【技术实现步骤摘要】
本申请涉及能效监管，特别是涉及制冷机房综合数智化管理平台健康度评估方法、装置、系统、介质及程序产品。
技术介绍
1、随着建筑和工业机房智能化管理的普及，能效监管平台被广泛应用于监控和优化机房设备的能效。然而，随着平台运行时间的延长和数据量的增加，平台本身的运行健康度也可能逐渐下降，影响其性能和稳定性。尽管现有技术能够对设备能效进行实时监控，但针对平台健康度的评估手段仍显不足。
2、当前的健康度评估方法多集中于以下几个方面：系统资源监控，监控系统性能如cpu、内存和网络带宽等指标，评估平台的负载情况；定期维护与手动调整，依赖运维人员定期维护和手动调整，缺乏实时自适应性，容易出现滞后问题。
3、然而，上述现有技术仍存在明显的问题和不足：评估维度单一，现有评估方法主要针对系统硬件性能，忽略了数据处理能力、模型预测精度等关键维度；缺乏实时调整能力，健康度评估无法动态反映平台的实时状态，可能导致问题的延迟处理。
技术实现思路
1、鉴于以上所述现有技术的缺点，本申请的目的在于提供制冷机房综合数智化管理平台健康度评估方法、装置、系统、介质及程序产品，用于解决现有的健康度评估存在评估维度单一、缺乏实时调整能力的技术问题。
2、为实现上述目的及其他相关目的，本申请的第一方面提供一种制冷机房综合数智化管理平台健康度评估方法，包括：基于多个预设维度采集待评估的机房能效监管平台的若干关键性能数据，并对所述关键性能数据进行预处理；所述多个预设维度包括：系统性能维度、数据处
3、于本申请的第一方面的一些实施例中，所述将预处理后的关键性能数据输入稀疏贝叶斯学习算法中进行特征选择并动态调整各维度特征的权重，并实时计算机房能效监管平台的健康度，包括：将预处理并归一化后的关键性能数据输入稀疏贝叶斯学习算法中进行稀疏性特征选择，以选出对健康度影响最大的若干特征并动态调整权重；根据稀疏贝叶斯学习算法的输出结果，通过预构建的健康度预测模型实时计算机房能效监管平台的健康度；使用交叉验证法评估模型的泛化能力，并调整模型的超参数以优化模型性能。
4、于本申请的第一方面的一些实施例中，所述将预处理并归一化后的关键性能数据输入稀疏贝叶斯学习算法中进行稀疏性特征选择，以选出对健康度影响最大的若干特征并动态调整权重，其包括：初始化稀疏贝叶斯模型的参数；利用l1正则化，通过优化算法调整稀疏贝叶斯模型的参数，使得不重要的特征权重趋于零，以选出对健康度影响最大的若干特征；评估稀疏贝叶斯模型的性能，并根据稀疏贝叶斯模型在实际应用中的表现动态调整特征权重；动态调整的方式包括重新分配被选出的特征的权重和/或重新选择特征。
5、于本申请的第一方面的一些实施例中，所述健康度预测模型包括：；其中，表示第个指标的权重，表示机房能效监管平台在第个关键性能指标上的实际表现，表示机房能效监管平台在第个关键性能指标上的理想表现；表示实际表现与理想表现之间的接近程度；是调整因子，用于对健康度得分进行微调。
6、于本申请的第一方面的一些实施例中，所述将计算得到的健康度数据输入贝叶斯最优分类算法中进行分析，以得到对机房能效监管平台的运行状态的分类结果，包括如下步骤：收集机房能效监管平台的健康度历史数据和对应的运行状态数据，按照一定比例分为训练集和验证集；将训练集输入贝叶斯最优分类模型进行模型训练；所述贝叶斯最优分类模型学习如何根据输入的健康度历史数据计算后验概率，并预测最可能的平台运行状态；将验证集输入训练后的贝叶斯最优分类模型以评估模型的性能。
7、于本申请的第一方面的一些实施例中，所述贝叶斯最优分类模型根据最小化分类错误率的分类目标，选择使后验概率最大的类别标记作为预测结果。
8、为实现上述目的及其他相关目的，本申请的第二方面提供一种制冷机房综合数智化管理平台健康度评估系统，包括：数据采集模块，用于基于多个预设维度采集待评估的机房能效监管平台的若干关键性能数据，并对所述关键性能数据进行预处理；所述多个预设维度包括：系统性能维度、数据处理维度、模型预测维度和用户交互维度；健康度计算模块，用于将预处理后的关键性能数据输入稀疏贝叶斯学习算法中进行特征选择并动态调整各维度特征的权重，并实时计算机房能效监管平台的健康度；状态分类模块，用于将计算得到的健康度数据输入贝叶斯最优分类算法中进行分析，以得到对机房能效监管平台的运行状态的分类结果，并根据分类结果出发预警。
