CN106600064A - 一种数据预测方法及装置 - Google Patents
一种数据预测方法及装置 Download PDFInfo
- Publication number
- CN106600064A CN106600064A CN201611168561.8A CN201611168561A CN106600064A CN 106600064 A CN106600064 A CN 106600064A CN 201611168561 A CN201611168561 A CN 201611168561A CN 106600064 A CN106600064 A CN 106600064A
- Authority
- CN
- China
- Prior art keywords
- default
- time section
- parameter
- ambient parameter
- early warning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012544 monitoring process Methods 0.000 claims abstract description 161
- 238000007667 floating Methods 0.000 claims description 27
- 241000208340 Araliaceae Species 0.000 claims description 10
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 10
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 10
- 235000008434 ginseng Nutrition 0.000 claims description 10
- 230000008859 change Effects 0.000 abstract description 27
- 230000007613 environmental effect Effects 0.000 abstract 7
- 230000003247 decreasing effect Effects 0.000 abstract 1
- 230000005611 electricity Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 241000406668 Loxodonta cyclotis Species 0.000 description 5
- 230000004075 alteration Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001373 regressive effect Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种数据预测方法及装置,在获取预设历史时间段内采集到的环境参数和预设历史时间段内监测对象的工作参数后,可以根据预设历史时间段内采集到的环境参数,得到环境参数的变化趋势,根据预设历史时间段内采集到的环境参数和预设历史时间段内监测对象的工作参数,得到监测模型。而根据预设历史时间段内采集到的环境参数得到的变化趋势,可以准确反映环境参数的变化情况,进而可以提高以环境参数的变化趋势得到的预设未来时间段内的环境参数,因此根据预设未来时间段内的环境参数和已得到的监测模型,得到的预设未来时间段内监测对象的工作参数的准确度提高,从而降低预设未来时间段内误预警的概率。
Description
技术领域
本发明属于信息预测技术领域,更具体地说,尤其涉及一种数据预测方法及装置。
背景技术
风力发电机是将风能转换为机械功,由机械功带动转子旋转,以输出交流电的电力设备,其中风力发电机的发电量取决于环境的影响,如取决于风速、温度、湿度和大气压的影响,进而使得风力发电机的发电量不定,因此需要对风力发电机的发电量进行预测,以通过预测的发电量实时监测风力发电机的工作情况,这样在预测到风力发电机的发电量无法满足用电需求的情况下进行预警。
目前对发电量预测的原理是:根据历史时间段内的发电量,得到发电量的变化趋势,根据发电量的变化趋势,可以预测未来时间段内的发电量。但是影响发电量的环境会时刻变化,进而导致根据发电量的变化趋势预测出的发电量准确度不高,导致误预警。
发明内容
有鉴于此,本发明的目的在于提供一种数据预测方法及装置,用于根据预测到的预设未来时间段内的环境参数得到监测对象的工作参数,以提高监测对象的工作参数的准确度,降低误预警的概率。技术方案如下:
本发明提供一种数据预测方法,所述方法包括:
获取预设历史时间段内采集到的环境参数和所述预设历史时间段内监测对象的工作参数,其中所述环境参数为影响监测对象的工作参数的参数,所述监测对象的工作参数为表明所述监测对象的工作情况的参数;
根据所述预设历史时间段内采集到的环境参数,得到所述环境参数的变化趋势;
根据所述环境参数的变化趋势,预测预设未来时间段内的环境参数;
根据所述预设历史时间段内采集到的环境参数和所述预设历史时间段内监测对象的工作参数,得到监测模型;
根据所述预设未来时间段内的环境参数以及所述监测模型,得到所述预设未来时间段内监测对象的工作参数。
优选的,所述方法还包括:根据所述预设未来时间段内监测对象的工作参数和预设预警范围,进行预警。
优选的,所述方法还包括:根据所述预设历史时间段内监测对象的工作参数,得到所述预设未来时间段内监测对象的预警范围,所述预设未来时间段内监测对象的预警范围为所述预设预警范围。
优选的,所述根据所述预设历史时间段内监测对象的工作参数,得到所述预设未来时间段内监测对象的预警范围,包括:
获取所述预设历史时间段内监测对象的工作参数的上包络图和下包络图;
从所述上包络图中得到所述预设历史时间段内多个不同时刻下的预警上限值;
从所述下包络图中得到所述多个不同时刻下的预警下限值;
根据所述多个不同时刻下的预警上限值和所述多个不同时刻下的预警下限值,得到所述预设未来时间段内监测对象的预警范围。
优选的,所述根据所述预设历史时间段内采集到的环境参数,得到所述环境参数的变化趋势,包括:
对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的浮动趋势;
和/或
对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的规则变动趋势;
和/或
