【技术实现步骤摘要】
一种数字能源空压站的数据分析系统及其方法
[0001]本专利技术属于空压站
,具体地,涉及一种数字能源空压站的数据分析系统及其方法
。
技术介绍
[0002]数字能源空压站是一种基于数字技术和控制的智能压缩空气设备集,将自然气体或空气等气体压缩至高压状态,从而提供空气供应,为各种工业或商业应用提供压缩空气
。
[0003]而数据分析可以实时了解空压站压缩空气的生产情况,通过检测压缩机的实时数据,可以及时发现问题从而及时解决问题,优化生产效率和能耗,同时,数据分析也可以统计生产历史数据,从而进行趋势分析和预测,对压缩空气生产的规划和管理提供支持
。
[0004]但现有技术中,由于空压站数据来源多样,数据的质量和准确性不够完善,存在测量误差
、
数据缺失和不一致的问题,导致数据分析结果的可靠性受到影响
。
技术实现思路
[0005]为解决上述
技术介绍
中存在的数据的质量和准确性不高的技术问题,本专利技术提供了一种数字能源空压站的数据分析方法,包括以下步骤:
[0006]采集数字能源空压站的设备运行状态数据
、
设备故障数据及空气质量数据;
[0007]对采集到的数据按照数据特点进行整理,针对缺失数据
、
重复数据采取数据填充及数据去重的方式,并对整理后的数据进行预处理;
[0008]确定分析目标,并对预处理后的数据进行特征分析提取,针对单批次空压站的生产数据,选用均值及方差的参数统计 ...
【技术保护点】
【技术特征摘要】
1.
一种数字能源空压站的数据分析方法,其特征在于,包括以下步骤:采集数字能源空压站的设备运行状态数据
、
设备故障数据及空气质量数据;对采集到的数据按照数据特点进行整理,针对缺失数据
、
重复数据采取数据填充及数据去重的方式,并对整理后的数据进行预处理;确定分析目标,并对预处理后的数据进行特征分析提取,针对单批次空压站的生产数据,选用均值及方差的参数统计量,对预处理后的数据进行比较;通过机器学习模型对比较后的数据自身的特征进行排序,使特征数据进行降维,并不断进行迭代选择目标数据特征,将数据特征作为输入建立分析模型,并进行模型训练与标准评估
。2.
根据权利要求1所述的一种数字能源空压站的数据分析方法,其特征在于,所述选择目标数据特征具体包括对数据特征进行过滤
、
封装或嵌入
。3.
根据权利要求2所述的一种数字能源空压站的数据分析方法,其特征在于,所述对数据特征进行过滤的具体过程为:通过计算每个特征与目标变量的相关得分;按得分以及特征排序方法进行排序;选择与目标变相高度相关的特征为目标数据特征
。4.
根据权利要求2所述的一种数字能源空压站的数据分析方法,其特征在于,所述对数据特征进行封装的具体过程为:特征子集生成:从原始特征集中生成不同的子集;子集评估:对每个生成的子集,使用分类器进行训练并计算性能指标,并将性能指标作为评估指标,其中,计算性能指标包括准确率
、
精度和召回率;特征选择:对子集的性能指标进行评估后,选择性能指标最优的子集作为最终特征集;使用性能指标最优的子集输入至机器学习模型中,并进行训练,利用测试数据集对训练后的机器学习模型进行评估
。5.
根据权利要求2所述的一种数字能源空压站的数据分析方法,其特征在于,所述对数据特征进行嵌入的具体过程为:准备包含所以特征和目标变量的数据集;使用神经网络机器学习模型,构建嵌入层,所述嵌入层将输入的特征进行转换和编码,并提取出特征的重要性;根据嵌入层学习到的特征重要性,选择最高重要性的特征子集;使用选定的特征子集进行机器学习模型训练,并使用测试数据集对机器学习模型进行评估
。6.
根据权利要求1所述的一种数字能源空压站的数据分析方法,其特征在于,所述通过机器学习模型对比较后的数据自身的特征进行排序,使特征数据进行降维,具体包括以下步骤:对原始数据进行标准化处理,使得数据具有零均值和单位方差;对标准化后的数据计算协同方差矩阵,所述协同方差矩阵描述数据之间的线性关系以及维度之间的相关性;对协同方差矩阵进行特征值分解,得到特征值和特征向量;
选择
K
个最大特征值对应的特征向量作为新的低维度特...
【专利技术属性】
技术研发人员:胡培生,孙小琴,魏运贵,胡明辛,
申请(专利权)人:广州瑞鑫智能制造有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。