[发明专利]基于人工智能的大型医疗设备能耗预测方法和终端设备

说明书

本发明涉及基于人工智能的大型医疗设备能耗预测方法和终端设备，包括以下步骤：S11：获取大型医疗设备的运行时间和医院的工作时间，并确定所述大型医疗设备开启的台数；S12：基于所述大型医疗设备的运行时间、医院的工作时间以及所述大型医疗设备开启的台数，计算所述大型医疗设备的第一负荷率；S13：根据所述第一负荷率，采用BP神经网络算法进行训练，以预测所述大型医疗设备的第二负荷率。本发明通过利用人工智能技术对大型医疗设备的能耗负荷率进行预测，根据预测值控制设备的开关机，减少设备待机时间，节约能源。

技术领域

本发明涉及医院中大型医疗设备的节能领域，更具体地说，涉及一种基于人工智能的大型医疗设备能耗预测方法和终端设备。

背景技术

随着医疗事业的发展，医院规模不断扩大，医院能源消耗剧增，用电量更是居高不下。目前大部分大型综合医院采取的仍然是粗放式的能源管理方法和低层次的技术手段，导致能耗数据残缺不全、能耗管理成本过高、能耗评估机制缺失、节能方案实施不力等诸多问题，使得节能减排工作不能得到有效落实。

据统计，医院能耗高的原因主要有两点，首先是大型医疗设备的能耗，相比一般公共建筑特殊用电高出10％左右；其次，由于不间断地运行中央空调和开启照明，也导致了医院建筑比其他公共建筑能耗更高。

在医院大型医疗设备的能耗方面，由于没有有效的设备开启台数预测手段，大型设备的管理人员上班就将设备开启，即使没有患者，设备也处于待机状态。然而，这些大型医疗设备待机所消耗的电量惊人，尤其是当大型综合医院拥有多台医疗设备时，其待机耗电量更是成倍增长，大大浪费了能源，增加了医院的能耗。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于人工智能的大型医疗设备能耗预测方法、终端设备以及可读存储介质。

本发明解决其技术问题所采用的技术方案是：一种基于人工智能的大型医疗设备能耗预测方法，包括以下步骤：

S11：获取大型医疗设备的运行时间和医院的工作时间，并确定所述大型医疗设备开启的台数；

S12：基于所述大型医疗设备的运行时间、医院的工作时间以及所述大型医疗设备开启的台数，计算所述大型医疗设备的第一负荷率；

S13：根据所述第一负荷率，采用BP神经网络算法进行训练，以预测所述大型医疗设备的第二负荷率。

优选地，所述步骤S11进一步包括：

接收所述大型医疗设备的开启信号和关闭信号，所述开启信号与所述大型医疗设备关联；

根据所获取开启信号和关闭信号，确定所述大型医疗设备开启的台数以及运行时间。

优选地，所述步骤S12进一步包括：

接收输入的医院上下班时间的设定值，根据所述设定值确定医院的工作时间；

根据所述医院的工作时间，对所获取的大型医疗设备的运行时间进行剔除处理，确定所述大型医疗设备的有效运行时间；

基于所述有效运行时间、医院的工作时间以及所述大型医疗设备开启的台数，计算所述大型医疗设备的第一负荷率。

优选地，所述步骤S13之前包括：

对所述BP神经网络算法的训练模型进行参数设置。

优选地，所述步骤S13进一步包括：

通过已设置完成的训练模型，对所述第一负荷率的数据进行训练，获得所述第二负荷率。

优选地，所述步骤S13进一步还包括：

对所述第一负荷率的数据进行归一化处理，获得归一化负荷率；