權(quán)利要求書： 1.基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法，其特征在于，該方法包括以下步驟：

采集風(fēng)機(jī)運(yùn)行時(shí)各監(jiān)控?cái)?shù)據(jù)序列；所述監(jiān)控?cái)?shù)據(jù)序列包含電壓、電流、風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)序列；

結(jié)合灰色關(guān)聯(lián)法獲取電壓、電流數(shù)據(jù)序列對(duì)風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)序列的電壓關(guān)聯(lián)度和電流關(guān)聯(lián)度；

將電壓數(shù)據(jù)序列分成第一周期和第二周期；獲取電壓數(shù)據(jù)序列的標(biāo)準(zhǔn)差；根據(jù)電壓數(shù)據(jù)序列得到第一周期的電壓差值序列；獲取第二周期的電壓差值序列；計(jì)算電壓差值序列第一周期、第二周期的赫爾斯特指數(shù)；根據(jù)電壓數(shù)據(jù)序列第一周期、第二周期的赫爾斯特指數(shù)及電壓數(shù)據(jù)序列的標(biāo)準(zhǔn)差得到電壓波動(dòng)趨增系數(shù)；獲取電流波動(dòng)趨增系數(shù)；

根據(jù)電壓數(shù)據(jù)序列得到各電壓異常組；根據(jù)電壓數(shù)據(jù)序列第一周期各電壓異常組得到各電壓異常組的電壓波變系數(shù)；根據(jù)電壓數(shù)據(jù)序列第一周期各電壓異常組的電壓波變系數(shù)得到電壓數(shù)據(jù)序列第一周期的電壓波變強(qiáng)度；獲取電壓數(shù)據(jù)序列第二周期的電壓波變強(qiáng)度；根據(jù)電壓波動(dòng)趨增系數(shù)及電壓數(shù)據(jù)序列第一周期、第二周期的電壓波變強(qiáng)度得到電壓異常波動(dòng)漸延度；獲取電流異常波動(dòng)漸延度；

根據(jù)電壓、電流異常波動(dòng)漸延度及關(guān)聯(lián)度得到趨勢(shì)平滑參數(shù)；根據(jù)趨勢(shì)平滑參數(shù)對(duì)風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)序列計(jì)算下一時(shí)刻的風(fēng)機(jī)轉(zhuǎn)速預(yù)測(cè)值；當(dāng)下一時(shí)刻的風(fēng)機(jī)轉(zhuǎn)速預(yù)測(cè)值高于額定轉(zhuǎn)速值時(shí)風(fēng)機(jī)出現(xiàn)故障，完成風(fēng)機(jī)運(yùn)行故障預(yù)警。

2.如權(quán)利要求1所述的基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法，其特征在于，所述將電壓數(shù)據(jù)序列分成第一周期和第二周期的具體步驟為：對(duì)于電壓數(shù)據(jù)序列，將前 個(gè)數(shù)據(jù)記為第一周期，將后 個(gè)數(shù)據(jù)記為第二周期， 、為預(yù)設(shè)數(shù)量。

3.如權(quán)利要求1所述的基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法，其特征在于，所述根據(jù)電壓數(shù)據(jù)序列得到第一周期的電壓差值序列的具體步驟為：獲取額定電壓值，將電壓數(shù)據(jù)序列第一周期各數(shù)據(jù)數(shù)值與額定電壓值的差值絕對(duì)值記為第一周期的電壓差值序列。

4.如權(quán)利要求1所述的基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法，其特征在于，所述根據(jù)電壓數(shù)據(jù)序列第一周期、第二周期的赫爾斯特指數(shù)及電壓數(shù)據(jù)序列的標(biāo)準(zhǔn)差得到電壓波動(dòng)趨增系數(shù)的具體步驟為：對(duì)于電壓數(shù)據(jù)序列，獲取第一周期的赫爾斯特指數(shù)與第二周期的赫爾斯特指數(shù)的比值；將電壓數(shù)據(jù)序列的標(biāo)準(zhǔn)差與所述比值的乘積作為電壓波動(dòng)趨增系數(shù)。

5.如權(quán)利要求1所述的基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法，其特征在于，所述根據(jù)電壓數(shù)據(jù)序列得到各電壓異常組的具體步驟為：設(shè)置電壓高、低閾值，將電壓數(shù)據(jù)序列中高于高閾值或低于低閾值的連續(xù)數(shù)據(jù)均記為一組電壓異常組，得到各電壓異常組。

6.如權(quán)利要求1所述的基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法，其特征在于，所述根據(jù)電壓數(shù)據(jù)序列第一周期各電壓異常組得到各電壓異常組的電壓波變系數(shù)的具體步驟為：對(duì)于電壓數(shù)據(jù)序列第一周期各電壓異常組，計(jì)算電壓異常組各數(shù)據(jù)點(diǎn)的數(shù)值與額定電壓值的差值絕對(duì)值，將電壓異常組中所有數(shù)據(jù)點(diǎn)的差值絕對(duì)值求和得到電壓異常組的電壓波變系數(shù)。

