一种应用于MCC房的通风性能提升方法和装置与流程

本发明涉及通风设计，尤其涉及一种应用于mcc房的通风性能提升方法和装置。

背景技术：

1、mcc房是指马达控制中心房间(motor control center，简称mcc)，mcc中布置着大量的马达控制器，在工作过程中，mcc房会产生大量的热量，且由于房间狭小、设备布置密集，mcc房内会有大量余热堆积，影响设备工作效率，为了提升设备工作的效率，需要对mcc房进行通风以实现散热；

2、现有的对mcc房的通风方法多为基于风扇通风系统的通风方法，例如，通过在mcc方中设置多个风扇排风口以实现通风，实际应用中，mcc房中的温度变化随工作状态变化，单纯的基于风扇通风系统的通风方法，无法精确的控制mcc房内通风量以及降温效果，可能导致进行mcc房通风时的通风性能较低。

技术实现思路

1、本发明提供一种应用于mcc房的通风性能提升方法和装置，其主要目的在于解决进行mcc房通风时的通风性能较低的问题。

2、为实现上述目的，本发明提供的一种应用于mcc房的通风性能提升方法，包括：

3、获取目标mcc房的历史传感数据，分别对所述历史传感数据进行时序排列和数据清洗，得到标准传感数据，从所述标准传感数据中分别提取出历史工作数据、历史温度数据以及历史通风数据；

4、对所述历史工作数据进行特征聚类，得到工作特征类集，根据所述工作特征类集对所述历史工作数据进行映射，得到工作状态序列，分别提取出所述工作状态序列的时序特征和注意力特征，根据所述时序特征和所述注意力特征建立所述目标mcc房的状态分析模型，其中，所述对所述历史工作数据进行特征聚类，得到工作特征类集，包括：按照工作周期将所述历史工作数据拆分为历史工作数据集；对所述历史工作数据集进行工作特征提取，得到历史工作特征集；将所述历史工作特征集随机拆分为若干初始工作特征组，并为每个所述初始工作特征组随机选取初始特征中心；利用如下的工作特征距离算法计算出所述历史工作特征集中各个历史工作特征与所有的所述初始特征中心之间的工作特征距离：

5、

6、其中，t是指所述工作特征距离，n是指所述历史工作特征中工作特征总数，且所述历史工作特征的工作特征总数等于所述初始特征中心的工作特征总数，i是指第i个工作特征，arccos是反余弦函数，k是指第k维特征，m是指所述历史工作特征中每个工作特征的特征总维度，是指所述历史工作特征中第i个工作特征的第k维特征，是指所述初始特征中心中第i个工作特征的第k维特征；根据所述工作特征距离对各个所述初始工作特征组进行迭代更新，得到工作特征类，并将所有的所述工作特征类汇集成工作特征类集；

7、根据所述工作状态序列对所述历史温度序列进行温度特征提取，得到标准温度序列，根据所述工作状态序列和所述标准温度序列建立温度分析模型；

8、从所述历史通风数据中分别提取出历史功率数据以及历史风扇数据，根据所述历史风扇数据和所述历史功率数据建立所述目标mcc房的功率排风模型，根据所述历史温度数据和所述历史风扇数据建立所述目标mcc房的排风降温模型；

9、获取所述目标mcc房的实时工作状态，利用所述状态分析模型分析出所述目标mcc房的标准工作状态，利用所述温度分析模型分析出所述标准工作状态对应的标准温度数据，利用所述排风降温模型分析出所述标准温度数据对应的标准排风数据，并根据所述标准排风数据和所述功率排风模型对所述目标mcc房的通风系统进行功率配置。