对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的不规则变动趋势;
和/或
对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的循环波动趋势。
本发明还提供一种数据预测装置,所述装置包括:
获取单元,用于获取预设历史时间段内采集到的环境参数和所述预设历史时间段内监测对象的工作参数,其中所述环境参数为影响监测对象的工作参数的参数,所述监测对象的工作参数为表明所述监测对象的工作情况的参数;
第一预测单元,用于根据所述预设历史时间段内采集到的环境参数,得到所述环境参数的变化趋势;
第二预测单元,用于根据所述环境参数的变化趋势,预测预设未来时间段内的环境参数;
模型获取单元,用于根据所述预设历史时间段内采集到的环境参数和所述预设历史时间段内监测对象的工作参数,得到监测模型;
第三预测单元,用于根据所述预设未来时间段内的环境参数以及所述监测模型,得到所述预设未来时间段内监测对象的工作参数。
优选的,所述装置还包括:预警单元,用于根据所述预设未来时间段内监测对象的工作参数和预设预警范围,进行预警。
优选的,所述装置还包括:第四预测单元,用于根据所述预设历史时间段内监测对象的工作参数,得到所述预设未来时间段内监测对象的预警范围,所述预设未来时间段内监测对象的预警范围为所述预设预警范围。
优选的,所述第四预测单元,包括:
获取子单元,用于获取所述预设历史时间段内监测对象的工作参数的上包络图和下包络图;
上限值获取子单元,用于从所述上包络图中得到所述预设历史时间段内多个不同时刻下的预警上限值;
下限值获取子单元,用于从所述下包络图中得到所述多个不同时刻下的预警下限值;
预测子单元,用于根据所述多个不同时刻下的预警上限值和所述多个不同时刻下的预警下限值,得到所述预设未来时间段内监测对象的预警范围。
优选的,所述第一预测单元,用于对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的浮动趋势;
和/或
所述第一预测单元,用于对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的规则变动趋势;
和/或
所述第一预测单元,用于对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的不规则变动趋势;
和/或
所述第一预测单元,用于对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的循环波动趋势。
与现有技术相比,本发明提供的上述技术方案具有如下优点:
藉由上述技术方案,在获取预设历史时间段内采集到的环境参数和预设历史时间段内监测对象的工作参数后,可以根据预设历史时间段内采集到的环境参数,得到环境参数的变化趋势,根据预设历史时间段内采集到的环境参数和预设历史时间段内监测对象的工作参数,得到监测模型。而根据预设历史时间段内采集到的环境参数得到的变化趋势,可以准确反映环境参数的变化情况,进而可以提高以环境参数的变化趋势得到的预设未来时间段内的环境参数,因此根据预设未来时间段内的环境参数和已得到的监测模型,得到的预设未来时间段内监测对象的工作参数的准确度提高,从而降低预设未来时间段内误预警的概率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的数据预测方法的一种流程图;
图2是本发明实施例提供的数据预测方法的另一种流程图;
图3是本发明实施例提供的数据预测方法中获取预设预警范围的一种流程图;
图4是本发明实施例提供的上下包络图的示意图;
图5是本发明实施例提供的数据预测装置的一种结构示意图;
图6是本发明实施例提供的数据预测装置的另一种结构示意图;
图7是本发明实施例提供的数据预测装置的再一种结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明实施例提供的数据预测方法的一种流程图,用于预测出预设未来时间段内的环境参数,以根据其得到监测对象的工作参数,提高监测对象的工作参数的准确度,降低误预警的概率。具体的,可以包括以下步骤:
101:获取预设历史时间段内采集到的环境参数和预设历史时间段内监测对象的工作参数。在本发明实施例中,环境参数是影响监测对象的工作参数的参数,而监测对象的工作参数为表明监测对象的工作情况的参数。以上述风力发电机为监测对象,发电量为工作参数为例,则影响发电量的环境参数至少包括:风速、温度、湿度、风电叶片的转速和大气压。
上述影响发电量的各项环境参数在不同采集时刻可以通过对应的传感器采集,因此获取的预设历史时间段内采集到的环境参数是一个位于当前时刻之前的某个时间段内且采集间隔规律的参数序列或者是一个位于当前时刻之前的某个时间段内随机采集的一个参数序列,参数序列下的各项环境参数对应一个采集时刻。而预设历史时间段内可以是预先设置的一个位于当前时刻之前的某个时间段,对于时间段的具体时长可以根据实际预测设定,本发明实施例不限定其具体的取值。
102:根据预设历史时间段内采集到的环境参数,得到环境参数的变化趋势。由于预设历史时间段内采集到的环境参数是一个位于当前时刻之前的某个时间段内且采集间隔规律的参数序列或者是一个位于当前时刻之前的某个时间段内随机采集的一个参数序列,所以通过对预设历史时间段内采集到的环境参数分析,可以得到环境参数的变化趋势。
可选的,环境参数的变化趋势包括:浮动趋势、规则变动趋势、不规则变动趋势和循环波动趋势中的至少一种,其中浮动趋势用于表示环境参数长期呈现出的持续向上或持续向下的变动趋势。规则变动趋势用于表示环境参数在一年内重复出现的周期性波动趋势,其受到诸如气候条件、生产条件、节假日或人们的风俗习惯等各种因素影响。循环波动趋势用于表示环境参数呈现出的非固定时间段内的周期性变动趋势,循环波动趋势与浮动趋势不同的是:循环波动趋势不是朝着单一方向的持续变动,而是涨落相同的交替波动。不规则变动趋势用于表示环境参数呈现出的偶然变动趋势,其是各种偶然的、突发的或不可预见的因素引起的一种随机变动,在环境参数的变化趋势中,不规则变动趋势可以致使变化趋势产生一种波浪形或震荡式的变动。
相应的,对于上述环境参数的变化趋势中的各个趋势的获取方式可以是:对预设历史时间段内采集到的环境参数进行分析,得到环境参数在预设历史时间段内的浮动趋势;对预设历史时间段内采集到的环境参数进行分析,得到环境参数在预设历史时间段内的规则变动趋势;对预设历史时间段内采集到的环境参数进行分析,得到环境参数在预设历史时间段内的不规则变动趋势;对预设历史时间段内采集到的环境参数进行分析,得到环境参数在预设历史时间段内的循环波动趋势。
