[发明专利]使用回归模型的能量基础设施传感器数据校正

说明书

相关申请的交叉参考

本申请根据35U.S.C.§119(e)要求于2014年6月20日提交的题为“ENERGY INFRASTRUCTURE SENSOR DATA RECTIFICATION USING REGRESSION”的编号为62/015,233的美国临时专利申请的优先权，其全部公开内容通过引用并入本文。

关于联邦资助的研究和开发的声明

本发明是根据由美国陆军提交的合同号W911NF-11-1-0511的政府支持进行的。政府在本发明中享有一定的权利。

技术领域

本发明涉及使用回归模型的能量基础设施传感器数据校正。

背景技术

随着更多的设备、建筑物和能源被添加到能量网络中，对能量基础设施系统的稳定性的监视和预测的需求变成越来越关键的需求。大规模互联电力系统中广泛的断电在世界各地重复出现。例子包括1965年东北美洲停电、1996年北美洲西部停电和2003年北美和欧洲停电，以及2012年8月印度的大规模停电，其中电网接近崩溃，并且使7亿人几天没有电力。

发明内容

本公开描述了一种用于使用机器学习方法在数据丢失期间估计物理数据(例如，能量基础设施传感器数据)的系统和方法。作为示例，可以使用随时间推移列出能量消耗的仪表来监视建筑物能量消耗。诸如设备故障或建筑物功率损失的故障的发生可以防止测量和记录一些能量消耗数据。这种事件可能频繁发生，并在测量数据中产生大的“间隙”。使用回归模型，系统可以预测建筑物能量使用量(usage)。回归模型包括但不限于线性回归、多项式回归、逻辑回归、多变量线性回归、神经网络、内核回归，诸如支持向量回归(SVR)等。当应用于数据不可用的时间段时，该技术允许系统在数据丢失期间校正能量基础设施传感器数据。

本公开的一个方面提供了一种用于物理数据校正的系统。该系统包括被配置为存储数据集的计算机数据仓库，该数据集包括由物理传感器测量的实际物理数据。该系统进一步包括计算系统，该计算系统包括一个或多个计算设备，该计算系统与计算机数据仓库通信并且被编程以实现：历史数据估计器，其被配置为：从计算机数据仓库检索实际物理数据，其中实际物理数据对应于第一时间间隔；确定与实际物理数据相关的参数；检索与所确定的参数相关联并且对应于第一时间间隔的第一测量值；使用机器学习生成所检索的第一测量值到所检索的实际物理数据的映射；检索与所确定的参数相关联并且对应于不同于第一时间间隔的第二时间间隔的第二测量值；以及使用所检索的第二测量值和所生成的映射来估计第二时间间隔的物理数据。

前述段落的系统可以具有以下特征的任何子组合：其中历史数据估计器进一步被配置为：使用检索到的第一测量值和所生成的映射来估计第一时间间隔的第二物理数据，将估计的第二物理数据与检索的实际物理数据相比较，并且基于比较确定与物理传感器相关联的性能基准检测(benchmark)；其中历史数据估计器进一步被配置为：使用所检索的第一测量值和所生成的映射来估计第一时间间隔的第二物理数据、将所估计的第二物理数据与所检索的实际物理数据比较、基于所述比较确定所估计的第二物理数据和检索的实际物理数据之间的差、并且响应于差大于阈值的确定来确定故障已经发生；其中历史数据估计器进一步被配置为向用户设备发送故障已经发生的指示；其中物理传感器位于建筑物、工业过程、车辆、电力网、可再生能源或常规能量源中的一个中；其中计算机系统进一步被编程以实现数据预测器，所述数据预测器被配置为：基于所估计的物理数据生成控制序列，并将控制序列发送到控制系统，使得控制系统可以调节物理传感器的操作；其中控制系统是监督和数据采集系统；其中参数是一天中的小时、星期几、温度、太阳辐射或相对湿度中的至少一个；其中实际物理数据包括电压、电流、温度、湿度、空气流量、电力使用量、水使用量、气体使用量、占有率、光、烟雾或网络分组中的至少一个；其中物理传感器包括恒温器、恒湿器或公用事业仪表中的至少一个；其中历史数据估计器进一步被配置为使用回归模型生成映射；并且其中回归模型包括支持向量回归。