一种用于电器的远程监控方法及系统技术方案

本发明专利技术涉及数据处理技术领域，公开了一种用于电器的远程监控方法及系统，用于提高用于电器的远程监控的准确率

【技术实现步骤摘要】
一种用于电器的远程监控方法及系统


[0001]本专利技术涉及数据处理
，尤其涉及一种用于电器的远程监控方法及系统
。

技术介绍

[0002]电器设备在现代社会中发挥着重要作用，涵盖了从家庭电器到工业设备的各个领域
。
随着电器设备的复杂性和数量不断增加，其稳定性和可靠性变得至关重要
。
因此，对电器设备进行实时监控和故障检测成为了一项重要的研究领域
。
[0003]传统的故障检测方法往往依赖于离线数据分析，难以实现实时性的监测和预测
。
同时，从多个传感器采集和处理大量数据涉及到数据清洗
、
去噪和特征提取等复杂任务
。
这些步骤需要大量的时间和资源，而且在某些情况下，数据质量会受到噪声的影响，即现有方案的准确率较低
。

技术实现思路

[0004]本专利技术提供了一种用于电器的远程监控方法及系统，用于提高用于电器的远程监控的准确率
。
[0005]本专利技术第一方面提供了一种用于电器的远程监控方法，所述用于电器的远程监控方法包括：
[0006]通过在目标电器中安装的多个传感器进行电器实时参数采集，得到实时参数集合；
[0007]对所述实时参数集合进行时序特征提取，得到目标时序特征集合；
[0008]获取所述目标电器的历史参数集合，对所述历史参数集合进行数据划分，得到多个划分数据集，同时，通过所述多个划分数据集对预置的初始
SF
‑
ELM
模型进行模型训练，得到目标
SF
‑
ELM
模型；
[0009]将所述目标时序特征集合输入所述目标
SF
‑
ELM
模型进行故障信息预测，得到初始预测故障信息；
[0010]基于所述初始预测故障信息，对多个所述传感器进行空间相关性分析，得到空间相关性数据，同时，基于所述空间相关性数据，通过所述初始预测故障信息对多个所述传感器进行拓扑关系构建，得到目标拓扑关系；
[0011]根据所述目标拓扑关系，通过预置的互信息熵筛选算法对所述初始预测故障信息进行数据筛选，得到筛选故障信息；
[0012]基于所述筛选故障信息对所述初始预测故障信息进行数据重构，得到目标预测故障信息，并将所述目标预测故障信息传输至预置的数据处理终端对所述目标电器进行远程监控
。
[0013]结合第一方面，在本专利技术第一方面的第一实施方式中，所述对所述实时参数集合进行时序特征提取，得到目标时序特征集合，包括：
[0014]对所述实时参数集合进行缺失数据点识别，获取多个缺失数据点；
[0015]通过预置的线性插值算法对多个所述缺失数据点进行缺失值填充，得到填充参数集合；
[0016]对所述填充参数集合进行异常值替换，得到替换参数集合；
[0017]通过预置的滑动窗口算法对所述替换参数集合进行数据平滑处理，得到去噪参数集合；
[0018]对所述去噪参数集合进行相关性分析，得到参数相关性数据；
[0019]基于所述参数相关性数据，对所述去噪参数集合进行时序特征提取，得到目标时序特征集合
。
[0020]结合第一方面，在本专利技术第一方面的第二实施方式中，所述获取所述目标电器的历史参数集合，对所述历史参数集合进行数据划分，得到多个划分数据集，同时，通过所述多个划分数据集对预置的初始
SF
‑
ELM
模型进行模型训练，得到目标
SF
‑
ELM
模型，包括：
[0021]获取所述历史参数集合，对所述历史参数集合进行数据量遍历，得到所述历史参数集合的目标数据量；
[0022]通过所述目标数据量，对所述历史参数集合进行划分范围标定，得到对应的数据划分范围；
[0023]通过所述数据划分范围对所述历史参数集合进行数据划分，得到多个划分数据集；
[0024]对所述初始
SF
‑
ELM
模型进行模型分解，得到多个子模型，同时，通过多个所述划分数据集对多个所述子模型进行模型权重分析，得到每个所述子模型对应的模型权重数据；
[0025]通过每个所述子模型对应的模型权重数据对多个所述子模型进行模型集成，得到所述目标
SF
‑
ELM
模型
。
[0026]结合第一方面，在本专利技术第一方面的第三实施方式中，所述将所述目标时序特征集合输入所述目标
SF
‑
ELM
模型进行故障信息预测，得到初始预测故障信息，包括：
[0027]将所述目标时序特征集合输入所述目标
SF
‑
ELM
模型的输入层进行数据权重计算，得到对应的权重集合；
[0028]将所述权重集合输入所述目标
SF
‑
ELM
模型的第一隐藏层进行参数矩阵构建，得到初始参数矩阵；
[0029]将所述初始参数矩阵输入所述目标
SF
‑
ELM
模型的第二隐藏层进行矩阵更新，得到目标电器矩阵；
[0030]将所述目标电器矩阵输入所述目标
SF
‑
ELM
模型的输出层进行数据残差计算，得到目标数据残差，并基于所述目标数据残差生成所述初始预测故障信息
。
[0031]结合第一方面，在本专利技术第一方面的第四实施方式中，所述基于所述初始预测故障信息，对多个所述传感器进行空间相关性分析，得到空间相关性数据，同时，基于所述空间相关性数据，通过所述初始预测故障信息对多个所述传感器进行拓扑关系构建，得到目标拓扑关系，包括：
[0032]对所述初始预测故障信息进行数据标准化处理，得到标准化数据信息；
[0033]对所述标准化数据信息进行传感器配对，得到每个所述传感器对应的目标标准化数据；
[0034]基于每个所述传感器对应的目标标准化数据，对每两个传感器进行协方差矩阵计
算，得到多个协方差矩阵；
[0035]通过多个所述协方差矩阵对多个所述传感器进行空间相关性分析，得到空间相关性数据；
[0036]基于预设的相关性阈值，对所述空间相关性数据进行显著相关数据提取，得到显著相关数据；
[0037]对所述显著相关数据以及所述初始预测故障数据进行数据融合，得到融合相关数据；
[0038]通过所述融合相关数据对多个所述传感器进行拓扑关系构建，得到所述目标拓扑关系
。
[0039]结合第一方面，在本专利技术第一方面的第五实施方式中，所述根据所述目标拓扑关系，通过预置的互信息熵筛选算法对所述初始预测故障信息进行数据筛选，得到筛选故障信息，包括：
[0040]对所述目标拓扑关系进行传感器节点提取，得到多个传感器节点信息；
...