7.如權(quán)利要求1所述的基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法，其特征在于，所述根據(jù)電壓數(shù)據(jù)序列第一周期各電壓異常組的電壓波變系數(shù)得到電壓數(shù)據(jù)序列第一周期的電壓波變強(qiáng)度的具體步驟為：獲取電壓數(shù)據(jù)序列第一周期電壓異常組的組數(shù)；

對(duì)于電壓數(shù)據(jù)序列第一周期各電壓異常組，獲取電壓異常組內(nèi)的數(shù)據(jù)點(diǎn)數(shù)量；將電壓異常組的電壓波變系數(shù)與數(shù)據(jù)點(diǎn)數(shù)量的乘積記為電壓異常組的第一因子；

計(jì)算第一周期所有電壓異常組的第一因子與所述組數(shù)的乘積，將所述乘積與第一周期電壓數(shù)據(jù)序列的數(shù)據(jù)點(diǎn)數(shù)量的比值記為電壓數(shù)據(jù)序列第一周期的電壓波變強(qiáng)度。

8.如權(quán)利要求1所述的基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法，其特征在于，所述根據(jù)電壓波動(dòng)趨增系數(shù)及電壓數(shù)據(jù)序列第一周期、第二周期的電壓波變強(qiáng)度得到電壓異常波動(dòng)漸延度的具體步驟為：對(duì)于電壓數(shù)據(jù)序列，計(jì)算第二周期與第一周期的電壓波變強(qiáng)度的比值，將所述比值與電壓波動(dòng)趨增系數(shù)的乘積作為電壓異常波動(dòng)漸延度。

9.如權(quán)利要求1所述的基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法，其特征在于，所述根據(jù)電壓、電流異常波動(dòng)漸延度及關(guān)聯(lián)度得到趨勢(shì)平滑參數(shù)的具體步驟為：將電壓異常波動(dòng)漸延度與電壓關(guān)聯(lián)度的乘積記為第一乘積，將電流異常波動(dòng)漸延度與電流關(guān)聯(lián)度的乘積記為第二乘積，將第一乘積與第二乘積的和值作為趨勢(shì)平滑參數(shù)。

10.基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警系統(tǒng)，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并在所述處理器上運(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(shí)實(shí)現(xiàn)如權(quán)利要求1?9任意一項(xiàng)所述方法的步驟。

說明書： 基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法及系統(tǒng)技術(shù)領(lǐng)域[0001] 本申請(qǐng)涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，具體涉及基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法及系統(tǒng)。背景技術(shù)[0002] 本發(fā)明中的風(fēng)機(jī)是一種使用電能工作、用于散熱和冷卻的裝置，主要通過風(fēng)流來降低溫度并排除熱量。其中電機(jī)是風(fēng)機(jī)的核心部件，風(fēng)葉的轉(zhuǎn)速也體現(xiàn)該風(fēng)機(jī)運(yùn)行時(shí)是否存在故障，同時(shí)電機(jī)老化、葉片堵塞、軸承損壞等都會(huì)造成該風(fēng)機(jī)轉(zhuǎn)速的異常。[0003] 傳統(tǒng)的基于經(jīng)驗(yàn)閾值是通過固定的閾值對(duì)風(fēng)機(jī)轉(zhuǎn)速的異常情況進(jìn)行監(jiān)測(cè)，這種方法并不能根據(jù)具體的實(shí)際情況設(shè)置特有的閾值，且對(duì)于臨近的歷史數(shù)據(jù)與時(shí)間較遠(yuǎn)的歷史數(shù)據(jù)對(duì)預(yù)測(cè)值的影響不做任何權(quán)重的限制，導(dǎo)致對(duì)風(fēng)機(jī)運(yùn)行未來可能出現(xiàn)的故障預(yù)警的精度較低。[0004] 綜上所述，本發(fā)明提出基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法，采集風(fēng)機(jī)運(yùn)行數(shù)據(jù)，根據(jù)電壓、電流數(shù)據(jù)中的異常情況進(jìn)行分析，通過影響風(fēng)機(jī)轉(zhuǎn)速的預(yù)測(cè)值，完成對(duì)風(fēng)機(jī)運(yùn)行故障預(yù)警。發(fā)明內(nèi)容[0005] 為了解決上述技術(shù)問題，本發(fā)明的目的在于提供一種基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法及系統(tǒng)，所采用的技術(shù)方案具體如下：第一方面，本發(fā)明實(shí)施例提供了一種基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法，該

方法包括以下步驟：

采集風(fēng)機(jī)運(yùn)行時(shí)各監(jiān)控?cái)?shù)據(jù)序列；所述監(jiān)控?cái)?shù)據(jù)序列包含電壓、電流、風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)序列；

