[發(fā)明專利]預測模型的訓練方法、預測供熱溫度的方法、裝置和設備

在審

• 申請?zhí)枺?/td>: 202110450926.0
• 申請日: 2021-04-25
• 公開（公告）號: CN113111589A
• 公開（公告）日: 2021-07-13
• 發(fā)明（設計）人: 聞雅蘭
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06Q10/04;G06Q10/06;G06Q50/06;G06F119/08
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 范芳茗

1.一種預測模型的訓練方法，包括：

獲得樣本數據，所述樣本數據包括針對換熱站的歷史觀測數據；

基于所述樣本數據對所述預測模型進行訓練；以及

基于所述樣本數據中所述歷史觀測數據的取值，確定訓練后的預測模型的使用條件。

2.根據權利要求1所述的方法，其中，所述獲得樣本數據包括：

獲取多個備選樣本數據，每個備選樣本數據包括所述歷史觀測數據，所述歷史觀測數據包括多個特征數據；

從所述多個備選樣本數據中選擇滿足溫度約束條件的初始樣本數據；以及

使用特征選擇算法從所述初始樣本數據中的多個特征數據中選擇目標數據，獲得由所述目標數據組成的樣本數據。

3.根據權利要求2所述的方法，其中，所述多個特征數據包括針對預設用戶的實際溫度值；所述從所述多個備選樣本數據中選擇滿足溫度約束條件的初始樣本數據包括：

從所述多個備選樣本數據中選擇所述實際溫度值與目標溫度值之間的差值絕對值小于預定值的樣本數據，作為待選樣本數據；以及

從所述待選樣本數據中剔除異常樣本數據，獲得所述初始樣本數據。

4.根據權利要求1～3中任一項所述的方法，其中：

所述歷史觀測數據包括：所述換熱站的運行模式為異常模式的情況下監(jiān)控到的觀測數據。

5.根據權利要求1所述的方法，其中，基于所述樣本數據對所述預測模型進行訓練包括：

基于所述樣本數據，采用交叉驗證算法對所述預測模型進行訓練。

6.一種預測供熱溫度的方法，包括：

監(jiān)控針對換熱站的觀測數據；

根據所述觀測數據和預測模型的使用條件，確定所述換熱站的運行模式；

在確定所述運行模式為異常模式的情況下，使用異常處理算法來確定所述換熱站針對預設用戶的供熱溫度；以及

在確定所述運行模式為正常模式的情況下，使用所述預測模型來確定所述換熱站針對所述預設用戶的供熱溫度，

其中，所述預測模型是采用權利要求1～5中任一項所述的方法訓練得到的。

7.根據權利要求6所述的方法，其中，確定所述換熱站的運行模式包括：

在所述觀測數據與所述預測模型的使用條件之間的差異大于預定差異的情況下，確定所述換熱站的運行模式為異常模式。

8.根據權利要求6或7所述的方法，其中，針對所述換熱站的觀測數據包括所述換熱站的運行數據、天氣數據和針對所述預設用戶的溫度數據。

9.根據權利要求6所述的方法，其中，所述針對所述換熱站的觀測數據包括所述換熱站的運行數據和針對所述預設用戶的溫度數據；使用所述異常處理算法來確定所述換熱站針對預設用戶的供熱溫度包括：

根據目標溫度值和針對所述預設用戶的溫度數據，確定針對所述預設用戶的目標供熱量；

根據所述換熱站的運行數據，確定所述換熱站的當前供熱量；以及

根據所述當前供熱量和所述目標供熱量之間的偏差，確定所述供熱溫度的調整量。

10.根據權利要求6～9中任一項所述的方法，還包括在確定所述運行模式為異常模式的情況下：

存儲使用所述異常處理算法確定的供熱溫度和所述觀測數據，以作為訓練所述預測模型的樣本數據。

11.根據權利要求6所述的方法，其中，所述預測模型包括使用條件不同的多個模型；使用所述預測模型來確定所述換熱站針對所述預設用戶的供熱溫度包括：

從所述多個模型中選擇所述使用條件與所述觀測數據匹配的目標模型；以及

以所述觀測數據作為所述目標模型的輸入，獲得所述供熱溫度。