[发明专利]一种基于混合数据挖掘的电梯运行状态评价方法和系统

权利要求书

1.一种基于混合数据挖掘的电梯运行状态评价方法，其特征在于，包括：

步骤1，采集电梯的运行状态大数据和实时用电量数据；

步骤2，对所述运行状态大数据中的各个变量进行处理，得到常态曲线CN和异常特征曲线CA；

步骤3，根据所述各个变量的所述CN，按照层次分析法计算电梯的常态化运行状态得分SN；

步骤4，根据所述各个变量的所述CA，计算电梯的异常值得分SA；

步骤5，根据所述SN和所述SA，评估电梯运行状态。

2.如权利要求1所述的方法，其特征在于：

所述步骤1中采用传感器采集电梯运行状态的各项数据，剔除异常及丢包率较高的传感器数据；

和/或，

所述步骤3还包括：

对电梯的评价进行层次划分，划分为变量层、中间层与目标层；

其中，所述变量层包括经过处理的各传感器采集的多源数据的CN；所述中间层为电梯的分项评分指标，包括运行强度、安全指数、故障指数、管理指数和能耗指数；所述目标层为电梯的常态化运行状态得分；

和/或，

所述步骤4还包括：

异常值得分SA通过下式计算：

其中NA为CA序列中值大于2.5的点数量，N为序列总长；

和/或，

所述步骤5还包括：

采用层次聚类算法划分电梯运行状态，并生成自动化的支持向量机(SVM)评价模型，执行实时的电梯状态评价。

3.如权利要求2所述的方法，其特征在于，所述步骤3还包括：

采用层次分析法(AHP)构造比较矩阵计算变量层至中间层、中间层至目标层各层因素的权重；

其中，采用1-9标度法构造变量层比较矩阵，确定变量层构成中间层各指标的权值；采用主成分分析法(PCA)确定中间层构成目标层的权重。

4.如权利要求1所述的方法，其特征在于：所述步骤2包括：

步骤2.1，令X＝{xi}表示一个月内的一组传感器变量序列，做FFT后得到X的频域序列Y＝{y_i}，此时Y中元素全部是虚数；

步骤2.2，对所有y_i求模长，并进行从大到小的排序，然后取第k个模长作为过滤的限值T，k＝[0.1N]+1，其中N为X序列的长度；

步骤2.3，将Y中所有的模长小于T的元素设为0，但位置不能变化，将此时的Y作FFT逆变换，得到常态曲线CN；

步骤2.4，求原始曲线与CN的差值，记为D＝{d_i}，以W＝24小时为滑窗，计算异常特征曲线CA的所有元素，对于CA的第i个元素，计算公式为：

其中max(·)、min(·)为序列最大值和最小值，s(·)为序列的样本标准差，为

步骤2.5，对不同的变量类型处理得到的CN做归一化处理。

5.如权利要求4所述的方法，其特征在于，所述步骤2.5中的归一化处理包括：

采用直接归一化处理或者Sigmoid函数进行处理。

6.一种基于混合数据挖掘的电梯运行状态评价系统，其特征在于，包括：

采集模块，用于采集电梯的运行状态大数据和实时用电量数据；

数据处理模块，用于对所述运行状态大数据中的各个变量进行处理，得到常态曲线CN和异常特征曲线CA；

SN计算模块，用于根据所述各个变量的所述CN，按照层次分析法计算电梯的常态化运行状态得分SN；

SA计算模块，用于根据所述各个变量的所述CA，计算电梯的异常值得分SA；

评估模块，用于根据所述SN和所述SA，评估电梯运行状态。