[发明专利]一种基于联合学习的设备预测性维护方法及装置

说明书

本发明公开了一种基于联合学习的设备预测性维护方法、装置、可读介质及电子设备，该方法包括：在联合学习架构中，确定当前用户对应的准确度需求等级；基于所述当前用户对应的准确度需求等级，为所述当前用户选取目标集成预测模型，所述目标集成预测模型包括集成物理预测模型和/或集成回归预测模型；将所述目标集成预测模型下发给所述当前用户，以使得所述当前用户利用所述目标集成预测模型对当前用户的本地设备进行预测性维护。本发明提供的技术方案可以利用联合学习可以确定出准确性较高的集成物理预测模型和集成回归预测模型，从而可以满足当前用户对各种准确度等级的预测模型的需求。

技术领域

本发明涉及能源领域，尤其涉及一种基于联合学习的设备预测性维护方法及装置。

背景技术

综合能源系统中存在着大量的设备，各个设备通常都不是独立存在的，任何一个设备出现问题，都可能导致多个设备无法正常工作，因此设备的正常运行是综合能源系统高效运行的前提条件。为了保证设备的正常运行，通常需要对设备进行预测性维护，即在设备还未出现故障前，通过对设备的运行状态进行判断，预测出设备可能出现的故障。目前对在设备进行预测性维护时，常常需要获取大量的样本数据，构建物理模型，然而并不是每一个能源用户均可以收集海量的样本数据，构建出准确的物理模型，当能源用户的没有样本数据或样本数据量较少时，难以获取到准确度较高的故障预测模型。

发明内容

本发明提供了一种基于联合学习的设备预测性维护方法、装置、可读介质及电子设备，通过联合学习中心，可以获取到准确度较高的集成物理预测模型和集成回归预测模型，利用集成物理预测模型和集成回归预测模型可以满足各种用户对各种准确度等级的预测模型的需求。

第一方面，本发明提供了一种基于联合学习的设备预测性维护方法，包括：

在联合学习架构中，确定当前用户对应的准确度需求等级；

基于所述当前用户对应的准确度需求等级，为所述当前用户选取目标集成预测模型，所述目标集成预测模型包括集成物理预测模型和/或集成回归预测模型；

将所述目标集成预测模型下发给所述当前用户，以使得所述当前用户利用所述目标集成预测模型对当前用户的本地设备进行预测性维护。

优选地，

所述方法还包括：

接收所述当前用户发送的反馈信息，所述反馈信息中包括预测结果和真实结果；

基于所述反馈信息，更新所述目标集成预测模型。

优选地，

所述方法还包括：

确定目标用户发送的当前模型参数；

若所述当前模型参数对应为物理预测模型，则确定目标物理模型参数，基于所述目标物理模型参数和所述当前模型参数，确定集成物理预测模型；

若所述当前模型参数对应为回归预测模型，则确定目标回归模型参数，基于所述目标回归模型参数和所述当前模型参数，确定集成回归预测模型。

优选地，

若所述当前模型参数对应为物理预测模型，则所述当前模型参数为目标用户通过以下步骤获取：

获取本地设备的历史设备数据和历史天气数据；

基于所述历史设备数据和所述历史天气数据，确定设备故障点；

基于所述设备故障点和选取物理模型，确定对应为物理预测模型的当前模型参数。

优选地，

若所述当前模型参数对应为回归预测模型，则所述当前模型参数为目标用户通过以下步骤获取：