[发明专利]一种冷源系统冷量智能预测方法、系统及存储介质

权利要求书

1.一种冷源系统冷量智能预测方法，其特征在于，包括：

获取待分析冷源系统的历史的运行数据集，确定所述运行数据集中影响冷量的因素作为特征变量，并确定所述特征变量的数据单位；

根据所述特征变量之间的关联关系，构建不同特征变量间的关联关系图；

根据所述数据单位、所述特征变量构建同类特征集合，并根据特征变量的性质，将所述同类特征集合划分为同质特征子集；

基于所述同质特征子集构建同质特征蒙版矩阵，并基于所述同质特征蒙版矩阵对所述关联关系图的节点之间的关联关系进行重新分配，获得蒙版关联图；

基于所述蒙版关联图确定得到目标图神经网络模型，将实时获取的待分析冷源系统的待测数据输入所述目标图神经网络模型，得到所述目标图神经网络模型输出的预测冷量。

2.根据权利要求1所述的冷源系统冷量智能预测方法，其特征在于，所述关联关系图包括节点和边，其中，节点表示冷量预测所使用的特征变量，边表示特征变量间的关联关系系数。

3.根据权利要求1所述的冷源系统冷量智能预测方法，其特征在于，所述关联关系图满足图结构的邻接矩阵A_COR的数学表达式，其数学表达式满足如下公式：

A_CORij＝COR(f_i,f_j)；

其中，COR表示计算第i个特征变量f_i和第j个特征变量f_j之间的关联系数，A_CORij为邻接矩阵A_COR的第i行，第j列的元素，该元素取值为第i个特征变量f_i和第j个特征变量f_j之间的关联系数，关联系数为范围0至1的正实数，关联系数越接近1，表示f_i和f_j之间的关联性越强。

4.根据权利要求1所述的冷源系统冷量智能预测方法，其特征在于，所述根据特征变量的性质，将所述同类特征集合划分为同质特征子集，包括：

根据所述特征变量的数据来源以及所述特征变量所属的同类特征集合判断所述特征变量两两之间是否具有同质性，若具有同质性，则将所述同类特征集合划分为同质特征子集，其中，判断所述特征变量两两之间是否具有同质性的步骤如下：

两种特征变量属于同一同类特征集合，且；

两种特征变量数据从同种类设备中获得，且；

两种特征变量表征的是同一种物理变化过程或两种特征表征的是同种类设备的同一种运行状态指标。

5.根据权利要求1所述的冷源系统冷量智能预测方法，其特征在于，所述同质特征蒙版矩阵A_M满足如下公式：

其中，A_Mij为同质特征蒙版矩阵A_M的第i行，第j列的元素，该元素取值为第i个特征变量和第j个特征变量之间的蒙版权重，当第i个特征变量和第j个特征变量在同一个所述同质特征子集中时，A_Mij取强权重，当第i个特征变量和第j个特征变量不在同一个所述同质特征子集中时，A_Mij取弱权重；

所述强权重和弱权重均为介于0至1的正实数，所述强权重的数值恒大于所述弱权重，所述强权重和所述弱权重用于重新分配所述关联关系图的节点之间的关联关系。

6.根据权利要求5所述的冷源系统冷量智能预测方法，其特征在于，所述对所述关联关系图的节点之间的关联关系进行重新分配，通过以下公式实现：

A_MBij＝A_CORij·A_Mij；

其中，矩阵A_MB为蒙版关联图的数学表征,A_MBij为蒙版关联图的数学表征的第i行，第j列的元素，该元素取值为第i个特征和第j个特征之间的重新分配后的权重。