本申請實(shí)施例屬于數(shù)據(jù)處理，特別是涉及一種異常數(shù)據(jù)分級模型構(gòu)建方法和異常數(shù)據(jù)分級方法。

背景技術(shù)：

1、隨著分布式儲能機(jī)柜的發(fā)展，儲能機(jī)柜中安裝的電池和傳感器的數(shù)量及其對應(yīng)產(chǎn)生的數(shù)據(jù)逐漸增多。在對這些數(shù)據(jù)進(jìn)行異常檢測時，往往都是采用相同的檢測方法來進(jìn)行的。

2、由于數(shù)據(jù)龐大且種類繁多，傳統(tǒng)的異常數(shù)據(jù)檢測方法往往只對數(shù)據(jù)的離群程度進(jìn)行計(jì)算，無法精確、合理地對數(shù)據(jù)進(jìn)行異常判斷及分類，導(dǎo)致無法對儲能機(jī)柜中出現(xiàn)異常數(shù)據(jù)的組件進(jìn)行合理的調(diào)整。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本申請實(shí)施例提供了一種異常數(shù)據(jù)分級模型構(gòu)建方法和異常數(shù)據(jù)分級方法，用以提高對異常數(shù)據(jù)的分級精度，實(shí)現(xiàn)對異常數(shù)據(jù)的精確分級。

2、本申請實(shí)施例的第一方面提供了一種異常數(shù)據(jù)分級模型構(gòu)建方法，包括：

3、獲取歷史數(shù)據(jù)和待分級組件數(shù)據(jù)，所述歷史數(shù)據(jù)包括歷史正常時序數(shù)據(jù)和歷史異常時序數(shù)據(jù)，所述待分級組件數(shù)據(jù)包括正常時序數(shù)據(jù)和異常時序數(shù)據(jù)；

4、基于所述歷史正常時序數(shù)據(jù)，確定所述待分級組件數(shù)據(jù)中的異常時序數(shù)據(jù)；

5、獲取所述異常時序數(shù)據(jù)對應(yīng)的分級標(biāo)簽，各個所述分級標(biāo)簽有一一對應(yīng)的異常程度；

6、基于閾值池和所述待分級組件數(shù)據(jù)對應(yīng)的所述分級標(biāo)簽，確定所述待分級組件數(shù)據(jù)對應(yīng)的預(yù)測分級標(biāo)簽，所述閾值池包括所述歷史異常時序數(shù)據(jù)及其對應(yīng)的分級標(biāo)簽，各個所述預(yù)測分級標(biāo)簽有一一對應(yīng)的異常程度；

7、對所述待分級組件數(shù)據(jù)對應(yīng)的所述分級標(biāo)簽和所述預(yù)測分級標(biāo)簽之間的接近程度進(jìn)行評價，得到評價值；

8、根據(jù)所述評價值對預(yù)先構(gòu)建的模型進(jìn)行修正，得到所述異常數(shù)據(jù)分級模型。

9、本申請實(shí)施例的第二方面提供了一種異常數(shù)據(jù)分級方法，包括：

10、獲取歷史數(shù)據(jù)和待分級組件數(shù)據(jù)；

11、將所述歷史數(shù)據(jù)和所述待分級組件數(shù)據(jù)輸入至已構(gòu)建的異常數(shù)據(jù)分級模型進(jìn)行處理，所述異常數(shù)據(jù)分級模型包括一閾值池，所述閾值池包括歷史異常數(shù)據(jù)及其對應(yīng)的分級標(biāo)簽，各個所述預(yù)測分級標(biāo)簽有一一對應(yīng)的異常程度；

12、獲取所述異常數(shù)據(jù)分級模型輸出的數(shù)據(jù)處理結(jié)果，所述數(shù)據(jù)處理結(jié)果包括所述待分級組件數(shù)據(jù)的異常判斷結(jié)果和/或數(shù)據(jù)分級結(jié)果；

