[发明专利]变频器滤网更换时间的预测方法、装置及计算机可读介质

权利要求书

1.一种变频器滤网更换时间的预测方法，其特征在于，所述方法包括：

获取变频器在预设历史时间段内的多条运行数据，每条所述运行数据包括对应时间点的出入风口的风压差和风机风速；

从所述多条运行数据中筛选出所述风机风速为预设风机风速的运行数据；

将筛选出的各条运行数据作为训练样本输入到预设神经网络模型中进行训练，得到在所述预设风机风速下风压差与时间之间的函数关系，并根据所述函数关系确定所述变频器的滤网更换时间。

2.根据权利要求1所述的方法，其特征在于，还包括：

将所述预设风机风速发送给所述变频器的控制器，以使所述控制器在一个第一时间间隔内获取的各个风机风速的平均值小于所述预设风机风速时，控制风机提速以使在之后每一个第一时间间隔内获取的各个风机风速的平均值能够达到所述预设风机风速。

3.根据权利要求1所述的方法，其特征在于，每条所述运行数据中还包括所述变频器的柜体温度；所述从所述多条运行数据中筛选出所述风机风速为预设风机风速的运行数据之后以及所述将筛选出的各条运行数据作为训练样本输入到预设神经网络模型中进行训练之前，所述方法还包括：

采用预设滑动窗口在所述筛选出的各条运行数据中采集预设数量的运行数据，并对每一个滑动窗口所采集的预设数量的运行数据进行柜体温度的预设指标的统计，得到对应的第一预设指标统计值；所述预设指标包括均值、极值和/或方差；

根据每一个预设滑动窗口内的每一条运行数据中的柜体温度与该滑动窗口的所述第一预设指标统计值的大小关系，确定该条运行数据是否异常，若是，则将该条运行数据删除。

4.根据权利要求3所述的方法，其特征在于，所述预设指标包括均值和极值；所述第一预设指标统计值包括第一均值统计值和第一极值统计值；

所述根据每一个预设滑动窗口内的每一条运行数据中的柜体温度与该滑动窗口的所述第一预设指标统计值的大小关系，确定该条运行数据是否异常，包括：

若一个预设滑动窗口内的一条运行数据中的柜体温度与所述第一均值统计值的差值的绝对值大于第一预设值且所述柜体温度与所述第一极值统计值的差值的绝对值小于第二预设值，则该条运行数据异常。

5.根据权利要求1所述的方法，其特征在于，所述从所述多条运行数据中筛选出所述风机风速为预设风机风速的运行数据之后以及所述将筛选出的各条运行数据作为训练样本输入到预设神经网络模型中进行训练之前，所述方法还包括：

采用预设滑动窗口在所述筛选出的各条运行数据中采集预设数量的运行数据，并对每一个滑动窗口所采集的预设数量的运行数据进行风压差的预设指标的统计，得到对应的第二预设指标统计值；所述预设指标包括均值、极值和/或方差；

根据每一个预设滑动窗口内的每一条运行数据中的风压差与该滑动窗口的所述第二预设指标统计值的大小关系，确定该条运行数据是否异常，若是，则将该条运行数据删除。

6.根据权利要求5所述的方法，其特征在于，所述预设指标包括均值和极值；所述第二预设指标统计值包括第二均值统计值和第二极值统计值；

所述根据每一个预设滑动窗口内的每一条运行数据中的风压差与该滑动窗口的所述第二预设指标统计值的大小关系，确定该条运行数据是否异常，包括：

若一个预设滑动窗口内的一条运行数据中的风压差与所述第二均值统计值的差值的绝对值大于第三预设值且所述风压差与所述第二极值统计值的差值的绝对值小于第四预设值，则该条运行数据异常。

7.根据权利要求1所述的方法，其特征在于，所述将筛选出的各条运行数据作为训练样本输入到预设神经网络模型中进行训练之前，所述方法还包括：

判断所述筛选出的运行数据的条数是否小于预设条数以及所述筛选出的运行数据中是否出现相邻两个时间点的间隔大于第二时间间隔；

若所述筛选出的运行数据的条数大于所述预设条数且所述筛选出的运行数据中任意相邻两个时间点的间隔都小于所述第二时间间隔，则执行所述将筛选出的各条运行数据作为训练样本输入到预设神经网络模型中进行训练的步骤。