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：瑞熙(苏州)智能科技有限公司

摘要：本申请涉及智能化数据修正领域，具体涉及一种基于机器学习算法的能耗数据修正方法及系统。其基于待修正能耗数据来对于采集的原始能耗数据进行分组，以确定该待修正能耗数据之前的先前能耗历史数据和之后的在后能耗延伸数据，然后，在后端引入基于人工智能和机器学习的数据处理和分析算法来对于该先前能耗历史数据和在后能耗延伸数据进行时序前后向分析和信息传播融合，以此基于上下文的修正能耗数据时序语义来得到能耗数据修正解码值。这样，能够基于能耗数据的前后向上下文时序语义来有效地修正能耗异常数据，恢复能耗系统的稳定性，为后续的能源管理决策提供更为准确的数据基础。

主权项：1.一种基于机器学习算法的能耗数据修正方法，其特征在于，包括：获取原始数据；在所述原始数据中锚定待修正能耗数据；基于所述待修正能耗数据，对所述原始数据进行数据切分以得到先前能耗历史数据和在后能耗延伸数据；分别对所述先前能耗历史数据和所述在后能耗延伸数据进行局部时序特征提取以得到先前能耗局部时序特征向量的序列和在后能耗局部时序特征向量的序列；将所述先前能耗局部时序特征向量的序列输入前向LSTM模型以得到先前能耗时序传播表示向量；将所述在后能耗局部时序特征向量的序列输入后向LSTM模型以得到后向能耗时序传播表示向量；将所述先前能耗时序传播表示向量和所述后向能耗时序传播表示向量输入特征值粒度关联掩码可区分注意融合模块以得到双向能耗时序传播融合表示向量；基于所述双向能耗时序传播融合表示向量，确定能耗数据修正解码值；其中，将所述先前能耗时序传播表示向量和所述后向能耗时序传播表示向量输入特征值粒度关联掩码可区分注意融合模块以得到双向能耗时序传播融合表示向量，包括：计算所述先前能耗时序传播表示向量和所述后向能耗时序传播表示向量之间的全域特征值关联矩阵以得到先前-后向能耗全域特征值关联矩阵；将所述先前-后向能耗全域特征值关联矩阵输入可学习的门控函数以得到先前-后向能耗相关性可区分权重矩阵；以所述先前-后向能耗相关性可区分权重矩阵作为融合掩码矩阵，分别计算所述先前能耗时序传播表示向量和所述后向能耗时序传播表示向量与所述先前-后向能耗相关性可区分权重矩阵之间的矩阵乘积以得到区分强化先前能耗时序传播表示向量和区分强化后向能耗时序传播表示向量；融合所述区分强化先前能耗时序传播表示向量和所述区分强化后向能耗时序传播表示向量以得到所述双向能耗时序传播融合表示向量；其中，计算所述先前能耗时序传播表示向量和所述后向能耗时序传播表示向量之间的全域特征值关联矩阵以得到先前-后向能耗全域特征值关联矩阵，包括：计算所述先前能耗时序传播表示向量的转置向量和所述后向能耗时序传播表示向量之间的向量乘法以得到所述先前-后向能耗全域特征值关联矩阵；其中，将所述先前-后向能耗全域特征值关联矩阵输入可学习的门控函数以得到先前-后向能耗相关性可区分权重矩阵，包括：以所述先前-后向能耗全域特征值关联矩阵中的各个位置特征值的负数作为指数幂，计算以自然常数e为底的自然指数函数值以得到先前-后向能耗全域特征值关联类支持矩阵；计算所述先前-后向能耗全域特征值关联类支持矩阵中的各个位置特征值与常数1之和的倒数以得到先前-后向能耗全域特征值关联权重矩阵；计算所述先前-后向能耗全域特征值关联权重矩阵和所述先前-后向能耗全域特征值关联矩阵之间的按位置点乘以得到所述先前-后向能耗相关性可区分权重矩阵；其中，融合所述区分强化先前能耗时序传播表示向量和所述区分强化后向能耗时序传播表示向量以得到所述双向能耗时序传播融合表示向量，包括：将所述区分强化先前能耗时序传播表示向量和所述区分强化后向能耗时序传播表示向量进行级联处理以得到所述双向能耗时序传播融合表示向量。

全文数据：

权利要求：

百度查询： 瑞熙(苏州)智能科技有限公司 基于机器学习算法的能耗数据修正方法及系统