本發(fā)明涉及能耗預(yù)測(cè)，尤其涉及機(jī)房能耗預(yù)測(cè)方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)和程序產(chǎn)品。

背景技術(shù)：

1、現(xiàn)有技術(shù)中，機(jī)房能耗預(yù)測(cè)方法通過(guò)構(gòu)建時(shí)間序列分解模型，對(duì)用電量數(shù)據(jù)序列進(jìn)行時(shí)序關(guān)系建模，提取用電量數(shù)據(jù)特征進(jìn)行預(yù)測(cè)，獲取每個(gè)時(shí)刻對(duì)應(yīng)的用電量預(yù)測(cè)值作為異常識(shí)別的比對(duì)值。這種方法針對(duì)用電量數(shù)據(jù)的時(shí)序相關(guān)性進(jìn)行建模，能較好地保存歷史數(shù)據(jù)的變化趨勢(shì)、周期特征等相關(guān)信息，區(qū)分出正常和異常數(shù)據(jù)。

2、然而，由于通信機(jī)房的能耗、設(shè)備、性能氣象存在非線(xiàn)性關(guān)系，現(xiàn)有方法存在空間相關(guān)性維度缺失、無(wú)法處理多變量時(shí)間序列和準(zhǔn)確性較差等問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供機(jī)房能耗預(yù)測(cè)方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)和程序產(chǎn)品，用以解決現(xiàn)有技術(shù)中空間在相關(guān)性維度缺失、無(wú)法處理多變量時(shí)間序列和準(zhǔn)確性較差的缺陷。

2、本發(fā)明提供一種機(jī)房能耗預(yù)測(cè)方法，包括：采集機(jī)房的歷史數(shù)據(jù)，其中歷史數(shù)據(jù)包括氣象數(shù)據(jù)、設(shè)備信息、業(yè)務(wù)量數(shù)據(jù)和機(jī)房能耗數(shù)據(jù)；對(duì)歷史數(shù)據(jù)進(jìn)行關(guān)聯(lián)聚合處理和歸一化處理，得到待判別數(shù)據(jù)；將待判別數(shù)據(jù)輸入能耗預(yù)測(cè)模型，得到能耗預(yù)測(cè)模型輸出的能耗預(yù)測(cè)結(jié)果；其中能耗預(yù)測(cè)模型能夠?qū)⒆韵嚓P(guān)特征與深度特征融合，將融合特征輸入線(xiàn)性層以得到能耗預(yù)測(cè)結(jié)果。

3、根據(jù)本發(fā)明提供的一種機(jī)房能耗預(yù)測(cè)方法，將待判別數(shù)據(jù)輸入能耗預(yù)測(cè)模型，得到能耗預(yù)測(cè)模型輸出的能耗預(yù)測(cè)結(jié)果之后，包括：將能耗預(yù)測(cè)結(jié)果及實(shí)際發(fā)生的能耗數(shù)據(jù)通過(guò)異常閾值判別算法計(jì)算新的異常值；將新的異常值與原本的異常值進(jìn)行比較，根據(jù)比較結(jié)果得到異常清單；其中異常清單用以判斷能耗是否異常。

4、根據(jù)本發(fā)明提供的一種機(jī)房能耗預(yù)測(cè)方法，將待判別數(shù)據(jù)輸入能耗預(yù)測(cè)模型，得到能耗預(yù)測(cè)模型輸出的能耗預(yù)測(cè)結(jié)果之前，包括：構(gòu)建能耗預(yù)測(cè)模型，利用多尺度分類(lèi)網(wǎng)絡(luò)的自相關(guān)特征和深度特征提取出數(shù)據(jù)特征，提取時(shí)序特征和空間特征；其中，自相關(guān)特征用于反映在數(shù)據(jù)在不同時(shí)間延遲下的相關(guān)性；深度特征由兩個(gè)全連接層和一個(gè)卷積層組成。