9、为实现上述目的及其他相关目的，本申请的第三方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述制冷机房综合数智化管理平台健康度评估方法。
10、为实现上述目的及其他相关目的，本申请的第四方面提供一种计算机程序产品，所述计算机程序产品中包括计算机程序代码，当所述计算机程序代码在计算机上运行时，使得所述计算机实现所述制冷机房综合数智化管理平台健康度评估方法。
11、为实现上述目的及其他相关目的，本申请的第五方面提供一种计算机装置，包括存储器、处理器及存储在存储器上的计算机程序；所述处理器执行所述计算机程序以实现所述制冷机房综合数智化管理平台健康度评估方法。
12、如上所述，本申请的制冷机房综合数智化管理平台健康度评估方法、装置、系统、介质及程序产品，具有以下有益效果。
13、（1）通过稀疏贝叶斯学习算法和贝叶斯最优分类算法，机房能效监管平台能够实现对健康度的实时监控，并迅速做出相应调整，以维持最优的运行状态。
14、（2）稀疏贝叶斯学习算法不仅可以选择特征还能动态调整权重，确保它们能够灵活适应不断变化的实际需求。
15、（3）通过综合评估系统性能、数据处理能力、模型预测准确性以及用户体验等多个维度，平台提供了一个全面的健康状况分析，确保对平台运行状态的全面把握。根据预测到的健康度进一步评估平台运行状态，及时做出预警和维护。
本文档来自技高网...【技术保护点】
1.一种制冷机房综合数智化管理平台健康度评估方法，其特征在于，包括：
2.根据权利要求1所述的制冷机房综合数智化管理平台健康度评估方法，其特征在于，所述将预处理后的关键性能数据输入稀疏贝叶斯学习算法中进行特征选择并动态调整各维度特征的权重，并实时计算机房能效监管平台的健康度，包括：
3.根据权利要求2所述的制冷机房综合数智化管理平台健康度评估方法，其特征在于，所述将预处理并归一化后的关键性能数据输入稀疏贝叶斯学习算法中进行稀疏性特征选择，以选出对健康度影响最大的若干特征并动态调整权重，其包括：
4.根据权利要求2所述的方法，其特征在于，所述健康度预测模型包括：
5.根据权利要求1所述的制冷机房综合数智化管理平台健康度评估方法，其特征在于，所述将计算得到的健康度数据输入贝叶斯最优分类算法中进行分析，以得到对机房能效监管平台的运行状态的分类结果，包括如下步骤：
6.根据权利要求5所述的制冷机房综合数智化管理平台健康度评估方法，其特征在于，所述贝叶斯最优分类模型根据最小化分类错误率的分类目标，选择使后验概率最大的类别标记作为预
7.一种制冷机房综合数智化管理平台健康度评估系统，其特征在于，包括：
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述制冷机房综合数智化管理平台健康度评估方法。
9.一种计算机程序产品，其特征在于，所述计算机程序产品中包括计算机程序代码，当所述计算机程序代码在计算机上运行时，使得所述计算机实现如权利要求1至6中任一项所述制冷机房综合数智化管理平台健康度评估方法。
10.一种计算机装置，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1至6中任一项所述制冷机房综合数智化管理平台健康度评估方法。
...【技术特征摘要】
1.一种制冷机房综合数智化管理平台健康度评估方法，其特征在于，包括：
2.根据权利要求1所述的制冷机房综合数智化管理平台健康度评估方法，其特征在于，所述将预处理后的关键性能数据输入稀疏贝叶斯学习算法中进行特征选择并动态调整各维度特征的权重，并实时计算机房能效监管平台的健康度，包括：
3.根据权利要求2所述的制冷机房综合数智化管理平台健康度评估方法，其特征在于，所述将预处理并归一化后的关键性能数据输入稀疏贝叶斯学习算法中进行稀疏性特征选择，以选出对健康度影响最大的若干特征并动态调整权重，其包括：
4.根据权利要求2所述的方法，其特征在于，所述健康度预测模型包括：
5.根据权利要求1所述的制冷机房综合数智化管理平台健康度评估方法，其特征在于，所述将计算得到的健康度数据输入贝叶斯最优分类算法中进行分析，以得到对机房能效监管平台的运行状态的分类结果，包括如下步骤：
6.根据权...
【专利技术属性】
技术研发人员：于兵，马利英，刘飞天，张皓鑫，张欣林，
申请(专利权)人：上海碳索能源服务股份有限公司，
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。