在实际应用中,可以从上述浮动趋势、规则变动趋势、不规则变动趋势和循环波动趋势中随机选取一种趋势或者随机组合来作为环境参数的变化趋势,相应的,上述步骤102则需要对预设历史时间段内采集到的环境参数进行分析,以得到相应的趋势。比如在实际应用中,从上述浮动趋势、规则变动趋势、不规则变动趋势和循环波动趋势中随机选取浮动趋势作为环境参数的变化趋势,则上述步骤102包括:对预设历史时间段内采集到的环境参数进行分析,得到环境参数在预设历史时间段内的浮动趋势。
以环境参数中的风速为例,假如获取当前时刻的前7天的风速数据,分别是1、2、3、4、5、6和7,则风速在这7天内的浮动趋势呈现出持续向上的变动趋势,且每天风速数据持续向上增加1;假如获取的前7天的风速数据分别是:1、3、4、6、11、12和15,同样风速在这7天内的浮动趋势呈现出持续向上的变动趋势,但是每天风速数据持续向上增加的数值不同,为此得到每天的风速数据增量的可行方式可以是:对预设历史时间段内采集到的风速数据进行平均,或者通过对多个预设历史时间段内采集到的风速数据进行分析,得到每天采集到的风速数据的权重,以权重加权合并的方式来得到风速数据增量。
若在实际应用中,从上述浮动趋势、规则变动趋势、不规则变动趋势和循环波动趋势中随机选取浮动趋势和规则变动趋势作为环境参数的变化趋势,则上述步骤102包括:对预设历史时间段内采集到的环境参数进行分析,得到环境参数在预设历史时间段内的浮动趋势;对预设历史时间段内采集到的环境参数进行分析,得到环境参数在预设历史时间段内的规则变动趋势。
仍以上述风速为例,为得到风速的规则变动趋势,获取的预设历史时间段内采集到的风速数据可以是季风时间内采集的风速数据,其中季风时间是从季风开始到季风结束的时间段,通过对季风时间内采集的风速数据分析出季风时间段内季风的季节变动趋势,这个季节变动趋势表明了风速在季风时间段内的周期性波动趋势,因此可以将季风变动趋势视为规则变动趋势的一种可行方式。
103:根据环境参数的变化趋势,预测预设未来时间段内的环境参数。
以上述风速为例,预测预设未来时间段内的环境参数的可行方式是:获取预设历史时间段内的风速数据的相关图,其中相关图至少能显示出风速数据的变化趋势和变化周期,并能从相关图中获取跳点和拐点。跳点是指与其他风速数据不一致的风速数据。如果跳点是正确的风速数据,在建模时应当考虑跳点,如果跳点是错误的风速数据,在建模时应当将跳点调整到正常风速数据的范围内。拐点则是指风速数据从上升趋势突变为下降趋势的点或者从下降趋势突变为上升趋势的点。如果存在拐点,则在建模时必须用不同的模型去分段拟合获取的预设历史时间段内的风速数据,例如采用线性回归模型。其中判断跳点是正确的风速数据还是错误的风速数据的一种可行方式是:获取用于采集风速数据的传感器的采集范围,若跳点对应的风速数据大于采集范围的最大值时或者小于采集范围的最小值时,则判断跳点为错误的风速数据;若跳点对应的风速数据在采集范围内,则判断跳点为正常的风速数据。
在获取相关图后采用对应的随机模型进行曲线拟合,比如对于预设历史时间段内采集的风速数据的复杂度小于预设复杂度的情况下,可以选取根据浮动趋势构建的趋势模型和根据规则变动趋势构建的规则变动模型结合预设误差进行曲线拟合,其中预设复杂度和预设误差根据实际应用而定,本发明实施例并不限定其具体取值;又比如预设历史时间段内采集的风速数据是一个平稳序列,则可以选用时间序列,可用通用ARMA(Auto-Regressive Moving Average,自回归移动平均)模型或滑动平均模型或组合-ARMA模型进行曲线拟合,当预设历史时间段内采集的风速数据的个数大于50个时一般都采用ARMA模型。在经过曲线拟合后得到表示变化趋势中各个趋势的相互关系的数学表达式,以通过数学表达式得到预设未来时间段内的环境参数。
例如变化趋势包括浮动趋势、规则变动趋势、不规则变动趋势和循环波动趋势这四种趋势,且四种趋势相互独立,因此可以通过数学表达式:Y=T+S+C+I来预测预设未来时间段内的环境参数。其中T代表浮动趋势,S代表规则变动趋势,C代表循环变动趋势,I代表不规则变动趋势,且在预测环境参数时,上述四个趋势的取值均是绝对数。
由于根据预设历史时间段内采集到的环境参数得到的变化趋势,可以准确反映环境参数的变化情况,进而可以提高以环境参数的变化趋势得到的预设未来时间段内的环境参数。
104:根据预设历史时间段内采集到的环境参数和预设历史时间段内监测对象的工作参数,得到监测模型。可选的,本发明实施例可预先选取一个训练模型,根据预设历史时间段内采集到的环境参数和预设历史时间段内监测对象的工作参数,得到训练模型中环境参数和监测对象的工作参数之间的相关系数,将得到环境参数和监测对象的工作参数之间的相关系数的训练模型作为监测模型。
比如预先选取的训练模型为一个多元线性回归模型,多元线性回归模型可以采用如下公式表示:
Y=β0+β1x1+β2x2+…+βnxn+ε,其中xi为第i个环境参数,βi为第i个环境参数与第i个工作参数Y之间的相关系数,n为预设历史时间段内采集到的环境参数的总数,ε为预设的随机误差项。
在已知预设历史时间段内采集到的环境参数、预设历史时间段内监测对象的工作参数和预设的随机误差项的情况下,通过上述公式可以得到各个βi的取值,进而可以将Y=β0+β1x1+β2x2+…+βnxn+ε作为监测模型,以得到预设未来时间段内监测对象的工作参数。
在这里需要说明的一点是:若上述监测模型中的Y是每个月的工作参数的变化趋势,那么输入到监测模型中的第i个环境参数的值也应是一个,但是在实际采集或预测中,每天均会采集第i个环境参数或者均会预测每天的第i个环境参数,在此种情况下,则需要对每月采集的多个第i个环境参数或者未来每月预测的多个第i个环境参数进行处理,如可以进行平均处理或者加权处理来得到每月的一个第i个环境参数;若上述监测模型中的Y是每天的工作参数的变化趋势,在此种情况下若每天均会采集一个第i个环境参数或者未来每天均会预测一个第i个环境参数,则无需对采集或预测的第i个环境参数进行处理,但如果每天均会采集多个第i个环境参数或者未来每天均会预测多个第i个环境参数,也需要对其进行平均处理或者加权处理。
也就是说,若上述监测模型中的Y所表示的工作参数的变化趋势对应的时间单位与第i个环境参数在所述时间单位内采集或预测的数量不相符,则需要对第i个环境参数进行处理,若上述监测模型中的Y所表示的工作参数的变化趋势对应的时间单位与第i个环境参数在所述时间单位内采集或预测的数量相符,则无需对第i个环境参数进行处理。并且上述步骤102和步骤104是可以并列执行的,或者可以互调步骤102和步骤104的执行顺序,在互调步骤102和步骤104之后,步骤103仍需要在步骤102之后执行,即互调步骤102和步骤104之后,步骤102至步骤104的执行顺序更改为:步骤104、步骤102、步骤103。