10、可选地，所述分别对所述历史传感数据进行时序排列和数据清洗，得到标准传感数据，包括：

11、按照时序顺序对所述历史传感数据进行排列，得到时序传感数据；

12、利用预设的占位字节替换所述时序传感数据中的乱码数据和越位数据，得到初级传感数据；

13、逐个选取所述传感数据中的占位字节作为目标占位字节，选取所述目标占位字节周围的若干数据组成目标填充数据集；

14、根据所述目标填充数据集计算出所述目标占位字节对应的填充字节，并利用所述填充字节对所述目标占位字节进行更新，得到标准传感数据。

15、可选地，所述根据所述工作特征距离对各个所述初始工作特征组进行迭代更新，得到工作特征类，包括：

16、利用所有的所述工作特征距离对所述历史工作特征集中的各个历史工作特征进行分组，得到多个次级工作特征组；

17、计算出各个所述次级工作特征组的次级特征中心，计算出各个所述次级特征中心的标准中心距离；

18、利用所述标准中心距离和预设的特征距离阈值对所述次级工作特征组进行迭代更新，得到工作特征类。

19、可选地，所述分别提取出所述工作状态序列的时序特征和注意力特征，包括：

20、分别提取出所述工作状态序列的长期状态特征和短期状态特征，并对所述长期状态特征和所述短期状态特征进行特征融合，得到时序特征；

21、对所述工作状态序列进行自注意力转码，得到注意力特征。

22、可选地，所述根据所述时序特征和所述注意力特征建立所述目标mcc房的状态分析模型，包括：

23、根据预设的时序权重计算出所述时序特征对应的时序状态曲线；

24、对所述注意力特征进行自注意力解码，得到注意力状态曲线；

25、将所述时序状态曲线与所述注意力状态曲线相加，得到所述目标mcc房的状态分析模型。

26、可选地，所述根据所述工作状态序列对所述历史温度序列进行温度特征提取，得到标准温度序列，包括：

27、按照时序逐个选取所述工作状态序列中的工作状态作为目标工作状态，将所述目标工作状态对应的工作周期作为目标工作周期；

28、从所述历史温度数据中选取所述目标工作周期对应的温度数据汇集成目标温度数据集，并对所述目标温度数据集进行温度特征提取，得到目标标准温度；

29、将所有的所述目标标准温度按照时序汇集成标准温度序列。

30、可选地，所述根据所述工作状态序列和所述标准温度序列建立温度分析模型，包括：

31、按照时序逐个选取所述工作状态序列中的工作状态作为目标工作状态，利用预设的初始工作温度模型计算出所述目标工作状态对应的目标工作温度；

32、从所述标准温度序列中选取出所述目标工作温度对应的第一标准温度和第二标准温度，并将所述第二标准温度和所述第一标准温度之间的温度差作为目标温度差；

33、计算出所述目标温度差与所述目标工作温度之间的温度损失值，根据所述温度损失值对所述初始工作温度模型进行迭代更新，得到温度分析模型。

34、可选地，所述根据所述历史风扇数据和所述历史功率数据建立所述目标mcc房的功率排风模型，包括：

35、按照所述目标mcc房中通风风扇的种类将所述历史风扇数据拆分为风扇数据集；

36、逐个选取所述风扇数据集中的风扇数据作为目标风扇数据，从所述历史功率数据中选取所述目标风扇数据对应的功率数据作为目标功率数据；

37、从所述目标风扇数据中提取出风扇转速、工作时长、风扇叶径、风扇风压以及风扇叶角，利用如下的初始排风模型根据所述风扇转速、所述工作时长、所述风扇叶径、所述风扇风压以及所述风扇叶角计算出所述目标风扇数据对应的分析功率：

38、

39、其中，w是指所述分析功率，r是指所述风扇叶径，s是指所述风扇转速，j是指所述风扇叶角，n是指所述风扇风压，h是指所述工作时长，α是指所述初始排风模型对应的电学损失系数、β是指所述初始排风模型对应的力学损失系数，μ是指所述初始排风模型对应的做工系数；

40、利用所述目标功率数据和所述分析功率计算出所述初始排风模型的排风损失值，并根据所述排风损失值对所述初始排风模型进行迭代更新，得到功率排风模型。

41、可选地，所述根据所述历史温度数据和所述历史风扇数据建立所述目标mcc房的排风降温模型，包括：

42、按照所述目标mcc房中通风风扇的种类将所述历史风扇数据拆分为风扇数据集；

43、逐个选取所述风扇数据集中的风扇数据作为目标风扇数据，从所述历史温度数据中筛选出所述目标风扇数据对应的温度数据作为目标温度数据，并根据所述目标温度数据计算出目标降温数据；

44、利用预设的初始降温模型计算出所述目标风扇数据的分析降温数据，根据所述分析降温数据和所述目标降温数据计算出降温损失值，利用所述降温损失值对所述初始降温模型进行迭代更新，得到排风降温模型。

45、为了解决上述问题，本发明还提供一种应用于mcc房的通风性能提升装置，所述装置包括：

46、数据拆分模块，用于获取目标mcc房的历史传感数据，分别对所述历史传感数据进行时序排列和数据清洗，得到标准传感数据，从所述标准传感数据中分别提取出历史工作数据、历史温度数据以及历史通风数据；

