[发明专利]预测模型的训练方法、母线温度预警方法及相关设备

说明书

本发明提供了预测模型的训练方法、母线温度预警方法及相关设备，该预测模型的训练方法包括：获取训练数据，训练数据包括母线温度数据和影响因素数据；将训练数据输入预设数学模型进行特征提取后得到预测温度数据；预设数学模型包括趋势项、周期项、突发事件项中的至少一项，趋势项用于进行趋势特征提取，周期项用于进行周期特征提取，突发事件项用于进行突发事件特征提取；确定预测温度数据和真实温度数据间的损失函数值；基于损失函数值，调整预设数学模型的模型参数，得到符合预设结束条件的母线温度预测模型。利用该母线温度预测模型对未来母线温度进行准确地预测，存在异常时，及时采取措施，有效降低危险事故发生的可能性。

技术领域

本发明涉及通信技术领域，且更具体地，涉及预测模型的训练方法、母线温度预警方法及相关设备。

背景技术

在数据中心的机房中，存在大量的母线，母线等供电设备与机房内设备的正常供电具有直接关系，因此对母线的日常运维具有重要意义。然而在机房中，各种桥架走线纵横交错，部分区域人员进出非常困难，使得对母线的日常运维相对困难。目前，常常采用温度传感器对母线温度进行监测以了解母线的运行状态，该方法在监测到温度异常时，母线运行状态已经异常，极易发生事故。

发明内容

本发明提供了预测模型的训练方法、母线温度预警方法及相关设备，以解决现有难以对母线温度进行预测的技术问题。

第一方面，提供了一种预测模型的训练方法，包括：

获取训练数据，所述训练数据包括母线温度数据和影响因素数据；

将所述训练数据输入预设数学模型进行特征提取后得到预测温度数据；所述预设数学模型包括趋势项、周期项、突发事件项中的至少一项，所述趋势项用于进行趋势特征提取，所述周期项用于进行周期特征提取，所述突发事件项用于进行突发事件特征提取；

确定所述预测温度数据和真实温度数据间的损失函数值；

基于所述损失函数值，调整所述预设数学模型的模型参数，得到符合预设结束条件的母线温度预测模型。

可选地，所述方法还包括：

周期性更新所述训练数据；

将更新后的所述训练数据输入上一次更新的母线温度预测模型中，以对所述上一次更新的母线温度预测模型的模型参数进行调整，得到符合所述预设结束条件的当前次更新的母线温度预测模型。

可选地，所述周期性更新所述训练数据，包括：

响应于当前时间到达预设时刻，获取预设时长内的母线温度数据和影响因素数据，所述影响因素数据包括电流数据、电压数据、节假日数据、维护保养数据中的至少一项；

对预设时长内的母线温度数据和影响因素数据进行聚合处理，得到三维矩阵的训练数据。

可选地，所述趋势项对应的公式如下所示：

g(t)＝(k+a(t)^Tδ)*t+(m+a(t)^Tγ)；

其中，g(t)表征趋势项，趋势项为时间t的函数；k表征增长率；δ表征增长率的变化量；m表征偏移量；其中δ＝(δ₁,δ₂,…,δ_s)，s表征时间点，s_i表征第i个时间点；γ＝δ*s；

所述周期项对应的公式如下所示：

其中，s(t)表征周期项，周期项为时间t的函数；P表征周期；a_n、b_n为傅里叶级数的系数，n表征阶次，N表征阶次的取值范围；

所述突然事件项对应的公式如下所示：