105:根据预设未来时间段内的环境参数以及监测模型,得到预设未来时间段内监测对象的工作参数。具体的,将预测到的预设未来时间段内的环境参数带入上述监测模型的表达公式中,即可得到预设未来时间段内监测对象的工作参数。
在本发明实施例中,预设未来时间段内监测对象的工作参数可作为监测对象所属运营商的销售依据,由运营商根据销售依据制定销售计划。例如监测对象为上述风力发电机,预设未来时间段内监测对象的工作参数为风力发电机在预设未来时间段内的发电量时,风力发电机所属电力公司通过本发明实施例提供的数据预测方法可以得到风力发电机在预设未来时间段内的发电量,进而可以预测其在预设未来时间段内可出售的发电量,以此来制定销售计划,如未来时间段内每月可提供用户多少电量。
当然上述预设未来时间段内监测对象的工作参数还可以作为对监测对象进行监控的依据,具体请参阅下一实施例中的说明。
藉由上述技术方案,在获取预设历史时间段内采集到的环境参数和预设历史时间段内监测对象的工作参数后,可以根据预设历史时间段内采集到的环境参数,得到环境参数的变化趋势,根据预设历史时间段内采集到的环境参数和预设历史时间段内监测对象的工作参数,得到监测模型。而根据预设历史时间段内采集到的环境参数得到的变化趋势,可以准确反映环境参数的变化情况,进而可以提高以环境参数的变化趋势得到的预设未来时间段内的环境参数,因此根据预设未来时间段内的环境参数和已得到的监测模型,得到的预设未来时间段内监测对象的工作参数的准确度提高,从而降低预设未来时间段内误预警的概率。
请参阅图2,其示出了本发明实施例提供的数据预测方法的另一种流程图,可以包括以下步骤:
106:根据预设未来时间段内监测对象的工作参数和预设预警范围,进行预警。具体的,预设预警范围包括一个预警上限值和一个预警下限值,在预设未来时间段内监测对象的工作参数小于预警下限值或者大于预警上限值时预警,在预设未来时间段内监测对象的工作参数大于预警下限值且小于预警上限值时不预警。
在本发明实施例中预设预警范围可以是预先设置的一个固定范围,也就是说预设预警范围中的预警上限值和预警下限值均是固定值,其不会根据监测对象在不同时间段内的工作参数的不同而不同,在这种情况下会导致误预警。
为此本发明实施例提供的数据预测方法还包括:根据预设历史时间段内监测对象的工作参数,得到预设未来时间段内监测对象的预警范围,其中预设未来时间段内监测对象的预警范围为预设预警范围。
也就是说,在本发明实施例中,预设预警范围中的预警上限值和预警下限值均不是固定值,而是综合考虑未来工作参数的发展趋势得到一个根据未来工作参数的变化而变化的预警上限值和预警下限值,从而提高预警的准确度。
可选的,得到预设未来时间段内监测对象的预警范围的方式如图3所示,可以包括以下步骤:
301:获取预设历史时间段内监测对象的工作参数的上包络图和下包络图。其中上包络图是预设历史时间段监测对象的工作参数的最高值得到的一个曲线,而下包络图是预设历史时间段监测对象的工作参数的最低值得到的一个曲线,如图4所示一段时间内的发电量的示意图,在图4中由发电量的最高值(峰值)形成的曲线是上包络图,而由发电量的最低值(谷值)形成的曲线是下包络图,其中图4中横坐标表示时间,单位是小时:分(hh:MM),纵坐标表示发电量,单位是千瓦时(kwh)。
302:从上包络图中得到预设历史时间段内多个不同时刻下的预警上限值。可选的,可以间隔相等时间获取多个时刻下的预警上限值。
303:从下包络图中得到多个不同时刻下的预警下限值。相应的,按照预警上限值的获取时刻,得到多个时刻下的预警下限值。
304:根据多个不同时刻下的预警上限值和多个不同时刻下的预警下限值,得到预设未来时间段内监测对象的预警范围。
在本发明实施例中,之所以间隔相等时间来获取多个时刻下的预警上限值和预警下限值是为了得到工作参数间隔相同时刻的变化情况,以更加准确地体现出工作参数的变化情况,这样在对多个不同时刻下的预警上限值和多个不同时刻下的预警下限值进行分析后,可以得到监测对象在预设未来时间段内的变化趋势,以根据监测对象在预设未来时间段内的变化趋势得到预设未来时间段内监测对象的预警范围。
可以理解的是:通过多个不同时刻下的预警上限值和预警下限值来预测预设未来时间段内监测对象的预警范围的方式与预测未来时间段内环境参数的方式相同,对此本发明实施例不再详述,其中预测出的预设未来时间段内监测对象的预警范围可以如表1所示。
表1预设未来时间段内监测对象的预警范围
在这里需要说明的一点是:通过上述可以得到预设未来不同时间段内监测对象的工作参数和不同时间段内的预警范围,因此在进行预警时需要将未来的同一个时间段内的工作参数与预警范围进行比对,如得到未来1天的工作参数,则预警范围也需要采用未来1天的预警范围。
藉由上述技术方案可知,本发明实施例提供的数据预测方法中,预设预警范围中的预警上限值和预警下限值均不是固定值,而是综合考虑未来工作参数的发展趋势得到一个根据未来工作参数的变化而变化的预警上限值和预警下限值,从而提高预警的准确度。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
请参阅图5,其示出了本发明实施例提供的数据预测装置的一种结构,可以包括:获取单元11、第一预测单元12、第二预测单元13、模型获取单元14和第三预测单元15。
获取单元11,用于获取预设历史时间段内采集到的环境参数和预设历史时间段内监测对象的工作参数,其中环境参数为影响监测对象的工作参数的参数,监测对象的工作参数为表明监测对象的工作情况的参数。以上述风力发电机为监测对象,发电量为工作参数为例,则影响发电量的环境参数至少包括:风速、温度、湿度、风电叶片的转速和大气压。
上述影响发电量的各项环境参数在不同采集时刻可以通过对应的传感器采集,因此获取的预设历史时间段内采集到的环境参数是一个位于当前时刻之前的某个时间段内且采集间隔规律的参数序列或者是一个位于当前时刻之前的某个时间段内随机采集的一个参数序列,参数序列下的各项环境参数对应一个采集时刻。而预设历史时间段内可以是预先设置的一个位于当前时刻之前的某个时间段,对于时间段的具体时长可以根据实际预测设定,本发明实施例不限定其具体的取值。
第一预测单元12,用于根据预设历史时间段内采集到的环境参数,得到环境参数的变化趋势。由于预设历史时间段内采集到的环境参数是一个位于当前时刻之前的某个时间段内且采集间隔规律的参数序列或者是一个位于当前时刻之前的某个时间段内随机采集的一个参数序列,所以通过对预设历史时间段内采集到的环境参数分析,可以得到环境参数的变化趋势。