47、状态分析模块，用于对所述历史工作数据进行特征聚类，得到工作特征类集，根据所述工作特征类集对所述历史工作数据进行映射，得到工作状态序列，分别提取出所述工作状态序列的时序特征和注意力特征，根据所述时序特征和所述注意力特征建立所述目标mcc房的状态分析模型，其中，所述对所述历史工作数据进行特征聚类，得到工作特征类集，包括：按照工作周期将所述历史工作数据拆分为历史工作数据集；对所述历史工作数据集进行工作特征提取，得到历史工作特征集；将所述历史工作特征集随机拆分为若干初始工作特征组，并为每个所述初始工作特征组随机选取初始特征中心；利用如下的工作特征距离算法计算出所述历史工作特征集中各个历史工作特征与所有的所述初始特征中心之间的工作特征距离：

48、

49、其中，t是指所述工作特征距离，n是指所述历史工作特征中工作特征总数，且所述历史工作特征的工作特征总数等于所述初始特征中心的工作特征总数，i是指第i个工作特征，arccos是反余弦函数，k是指第k维特征，m是指所述历史工作特征中每个工作特征的特征总维度，是指所述历史工作特征中第i个工作特征的第k维特征，是指所述初始特征中心中第i个工作特征的第k维特征；根据所述工作特征距离对各个所述初始工作特征组进行迭代更新，得到工作特征类，并将所有的所述工作特征类汇集成工作特征类集；

50、温度分析模块，用于根据所述工作状态序列对所述历史温度序列进行温度特征提取，得到标准温度序列，根据所述工作状态序列和所述标准温度序列建立温度分析模型；

51、排风分析模块，用于从所述历史通风数据中分别提取出历史功率数据以及历史风扇数据，根据所述历史风扇数据和所述历史功率数据建立所述目标mcc房的功率排风模型，根据所述历史温度数据和所述历史风扇数据建立所述目标mcc房的排风降温模型；

52、功率配置模块，用于获取所述目标mcc房的实时工作状态，利用所述状态分析模型分析出所述目标mcc房的标准工作状态，利用所述温度分析模型分析出所述标准工作状态对应的标准温度数据，利用所述排风降温模型分析出所述标准温度数据对应的标准排风数据，并根据所述标准排风数据和所述功率排风模型对所述目标mcc房的通风系统进行功率配置。

53、本发明实施例通过分别对所述历史传感数据进行时序排列和数据清洗，得到标准传感数据，可以实现对训练集数据的筛选，从而提升后续操作计算的准确性，通过从所述标准传感数据中分别提取出历史工作数据、历史温度数据以及历史通风数据，可以方便后续根据数据种类进行分析，通过对所述历史工作数据进行特征聚类，得到工作特征类集，可以方便对历史工作数据进行分类分析，根据所述工作特征类集对所述历史工作数据进行映射，得到工作状态序列，分别提取出所述工作状态序列的时序特征和注意力特征，通过根据所述时序特征和所述注意力特征建立所述目标mcc房的状态分析模型，可以分析出未来时间段内工作状态的变化情况，方便通风系统提前进行状态切换，进行快速通风降温，通过根据所述工作状态序列对所述历史温度序列进行温度特征提取，得到标准温度序列，根据所述工作状态序列和所述标准温度序列建立温度分析模型可以建立工作状态与温度变化之间的关系模型，进而提高分析温度的变化趋势的准确率；

54、通过根据所述历史风扇数据和所述历史功率数据建立所述目标mcc房的功率排风模型，可以得到功率和排风量之间的关系模型，通过根据所述历史温度数据和所述历史风扇数据建立所述目标mcc房的排风降温模型，可以得到降温和排风量之间的关系模型，进而得到功率与降温效率之间的关系模型，从而提高mcc房通风降温的性能，通过获取所述目标mcc房的实时工作状态，利用所述状态分析模型分析出所述目标mcc房的标准工作状态，利用所述温度分析模型分析出所述标准工作状态对应的标准温度数据，利用所述排风降温模型分析出所述标准温度数据对应的标准排风数据，并根据所述标准排风数据和所述功率排风模型对所述目标mcc房的通风系统进行功率配置，可以实现对目标mcc房的温度全局控制，精确调控通风系统的工作功率，进而提升通风性能。因此本发明提出的应用于mcc房的通风性能提升方法和装置，可以解决进行mcc房通风时的通风性能较低的问题。