标准工作状态，利用所述温度分析模型分析出所述标准工作状态对应的标准温度数据，利用所述排风降温模型分析出所述标准温度数据对应的标准排风数据，并根据所述标准排风数据和所述功率排风模型对所述目标MCC房的通风系统进行功率配置。
[0013]可选地，所述分别对所述历史传感数据进行时序排列和数据清洗，得到标准传感数据，包括：
[0014]按照时序顺序对所述历史传感数据进行排列，得到时序传感数据；
[0015]利用预设的占位字节替换所述时序传感数据中的乱码数据和越位数据，得到初级传感数据；
[0016]逐个选取所述传感数据中的占位字节作为目标占位字节，选取所述目标占位字节周围的若干数据组成目标填充数据集；
[0017]根据所述目标填充数据集计算出所述目标占位字节对应的填充字节，并利用所述填充字节对所述目标占位字节进行更新，得到标准传感数据。
[0018]可选地，所述根据所述工作特征距离对各个所述初始工作特征组进行迭代更新，得到工作特征类，包括：
[0019]利用所有的所述工作特征距离对所述历史工作特征集中的各个历史工作特征进行分组，得到多个次级工作特征组；
[0020]计算出各个所述次级工作特征组的次级特征中心，计算出各个所述次级特征中心的标准中心距离；
[0021]利用所述标准中心距离和预设的特征距离阈值对所述次级工作特征组进行迭代更新，得到工作特征类。
[0022]可选地，所述分别提取出所述工作状态序列的时序特征和注意力特征，包括：
[0023]分别提取出所述工作状态序列的长期状态特征和短期状态特征，并对所述长期状态特征和所述短期状态特征进行特征融合，得到时序特征；
[0024]对所述工作状态序列进行自注意力转码，得到注意力特征。
[0025]可选地，所述根据所述时序特征和所述注意力特征建立所述目标MCC房的状态分析模型，包括：
[0026]根据预设的时序权重计算出所述时序特征对应的时序状态曲线；
[0027]对所述注意力特征进行自注意力解码，得到注意力状态曲线；
[0028]将所述时序状态曲线与所述注意力状态曲线相加，得到所述目标MCC房的状态分析模型。
[0029]可选地，所述根据所述工作状态序列对所述历史温度序列进行温度特征提取，得到标准温度序列，包括：
[0030]按照时序逐个选取所述工作状态序列中的工作状态作为目标工作状态，将所述目标工作状态对应的工作周期作为目标工作周期；
[0031]从所述历史温度数据中选取所述目标工作周期对应的温度数据汇集成目标温度数据集，并对所述目标温度数据集进行温度特征提取，得到目标标准温度；
[0032]将所有的所述目标标准温度按照时序汇集成标准温度序列。
[0033]可选地，所述根据所述工作状态序列和所述标准温度序列建立温度分析模型，包括：
[0034]按照时序逐个选取所述工作状态序列中的工作状态作为目标工作状态，利用预设的初始工作温度模型计算出所述目标工作状态对应的目标工作温度；
[0035]从所述标准温度序列中选取出所述目标工作温度对应的第一标准温度和第二标准温度，并将所述第二标准温度和所述第一标准温度之间的温度差作为目标温度差；
[0036]计算出所述目标温度差与所述目标工作温度之间的温度损失值，根据所述温度损失值对所述初始工作温度模型进行迭代更新，得到温度分析模型。
[0037]可选地，所述根据所述历史风扇数据和所述历史功率数据建立所述目标MCC房的功率排风模型，包括：
[0038]按照所述目标MCC房中通风风扇的种类将所述历本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于MCC房的通风性能提升方法，其特征在于，所述方法包括：S1：获取目标MCC房的历史传感数据，分别对所述历史传感数据进行时序排列和数据清洗，得到标准传感数据，从所述标准传感数据中分别提取出历史工作数据、历史温度数据以及历史通风数据；S2：对所述历史工作数据进行特征聚类，得到工作特征类集，根据所述工作特征类集对所述历史工作数据进行映射，得到工作状态序列，分别提取出所述工作状态序列的时序特征和注意力特征，根据所述时序特征和所述注意力特征建立所述目标MCC房的状态分析模型，其中，所述对所述历史工作数据进行特征聚类，得到工作特征类集，包括：S21：按照工作周期将所述历史工作数据拆分为历史工作数据集