可选的,环境参数的变化趋势包括:浮动趋势、规则变动趋势、不规则变动趋势和循环波动趋势中的至少一种,对于浮动趋势、规则变动趋势、不规则变动趋势和循环波动趋势的介绍请参阅方法实施例中的相关说明。
相应的,第一预测单元12用于对预设历史时间段内采集到的环境参数进行分析,得到环境参数在预设历史时间段内的浮动趋势。
和/或
第一预测单元12用于对预设历史时间段内采集到的环境参数进行分析,得到环境参数在预设历史时间段内的规则变动趋势。
和/或
第一预测单元12用于对预设历史时间段内采集到的环境参数进行分析,得到环境参数在预设历史时间段内的不规则变动趋势。
和/或
第一预测单元12用于对预设历史时间段内采集到的环境参数进行分析,得到环境参数在预设历史时间段内的循环波动趋势。
也就是说在实际应用中,可以从上述浮动趋势、规则变动趋势、不规则变动趋势和循环波动趋势中随机选取一种趋势或者随机组合来作为环境参数的变化趋势,相应的,上述第一预测单元12则需要对预设历史时间段内采集到的环境参数进行分析,以得到相应的趋势。比如在实际应用中,从上述浮动趋势、规则变动趋势、不规则变动趋势和循环波动趋势中随机选取浮动趋势作为环境参数的变化趋势,则上述第一预测单元12用于对预设历史时间段内采集到的环境参数进行分析,得到环境参数在预设历史时间段内的浮动趋势。
第二预测单元13,用于根据环境参数的变化趋势,预测预设未来时间段内的环境参数。由于根据预设历史时间段内采集到的环境参数得到的变化趋势,可以准确反映环境参数的变化情况,进而可以提高以环境参数的变化趋势得到的预设未来时间段内的环境参数,对于第二预测单元13如何根据环境参数的变化趋势来预测环境参数,可以参阅方法实施例中的相关说明,对此不再详述。
模型获取单元14,用于根据预设历史时间段内采集到的环境参数和预设历史时间段内监测对象的工作参数,得到监测模型。可选的,本发明实施例可预先选取一个训练模型,根据预设历史时间段内采集到的环境参数和预设历史时间段内监测对象的工作参数,得到训练模型中环境参数和监测对象的工作参数之间的相关系数,将得到环境参数和监测对象的工作参数之间的相关系数的训练模型作为监测模型,具体过程可以参阅方法实施例中的相关说明,对此不再详述。
在这里需要说明的一点是:上述第一预测单元12和模型获取单元14的功能是可以并列执行的,或者可以互调第一预测单元12和模型获取单元14的功能的执行顺序,在互调第一预测单元12和模型获取单元14的功能的执行顺序之后,第二预测单元13的功能的执行顺序也需要位于第一预测单元12的功能的执行顺序。
第三预测单元15,用于根据预设未来时间段内的环境参数以及监测模型,得到预设未来时间段内监测对象的工作参数。
具体的,将预测到的预设未来时间段内的环境参数带入上述监测模型的表达公式中,即可得到预设未来时间段内监测对象的工作参数。
在本发明实施例中,预设未来时间段内监测对象的工作参数可作为监测对象所属运营商的销售依据,由运营商根据销售依据制定销售计划。例如监测对象为上述风力发电机,预设未来时间段内监测对象的工作参数为风力发电机在预设未来时间段内的发电量时,风力发电机所属电力公司通过本发明实施例提供的数据预测方法可以得到风力发电机在预设未来时间段内的发电量,进而可以预测其在预设未来时间段内可出售的发电量,以此来制定销售计划,如未来时间段内每月可提供用户多少电量。
当然上述预设未来时间段内监测对象的工作参数还可以作为对监测对象进行监控的依据,具体请参阅下一实施例中的说明。
藉由上述技术方案,在获取预设历史时间段内采集到的环境参数和预设历史时间段内监测对象的工作参数后,可以根据预设历史时间段内采集到的环境参数,得到环境参数的变化趋势,根据预设历史时间段内采集到的环境参数和预设历史时间段内监测对象的工作参数,得到监测模型。而根据预设历史时间段内采集到的环境参数得到的变化趋势,可以准确反映环境参数的变化情况,进而可以提高以环境参数的变化趋势得到的预设未来时间段内的环境参数,因此根据预设未来时间段内的环境参数和已得到的监测模型,得到的预设未来时间段内监测对象的工作参数的准确度提高,从而降低预设未来时间段内误预警的概率。
请参阅图6,其示出了本发明实施例提供的数据预测装置的另一种结构,还可以包括:预警单元16,用于根据预设未来时间段内监测对象的工作参数和预设预警范围,进行预警。具体的,预设预警范围包括一个预警上限值和一个预警下限值,在预设未来时间段内监测对象的工作参数小于预警下限值或者大于预警上限值时预警,在预设未来时间段内监测对象的工作参数大于预警下限值且小于预警上限值时不预警。
在本发明实施例中预设预警范围可以是预先设置的一个固定范围,也就是说预设预警范围中的预警上限值和预警下限值均是固定值,其不会根据监测对象在不同时间段内的工作参数的不同而不同,在这种情况下会导致误预警。
为此本发明实施例提供的数据预测装置还包括:第四预测单元17,如图7所示,其中第四预测单元17用于根据预设历史时间段内监测对象的工作参数,得到预设未来时间段内监测对象的预警范围,预设未来时间段内监测对象的预警范围为预设预警范围。
也就是说,在本发明实施例中,预设预警范围中的预警上限值和预警下限值均不是固定值,而是综合考虑未来工作参数的发展趋势得到一个根据未来工作参数的变化而变化的预警上限值和预警下限值,从而提高预警的准确度。
可选的第四预测单元17,包括:获取子单元、上限值获取子单元、下限值获取子单元和预测子单元。
获取子单元,用于获取预设历史时间段内监测对象的工作参数的上包络图和下包络图。其中上包络图是预设历史时间段监测对象的工作参数的最高值得到的一个曲线,而下包络图是预设历史时间段监测对象的工作参数的最低值得到的一个曲线,具体看参阅图4所示。
上限值获取子单元,用于从上包络图中得到预设历史时间段内多个不同时刻下的预警上限值。可选的,可以间隔相等时间获取多个时刻下的预警上限值。
下限值获取子单元,用于从下包络图中得到多个不同时刻下的预警下限值。相应的,按照预警上限值的获取时刻,得到多个时刻下的预警下限值。
预测子单元,用于根据多个不同时刻下的预警上限值和多个不同时刻下的预警下限值,得到预设未来时间段内监测对象的预警范围。在本发明实施例中,之所以间隔相等时间来获取多个时刻下的预警上限值和预警下限值是为了得到工作参数间隔相同时刻的变化情况,以更加准确地体现出工作参数的变化情况,这样在对多个不同时刻下的预警上限值和多个不同时刻下的预警下限值进行分析后,可以得到监测对象在预设未来时间段内的变化趋势,以根据监测对象在预设未来时间段内的变化趋势得到预设未来时间段内监测对象的预警范围。
可以理解的是:通过多个不同时刻下的预警上限值和预警下限值来预测预设未来时间段内监测对象的预警范围的方式与预测未来时间段内环境参数的方式相同,对此本发明实施例不再详述。
