[發明專利]一種能耗預測系統、方法、裝置、設備和介質

在審

• 申請號: 202210945157.6
• 申請日: 2022-08-08
• 公開（公告）號: CN115310698A
• 公開（公告）日: 2022-11-08
• 發明（設計）人: 王云峰;劉洲印;陳維維;施宏杰;榮強強;劉國興
• 申請（專利權）人: 北京東土科技股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N20/20
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 李彩玲

1.一種能耗預測系統，其特征在于，包括：至少兩個非實時系統和至少兩個實時控制系統；其中，所述非實時系統包括：第一類型非實時系統和第二類型非實時系統；

其中，每個所述第一類型非實時系統均以遠程桌面控制形式接入至所述第二類型非實時系統；所述第一類型非實時系統與所述實時控制系統一一對應連接；所述第二類型非實時系統與每個所述實時控制系統連接；

通過所述第一類型非實時系統向對應的實時控制系統發送實際運動參數，以使所述實時控制系統按照所述實際運動參數驅動電機運行，并通過所述實時控制系統采集對應電機的能耗實際值，以作為原始訓練數據反饋至所述第二類型非實時系統以及對應的所述第一類型非實時系統；

所述第一類型非實時系統根據所述原始訓練數據創建對應的非聯合學習模型，以及所述第二類型非實時系統根據每個實時控制系統的原始訓練數據創建對應的聯合學習模型。

2.根據權利要求1所述的系統，其特征在于，所述能耗預測系統還包括：至少兩個電機控制器和至少兩個電表；其中，所述電機控制器和所述電表均與所述電機一一對應；所述電機控制器的輸入端和所述電表的輸出端與所述實時控制系統連接，所述電機控制器的輸出端分別與所述電機以及所述電表的輸入端連接；

通過所述實時控制系統將實際運動參數發送至對應的所述電機控制器，以使所述電機控制器按照所述實際運動參數驅動對應的電機運行，并通過所述電表采集對應電機的能耗實際值，并反饋至對應的實時控制系統。

3.根據權利要求1或2所述的系統，其特征在于，所述非實時系統采用PCIE卡形式連接至少兩個USB控制器，并且，所述非實時系統與所述USB控制器一一對應。

4.根據權利要求1或2所述的系統，其特征在于，所有所述非實時系統均連接一個USB控制器，每個所述非實時系統均分配一套USB外接設備。

5.一種能耗預測方法，其特征在于，包括：

獲取至少兩個電機的實際運動參數；

將所述實際運動參數輸入至預先創建的聯合學習模型和對應的非聯合學習模型中，以得到對應的能耗預測值；其中，所述電機與所述非聯合學習模型一一對應；

根據所述能耗預測值和預先獲取的能耗實際值確定所述聯合學習模型和每個所述非聯合學習模型的能耗預測能力。

6.根據權利要求5所述的方法，其特征在于，根據所述能耗預測值和預先獲取的能耗實際值確定所述聯合學習模型和每個所述非聯合學習模型的能耗預測能力，包括：

根據所述能耗預測值和能耗實際值確定能耗差值；

根據所述能耗差值確定所述聯合學習模型和每個所述非聯合學習模型之間的能耗預測能力。

7.根據權利要求5所述的方法，其特征在于，在所述獲取至少兩個電機的實際運動參數之前，還包括：

分別獲取至少兩個第一類型非實時系統對應的原始訓練數據；其中，所述第一類型非實時系統與所述電機一一對應；

根據所述原始訓練數據構建對應的聯合學習模型和每個所述第一類型非實時系統對應的非聯合學習模型。

8.根據權利要求7所述的方法，其特征在于，所述根據所述原始訓練數據構建對應的聯合學習模型和每個所述第一類型非實時系統對應的非聯合學習模型，包括：

根據每個第一類型非實時系統采集到的原始訓練數據和預先創建的機器學習模型構建對應所述第一類型非實時系統的非聯合學習模型；

將所有第一類型非實時系統采集到的原始訓練數據進行整合訓練，構建對應的聯合學習模型。

9.一種能耗預測裝置，其特征在于，包括：

獲取模塊，用于獲取至少兩個電機的實際運動參數；

輸入模塊，用于將所述實際運動參數輸入至預先創建的聯合學習模型和對應的非聯合學習模型中，以得到對應的能耗預測值；其中，所述電機與所述非聯合學習模型一一對應；

確定模塊，用于根據所述能耗預測值和預先獲取的能耗實際值確定所述聯合學習模型和每個所述非聯合學習模型的能耗預測能力。