[发明专利]基于CLARA聚类的制造加工设备群能效状态评价方法

说明书

本发明提出了一种基于CLARA聚类的制造加工设备群能效状态评价方法，用以解决现有技术中存在的评价可靠性较差的技术问题，实现步骤为：获取设备群的能效状态训练数据集和能效状态验证数据集；对能效状态训练数据集和能效状态验证数据集进行预处理；对CLARA聚类算法进行优化；获取设备群在指定时间区间内的能效状态评价结果。本发明通过采集、构造设备群中设备的相关运行参数，通过网格搜索法寻找CLARA聚类算法的最优中心点个数和最优选样次数，通过优化后的CLARA聚类算法对能效状态验证数据集进行聚类处理，具有评价可靠性高和评价成本低的特点，可用于工厂设备的运行状态检测。

技术领域

本发明属于工业大数据技术领域，涉及一种设备群能效状态评价方法，具体涉及一种基于CLARA聚类的制造加工车间设备群能效状态评价方法，可用于工厂设备运行状态检测。

背景技术

制造加工车间中设备种类繁杂、设备数量繁多、制造上下游产线间依赖关系强。现有的设备管理措施存在单一、粗放等特点，造成了制造加工车间高能耗和设备低能效等问题，给企业技术管理、日常运营、成本管控等带来了诸多问题。

为了保证制造加工车间设备群的高能效运行，需要引入设备群能效状态评价技术，客观地评价当前制造车间中各个设备的能效情况，结合现场运行人员的经验合理分配设备加工资源。

现有的制造加工车间设备群能效评价方法分为基于定义能效指标、基于定量能量分析方法和基于统计与人工智能算法三类。

基于定义能效指标是制造加工车间根据运行实际情况及相关行业知识，通过经验试验公式、数据包络分析等方式进行计算，进而评估车间内设备群的能效；基于定量能量分析方法是通过运行能耗试验的方式进行评估，通过指定的能量计算方法，定量地测算设备的能效；基于统计与人工智能算法是通过统计学习如假设检验、似然估计，机器学习算法如分类算法、聚类算法等来评估设备群的运行能效。

基于统计与人工智能算法是一种典型的制造加工车间设备群能效评价方法，例如申请公布号为CN 110210730 A，名称为“一种区域综合能源系统能效状态评价方法”，公开了一种区域综合能源系统能效评价方法，该方法通过对区域综合能源系统设备的历史数据进行采集、分析并存储；采用模糊C均值方法确定系统能效基准状态，并结合多元状态估计，构建多指标融合的能效状态评价模型；采用欧氏距离衡量观测向量与估计向量之间的残差大小，计算能效状态指数；采用核密度估计方法估计能效状态指数的概率密度分布，通过设定置信度确定评语等级阈值，根据滑窗内的能效状态指数的平均值确定系统的能效状态评语等级，解决了区域综合能源系统在复杂边界下的能效状态，有助于了解并掌握当前工况下系统的能效水平。但其存在的缺陷是：第一，该方法在建立能效评价模型时需要较多的通过专家经验确定的相关模型参数，降低了能效评估结果的可靠性，不稳定较差；第二，该方法在训练能效评价模型时所采集的数据种类过多，需要系统部署较多的采集传感器，导致评估成本较高。

发明内容

本发明的目的在于克服上述现有技术存在的缺陷，提供了一种基于CLARA聚类的运行设备群能效状态评价方法，用以解决现有技术中存在的评价可靠性较差的技术问题。

为实现上述目的，本发明的技术方案包括如下步骤：

(1)获取设备群E的能效状态训练数据集Ω和能效状态验证数据集Ω′：