藉由上述技术方案可知,本发明实施例提供的数据预测装置中,预设预警范围中的预警上限值和预警下限值均不是固定值,而是综合考虑未来工作参数的发展趋势得到一个根据未来工作参数的变化而变化的预警上限值和预警下限值,从而提高预警的准确度。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种数据预测方法,其特征在于,所述方法包括:
获取预设历史时间段内采集到的环境参数和所述预设历史时间段内监测对象的工作参数,其中所述环境参数为影响监测对象的工作参数的参数,所述监测对象的工作参数为表明所述监测对象的工作情况的参数;
根据所述预设历史时间段内采集到的环境参数,得到所述环境参数的变化趋势;
根据所述环境参数的变化趋势,预测预设未来时间段内的环境参数;
根据所述预设历史时间段内采集到的环境参数和所述预设历史时间段内监测对象的工作参数,得到监测模型;
根据所述预设未来时间段内的环境参数以及所述监测模型,得到所述预设未来时间段内监测对象的工作参数。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:根据所述预设未来时间段内监测对象的工作参数和预设预警范围,进行预警。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:根据所述预设历史时间段内监测对象的工作参数,得到所述预设未来时间段内监测对象的预警范围,所述预设未来时间段内监测对象的预警范围为所述预设预警范围。
4.根据权利要求3所述的方法,其特征在于,所述根据所述预设历史时间段内监测对象的工作参数,得到所述预设未来时间段内监测对象的预警范围,包括:
获取所述预设历史时间段内监测对象的工作参数的上包络图和下包络图;
从所述上包络图中得到所述预设历史时间段内多个不同时刻下的预警上限值;
从所述下包络图中得到所述多个不同时刻下的预警下限值;
根据所述多个不同时刻下的预警上限值和所述多个不同时刻下的预警下限值,得到所述预设未来时间段内监测对象的预警范围。
5.根据权利要求1所述的方法,其特征在于,所述根据所述预设历史时间段内采集到的环境参数,得到所述环境参数的变化趋势,包括:
对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的浮动趋势;
和/或
对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的规则变动趋势;
和/或
对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的不规则变动趋势;
和/或
对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的循环波动趋势。
6.一种数据预测装置,其特征在于,所述装置包括:
获取单元,用于获取预设历史时间段内采集到的环境参数和所述预设历史时间段内监测对象的工作参数,其中所述环境参数为影响监测对象的工作参数的参数,所述监测对象的工作参数为表明所述监测对象的工作情况的参数;
第一预测单元,用于根据所述预设历史时间段内采集到的环境参数,得到所述环境参数的变化趋势;
第二预测单元,用于根据所述环境参数的变化趋势,预测预设未来时间段内的环境参数;
模型获取单元,用于根据所述预设历史时间段内采集到的环境参数和所述预设历史时间段内监测对象的工作参数,得到监测模型;
第三预测单元,用于根据所述预设未来时间段内的环境参数以及所述监测模型,得到所述预设未来时间段内监测对象的工作参数。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:预警单元,用于根据所述预设未来时间段内监测对象的工作参数和预设预警范围,进行预警。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:第四预测单元,用于根据所述预设历史时间段内监测对象的工作参数,得到所述预设未来时间段内监测对象的预警范围,所述预设未来时间段内监测对象的预警范围为所述预设预警范围。
9.根据权利要求8所述的装置,其特征在于,所述第四预测单元,包括:
获取子单元,用于获取所述预设历史时间段内监测对象的工作参数的上包络图和下包络图;
上限值获取子单元,用于从所述上包络图中得到所述预设历史时间段内多个不同时刻下的预警上限值;
下限值获取子单元,用于从所述下包络图中得到所述多个不同时刻下的预警下限值;
预测子单元,用于根据所述多个不同时刻下的预警上限值和所述多个不同时刻下的预警下限值,得到所述预设未来时间段内监测对象的预警范围。
10.根据权利要求6所述的装置,其特征在于,所述第一预测单元,用于对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的浮动趋势;
和/或
所述第一预测单元,用于对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的规则变动趋势;
和/或
所述第一预测单元,用于对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的不规则变动趋势;
和/或
所述第一预测单元,用于对所述预设历史时间段内采集到的环境参数进行分析,得到所述环境参数在所述预设历史时间段内的循环波动趋势。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611168561.8A CN106600064A (zh) | 2016-12-16 | 2016-12-16 | 一种数据预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611168561.8A CN106600064A (zh) | 2016-12-16 | 2016-12-16 | 一种数据预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106600064A true CN106600064A (zh) | 2017-04-26 |
Family