【技术保护点】

【技术特征摘要】
1.
一种用于电器的远程监控方法，其特征在于，所述用于电器的远程监控方法包括：通过在目标电器中安装的多个传感器进行电器实时参数采集，得到实时参数集合；对所述实时参数集合进行时序特征提取，得到目标时序特征集合；获取所述目标电器的历史参数集合，对所述历史参数集合进行数据划分，得到多个划分数据集，同时，通过所述多个划分数据集对预置的初始
SF
‑
ELM
模型进行模型训练，得到目标
SF
‑
ELM
模型；将所述目标时序特征集合输入所述目标
SF
‑
ELM
模型进行故障信息预测，得到初始预测故障信息；基于所述初始预测故障信息，对多个所述传感器进行空间相关性分析，得到空间相关性数据，同时，基于所述空间相关性数据，通过所述初始预测故障信息对多个所述传感器进行拓扑关系构建，得到目标拓扑关系；根据所述目标拓扑关系，通过预置的互信息熵筛选算法对所述初始预测故障信息进行数据筛选，得到筛选故障信息；基于所述筛选故障信息对所述初始预测故障信息进行数据重构，得到目标预测故障信息，并将所述目标预测故障信息传输至预置的数据处理终端对所述目标电器进行远程监控
。2.
根据权利要求1所述的用于电器的远程监控方法，其特征在于，所述对所述实时参数集合进行时序特征提取，得到目标时序特征集合，包括：对所述实时参数集合进行缺失数据点识别，获取多个缺失数据点；通过预置的线性插值算法对多个所述缺失数据点进行缺失值填充，得到填充参数集合；对所述填充参数集合进行异常值替换，得到替换参数集合；通过预置的滑动窗口算法对所述替换参数集合进行数据平滑处理，得到去噪参数集合；对所述去噪参数集合进行相关性分析，得到参数相关性数据；基于所述参数相关性数据，对所述去噪参数集合进行时序特征提取，得到目标时序特征集合
。3.
根据权利要求1所述的用于电器的远程监控方法，其特征在于，所述获取所述目标电器的历史参数集合，对所述历史参数集合进行数据划分，得到多个划分数据集，同时，通过所述多个划分数据集对预置的初始
SF
‑
ELM
模型进行模型训练，得到目标
SF
‑
ELM
模型，包括：获取所述历史参数集合，对所述历史参数集合进行数据量遍历，得到所述历史参数集合的目标数据量；通过所述目标数据量，对所述历史参数集合进行划分范围标定，得到对应的数据划分范围；通过所述数据划分范围对所述历史参数集合进行数据划分，得到多个划分数据集；对所述初始
SF
‑
ELM
模型进行模型分解，得到多个子模型，同时，通过多个所述划分数据集对多个所述子模型进行模型权重分析，得到每个所述子模型对应的模型权重数据；通过每个所述子模型对应的模型权重数据对多个所述子模型进行模型集成，得到所述目标
SF
‑
ELM
模型
。
4.
根据权利要求1所述的用于电器的远程监控方法，其特征在于，所述将所述目标时序特征集合输入所述目标
SF
‑
ELM
模型进行故障信息预测，得到初始预测故障信息，包括：将所述目标时序特征集合输入所述目标
SF
‑
ELM
模型的输入层进行数据权重计算，得到对应的权重集合；将所述权重集合输入所述目标
SF
‑
ELM
模型的第一隐藏层进行参数矩阵构建，得到初始参数矩阵；将所述初始参数矩阵输入所述目标
SF
‑
ELM
模型的第二隐藏层进行矩阵更新，得到目标电器矩阵；将所述目标电器矩阵输入所述目标
SF
‑
ELM
模型的输出层进行数据残差计算，得到目标数据残差，并基于所述目标数据残差生成所述初始预测故障信息
。5.
根据权利要求1所述的用于电器的远程监控方法，其特征在于，所述基于所述初始预测故障信息，对多个...

【专利技术属性】
技术研发人员：陈文龙，张红军，李胜强，周和平，
申请(专利权)人：浙江巴赫厨具有限公司，
类型：发明
国别省市：