[发明专利]建筑运维设备异常诊断方法、系统及计算机可读存储介质

权利要求书

1.一种建筑运维设备异常诊断方法，其特征在于，包括步骤：

获取历史逐预设时间段单天能耗值，作为建筑设备单天数据向量；

对所述数据向量进行预处理后，进行特征提取，得到特征向量；其中，所述特征向量的特征值包括：设备开启时间、开启区间能耗均值和能耗方差；

采用聚类算法对所述特征向量进行聚类计算，得到所述单天能耗值的聚类标签；

采用随机森林算法构建影响因素与所述聚类标签之间的分类模型；其中，所述影响因素包括温度、湿度、月份、节假日和风速；

根据天气预报获取的未来天的影响因素和所述分类模型，得到未来天设备运行的波动范围。

2.根据权利要求1所述的建筑运维设备异常诊断方法，其特征在于，在所述采用聚类算法对所述单天特征向量进行聚类计算，得到所述单天能耗值的聚类标签之后，所述采用随机森林算法构建影响因素与所述聚类标签之间的分类模型之前，还包括采用smote采样算法对所述聚类标签的数量进行平衡。

3.根据权利要求1所述的建筑运维设备异常诊断方法，其特征在于，所述预处理包括：删除异常波动天的数据向量值。

4.根据权利要求1所述的建筑运维设备异常诊断方法，其特征在于，还包括当检测到设备关闭区间段内实际能耗值大于开启阈值时，启动报警装置；

或者，当检测到开启时间段实际能耗大于历史上限130％或小于历史下限70％，连续3个点及以上启动报警。

5.根据权利要求1所述的建筑运维设备异常诊断方法，其特征在于，所述聚类算法采用DBSCAN聚类算法。

6.一种建筑运维设备异常诊断系统，其特征在于，包括：

获取模块，用于获取历史逐预设时间段单天能耗值，作为建筑设备单天数据向量；

预处理和特征提取模块，用于对所述数据向量进行预处理后，进行特征提取，得到特征向量；其中，所述特征向量的特征值包括：设备开启时间、开启区间能耗均值、和能耗方差；

聚类模块，用于采用聚类算法对所述特征向量进行聚类计算，得到所述单天能耗值的聚类标签；

分类模型构建模块，用于采用随机森林算法构建影响因素与所述聚类标签之间的分类模型；其中，所述影响因素包括温度、湿度、月份、节假日和风速；

波动预测模块，用于根据天气预报获取的未来天的影响因素和所述分类模型，得到未来天设备运行的波动范围。

7.根据权利要求6所述的建筑运维设备异常诊断系统，其特征在于，还包括：数据平衡模块和报警模块；其中，所述聚类平衡模块用于采用smote采样算法对所述聚类标签的数量进行平衡；所述报警模块用于当检测到设备关闭区间段内实际能耗值大于开启阈值时，启动报警装置；

或者，当检测到开启时间段实际能耗大于历史上限130％或小于历史下限70％，连续3个点及以上启动报警。

8.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器处理上述权利要求1-6中任一项所述方法步骤。

9.一种电子设备，其特征在于，该电子设备包括：

处理器；以及，

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1-6中任一项所述的方法。