13、其中，所述異常數(shù)據(jù)分級模型按照第一方面所述的方法構(gòu)建得到。

14、本申請實(shí)施例的第三方面提供了一種異常數(shù)據(jù)分級模型的構(gòu)建裝置，包括：

15、數(shù)據(jù)獲取模塊，用于獲取歷史數(shù)據(jù)和待分級組件數(shù)據(jù)，所述歷史數(shù)據(jù)包括歷史正常時序數(shù)據(jù)和歷史異常時序數(shù)據(jù)，所述待分級組件數(shù)據(jù)包括正常時序數(shù)據(jù)和異常時序數(shù)據(jù)；

16、異常時序數(shù)據(jù)確定模塊，用于基于所述歷史正常時序數(shù)據(jù)，確定所述待分級組件數(shù)據(jù)中的異常時序數(shù)據(jù)；

17、分級標(biāo)簽獲取模塊，用于獲取所述異常時序數(shù)據(jù)對應(yīng)的分級標(biāo)簽，各個所述分級標(biāo)簽有一一對應(yīng)的異常程度；

18、預(yù)測分級標(biāo)簽確定模塊，用于基于閾值池和所述待分級組件數(shù)據(jù)對應(yīng)的所述分級標(biāo)簽，確定所述待分級組件數(shù)據(jù)對應(yīng)的預(yù)測分級標(biāo)簽，所述閾值池包括所述歷史異常時序數(shù)據(jù)及其對應(yīng)的分級標(biāo)簽，各個所述預(yù)測分級標(biāo)簽有一一對應(yīng)的異常程度；

19、評價模塊，用于對所述待分級組件數(shù)據(jù)對應(yīng)的所述分級標(biāo)簽和所述預(yù)測分級標(biāo)簽之間的接近程度進(jìn)行評價，得到評價值；

20、修正模塊，用于根據(jù)所述評價值對預(yù)先構(gòu)建的模型進(jìn)行修正，得到所述異常數(shù)據(jù)分級模型。

21、本申請實(shí)施例的第四方面提供了一種異常數(shù)據(jù)分級裝置，包括：

22、獲取模塊，用于獲取歷史數(shù)據(jù)和待分級組件數(shù)據(jù)；

23、處理模塊，用于將所述歷史數(shù)據(jù)和所述待分級組件數(shù)據(jù)輸入至已構(gòu)建的異常數(shù)據(jù)分級模型進(jìn)行處理，所述異常數(shù)據(jù)分級模型包括一閾值池，所述閾值池包括歷史異常數(shù)據(jù)及其對應(yīng)的分級標(biāo)簽，各個所述預(yù)測分級標(biāo)簽有一一對應(yīng)的異常程度；

24、結(jié)果獲取模塊，用于獲得所述異常數(shù)據(jù)分級模型輸出的數(shù)據(jù)處理結(jié)果，所述數(shù)據(jù)處理結(jié)果包括所述待分級組件數(shù)據(jù)的異常判斷結(jié)果和/或數(shù)據(jù)分級結(jié)果；

25、其中，所述異常數(shù)據(jù)分級模型按照第一方面所述的方法構(gòu)建得到。

26、本申請實(shí)施例的第五方面提供了一種終端設(shè)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(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時實(shí)現(xiàn)如上述第一方面所述的異常數(shù)據(jù)分級模型構(gòu)建方法和/或如上述第二方面所述的異常數(shù)據(jù)分級方法。

27、本申請實(shí)施例的第六方面提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如上述第一方面所述的異常數(shù)據(jù)分級模型構(gòu)建方法和/或如上述第二方面所述的異常數(shù)據(jù)分級方法。