5、根據(jù)本發(fā)明提供的一種機(jī)房能耗預(yù)測(cè)方法，深度特征中，將測(cè)試集輸入多尺度分類(lèi)網(wǎng)絡(luò)，通過(guò)交叉驗(yàn)證的方式得到第一個(gè)全連接層為16維，第二個(gè)全連接層為20維，最后一個(gè)卷積核長(zhǎng)度為10的一維卷積，將數(shù)據(jù)降維到11維。

6、根據(jù)本發(fā)明提供的一種機(jī)房能耗預(yù)測(cè)方法，對(duì)歷史數(shù)據(jù)進(jìn)行關(guān)聯(lián)聚合處理和歸一化處理，得到待判別數(shù)據(jù)，包括：在特定的時(shí)間單位小時(shí)粒度內(nèi)將歷史數(shù)據(jù)進(jìn)行關(guān)聯(lián)匯總，得到第一中間數(shù)據(jù)；對(duì)第一中間數(shù)據(jù)采用最小最大值歸一化處理，將數(shù)據(jù)映射到[0,1]之間，得到待判別數(shù)據(jù)。

7、根據(jù)本發(fā)明提供的一種機(jī)房能耗預(yù)測(cè)方法，異常閾值判別算法at的公式為：其中，pre為能耗預(yù)測(cè)結(jié)果，true為實(shí)際發(fā)生的能耗數(shù)據(jù)。

8、本發(fā)明還提供一種機(jī)房能耗預(yù)測(cè)裝置，包括：數(shù)據(jù)對(duì)接模塊，用于采集機(jī)房的歷史數(shù)據(jù)，其中歷史數(shù)據(jù)包括氣象數(shù)據(jù)、設(shè)備信息、業(yè)務(wù)量數(shù)據(jù)和機(jī)房能耗數(shù)據(jù)；數(shù)據(jù)處理模塊，用于對(duì)歷史數(shù)據(jù)進(jìn)行關(guān)聯(lián)聚合處理和歸一化處理，得到待判別數(shù)據(jù)；能耗預(yù)測(cè)模塊，用于將待判別數(shù)據(jù)輸入能耗預(yù)測(cè)模型，得到能耗預(yù)測(cè)模型輸出的能耗預(yù)測(cè)結(jié)果；其中能耗預(yù)測(cè)模型能夠?qū)⒆韵嚓P(guān)特征與深度特征融合，將融合特征輸入線(xiàn)性層以得到能耗預(yù)測(cè)結(jié)果。

9、本發(fā)明還提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如上述任一種所述機(jī)房能耗預(yù)測(cè)方法。

10、本發(fā)明還提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述機(jī)房能耗預(yù)測(cè)方法。

11、本發(fā)明還提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述機(jī)房能耗預(yù)測(cè)方法。

12、本發(fā)明提供的機(jī)房能耗預(yù)測(cè)方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)和程序產(chǎn)品，該方法包括：采集機(jī)房的歷史數(shù)據(jù)，其中歷史數(shù)據(jù)包括氣象數(shù)據(jù)、設(shè)備信息、業(yè)務(wù)量數(shù)據(jù)和機(jī)房能耗數(shù)據(jù)；對(duì)歷史數(shù)據(jù)進(jìn)行關(guān)聯(lián)聚合處理和歸一化處理，得到待判別數(shù)據(jù)；將待判別數(shù)據(jù)輸入能耗預(yù)測(cè)模型，得到能耗預(yù)測(cè)模型輸出的能耗預(yù)測(cè)結(jié)果；其中能耗預(yù)測(cè)模型能夠?qū)⒆韵嚓P(guān)特征與深度特征融合，將融合特征輸入線(xiàn)性層以得到能耗預(yù)測(cè)結(jié)果。通過(guò)上述方式，本發(fā)明通過(guò)采集多元數(shù)據(jù)，采用多尺度分類(lèi)網(wǎng)絡(luò)構(gòu)建能耗識(shí)別模型，將自相關(guān)特征與深度特征進(jìn)行融合，進(jìn)行機(jī)房能耗預(yù)測(cè)，可以更準(zhǔn)確地揭示能源消耗的模式和趨勢(shì)，從而提高預(yù)測(cè)的準(zhǔn)確度。

