【技术实现步骤摘要】
本专利技术涉及数据处理，具体涉及一种闭式循环水冷系统负荷动态预测方法。
技术介绍
1、设备在运行时会因为电力和机械运动等原因产生热量，如果这些热量不能有效地移除，设备可能会由于过热导致性能下降和故障甚至损坏，闭式循环冷却水系统就是为了应对这些热负荷，其原理是在冷却设备内部形成一个封闭的循环水路，将水泵输送到冷却设备中进行冷却后，再将冷却后的水回收到水箱中，是一种不会对环境造成污染的一种冷却水系统。
2、将闭式循环水冷系统与预测系统结合，通过预测系统负荷可以更好的应对不同时间段的需求波动，提高系统的稳定性，减少能源消耗并优化资源利用；现有通过混合预测模型对设备负荷情况进行预测方式，但混合模型中需要输入若干个变量关系，这对于预测结果往往具有更复杂的误差影响，且当变量较多时混合模型还存在权重分配问题，因此需要对输入的变量关系进行主成分变量降维，但现有pca主成分分析算法过于关注数据特征而忽略了变量特征，大多时候降维结果并不适用于混合模型的预测任务。
技术实现思路
1、为了解决上述问题，本专利技术提供一种闭式循环水冷系统负荷动态预测方法，所述方法包括：
2、获取若干个设备变量数据，所述设备变量数据包括若干个时刻数据；
3、根据每个设备变量数据与其他设备变量数据之间时刻数据的差异，获取每个设备变量数据的生态位阶参数；根据生态位阶参数以及设备变量数据之间的独立不相关情况，对所有设备变量数据进行筛选，获取所有设备独立变量数据；根据所有设备独立变量数据获取降维后
4、根据降维后的若干个主成分方向进行系统负荷预测。
5、优选的，所述根据每个设备变量数据与其他设备变量数据之间时刻数据的差异，获取每个设备变量数据的生态位阶参数，包括的具体方法为：
6、将任意一个设备变量数据记为目标设备变量数据，获取目标设备变量数据的若干个组合；
7、根据目标设备变量数据与其他设备变量数据之间时刻数据的差异，获取目标设备变量数据的每个组合的平均匹配方向和平均幅值差值；
8、获取目标设备变量数据的生态位阶参数的计算方法为：
9、
10、式中，表示目标设备变量数据的生态位阶参数；表示目标设备变量数据的所有组合的总数量；表示目标设备变量数据的第个组合的平均匹配方向的余弦值；表示目标设备变量数据的第个组合的平均幅值差值。
11、优选的，所述获取目标设备变量数据的若干个组合，包括的具体方法为：
12、目标设备变量数据与其他所有设备变量数据进行两两组合，获取目标设备变量数据的若干个组合。
13、优选的，所述根据目标设备变量数据与其他设备变量数据之间时刻数据的差异，获取目标设备变量数据的每个组合的平均匹配方向和平均幅值差值，包括的具体方法为：
14、对于每个设备变量数据，利用可视化工具在时序上进行非线性拟合，获取每个设备变量数据的数据变化曲线；对于目标设备变量数据的任意一个组合，通过动态时间规整算法将所述组合中的两个设备变量数据的数据变化曲线进行对齐，获取所述组合中的两个设备变量数据的数据变化曲线的若干个匹配点对，所述每个匹配点对具有匹配方向和幅值差值；将所有匹配点对的匹配方向的均值作为所述组合的平均匹配方向；将所有匹配点对的幅值差值的均值，作为所述组合的平均幅值差值。
15、优选的，所述根据生态位阶参数以及设备变量数据之间的独立不相关情况，对所有设备变量数据进行筛选，获取所有设备独立变量数据，包括的具体方法为：
16、获取数量参数序列；
17、将数量参数序列中任意一个数量参数记为，将在所有设备变量数据中，随机选择个设备变量数据共同组成数据集合，记为数量参数的目标变量数据集合；
18、根据目标变量数据集合中设备变量数据之间的独立不相关情况，获取数量参数的目标变量数据集合的独立不相关程度；
19、根据目标变量数据集合中设备变量数据生态位阶参数，获取数量参数的目标变量数据集合的惩罚程度；
20、根据惩罚程度和独立不相关程度，获取数量参数的目标变量数据集合的目标函数输出值；
21、获取数量参数序列中所有数量参数的目标函数输出值，将目标函数输出值的最小值对应的目标变量数据集合记为独立变量数据集合，将独立变量数据集合中所有设备变量数据均作为设备独立变量数据。
22、优选的，所述获取数量参数序列，包括的具体方法为：
23、预设一个初始数量参数，对初始数量参数按照步长为1进行逐次递增，直至数量参数等于所有设备变量数据的总数量，停止递增，获得由小到大排列的若干个数量参数形成的序列，记为数量参数序列。
24、优选的，所述根据目标变量数据集合中设备变量数据之间的独立不相关情况，获取数量参数的目标变量数据集合的独立不相关程度的具体公式为：