28、與現(xiàn)有技術(shù)相比，本申請實(shí)施例具有以下優(yōu)點(diǎn)：

29、應(yīng)用本申請實(shí)施例，可以對儲能機(jī)柜各組件產(chǎn)生的數(shù)據(jù)進(jìn)行分類，根據(jù)數(shù)據(jù)的不同類型采用不同的異常判斷方法。其中，對于時序數(shù)據(jù)，可以基于機(jī)器學(xué)習(xí)的原理，構(gòu)建異常數(shù)據(jù)分級模型，通過該異常數(shù)據(jù)分級模型對異常時序數(shù)據(jù)的異常程度進(jìn)行分級，并在分級的過程中不斷自動修正該異常數(shù)據(jù)分級模型，使得該模型對異常時序數(shù)據(jù)的分級結(jié)果越來越精確，實(shí)現(xiàn)了對儲能機(jī)柜的自動化維護(hù)，保證了儲能機(jī)柜的安全運(yùn)行。

技術(shù)特征：

1.一種異常數(shù)據(jù)分級模型構(gòu)建方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述歷史正常時序數(shù)據(jù)，確定所述待分級組件數(shù)據(jù)中的異常時序數(shù)據(jù)，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在獲取歷史數(shù)據(jù)和待分級組件數(shù)據(jù)之后，還包括：

4.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的方法，其特征在于，所述根據(jù)所述評價值對預(yù)先構(gòu)建的模型進(jìn)行修正，得到所述異常數(shù)據(jù)分級模型，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對所述待分級組件數(shù)據(jù)對應(yīng)的所述分級標(biāo)簽和所述預(yù)測分級標(biāo)簽之間的接近程度進(jìn)行評價，得到評價值，包括：

6.根據(jù)權(quán)利要求1-3或5任一項(xiàng)所述的方法，其特征在于，在根據(jù)所述評價值對預(yù)先構(gòu)建的模型進(jìn)行修正，得到所述異常數(shù)據(jù)分級模型之后，還包括：

7.一種異常數(shù)據(jù)分級方法，其特征在于，包括：

8.一種異常數(shù)據(jù)分級模型的構(gòu)建裝置，其特征在于，包括：

9.一種終端設(shè)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(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時實(shí)現(xiàn)如權(quán)利要求1-6任一項(xiàng)所述的異常數(shù)據(jù)分級模型構(gòu)建方法和/或如權(quán)利要求7所述的異常數(shù)據(jù)分級方法。

10.一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1-6任一項(xiàng)所述的異常數(shù)據(jù)分級模型構(gòu)建方法和/或如權(quán)利要求7所述的異常數(shù)據(jù)分級方法。

技術(shù)總結(jié)
本申請實(shí)施例適用于數(shù)據(jù)處理技術(shù)領(lǐng)域，提供了一種異常數(shù)據(jù)分級模型構(gòu)建方法和異常數(shù)據(jù)分級方法，所述異常數(shù)據(jù)分級模型構(gòu)建方法包括：基于歷史正常時序數(shù)據(jù)，確定待分級組件數(shù)據(jù)中的異常時序數(shù)據(jù)，獲取異常時序數(shù)據(jù)對應(yīng)的分級標(biāo)簽，基于閾值池和待分級組件數(shù)據(jù)對應(yīng)的分級標(biāo)簽，確定待分級組件數(shù)據(jù)對應(yīng)的預(yù)測分級標(biāo)簽，對待分級組件數(shù)據(jù)對應(yīng)的分級標(biāo)簽和預(yù)測分級標(biāo)簽之間的接近程度進(jìn)行評價，得到評價值，根據(jù)評價值對預(yù)先構(gòu)建的模型進(jìn)行修正，得到所述異常數(shù)據(jù)分級模型。應(yīng)用上述方法得到的異常數(shù)據(jù)分級模型，可以在對異常數(shù)據(jù)進(jìn)行分級的同時，自動修正模型，提高模型對異常數(shù)據(jù)的分級精度，實(shí)現(xiàn)對異常數(shù)據(jù)的精確分級。

技術(shù)研發(fā)人員：迮愷,鄭宇卿,黃鄭樺
受保護(hù)的技術(shù)使用者：南京四象新能源科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21