基于数据分析的石墨烯电暖智能温控系统的制作方法

本发明涉及数据处理，具体涉及一种基于数据分析的石墨烯电暖智能温控系统。

背景技术：

1、随着智能家居技术的飞速发展，人们对生活质量的需求日益提升。石墨烯电暖设备的温控系统主要是通过预设的电暖设定温度进行加热，来使得室内温度靠近并稳定在电暖设定温度左右，但是人工调整电暖设定温度的方法并不智能，无法满足不同用户的个性化需求。

2、所以为了提高用户的舒适度，现有技术通常根据不同用户的石墨烯电暖历史使用数据，通过主成分分析方法进行关联性分析，根据关联性分析结果得到的电暖预期温度值进行石墨烯电暖智能温控。但是时序信息能够决定每个时刻对应的电暖设定温度，而主成分分析方法并不考虑数据的时序信息，可能造成关联性分析时的时序混乱，使得对石墨烯电暖智能温控调节的准确性较低。

技术实现思路

1、为了解决现有技术通过主成分分析方法进行关联性分析的方法对石墨烯智能温控调节的准确性较低的技术问题，本发明的目的在于提供一种基于数据分析的石墨烯电暖智能温控系统，所采用的技术方案具体如下：

2、本发明提出了基于数据分析的石墨烯电暖智能温控系统，所述系统包括：

3、温度数据获取模块，用于获取历史预设天数中每个时刻下石墨烯电暖设备的电暖设定温度和实时温度；

4、电暖第一降维值获取模块，用于根据电暖设定温度发生变化时的电暖设定温度与实时温度之间的差异，以及实时温度的变化情况，得到所有时刻的电暖预期温度值；获取每个时刻在每天下的时间分布值；根据天数、时间分布值以及对应的电暖预期温度值构建电暖预期温度值矩阵；对所述电暖预期温度值矩阵进行主成分分析，得到每个时间分布值的电暖第一降维值；

5、电暖最佳预期温度值获取模块，用于分别根据预设取值范围内的每个时间权重值对所有时间分布值进行加权，得到每个时间权重值的所有加权时间分布值；根据所述电暖第一降维值，以及所述加权时间分布值构成的矩阵进行主成分分析，得到不同时间权重加权情况下所有时间分布值的电暖第二降维值；根据所述电暖第二降维值与所述电暖第一降维值的差异分布状况，及其时间分布情况，得到每个时间权重值的电暖时序有效性；根据最大电暖时序有效性对应的所有电暖第二降维值的差异分布情况以及电暖预期温度值，得到所有时刻的电暖最佳预期温度值；

6、石墨烯电暖智能温控模块，用于根据电暖最佳预期温度值进行石墨烯电暖智能温控。

7、进一步地，所述电暖预期温度值的获取方法包括：

8、将电暖设定温度发生变化，且发生变化前的电暖设定温度与实时温度之间的差异小于预设温度阈值对应的所有时刻，作为特征时刻；在时间顺序上，根据每个时刻后续预设数量时刻对应的温度值，构建每个时刻对应的温度值序列；获取每个温度值序列的差分序列，将每个差分序列中所有元素的均值，作为对应时刻的温度变化特征值；将温度变化特征值小于或等于预设波动阈值的时刻，作为温度稳定时刻；

9、在时间顺序上，将每个特征时刻与之后的第一个温度稳定时刻之间的时间段，作为每个特征时刻对应的变化参考时间段；将每个温度稳定时刻与之后的第一个特征时刻之间的时间段，作为每个温度稳定时刻对应的稳定参考时间段；将每个参考时间段内倒数第二个时刻的电暖设定温度，作为每个参考时间段内所有时刻对应的电暖预期温度值。

10、进一步地，所述电暖第二降维值的获取方法包括：

11、对于任意一个时间权重值：

12、根据所有的电暖第一降维值，以及对应时间权重值的所有加权时间分布值，构建时间降维值矩阵，所述时间降维值矩阵中每列数据包括电暖第一降维值以及对应的加权时间分布值，且所述时间降维值矩阵中每行数据的数据种类相同；以数据种类数量为维度，对所述时间降维值矩阵通过主成分分析方法根据最大特征值的主成分方向进行数据降维，得到每个加权时间分布值对应的电暖第二降维值。