ID=58600757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611168561.8A Pending CN106600064A (zh) | 2016-12-16 | 2016-12-16 | 一种数据预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106600064A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108226395A (zh) * | 2017-12-28 | 2018-06-29 | 广东中联兴环保科技有限公司 | 工业园区大气环境突发性预警阈值确定方法及装置 |
CN109784574A (zh) * | 2019-01-24 | 2019-05-21 | 新奥数能科技有限公司 | 设备状态的预测方法及装置、存储介质、电子装置 |
CN110399998A (zh) * | 2018-04-24 | 2019-11-01 | 沃司科技股份有限公司 | 冷链物流预警***及其方法 |
CN110542879A (zh) * | 2019-09-30 | 2019-12-06 | 国网四川省电力公司电力科学研究院 | 电容式电压互感器运行性能变化趋势预测方法与*** |
CN110648011A (zh) * | 2019-08-07 | 2020-01-03 | 广东工业大学 | 考虑光伏用户的馈线短期负荷预测方法 |
CN111008749A (zh) * | 2019-12-19 | 2020-04-14 | 北京顺丰同城科技有限公司 | 一种需求预测的方法及装置 |
CN111059688A (zh) * | 2019-12-17 | 2020-04-24 | 珠海格力电器股份有限公司 | 基于空气质量的自清洁控制方法、装置及智慧盒子 |
CN111260384A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 服务订单处理方法、装置、电子设备及存储介质 |
CN111260427A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 服务订单处理方法、装置、电子设备及存储介质 |
CN112990552A (zh) * | 2021-02-20 | 2021-06-18 | 节点互联(北京)科技有限公司 | 一种基于变化率的设备运行参数短时预测方法及*** |
CN114089055A (zh) * | 2021-09-30 | 2022-02-25 | 安徽继远软件有限公司 | 一种电网有限空间作业人员安全状态监测方法及*** |
CN114240005A (zh) * | 2022-02-24 | 2022-03-25 | 国网浙江省电力有限公司信息通信分公司 | 基于多维参考量和时间序列的碳排放预测方法及装置 |
CN114252110A (zh) * | 2022-03-02 | 2022-03-29 | 山东和兑智能科技有限公司 | 变电设备智能评估***与评估方法 |
CN114895380A (zh) * | 2022-04-22 | 2022-08-12 | 中国科学院地理科学与资源研究所 | 一种太阳辐射预测方法、装置、设备和介质 |
CN115639470A (zh) * | 2022-09-23 | 2023-01-24 | 贵州北盘江电力股份有限公司光照分公司 | 一种基于数据趋势分析的发电机监测方法及*** |
CN117436935A (zh) * | 2023-11-30 | 2024-01-23 | 湖北华中电力科技开发有限责任公司 | 区域用电量预测方法、***、计算机设备及存储介质 |
CN117536691A (zh) * | 2024-01-09 | 2024-02-09 | 枣庄矿业集团新安煤业有限公司 | 一种综采工作面设备参数监控方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404937A (zh) * | 2015-11-26 | 2016-03-16 | 北京国电通网络技术有限公司 | 一种光伏电站短期功率预测方法和*** |
CN105577402A (zh) * | 2014-10-11 | 2016-05-11 | 北京通达无限科技有限公司 | 基于历史数据的业务异常监控方法及设备 |
-
2016
- 2016-12-16 CN CN201611168561.8A patent/CN106600064A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105577402A (zh) * | 2014-10-11 | 2016-05-11 | 北京通达无限科技有限公司 | 基于历史数据的业务异常监控方法及设备 |
CN105404937A (zh) * | 2015-11-26 | 2016-03-16 | 北京国电通网络技术有限公司 | 一种光伏电站短期功率预测方法和*** |
Non-Patent Citations (1)
Title |
---|
全生明主编: "《大规模集中式光伏发电与调度运行》", 31 March 2016 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108226395A (zh) * | 2017-12-28 | 2018-06-29 | 广东中联兴环保科技有限公司 | 工业园区大气环境突发性预警阈值确定方法及装置 |
CN110399998A (zh) * | 2018-04-24 | 2019-11-01 | 沃司科技股份有限公司 | 冷链物流预警***及其方法 |
CN111260384A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 服务订单处理方法、装置、电子设备及存储介质 |
CN111260427A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 服务订单处理方法、装置、电子设备及存储介质 |
CN111260384B (zh) * | 2018-11-30 | 2023-09-15 | 北京嘀嘀无限科技发展有限公司 | 服务订单处理方法、装置、电子设备及存储介质 |
CN111260427B (zh) * | 2018-11-30 | 2023-07-18 | 北京嘀嘀无限科技发展有限公司 | 服务订单处理方法、装置、电子设备及存储介质 |
CN109784574A (zh) * | 2019-01-24 | 2019-05-21 | 新奥数能科技有限公司 | 设备状态的预测方法及装置、存储介质、电子装置 |
