[发明专利]一种基于边缘技术的过程控制系统能耗管理方法和系统

权利要求书

1.一种基于边缘技术的过程控制系统能耗管理方法，其特征在于，包括如下步骤：

S1，通过生物识别设备采集登录人员的验证信息，与成员信息库进行多维度校验，生成登录指令信息，所述验证信息包括通过至少一生物识别设备获取的登录人员的人脸信息、指纹信息、密码锁输入信息中的一个或多个，并对其正则化后对应到与过程控制系统相关联的成员身份信息库哈希表，哈希表成员身份信息包括该人员所对应的员工编码、部门编码、岗位编码、权限等级和非公司人员授权编码；所述员工编码或非公司人员授权编码用于判断能否进入过程控制系统的主系统，所述部门编码、岗位编码和权限等级信息用于判断是否允许进入过程控制系统的不同子功能单元；

S2，生物识别设备执行动作后触发并通过预先分配好的成员信息维度记录进入过程控制系统后的成员在各维度的行为特征数据，所述行为特征数据包括成员身份信息、登录持续时间，进入频次，登录时间段、预留附属信息；根据各行为特征数据生成该成员的数据结构后保存至访问人员的历史数据库中；

S3，根据成员样本数量和成员登入系统频率设置统计周期，对统计周期内的各成员身份信息和相应的历史行为特征数据分别进行分类和回归；

采用类循环神经网络RNN进行连续时间序列的回归,其输出数据是与输入数据对应维度的时间序列Y_ij(t),其中i表示成员编号，j表示特征编号；采用类朴素贝叶斯算法NaiveBayes进行离散序列的分类，其输出数据是与输入数据对应维度的分布于自定义类别概率和的时间序列：其中i表示成员编号，j表示特征编号，Y_M表示M种自定义的类别,X_ij表示第i个成员的第j个特征，P为概率分布，t为时间序列下标，N为特征数量；根据生成的时间序列及与各类别数据预测的偏差范围曲线的收敛状态来筛选获取设置合理的分类维度和自学习模型；

S4，运用加权移动平均法，通过对各成员在各个生产装置的登录信息及所登录生产装置的来自过程控制系统的能源历史数据，进行周期性历史数据的加权移动平均，获取在下一周期各个生产单元或功能单元的资源消耗估计值；

获取多个周期的成员身份信息和行为特征数据的历史数据，将其作为训练数据集分别训练出对应员工编码、部门编码、岗位编码、权限等级和非公司人员授权编码的五类数据的SVM分类器，通过将员工编码、部门编码、岗位编码、权限等级和非公司人员授权编码五类数据进行标准化处理，采用max-min归一化，其中Wj表示为第j个成员的权重，k为特征的数量，其中Ej表示为第j个成员的信息熵，n为所有成员的总数，Pij表示为第i个样本的第j个成员在所有样本数据中的分布概率，Yij表示为第i个样本数据的第j个成员标准化后的值。

2.根据权利要求1所述的基于边缘技术的过程控制系统能耗管理方法，其特征在于，步骤S1还包括如下步骤：

S11，对于事先未分配成员的信息维度，通过进入过程控制系统后的行为特征数据，通过基于时间序列的类K-均值聚类算法，对成员进行聚类分析，获取该未分配成员的最适配权限等级，补充入其成员身份信息。

3.根据权利要求2所述的基于边缘技术的过程控制系统能耗管理方法，其特征在于，步骤S11具体包括：

S111，输入数据集合M_j和类别数K，其中j表示特征编号，随机分配K种类别的中心点位置：M_j(X,Y,Z)(t)，其中X、Y、Z为维度坐标系，X为持续时间，Y进入频次，Z时间段；

S112，将样本每个点所在的位置放入离它最近的类别中心点所在的集合Mj{Pi}，其中P表示成员，i表示成员编号；

S113，移动类别的中心点M_j(X,Y,Z)(t)到它所在的集合的中心位置，所述中心位置为||M||₃最小值的坐标，其中x为X、Y、Z的向量表示，即x＝[X,Y,Z]^T,i∈[0,1...N],N表示所有同类特征数据中心点在向量空间的位置，此时得到新的X、Y、Z坐标值M_j(X,Y,Z)(t+1)；

S114，继续循环执行上一步骤S113，直到最终M_j(X,Y,Z)趋于收敛后，结束循环；

S115，利用经过迭代后的基于时间序列的类K-均值聚类算法，对未分配成员的行为特征数据进行聚类分析，根据聚类结果获取该成员的最适配权限等级。