13、进一步地，所述电暖时序有效性的获取方法包括：

14、对于任意一个时间权重值：

15、将时间权重值对应的所有电暖第二降维值以从小到大的顺序排列，得到电暖第二降维值序列；将电暖第二降维值序列中每个电暖第二降维值的索引值的归一化值，作为每个电暖第二降维值的排列特征值；

16、将每个电暖第二降维值对应的排列特征值与对应的时间分布值的归一化值之间的差异，作为每个电暖第二降维值的偏差特征值；将每个电暖第二降维值与对应的电暖第一降维值之间的差异，作为每个电暖第二降维值的变化特征值；根据所述偏差特征值和所述变化特征值得到时间权重值的电暖时序有效性，所述偏差特征值和所述变化特征值均与电暖时序有效性呈负相关。

17、进一步地，所述电暖最佳预期温度值的获取方法包括：

18、在一天对应的所有时刻中，任选一个时刻作为目标时刻；

19、在最大电暖时序有效性对应的所有电暖第二降维值中，将目标时刻对应的电暖第二降维值作为目标电暖第二降维值；将目标电暖第二降维值之外的所有电暖第二降维值作为关联第二降维值；将与目标电暖第二降维值之间差异最小的关联第二降维值对应的时刻，作为目标时刻对应的关联时刻；

20、在历史预设天数对应的所有关联时刻中，将最接近当前时刻的关联时刻对应的电暖预期温度值，作为目标时刻的电暖最佳预期温度值。

21、进一步地，所述根据电暖最佳预期温度值进行石墨烯电暖智能温控的方法包括：

22、将石墨烯电暖设备的设定温度调控为对应时刻下的电暖最佳预期温度值。

23、进一步地，所述电暖第一降维值的获取方法包括：

24、以天数作为维度，对所述电暖预期温度矩阵通过主成分分析方法根据最大特征值的主成分方向进行数据降维，得到每个时间分布值对应的电暖第一降维值。

25、进一步地，所述电暖预期温度值矩阵的获取方法包括：

26、以天为单位，对每天所有时刻的电暖预期温度值进行归一化，得到每天所有时刻的电暖预期温度值的归一化值；以天数为行、以时间分布值为列结合归一化后的电暖预期温度值构建电暖预期温度值矩阵。

27、进一步地，所述根据所述偏差特征值和所述变化特征值得到时间权重值的电暖时序有效性的方法包括：

28、将所有电暖第二降维值的偏差特征值与变化特征值之间乘积的累加和的负相关映射值，作为时间权重值的电暖时序有效性。

29、进一步地，所述预设温度阈值设置为1。

30、本发明具有如下有益效果：

31、考虑到温度加热需要一定的时间，因此只有在实时温度靠近或稳定在电暖设定温度后，才能知道当前电暖设定温度是否合适，并且在实时温度远离电暖设定温度的情况下调整电暖设定温度，通常代表对应的电暖设定值的初始设定情况不准确。因此本发明考虑到了电暖设定温度发生变化时的电暖设定温度与实时温度之间的差异，以及实时温度的变化情况，使得得到的电暖预期温度值更加准确，提高后续根据电暖预期温度值进行分析的准确性，进一步使得后续对石墨烯电暖智能温控调节的准确性更高。进一步地，考虑到若直接通过主成分分析方法对原有时间分布值进行数据降维时，可能会造成时序混乱的情况，而对时间分布值进行定值加权的方法缺少一定的适应性，因此本发明实施例通过引入预设取值范围内的所有时间权重值对时间分布值进行加权，进一步在每个时间权重值加权情况下的所有时间分布值进行主成分分析，从而得到最大电暖时序有效性的时间权重值对应的所有电暖第二降维值，在尽可能保留原数据特征的同时使得电暖第二降维值更加符合时序分布特征，降低了主成分分析时的时序混乱对石墨烯电暖智能温控调节准确性的影响。最后在电暖第二降维值的基础上进一步得到所有时刻的电暖最佳预期温度值，并根据电暖最佳预期温度值进行石墨烯电暖智能温控。综上所述，本发明对石墨烯电暖设备的电暖设定温度和实时温度进行数据分析，并根据数据分析得到的电暖最佳预期温度值进行石墨烯电暖智能温控的方法准确度更高。