(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210954767.2 (22)申请日 2022.08.10 (71)申请人 深圳达实智能股份有限公司 地址 518000 广东省深圳市南 山区高新 技 术村W1栋A座五楼 (72)发明人 金奥翔　宋航　李信洪　袁宜峰　 戴吉平　 (74)专利代理 机构 深圳力拓知识产权代理有限 公司 44313 专利代理师 夏锋 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) H02J 3/00(2006.01) (54)发明名称 一种传感器关键信息缺失情形下的冷负荷 预测方法及系统 (57)摘要 本发明适用于物联网传感器技术领域， 提供 了一种传感器关键信息缺失情形下的冷负荷预 测方法及系统， 所述方法包括以下步骤： 对传感 器的缺失信息类型进行鉴别， 缺失信息类型包括 序列值信息缺失、 正确 信息缺失和混合型信息缺 失； 对缺少的传感器信息进行填补， 采用机理模 型填补序列值信息缺失， 采用数据挖掘的形式填 补正确信息缺失， 采用机理模型与数据挖掘并用 后择优插值的方式来填补混合型信息缺失； 采用 多因子时序预测算法对冷负荷 进行预测。 本发明 能够对各种缺失信息类型进行精确填补， 并保证 了冷负荷预测的实时准确性。 权利要求书2页 说明书6页 附图6页 CN 115310702 A 2022.11.08 CN 115310702 A 1.一种传感器关键信息缺失情形下的冷负荷预测方法， 其特征在于， 所述方法包括以 下步骤： 对传感器的缺失信息类型进行鉴别， 缺失信息类型包括序列值信息缺失、 正确信息缺 失和混合型信息缺失； 对缺少的传感器信息进行填补， 采用机理模型填补序列值信息缺失， 采用数据挖掘的 形式填补正确信息缺 失， 采用机理模型与数据挖掘并用后择优插值的方式来填补混合型信 息缺失； 采用多因子时序预测算法对冷负荷进行 预测。 2.根据权利要求1所述一种传感器关键信息缺失情形下的冷负荷预测方法， 其特征在 于， 所述对传感器的缺失信息类型进行鉴别的步骤， 具体包括： 接收流入的时序传感器信息； 判定数据时序上 是否存在缺失点； 当不存在缺失点时， 判定是否存在过度异常波动， 当不存在过度异常波动， 鉴定为无信 息缺失， 否则鉴定为 正确信息缺失； 当存在缺失点时， 判定缺失片段两端是否存在偏离点， 当存在偏离点 时， 鉴定为混合型 信息缺失， 否则鉴定为序列值信息缺失。 3.根据权利要求1所述一种传感器关键信息缺失情形下的冷负荷预测方法， 其特征在 于， 所述采用机理模型填补序列值信息缺失的步骤， 具体包括： 获取机理模型和历史数据； 清洗历史数据， 定义迭代标准； 拟合机理模型达 到所需精度； 判定缺失片段中是否仅目标变量缺失， 若是， 按照机理模型对缺失片段插值； 否则， 进 行下一步骤； 判定其余缺失变量是否能单独建立机理模型， 若是， 对其余变量进行机理插值； 否则， 按照统计法进行插值。 4.根据权利要求1所述一种传感器关键信息缺失情形下的冷负荷预测方法， 其特征在 于， 所述采用数据 挖掘的形式填补正确信息缺失的步骤， 具体包括： 获取历史工况 数据并预处 理； 进行周期项和趋势项分解； 趋势项的时序算法建模； 基于算法对趋势项 进行预测； 叠加周期项作为 最终插值。 5.根据权利要求1所述一种传感器关键信息缺失情形下的冷负荷预测方法， 其特征在 于， 采用多因子时序预测算法对冷负荷进 行预测时， 考虑的因素包括各个区域的温湿度、 外 界温湿度、 新风流量、 新风 温湿度、 外界辐射 强度、 湿球温度、 人员数量、 人员活动负荷、 舒适 度情况以及室内电器功率， 训练好的模型部署在边缘端， 部署在边缘端的模型定期进行更 新。 6.一种传感器关键信息缺失情形 下的冷负荷预测系统， 其特 征在于， 所述系统包括： 缺失信息类型鉴别模块， 用于对传感器的缺失信息类型进行鉴别， 缺失信息类型包括权　利　要　求　书 1/2 页 2 CN 115310702 A 2序列值信息缺失、 正确信息缺失和混合型信息缺失； 传感器信息填补模块， 用于对缺少的传感器信息进行填补， 采用机理模型填补序列值 信息缺失， 采用数据挖掘的形式填补正确信息缺失， 采用机理模型与数据挖掘并用后择优 插值的方式来 填补混合型信息缺失； 以及 冷负荷预测模块， 用于采用多因子时序预测算法对冷负荷进行 预测。 7.根据权利要求6所述一种传感器关键信息缺失情形下的冷负荷预测系统， 其特征在 于， 所述缺失信息类型鉴别模块包括： 时序传感器信息 接收单元， 用于接收流入的时序传感器信息； 缺失点判定单 元， 用于判定数据时序上 是否存在缺失点； 异常波动判定单元， 当不存在缺失点时， 判定是否存在过度异常波动， 当不存在过度异 常波动， 鉴定为无信息缺失， 否则鉴定为 正确信息缺失； 偏离点判定单元， 当存在缺失点 时， 判定缺失片段两端是否存在偏离点， 当存在偏离点 时， 鉴定为混合型信息缺失， 否则鉴定为序列值信息缺失。权　利　要　求　书 2/2 页 3 CN 115310702 A 3