[发明专利]水冷空调系统运行状态健康度的预测方法、装置及系统

权利要求书

1.一种水冷空调系统运行状态健康度的预测方法，其特征在于，包括：

建立神经网络预测模型；

将训练样本数据带入所述神经网络预测模型，对所述神经网络预测模型进行训练，并获取所述神经网络预测模型的各个网络节点的权重值，确定最终的神经网络预测模型；

将待预测样本数据输入所述最终的神经网络预测模型，通过所述最终的神经网络预测模型预测得到水冷空调系统的未来运行状态；

通过健康度评估模型将所述最终的神经网络预测模型预测的水冷空调系统的未来运行状态，转换为健康度的评估值；

通过健康度评估模型将所述最终的神经网络预测模型预测的水冷空调系统的未来运行状态，转换为健康度的评估值，具体包括：

确定水冷空调系统运行状态的关键指标的阈值，并构建归一化函数；

设定关键指标的初始权重值，并进行变权重处理；

基于综合评价法建立水冷空调系统未来运行状态的健康度评价模型，给出健康度分值，将分值映射到区间[0，100]；

所述健康度评估模型为：

其中，w_i'为指标变换后的权重值，通过系数调整可将健康度分值从区间[0，1]映射到区间[0，100]；

权重变换公式：

其中，w_i为指标的初始权重值，w_i'为指标变换后的权重值，x_i为指标归一化后的值，α为函数参数，取值范围为[0，1]。

2.根据权利要求1所述的方法，其特征在于，建立神经网络预测模型，具体包括：

通过前馈神经网络方式建立所述神经网络预测模型，所述神经网络预测模型包括输入层，隐藏层和输出层，并根据水冷空凋系统的物理结构，运营人员关注的重点指标和模型的预测特性调整所述神经网络预测模型，包括输入层，隐藏层和输出层的数量。

3.根据权利要求2所述的方法，其特征在于，

输入层神经元个数为29个，隐藏层神经元个数为10个，输出层神经元个数为3个；

隐藏层的传递函数为Tan-Sigmoid函数，输出层的传递函数为正比例线性函数。

4.根据权利要求1所述的方法，其特征在于，还包括：

对所述训练样本数据和所述待预测样本数据进行去噪，去除异常值，并进一步对数据进行切片，对齐测点时间标记；

对所述训练样本数据和所述待预测样本数据进行归一化，将其映射到预设区间；

对所述训练样本数据随机分为训练样本，交叉验证样本和检验样本。

5.根据权利要求4所述的方法，其特征在于，将待预测样本数据输入所述最终的神经网络预测模型，通过所述最终的神经网络预测模型预测得到水冷空调系统的未来运行状态，具体包括：

将待预测样本数据输入所述最终的神经网络预测模型，通过所述最终的神经网络预测模型预测得到水冷空调系统的未来运行状态，并对未来运行状态进行反归一化处理。

6.根据权利要求1-5中任意一项所述的方法，其特征在于，将训练样本数据带入所述神经网络预测模型，对所述神经网络预测模型进行训练，并获取各个网络节点的权重值，具体包括：

神经网络权重的初始化采用小数值随机数法或Nguyen-Widrow初始化算法；

性能评价指标采用平均相对误差绝对值MAPE，训练算法采用Levenberg-Marquardt反向传播算法，最大迭代次数为1000，交叉验证检验次数为6次，确定最终的神经网络预测模型。