；S22：对所述历史工作数据集进行工作特征提取，得到历史工作特征集；S23：将所述历史工作特征集随机拆分为若干初始工作特征组，并为每个所述初始工作特征组随机选取初始特征中心；S24：利用如下的工作特征距离算法计算出所述历史工作特征集中各个历史工作特征与所有的所述初始特征中心之间的工作特征距离：其中，T是指所述工作特征距离，n是指所述历史工作特征中工作特征总数，且所述历史工作特征的工作特征总数等于所述初始特征中心的工作特征总数，i是指第i个工作特征，arccos是反余弦函数，k是指第k维特征，m是指所述历史工作特征中每个工作特征的特征总维度，是指所述历史工作特征中第i个工作特征的第k维特征，是指所述初始特征中心中第i个工作特征的第k维特征；S25：根据所述工作特征距离对各个所述初始工作特征组进行迭代更新，得到工作特征类，并将所有的所述工作特征类汇集成工作特征类集；S3：根据所述工作状态序列对所述历史温度序列进行温度特征提取，得到标准温度序列，根据所述工作状态序列和所述标准温度序列建立温度分析模型；S4：从所述历史通风数据中分别提取出历史功率数据以及历史风扇数据，根据所述历史风扇数据和所述历史功率数据建立所述目标MCC房的功率排风模型，根据所述历史温度数据和所述历史风扇数据建立所述目标MCC房的排风降温模型；S5：获取所述目标MCC房的实时工作状态，利用所述状态分析模型分析出所述目标MCC房的标准工作状态，利用所述温度分析模型分析出所述标准工作状态对应的标准温度数据，利用所述排风降温模型分析出所述标准温度数据对应的标准排风数据，并根据所述标准排风数据和所述功率排风模型对所述目标MCC房的通风系统进行功率配置。2.如权利要求1所述的应用于MCC房的通风性能提升方法，其特征在于，所述分别对所述历史传感数据进行时序排列和数据清洗，得到标准传感数据，包括：按照时序顺序对所述历史传感数据进行排列，得到时序传感数据；利用预设的占位字节替换所述时序传感数据中的乱码数据和越位数据，得到初级传感
数据；逐个选取所述传感数据中的占位字节作为目标占位字节，选取所述目标占位字节周围的若干数据组成目标填充数据集；根据所述目标填充数据集计算出所述目标占位字节对应的填充字节，并利用所述填充字节对所述目标占位字节进行更新，得到标准传感数据。3.如权利要求1所述的应用于MCC房的通风性能提升方法，其特征在于，所述根据所述工作特征距离对各个所述初始工作特征组进行迭代更新，得到工作特征类，包括：利用所有的所述工作特征距离对所述历史工作特征集中的各个历史工作特征进行分组，得到多个次级工作特征组；计算出各个所述次级工作特征组的次级特征中心，计算出各个所述次级特征中心的标准中心距离；利用所述标准中心距离和预设的特征距离阈值对所述次级工作特征组进行迭代更新，得到工作特征类。4.如权利要求1所述的应用于MCC房的通风性能提升方法，其特征在于，所述分别提取出所述工作状态序列的时序特征和注意力特征，包括：分别提取出所述工作状态序列的长期状态特征和短期状态特征，并对所述长期状态特征和所述短期状态特征进行特征融合，得到时序特征；对所述工作状态序列进行自注意力转码，得到注意力特征。5.如权利要求1所述的应用于MCC房的通风性能提升方法，其特征在于，所述根据所述时序特征和所述注意力特征建立所述目标MCC房的状态分析模型，包括：根据预设的时序权重计算出所述时序特征对应的时序状态曲线；对所述注意力特征进行自注意力解码，得到注意力状态曲线；将所述时序状态曲线与所述注意力状态曲线相加，得到所述目标MCC房的状态分析模型。6.如权利要求1所述的应用于MCC房的通风性能提升方法，其特征在于，所述根据所述工作状态序列对所述历史温度序列进行温度特征提取，得到标准温度序列，包括：按照时序逐个选取所述工作状态序列中的工作状态作为目标工作状态，将所述目标工作状态对应的工作周期作为目标工作周期；从所述历史温度数据中选取所述目标工作周期对应的温度数据汇集成目标温度数据集，并对所述目标温度数据集进行温度特征提取，得到目标标准温度；将所有的所述目标标准温度按照时序汇集成标准温度序列。7.如权利要求1所述的应用于MCC房的通风...

【专利技术属性】
技术研发人员：王军，王晓东，
申请(专利权)人：宝鸡西北石油机械有限公司，
类型：发明
国别省市：