[發明專利]冷水機調節模型的訓練方法、裝置及電子設備

有效

• 申請號: 202011119619.6
• 申請日: 2020-10-19
• 公開（公告）號: CN112364999B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 王丹;徐程;何方;楊忠勛
• 申請（專利權）人: 深圳市超算科技開發有限公司;香港理工大學
• 主分類號: G06N20/00
• 分類號: G06N20/00;F24F11/62
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 趙倩

1.一種冷水機調節模型的訓練方法，其特征在于，包括：

獲取第一樣本集和第二樣本集，其中，所述第一樣本集中的樣本是根據目標冷水機的歷史運行數據生成的，所述第二樣本集中的樣本是根據所述目標冷水機的同類冷水機的歷史運行數據生成的，所述第一樣本集的數據量小于所述第二樣本集的數據量；所述目標冷水機為新冷水機，所述同類冷水機為舊冷水機；其中，歷史運行數據可以包括：冷凍水供水溫度、冷凍水回水溫度、冷凍水流量、冷水機負荷、冷水機能耗、冷水機工齡、室外溫度和性能效率系數；

對所述第一樣本集和所述第二樣本集進行數據清洗，包括：針對每一個缺失型樣本，根據所述缺失型樣本中的非缺失項，確定所述缺失型樣本與各完整型樣本的相似度，所述完整型樣本為所述缺失型樣本所在樣本集中各項數據均存在的樣本；根據相似度符合第二預設條件的多個完整型樣本，對所述缺失型樣本的缺失項進行缺失值處理；所述缺失型樣本為缺失至少一項數據的樣本；

確定所述第一樣本集中的樣本與所述第二樣本集中的樣本之間的相似度；

根據所述第二樣本集中相似度符合第一預設條件的多個樣本，對所述目標冷水機的冷水機調節模型進行訓練。

2.根據權利要求1所述的方法，其特征在于，所述對所述第一樣本集和所述第二樣本集進行數據清洗，包括：

對所述第一樣本集和所述第二樣本集進行歸一化處理。

3.根據權利要求1所述的方法，其特征在于，所述根據相似度符合第二預設條件的多個完整型樣本，對所述缺失型樣本的缺失項進行缺失值處理，包括：

對于所述缺失型樣本中的每個缺失項，確定所述缺失項在所述多個完整型樣本中對應項的平均值；

將所述平均值作為所述缺失項的值。

4.根據權利要求1-3任一項所述的方法，其特征在于，所述冷水機調節模型為監督機器學習模型。

5.一種冷水機調節模型的訓練裝置，其特征在于，包括：

獲取模塊，用于獲取第一樣本集和第二樣本集，其中，所述第一樣本集中的樣本是根據目標冷水機的歷史運行數據生成的，所述第二樣本集中的樣本是根據所述目標冷水機的同類冷水機的歷史運行數據生成的，所述第一樣本集的數據量小于所述第二樣本集的數據量；所述目標冷水機為新冷水機，所述同類冷水機為舊冷水機；其中，歷史運行數據可以包括：冷凍水供水溫度、冷凍水回水溫度、冷凍水流量、冷水機負荷、冷水機能耗、冷水機工齡、室外溫度和性能效率系數；

數據清洗模塊，用于對第一樣本集和第二樣本集進行數據清洗；數據清洗模塊具體用于：針對每一個缺失型樣本，根據缺失型樣本中的非缺失項，確定缺失型樣本與各完整型樣本的相似度，完整型樣本為缺失型樣本所在樣本集中各項數據均存在的樣本；根據相似度符合第二預設條件的多個完整型樣本，對缺失型樣本的缺失項進行缺失值處理，缺失型樣本為缺失至少一項數據的樣本；

訓練模塊，用于確定所述第一樣本集中的樣本與所述第二樣本集中的樣本之間的相似度，以及根據所述第二樣本集中相似度符合第一預設條件的多個樣本，對所述目標冷水機的冷水機調節模型進行訓練。

6.一種電子設備，其特征在于，包括：存儲器和處理器，所述存儲器用于存儲計算機程序；所述處理器用于在調用所述計算機程序時執行如權利要求1-4任一項所述的方法。

7.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1-4任一項所述的方法。