[发明专利]基于深度自编码网络的能源路由设备在线动态感知方法

说明书

本发明公开了一种基于深度自编码网络的能源路由设备在线动态感知方法，包括离线模型训练和在线状态感知两部分；离线模型训练利用能源路由设备的历史监测数据对深度自编码网络进行训练，计算能源路由设备的状态特征指标；在线状态感知过程包括：步骤1：采集能源路由器运行时的指标数据；步骤2：对步骤1中采集的数据进行处理得到能源路由设备的状态特征向量；步骤3：使用深度自编码网络模型计算能源路由设备的状态监测指标，判断设备状态；步骤4：若设备发生故障，则将设备的运行数据添加至历史数据库中，重新计算状态特征指标；若未发生故障，则继续进行感知。本发明可用于在线监测能源路由设备的运行状态，降低故障频率、降低维修成本。

技术领域

本发明涉及人工智能以及能源物联网技术领域，具体涉及一种基于深度自编码网络的能源路由设备在线动态感知方法。

背景技术

物联网通过海量、多类型的高精度传感器将不同的实体通过互联网的架构实现泛在连接。能源物联网属于泛在物联网的特例，其通过智能化设备状态感知技术、智能人机交互配置技术以及智能节电控制网关等关键技术实现多能源的相互转化、智能监测与控制功能。

能源路由设备是能源物联网的核心装置，负责不同能源载体的输入、输出、转换以及存储等功能，保证能源路由设备的安全稳定运行是重中之重，而能源路由设备的种类繁多、数量庞大，其在运行过程中会产生海量不同类型的数据，分析这些数据给能源物联网中心服务器造成了很大的压力。针对能源路由设备的监测数据种类多、数量大、状态监测效率低的问题，本发明提供了一种基于深度自编码网络的能源路由设备在线动态感知方法。

发明内容

本发明提供了一种基于深度自编码网络的能源路由设备在线动态感知方法，其旨在于解决现有能源物联网中能源路由设备的监测数据种类多、数量大、状态监测效率低，以及分析这些数据给能源物联网中心服务器造成了很大的压力的技术问题。

本发明所提供了一种基于深度自编码网络的能源路由设备在线动态感知方法，包括离线模型训练和在线状态感知两部分，离线模型训练时，利用同类型能源路由设备从开始使用至完全故障过程中的各项历史监测数据对深度自编码网络进行训练，计算能源路由设备的状态特征指标Y，并存储训练完成的深度自编码网络模型；在线状态感知过程包括如下步骤：

步骤1：采集能源路由设备在实际运行过程中的指标参数，并将所采集的指标参数进行归类和存储；

步骤2：对采集和存储的数据进行边缘计算处理，得到能源路由设备在运行过程中的状态特征向量；

步骤3：使用离线模型训练过程中训练完成的深度自编码网络模型对状态特征向量进行检测，计算状态监测指标V，与状态特征指标Y进行比较，判断能源路由设备目前状态；

步骤4：若能源路由设备发生故障，则将能源路由设备从开始使用至发生故障期间的数据添加至历史运行数据库中，并对深度自编码网络进行新一轮的训练，重新计算状态特征指标Y；若能源路由设备未发生故障，则继续进行下一轮监测过程。

所述的深度自编码网络模型，由能源互联网设备运行历史数据训练得到。

优选的是，所述深度自编码网络训练步骤如下：

S21：数据存储中心选取能源路由设备正常运行状态下的监测数据建立数据集，对数据进行归一化处理并分为训练数据集和测试数据集；

S22：确定深度自编码网络模型中的隐藏层数和输入层节点个数，建立具有5个隐藏层和5个输入层节点的深度自编码网络，设置输入层神经元节点数为输入训练数据集中数据的维数，完成对深度自编码网络模型的初步建立；

S23：基于无监督学习的方法，使用S21中的训练数据集通过堆叠自动编码器对S22中建立的深度自编码网络模型进行预训练；