买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：威海凯瑞电气股份有限公司

摘要：ABCLINK电气综合监控系统，包括电气综合硬件模块、数据收集模块、数据压缩模块、数据预测模块、数据展示模块、自动控制模块；所述ABCLINK电气综合监控系统，通过电气管理设备对电气设备进行管理，收集电气设备工作数据，并对数据进行压缩储存，构建数据预测模型，基于历史电气设备工作数据预测未来电气设备工作情况。

主权项：1.ABCLINK电气综合监控系统，包括电气综合硬件模块、数据收集模块、数据压缩模块、数据预测模块、数据展示模块、自动控制模块；电气综合硬件模块利用小型计算机和微操作系统，组成集成式电气管理设备；数据收集模块收集被监测电气设备的工作参数；数据压缩模块对数据进行分解，基于最大适应度函数，优化最优序列，提高数据的压缩效率；数据预测模块构建数据预测模型，利用真实数据序列训练预测模型；数据展示模块将电气设备运行数据和设备运行预测数据展示出来；自动控制模块在电气设备发生紧急情况时，自动运行紧急情况操作预案并发出警报提醒工作人员及时处理故障，降低故障危害程度；所述数据压缩模块，将数据分解为两个部分序列，基于最大适应度函数，得到最优序列，构建改进的数据压缩算法，详细过程如下：对于采集的一段时间的数据，定义数据集合Xt，表示为Xt＝[x1,x2,…,xi,…,xn]，其中x1、x2、xi、xn表示第1个、第2个、第i个、第n个数据，为一串字符序列，对于每个数据，分解成稳定部分序列和变化部分序列，数据分解表示为： 其中表示数据x1的稳定部分序列和变化部分序列、表示数据x2的稳定部分序列和变化部分序列、表示数据xi的稳定部分序列和变化部分序列、表示数据xn的稳定部分序列和变化部分序列，基于稳定部分序列，计算适应度函数，对稳定部分序列利用多级参数编码对数据进行编码，定义AK为多级参数向量，表示为AK＝[a1,a2,…,ak,…,an]，a1、a2、ak、an表示为第1个、第2个、第k个、第n个初始串数据结构序列；作为n个个体构成群体，构建适应度函数B，公式如下： 其中表示数据xj的稳定部分序列，x′表示最优序列，得到最小的适应度函数值，对初始串数据结构序列，对其序列中各个位置的数值进行交叉操作，公式如下：a′k,j＝∑bk·ak,j其中ak,j表示第k个初始串数据结构序列上第j个位置的数值，a′k,j表示第k个初始串数据结构序列上第j个位置的交叉进化值，bk为交叉随机数，∑bk＝1，进行n2次交叉，得到适应度函数B最小时的最优序列，基于最优序列，计算各数据序列的压缩比特数，得到最短压缩流码Lmin，公式如下： 其中L·表示多级参数编码下的压缩比特数；所述数据预测模块，基于数据序列，构建预测模型，利用改进的神经网络模型对预测模型进行训练，通过训练数据判断电气设备运行状况，详细过程如下：对于收集的序列数据，定义为Yt，基于序列数据Yt，构建数据移动平均预测模型，先提高数据序列的平稳性，对Yt进行差分处理，得到序列数据中前后数据的关系，公式如下： 其中表示d阶差分，θ表示滞后因子，构建预测模型，公式如下： μ表示常数项，φi表示预测模型参数，εt-i表示时间点t-i时刻的误差项，Yt-i表示t-i时刻序列数据，通过历史序列数据，预测未来序列数据，收集实际观测的对应的真实数据序列，构建序列数据向量其中Y1、Y2分别表示1时刻、2时刻的序列数据，将序列数据向量输入改进的神经网络模型中，对预测模型中参数进行优化，提高预测效果，设置三层神经网络模型，将真实数据序列输入神经网络输入层，对应k时刻的输入层输出公式如下： 基于输入层输出，得到k时刻隐含层输出 表示输入层第i个元素到隐含层第j个神经元之间的权值矩阵，基于隐含层输出，得到神经网络输出层输出表示为： 其中表示隐含层第j个元素到输出层第i个神经元之间的权值矩阵，基于输出层输出，得到预测模型参数优化向量 其中表示神经网络输出层的第1层输出，表示神经网络输出层的第i层输出，通过真实数据序列的训练，得到优化后的预测模型参数，提高预测模型的预测准确性，完成了数据序列预测模型的训练。

全文数据：

权利要求：

百度查询： 威海凯瑞电气股份有限公司 ABCLINK电气综合监控系统