CN110648011B (zh) * | 2019-08-07 | 2022-06-24 | 广东工业大学 | 考虑光伏用户的馈线短期负荷预测方法 |
CN110648011A (zh) * | 2019-08-07 | 2020-01-03 | 广东工业大学 | 考虑光伏用户的馈线短期负荷预测方法 |
CN110542879A (zh) * | 2019-09-30 | 2019-12-06 | 国网四川省电力公司电力科学研究院 | 电容式电压互感器运行性能变化趋势预测方法与*** |
CN110542879B (zh) * | 2019-09-30 | 2022-02-11 | 国网四川省电力公司电力科学研究院 | 电容式电压互感器运行性能变化趋势预测方法与*** |
CN111059688A (zh) * | 2019-12-17 | 2020-04-24 | 珠海格力电器股份有限公司 | 基于空气质量的自清洁控制方法、装置及智慧盒子 |
CN111008749A (zh) * | 2019-12-19 | 2020-04-14 | 北京顺丰同城科技有限公司 | 一种需求预测的方法及装置 |
CN112990552A (zh) * | 2021-02-20 | 2021-06-18 | 节点互联(北京)科技有限公司 | 一种基于变化率的设备运行参数短时预测方法及*** |
CN114089055A (zh) * | 2021-09-30 | 2022-02-25 | 安徽继远软件有限公司 | 一种电网有限空间作业人员安全状态监测方法及*** |
CN114240005A (zh) * | 2022-02-24 | 2022-03-25 | 国网浙江省电力有限公司信息通信分公司 | 基于多维参考量和时间序列的碳排放预测方法及装置 |
CN114252110A (zh) * | 2022-03-02 | 2022-03-29 | 山东和兑智能科技有限公司 | 变电设备智能评估***与评估方法 |
CN114895380A (zh) * | 2022-04-22 | 2022-08-12 | 中国科学院地理科学与资源研究所 | 一种太阳辐射预测方法、装置、设备和介质 |
CN115639470A (zh) * | 2022-09-23 | 2023-01-24 | 贵州北盘江电力股份有限公司光照分公司 | 一种基于数据趋势分析的发电机监测方法及*** |
CN115639470B (zh) * | 2022-09-23 | 2024-01-30 | 贵州北盘江电力股份有限公司光照分公司 | 一种基于数据趋势分析的发电机监测方法及*** |
CN117436935A (zh) * | 2023-11-30 | 2024-01-23 | 湖北华中电力科技开发有限责任公司 | 区域用电量预测方法、***、计算机设备及存储介质 |
CN117536691A (zh) * | 2024-01-09 | 2024-02-09 | 枣庄矿业集团新安煤业有限公司 | 一种综采工作面设备参数监控方法及*** |
CN117536691B (zh) * | 2024-01-09 | 2024-04-05 | 枣庄矿业集团新安煤业有限公司 | 一种综采工作面设备参数监控方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106600064A (zh) | 一种数据预测方法及装置 | |
CN102830665B (zh) | 用于操作涡轮机电厂的***和方法 | |
CN106779200A (zh) | 基于在历史数据中进行相似搜索的风电机组状态预测方法 | |
CN102411729B (zh) | 基于自适应线性逻辑网络的风电功率预测方法 | |
CN110059845B (zh) | 基于时序演化基因模型的计量装置时钟误差趋势预测方法 | |
CN104700321A (zh) | 一种输变电设备状态运行趋势分析方法 | |
CN106199174A (zh) | 基于迁移学习的挤压机能耗异常预测方法 | |
CN109657982A (zh) | 一种故障预警方法及装置 | |
CN104866633B (zh) | 一种设备振动数据处理方法、装置及*** | |
CN102087787B (zh) | 短时交通状态预测装置及预测方法 | |
CN117335411B (zh) | 一种光伏电站群的中长期发电量预测方法 | |
JP7252703B2 (ja) | 操作支援装置、操作支援方法、操作支援プログラム及び記録媒体 | |
WO2022043403A1 (en) | Estimating energy consumption for a building using dilated convolutional neural networks | |
CN104361261B (zh) | 一种基于率模可靠性理论的齿轮泵健康状态评估方法 | |
CN114239708B (zh) | 一种基于质量控制图理论的燃机异常检测方法 | |
CN106779139A (zh) | 基于小波分解和二阶灰色神经网络的短期风速预测方法 | |
CN102707713A (zh) | 汽车安全气囊装配工序的故障诊断***及其诊断方法 | |
CN106679761B (zh) | 海域综合水位实时预报的实现方法及*** | |
CN105608511A (zh) | 一种纺纱质量不确定性预测方法 | |
CN116822997B (zh) | 一种考虑绿色电力的实时碳排放核算方法及装置 | |
CN106446502A (zh) | 带遗忘因子的特征向量递推的时变工作模态在线识别方法 | |
CN109242166A (zh) | 一种基于多尺度深度神经网络的环境预测防控*** | |
EP3906447B1 (en) | Method, system and computer program product for evaluation of energy consumption in industrial environments | |
Spiridonakos et al. | Wind turbines structural identification framework for the representation of both short-and long-term variability | |
CN104008423B (zh) | 一种根据风况预测齿轮箱寿命的方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170426 |