[發明專利]基于人工智能的大型醫療設備能耗預測方法和終端設備

有效

• 申請號: 201711047489.8
• 申請日: 2017-10-31
• 公開（公告）號: CN107844859B
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 孫天;趙娜;張芬;匡付華;肖珊
• 申請（專利權）人: 深圳達實智能股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G16H40/20
• 代理公司: 深圳市瑞方達知識產權事務所(普通合伙) 44314
• 代理人: 馮小梅;郭方偉

1.一種基于人工智能的大型醫療設備能耗預測方法，其特征在于，包括以下步驟：

S11：獲取大型醫療設備的運行時間和醫院的工作時間，并確定所述大型醫療設備開啟的臺數；所述步驟S11進一步包括：

接收所述大型醫療設備的開啟信號和關閉信號，所述開啟信號與所述大型醫療設備關聯；

根據所獲取開啟信號和關閉信號，確定所述大型醫療設備開啟的臺數以及運行時間；

S12：基于所述大型醫療設備的運行時間、醫院的工作時間以及所述大型醫療設備開啟的臺數，計算所述大型醫療設備的第一負荷率；所述大型醫療設備的第一負荷率為一個數組，即第一負荷率為多臺設備在歷史時期的總負荷率，預測某天的負荷率，則計算出多個歷史總負荷率；假設需要某天的負荷率，采集的歷史數據為三個，分別為該天的前一天、前兩天、前三天；此時，大型醫療設備的運行時間包括三組數據，分別為前一天的運行時間、前兩天的運行時間、前三天的運行時間；大型醫療設備的開啟臺數也對應包括三級數據，分別為前一天開啟的臺數、前兩天開啟的臺數以及前三天開啟的臺數，此時，可分別計算出前一天大型醫療設備的總負荷率、前兩天大型醫療設備的總負荷率以及前三天大型醫療設備的總負荷率；所述大型醫療設備的第一負荷率包括前一天大型醫療設備的總負荷率、前兩天大型醫療設備的總負荷率以及前三天大型醫療設備的總負荷率；所述大型醫療設備的總負荷率可通過以下公式計算得到：

其中：

R_t：為t日期時，開啟的大型醫療設備的總負荷；

Tⁱ_op：為第i臺大型醫療設備運行時間，單位：小時；

T_work：為醫院的工作時間；

S13：根據所述第一負荷率，采用BP神經網絡算法進行訓練，以預測所述大型醫療設備的第二負荷率；

所述步驟S13之前包括：

對所述BP神經網絡算法的訓練模型進行參數設置；所述BP神經網絡算法的訓練模型包括輸入層和輸出層；

所述第一負荷率作為所述訓練模型輸入層的輸入參數，所述第二負荷率作為所述訓練模型輸出層的輸出值；

所述步驟S13進一步包括：

通過已設置完成的訓練模型，對所述第一負荷率的數據進行訓練，獲得所述第二負荷率；

所述步驟S13進一步還包括：

對所述第一負荷率的數據進行歸一化處理，獲得歸一化負荷率；

將所述歸一化負荷率通過所述BP神經網絡算法的訓練模型進行訓練，獲得所述大型醫療設備的第二負荷率的歸一化數據；

對所述第二負荷率的歸一化數據進行反歸一化處理，獲得所述第二負荷率；

所述方法還包括：

輸出所述第二負荷率至操作終端，通過所述操作終端進行顯示，包括：

當設備負荷率時，開啟1臺設備；

當設備負荷率開啟2臺設備；

……

當設備負荷率開啟k臺設備；

……

當設備負荷率開啟n臺設備；

根據所述第二負荷率對所預測日期的所述大型醫療設備的開啟臺數進行設定，進而控制所述大型醫療設備的開關。

2.根據權利要求1所述的基于人工智能的大型醫療設備能耗預測方法，其特征在于，所述步驟S12進一步包括：

接收醫院上下班時間的設定值，根據所述設定值確定醫院的工作時間；

根據所述醫院的工作時間，對所獲取的大型醫療設備的運行時間進行剔除處理，確定所述大型醫療設備的有效運行時間；

基于所述有效運行時間、醫院的工作時間以及所述大型醫療設備開啟的臺數，計算所述大型醫療設備的第一負荷率。

3.一種終端設備，其特征在于，包括處理器、輸入設備、輸出設備和存儲器，所述處理器、輸入設備、輸出設備和存儲器相互連接，其中，所述存儲器用于存儲計算機程序，所述計算機程序包括程序指令，所述處理器被配置用于調用所述程序指令，執行如權利要求1-2任一項所述的方法。

4.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當被處理器執行時使所述處理器執行如權利要求1-2任一項所述的方法。