[發明專利]基于聯合學習的蒸發器維護方法、裝置和終端設備

在審

• 申請號: 202110044849.9
• 申請日: 2021-01-13
• 公開（公告）號: CN112766518A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 張燧
• 申請（專利權）人: 新智數字科技有限公司
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06K9/62;G06N20/00
• 代理公司: 北京嘉科知識產權代理事務所(特殊普通合伙) 11687
• 代理人: 楊波

1.一種基于聯合學習的蒸發器維護方法，其特征在于，包括：

獲取蒸發器完成液的歷史濃度的分析報告；

根據多種完成液分析方法，分別確定所述分析報告中各種離子濃度對應的蒸發器狀態的標記，得到與所述完成液分析方法相同數量的樣本數據集合；

在聯合學習架構下，將各個所述樣本數據集合加入聯合學習，根據所述聯合學習建立用于預測各離子濃度與蒸發器狀態的概率的全局模型；

利用所述全局模型對蒸發器的完成液分析報告的預測結果對蒸發器進行維護。

2.根據權利要求1所述的基于聯合學習的蒸發器維護方法，其特征在于，還包括：

獲取根據全局模型的預測結果對蒸發器進行維護的反饋結果；

根據所述反饋結果更新所述樣本數據集合或全局模型。

3.根據權利要求1所述的基于聯合學習的蒸發器維護方法，其特征在于，所述在聯合學習架構下，將各個所述樣本數據集合加入聯合學習，根據所述聯合學習建立用于預測各離子濃度與蒸發器狀態的概率的全局模型，包括：

在聯合學習架構下，將各個所述樣本數據集合作為聯合學習的參與方，從聯合方下載最新的全局模型；

各個參與方在本地利用自身擁有的所述樣本數據集合對所述全局模型進行訓練，將訓練后的全局模型的梯度數據上傳至聯合方，所述聯合方聚合各個參與方的梯度數據更新所述全局模型；

接收聯合方返回更新后的全局模型；

各個參與方各自更新返回的所述全局模型。

4.根據權利要求3所述的基于聯合學習的蒸發器維護方法，其特征在于，所述聯合方中的全局模型包括聚類算法模型。

5.根據權利要求4所述的基于聯合學習的蒸發器維護方法，其特征在于，所述聚類算法模型包括kmeans算法模型。

6.根據權利要求1-5任一項所述的基于聯合學習的蒸發器維護方法，其特征在于，所述完成液分析方法包括：結垢指數、飽和指數、穩定指數、飽和指數和飽和指數中的任一種或多種的組合。

7.根據權利要求6所述的基于聯合學習的蒸發器維護方法，其特征在于，所述蒸發器狀態包括：結垢、腐蝕或穩定中任一種狀態。

8.一種基于聯合學習的蒸發器維護裝置，其特征在于，包括：

歷史分析數據獲取模塊，用于獲取蒸發器完成液的歷史濃度的分析報告；

歷史分析數據標記模塊，用于根據多種完成液分析方法，分別確定所述分析報告中各種離子濃度對應的蒸發器狀態的標記，得到與所述完成液分析方法相同數量的樣本數據集合；

聯合學習模型建立模塊，用于在聯合學習架構下，將各個所述樣本數據集合加入聯合學習，根據所述聯合學習建立用于預測各離子濃度與蒸發器狀態的概率的全局模型；

蒸發器預測維護模塊，用于利用所述全局模型對蒸發器的完成液分析報告的預測結果對蒸發器進行維護。

9.一種終端設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至7任一項所述方法的步驟。

10.一種存儲介質，所述存儲介質存儲有計算機程序，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至7任一項所述方法的步驟。