25、
26、式中，表示数量参数的目标变量数据集合的独立不相关程度；表示目标变量数据集合中第个设备变量数据；表示目标变量数据集合中第个设备变量数据；表示内积符号；表示取绝对值。
27、优选的，所述根据目标变量数据集合中设备变量数据生态位阶参数，获取数量参数的目标变量数据集合的惩罚程度的具体公式为：
28、
29、式中，表示数量参数的目标变量数据集合的惩罚程度；表示所有设备变量数据的生态位阶参数的均值；表示目标变量数据集合中第个设备变量数据的生态位阶参数。
30、优选的，所述根据惩罚程度和独立不相关程度，获取数量参数的目标变量数据集合的目标函数输出值，包括的具体方法为：
31、将数量参数的目标变量数据集合的独立不相关程度与数量参数的目标变量数据集合的惩罚程度的差值，作为数量参数的目标变量数据集合的目标函数输出值。
32、优选的，所述根据所有设备独立变量数据获取降维后的若干个主成分方向，包括的具体方法为：
33、预设一个特征参数，通过所有设备独立变量数据构建设备独立变量数据的协方差矩阵，通过所有设备变量数据构建设备变量数据的协方差矩阵；将设备独立变量数据的协方差矩阵与设备变量数据的协方差矩阵的卷积结果，作为融合矩阵；通过pca主成分分析法对融合矩阵进行各个特征方向上的特征值分解，获取每个特征方向上的特征值，将所有特征方向按照特征值从大到小进行排序形成的序列，记为特征方向序列；将特征方向序列中的前个特征方向均作为降维后的主成分方向。
34、本专利技术的技术方案的有益效果是：本专利技术根据生态位阶参数以及设备变量数据之间的独立不相关情况，对所有设备变量数据进行筛选，获取所有设备独立变量数据；根据所有设备独立变量数据获取降维后的若干个主成分方向，进而使新的主成分与运行负荷数据的线性损失最小且避免了混合模型中子模型权重模糊的问题，将得到的所有降维后的若干个主成分方向输入至混合模型中进行回归，使系统负荷预测损失更小，有利于闭式循环水系统对设备的温度预补偿，提本文档来自技高网...
【技术保护点】
1.一种闭式循环水冷系统负荷动态预测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种闭式循环水冷系统负荷动态预测方法，其特征在于，所述根据每个设备变量数据与其他设备变量数据之间时刻数据的差异，获取每个设备变量数据的生态位阶参数，包括的具体方法为：
3.根据权利要求2所述一种闭式循环水冷系统负荷动态预测方法，其特征在于，所述获取目标设备变量数据的若干个组合，包括的具体方法为：
4.根据权利要求2所述一种闭式循环水冷系统负荷动态预测方法，其特征在于，所述根据目标设备变量数据与其他设备变量数据之间时刻数据的差异，获取目标设备变量数据的每个组合的平均匹配方向和平均幅值差值，包括的具体方法为：
5.根据权利要求1所述一种闭式循环水冷系统负荷动态预测方法，其特征在于，所述根据生态位阶参数以及设备变量数据之间的独立不相关情况，对所有设备变量数据进行筛选，获取所有设备独立变量数据，包括的具体方法为：
6.根据权利要求5所述一种闭式循环水冷系统负荷动态预测方法，其特征在于，所述获取数量参数序列，包括的具体方法为：
...【技术特征摘要】
1.一种闭式循环水冷系统负荷动态预测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种闭式循环水冷系统负荷动态预测方法，其特征在于，所述根据每个设备变量数据与其他设备变量数据之间时刻数据的差异，获取每个设备变量数据的生态位阶参数，包括的具体方法为：
3.根据权利要求2所述一种闭式循环水冷系统负荷动态预测方法，其特征在于，所述获取目标设备变量数据的若干个组合，包括的具体方法为：
4.根据权利要求2所述一种闭式循环水冷系统负荷动态预测方法，其特征在于，所述根据目标设备变量数据与其他设备变量数据之间时刻数据的差异，获取目标设备变量数据的每个组合的平均匹配方向和平均幅值差值，包括的具体方法为：
5.根据权利要求1所述一种闭式循环水冷系统负荷动态预测方法，其特征在于，所述根据生态位阶参数以及设备变量数据之间的独立不相关情况，对所有设备变量数据进行筛选，获取所有设备独立变量数据，包括的具体方法为：
...【专利技术属性】
技术研发人员：赵秋月，王红涛，姚均泰，
申请(专利权)人：山东艾克索仑电气有限公司，
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。