摘要
本发明属于能耗分析技术领域,提供了基于人工智能的能耗实时分析方法。方法包括:对多源异构数据进行时空对齐与融合,构建综合数据集;从综合数据集中截取当前时段的数据;KPCA模型将滑动窗口内的原始数据映射到高维特征空间并进行降维,以提取出数个非线性主成分;在达到更新时机时,采用增量学习算法对KPCA模型的核矩阵与特征子空间进行在线更新,计算各非线性主成分的方差贡献率;根据各非线性主成分的方差贡献率确定当前时段的关键能耗影响因子,至少基于关键能耗影响因子的数值分布、关联关系及变化趋势识别得出主要能耗模式。本发明利用改进的PCA对环锭纺纱场景的主要能耗模式进行更准确的分析。
技术关键词
实时分析方法
滑动窗口
方差贡献率
非瞬态计算机可读存储介质
增量学习算法
非线性
数据
矩阵
因子
特征值
能耗分析技术
网络特征
核密度估计法
模式匹配算法
分布特征
径向基核函数
设备运行参数
数值
系统为您推荐了相关专利信息
深度神经网络模型
结构损伤识别方法
联合损失函数
耦合机制
数据样本集合
工艺参数优化方法
方差贡献率
预测刀具
离线
切削刀具涂层
雷电预警方法
闪电定位数据
预警模型
大气电场仪
卷积网络模型
心率测量方法
滑动窗口
频段
索引表
射频发射模块