技術(shù)特征：

1.一種機(jī)房能耗預(yù)測(cè)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的機(jī)房能耗預(yù)測(cè)方法，其特征在于，所述將所述待判別數(shù)據(jù)輸入能耗預(yù)測(cè)模型，得到所述能耗預(yù)測(cè)模型輸出的能耗預(yù)測(cè)結(jié)果之后，包括：

3.根據(jù)權(quán)利要求1所述的機(jī)房能耗預(yù)測(cè)方法，其特征在于，所述將所述待判別數(shù)據(jù)輸入能耗預(yù)測(cè)模型，得到所述能耗預(yù)測(cè)模型輸出的能耗預(yù)測(cè)結(jié)果之前，包括：

4.根據(jù)權(quán)利要求3所述的機(jī)房能耗預(yù)測(cè)方法，其特征在于，所述深度特征中，將測(cè)試集輸入多尺度分類(lèi)網(wǎng)絡(luò)，通過(guò)交叉驗(yàn)證的方式得到第一個(gè)全連接層為16維，第二個(gè)全連接層為20維，最后一個(gè)卷積核長(zhǎng)度為10的一維卷積，將數(shù)據(jù)降維到11維。

5.根據(jù)權(quán)利要求1所述的機(jī)房能耗預(yù)測(cè)方法，其特征在于，所述對(duì)所述歷史數(shù)據(jù)進(jìn)行關(guān)聯(lián)聚合處理和歸一化處理，得到待判別數(shù)據(jù)，包括：

6.根據(jù)權(quán)利要求2所述的機(jī)房能耗預(yù)測(cè)方法，其特征在于，所述異常閾值判別算法at的公式為：

7.一種機(jī)房能耗預(yù)測(cè)裝置，其特征在于，包括：

8.一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至6任一項(xiàng)所述機(jī)房能耗預(yù)測(cè)方法。

9.一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至6任一項(xiàng)所述機(jī)房能耗預(yù)測(cè)方法。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至6任一項(xiàng)所述機(jī)房能耗預(yù)測(cè)方法。

技術(shù)總結(jié)
本發(fā)明涉及能耗預(yù)測(cè)技術(shù)領(lǐng)域，提供機(jī)房能耗預(yù)測(cè)方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)和程序產(chǎn)品，該方法包括：采集機(jī)房的歷史數(shù)據(jù)，其中歷史數(shù)據(jù)包括氣象數(shù)據(jù)、設(shè)備信息、業(yè)務(wù)量數(shù)據(jù)和機(jī)房能耗數(shù)據(jù)；對(duì)歷史數(shù)據(jù)進(jìn)行關(guān)聯(lián)聚合處理和歸一化處理，得到待判別數(shù)據(jù)；將待判別數(shù)據(jù)輸入能耗預(yù)測(cè)模型，得到能耗預(yù)測(cè)模型輸出的能耗預(yù)測(cè)結(jié)果；其中能耗預(yù)測(cè)模型能夠?qū)⒆韵嚓P(guān)特征與深度特征融合，將融合特征輸入線(xiàn)性層以得到能耗預(yù)測(cè)結(jié)果。通過(guò)上述方式，本發(fā)明通過(guò)采集多元數(shù)據(jù)，采用多尺度分類(lèi)網(wǎng)絡(luò)構(gòu)建能耗識(shí)別模型，將自相關(guān)特征與深度特征進(jìn)行融合，進(jìn)行機(jī)房能耗預(yù)測(cè)，可以更準(zhǔn)確地揭示能源消耗的模式和趨勢(shì)，從而提高預(yù)測(cè)的準(zhǔn)確度。

技術(shù)研發(fā)人員：陳志文,黃琰奕,嚴(yán)展鴻,陳志明,何佳諭
受保護(hù)的技術(shù)使用者：中國(guó)移動(dòng)通信集團(tuán)設(shè)計(jì)院有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21