多数据联合预测方法、装置、电子设备及存储介质与流程

技术特征：
1.一种多数据联合预测方法，其特征在于，包括以下步骤：将具有时序特征的历史工况数据输入预先训练好的工况预测模型中，得到通过所述工况预测模型预测出的工况预测数据；将具有时序特征的历史工况数据和工况预测数据输入预先训练好的能耗预测模型，得到能耗预测值；将具有时序特征的历史工况数据、工况预测数据以及能耗预测值输入预先训练好的负载预警模型中，得到负载预测值，其中，所述工况预测模型、所述能耗预测模型与所述负载预警模型按序串联连接，在模型训练过程中进行联合训练，以及在预测过程中进行联合预测；根据负载预测值与预设负载阈值之间的大小关系，确定并输出负载预警结果以及所述工况预测值和能耗预测值。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：实时监测当前工况数据、能耗值和负载预警结果的数据量与上一次模型训练使用的数据量之间的增量是否达到预设增量阈值：当监测到当前工况数据、能耗值和负载预警结果的数据量与上一次模型训练使用的数据量之间的增量达到预设增量阈值时，利用增量后的工况数据、能耗值和负载预警结果联合更新按序串联的工况预测模型、能耗预测模型和负载预警模型。3.根据权利要求1所述的方法，其特征在于，所述在模型训练过程中进行联合训练，包括：利用已知的具有时序特征的历史工况数据作为输入，目标工况数据作为输出对工况预测模型进行训练，得到训练好的工况预测模型；将已知的具有时序特征的历史工况数据输入训练好的工况预测模型，得到工况预测模型的输出值；将已知的具有时序特征的历史工况数据以及训练好的工况预测模型的输出值作为输入值，将已知的能耗值作为输出值，对能耗预测模型进行训练，得到训练好的能耗预测模型；将已知的具有时序特征的历史工况数据、训练好的工况预测模型的输出值和训练好的能耗预测模型的输出值作为输入值，将已知的负载预测值作为输出值，对负载预警模型进行训练，得到训练好的负载预警模型。4.根据权利要求3所述的方法，其特征在于，所述工况预测模型根据具有时序特征的历史工况数据从循环神经网络、长短期记忆网络和门限循环单元网络中选择得到；所述能耗预测模型为多层感知机网络或卷积神经网络；所述负载预警模型为卷积神经网络，其中，工况预测模型、能耗预测模型和负载预警模型中与具有时序特征的历史工况数据对应的初始权重值根据历史数据的时间从后向前呈现衰减特性。5.根据权利要求4所述的方法，其特征在于，所述工况预测模型根据具有时序特征的历史工况数据从循环神经网络、长短期记忆网络和门限循环单元网络中选择得到，包括：在所述联合训练按序串联的工况预测模型、能耗预测模型和负载预警模型期间，当具有时序特征的历史工况数据的时间间隔小于预设时长阈值时，选择循环神经网络作为工况预测模型；
当具有时序特征的历史工况数据的时间间隔大于或等于预设时长阈值时，选择长短期记忆网络作为工况预测模型；当具有时序特征的历史工况数据的数据量小于预设数据量阈值且时间间隔大于或等于预设时长阈值时，选择门限循环单元网络作为工况预测模型。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：当具有时序特征的历史工况数据的数据量小于预设数据量阈值且时间间隔小于预设时长阈值时，利用bootstrap重采样方法对具有时序特征的历史工况数据进行重采样处理，以根据重采样处理后的具有时序特征的历史工况数据对选择的循环神经网络进行训练。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：将具有时序特征的历史工况数据、工况预测数据以及能耗预测值输入预先训练好的故障预测模型中，输出得到故障预警结果，其中，所述故障预测模型与所述能耗预测模型串联连接，使得所述故障预测模型的输入值包括所述能耗预测模型的输出值。8.一种多数据联合预测装置，其特征在于，包括：工况预测模块，其用于将具有时序特征的历史工况数据输入预先训练好的工况预测模型中，得到通过所述工况预测模型预测出的工况预测数据；能耗预测模块，其用于将具有时序特征的历史工况数据和工况预测数据输入预先训练好的能耗预测模型，得到能耗预测值；负载预测模块，其用于将具有时序特征的历史工况数据、工况预测数据以及能耗预测值输入预先训练好的负载预警模型中，得到负载预测值，其中，所述工况预测模型、所述能耗预测模型与所述负载预警模型按序串联连接，在模型训练过程中进行联合训练，以及在预测过程中进行联合预测；输出模块，其用于根据负载预测值与预设负载阈值之间的大小关系，确定并输出负载预警结果以及所述工况预测值和能耗预测值。9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现权利要求1-7中的任一项所述的多数据联合预测方法的步骤。10.一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如权利要求1-7中的任一项所述的多数据联合预测方法的步骤。

技术总结
本申请涉及一种多数据联合预测方法、装置、电子设备及存储介质，所述方法包括：将具有时序特征的历史工况数据输入预先训练好的工况预测模型中，得到工况预测数据；将具有时序特征的历史工况数据和工况预测数据输入预先训练好的能耗预测模型，得到能耗预测值；将具有时序特征的历史工况数据、工况预测数据以及能耗预测值输入预先训练好的负载预警模型中，得到负载预测值，其中，所述工况预测模型、所述能耗预测模型与所述负载预警模型按序串联连接；根据负载预测值确定并输出负载预警结果以及所述工况预测值和能耗预测值，能够利用带有时序特征的工况数据通过多个串联的模型进行联合预测，提高多个预测数据的预测效率和预测值的精度。值的精度。值的精度。


技术研发人员：林治强 江瑞 何晓钰 鲁永浩 胡磊
受保护的技术使用者：北京纪新泰富机电技术股份有限公司
技术研发日：2022.01.18
技术公布日：2022/5/25