[发明专利]物联网设备状态检测方法、计算机设备及存储介质

权利要求书

1.一种基于EM算法的高斯混合模型的物联网设备状态检测方法，其特征在于，包括以下步骤：

步骤1.数据获取，通过物联网数据库获取一定时间段内需要检测的每个耗能设备的历史用能数据；

步骤2.数据清洗，去除获取的数据中的异常数据，保留正常数据作为训练数据；

步骤3.建模并训练模型，获得高斯分布的最优参数；将每个耗能设备的历史用能数据逐一输入模型，通过EM算法，经过一定的迭代次数，得到该耗能设备的高斯混合模型的最优参数；

步骤4.计算每个耗能设备的各个状态的用能数据阈值范围；

步骤5.数据比对，将收到的耗能设备的用能数据与该耗能设备的各个状态的用能数据阈值范围进行对比，确定耗能设备的在采集时段内的工作状态。

2.根据权利要求1所述的一种基于EM算法的高斯混合模型的物联网设备状态检测方法，其特征在于，还包括：

步骤6.异常报警，当收到的耗能设备的用能数据超出各个状态的用能数据阈值范围时，即触发报警。

3.根据权利要求2所述的一种基于EM算法的高斯混合模型的物联网设备状态检测方法，其特征在于，

触发报警时具体产生两种警报：模型警报和耗能设备警报；模型警报：说明模型不能拟合当前数据，应该重新训练模型，获取新的用能数据阈值范围；设备警报：表明耗能设备用能异常。

4.根据权利要求1所述的一种基于EM算法的高斯混合模型的物联网设备状态检测方法，其特征在于，所述步骤2中数据清洗时包括以n分钟为基准，清洗掉采集的小于n分钟或者大于n分钟的用能数据。

5.根据权利要求1所述的一种基于EM算法的高斯混合模型的物联网设备状态检测方法，其特征在于，所述步骤3具体包括：

步骤3.1.对每个耗能设备分别建立一个高斯分量为k的高斯混合模型，得到模型目标函数：

其中：x表示历史用能数据；N()表示高斯分布；π_k表示权重，即第k个高斯分布在该模型的贡献大小；μ_k表示第k个高斯分布的均值，∑_k表示第k个高斯分布的方差；

步骤3.2.引入隐变量z_k，1＜＝z_k＜＝K，z_k表示该条数据属于第k个高斯分布，则γ(z_k)表示该条数据属于第k个高斯分布的概率：

计算π_k，μ_k，∑_k，对(1)式样本x连乘并取对数，然后分别对π_k，μ_k，∑_k求导可得：

其中，N代表该设备用能历史数据条数；

步骤3.3.利用EM算法求解；

E-step：根据π_k，μ_k，∑_k计算γ：

M-step：根据E-step计算出来的γ，计算新的π_k，μ_k，∑_k：

其中，E-step，第一次需要通过随机给定π_k，μ_k，∑_k的值计算γ，第二次及以后可根据M-step计算的π_k，μ_k，∑_k，计算γ；

M-step，根据E-step计算出的γ来算出新的

EM算法通过不断的迭代：E-step更新γ，M-step更新直到μ收敛或者经过一定迭代次数后停止，最终求出各个高斯分布的参数π_k，μ_k，∑_k；

步骤3.4.根据得到的模型参数得到k组参数的高斯分布，分别代表耗能设备不同状态的高斯分布。