[发明专利]一种基于字典学习的冷却系统性能预警方法

权利要求书

1.一种基于字典学习的冷却系统性能预警方法，其特征在于：冷却系统的冷却器上布置有传感器和油泵变频器，所述传感器和油泵变频器用来测量冷却系统的运行数据；所述冷却器上安装有PLC控制器用来采集测量得到的运行数据；所述PLC控制器与云端服务器相连，所述云端服务器对这些数据先进行离线字典学习，从而分别对每组冷却器建立性能预警模型；离线字典学习阶段完成后，便进入到在线预警阶段，利用建立好的性能预警模型对冷却系统进行实时性能预警。

2.根据权利要求1所述的一种基于字典学习的冷却系统性能预警方法，其特征在于：所述运行数据包括冷却器的温度、压力、流量以及油泵变频器的输出频率f_i。

3.根据权利要求2所述的一种基于字典学习的冷却系统性能预警方法，其特征在于：

离线字典学习阶段包括以下步骤：

LS1：设置冷却器组编号i＝1；

LS2：s_i＝0表示冷却器处于停运状态，s_i＝1表示冷却器处于运行状态，从数据库中选s_i＝1的运行数据；

LS3：从LS2步骤获得的数据中选择数据构成学习样本矩阵

LS4：设置字典学习参数，选择初始字典，启动离线字典学习，获得字典矩阵D_i、编码矩阵S_i；

LS5：获得了字典矩阵D_i、编码矩阵S_i后,按照计算冷却器组i的样本重建误差然后计算重建误差限limit_i；

LS6：保存冷却器组i字典学习的结果；

LS7：增加冷却器组编号并转到LS2，开始下一组冷却器的学习建模；

当所有冷却器组都学习完成后便退出离线字典学习过程。

4.根据权利要求3所述的一种基于字典学习的冷却系统性能预警方法，其特征在于：遴选样本时需全面覆盖冷却器组i的运行工况，样本采集的容量大于或等于500。

5.根据权利要求3所述的一种基于字典学习的冷却系统性能预警方法，其特征在于：所述离线字典学习包括稀疏编码和字典更新两个步骤，两个步骤分别采用OMP算法和KSVD算法。

6.根据权利要求3所述的一种基于字典学习的冷却系统性能预警方法，其特征在于：采用核密度估计方法计算重建误差限limit_i。

7.根据权利要求3所述的一种基于字典学习的冷却系统性能预警方法，其特征在于：离线字典学习阶段完成后，即可转到在线预警阶段；当云端服务器从PLC控制器获得冷却系统的实时运行数据后，即可调用在线预警功能，在线预警阶段分为以下几个步骤：

AS1：设冷却器组编号i＝1；

AS2：从实时数据库取出冷却系统的实时运行数据，判断冷却器组i是否处于运行状态，若却器组i不在运行状态，则跳过对此冷却器组i的处理；

AS3：若冷却器组i处于运行状态，则从实时数据库中选取s_i＝1的运行数据；

AS4：构成实时样本用于表征冷却器组i的状态，并用于后续的冷却器性能监测和预警；

AS5：调用学习阶段保存的字典矩阵D_i，采用OMP算法计算编码向量其中

AS6：由编码向量和字典矩阵D_i计算实时样本的重建误差其中

AS7：判断重建误差与重建误差限limit_i的关系；

AS8：若连续采样的重建误差都大于重建误差限limit_i，则表明冷却器组i性能劣化，需要进行预警；若连续采样的重建误差都小于或等于重建误差限limit_i，则不进行预警；

AS9：增加冷却器组编号并转到步骤AS2，开始下一组冷却器的预警处理；

当冷却器系统的所有冷却器组都处理完成则退出在线预警功能块，下一次采样到来并存入实时数据库后，将再次调用在线预警功能，完成对冷却系统的实时性能预警。