結(jié)合灰色關(guān)聯(lián)法獲取電壓、電流數(shù)據(jù)序列對(duì)風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)序列的電壓關(guān)聯(lián)度和電

流關(guān)聯(lián)度；

將電壓數(shù)據(jù)序列分成第一周期和第二周期；獲取電壓數(shù)據(jù)序列的標(biāo)準(zhǔn)差；根據(jù)電

壓數(shù)據(jù)序列得到第一周期的電壓差值序列；獲取第二周期的電壓差值序列；計(jì)算電壓差值序列第一周期、第二周期的赫爾斯特指數(shù)；根據(jù)電壓數(shù)據(jù)序列第一周期、第二周期的赫爾斯特指數(shù)及電壓數(shù)據(jù)序列的標(biāo)準(zhǔn)差得到電壓波動(dòng)趨增系數(shù)；獲取電流波動(dòng)趨增系數(shù)；

根據(jù)電壓數(shù)據(jù)序列得到各電壓異常組；根據(jù)電壓數(shù)據(jù)序列第一周期各電壓異常組

得到各電壓異常組的電壓波變系數(shù)；根據(jù)電壓數(shù)據(jù)序列第一周期各電壓異常組的電壓波變系數(shù)得到電壓數(shù)據(jù)序列第一周期的電壓波變強(qiáng)度；獲取電壓數(shù)據(jù)序列第二周期的電壓波變強(qiáng)度；根據(jù)電壓波動(dòng)趨增系數(shù)及電壓數(shù)據(jù)序列第一周期、第二周期的電壓波變強(qiáng)度得到電壓異常波動(dòng)漸延度；獲取電流異常波動(dòng)漸延度；

根據(jù)電壓、電流異常波動(dòng)漸延度及關(guān)聯(lián)度得到趨勢(shì)平滑參數(shù)；根據(jù)趨勢(shì)平滑參數(shù)

對(duì)風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)序列計(jì)算下一時(shí)刻的風(fēng)機(jī)轉(zhuǎn)速預(yù)測(cè)值；當(dāng)下一時(shí)刻的風(fēng)機(jī)轉(zhuǎn)速預(yù)測(cè)值高于額定轉(zhuǎn)速值時(shí)風(fēng)機(jī)出現(xiàn)故障，完成風(fēng)機(jī)運(yùn)行故障預(yù)警。

[0006] 優(yōu)選的，所述將電壓數(shù)據(jù)序列分成第一周期和第二周期的具體步驟為：對(duì)于電壓數(shù)據(jù)序列，將前 個(gè)數(shù)據(jù)記為第一周期，將后 個(gè)數(shù)據(jù)記為第二周期，

、 為預(yù)設(shè)數(shù)量。

[0007] 優(yōu)選的，所述根據(jù)電壓數(shù)據(jù)序列得到第一周期的電壓差值序列的具體步驟為：獲取額定電壓值，將電壓數(shù)據(jù)序列第一周期各數(shù)據(jù)數(shù)值與額定電壓值的差值絕對(duì)

值記為第一周期的電壓差值序列。

[0008] 優(yōu)選的，所述根據(jù)電壓數(shù)據(jù)序列第一周期、第二周期的赫爾斯特指數(shù)及電壓數(shù)據(jù)序列的標(biāo)準(zhǔn)差得到電壓波動(dòng)趨增系數(shù)的具體步驟為：對(duì)于電壓數(shù)據(jù)序列，獲取第一周期的赫爾斯特指數(shù)與第二周期的赫爾斯特指數(shù)的

比值；將電壓數(shù)據(jù)序列的標(biāo)準(zhǔn)差與所述比值的乘積作為電壓波動(dòng)趨增系數(shù)。

[0009] 優(yōu)選的，所述根據(jù)電壓數(shù)據(jù)序列得到各電壓異常組的具體步驟為：設(shè)置電壓高、低閾值，將電壓數(shù)據(jù)序列中高于高閾值或低于低閾值的連續(xù)數(shù)據(jù)均

記為一組電壓異常組，得到各電壓異常組。

[0010] 優(yōu)選的，所述根據(jù)電壓數(shù)據(jù)序列第一周期各電壓異常組得到各電壓異常組的電壓波變系數(shù)的具體步驟為：對(duì)于電壓數(shù)據(jù)序列第一周期各電壓異常組，計(jì)算電壓異常組各數(shù)據(jù)點(diǎn)的數(shù)值與額

定電壓值的差值絕對(duì)值，將電壓異常組中所有數(shù)據(jù)點(diǎn)的差值絕對(duì)值求和得到電壓異常組的電壓波變系數(shù)。

[0011] 優(yōu)選的，所述根據(jù)電壓數(shù)據(jù)序列第一周期各電壓異常組的電壓波變系數(shù)得到電壓數(shù)據(jù)序列第一周期的電壓波變強(qiáng)度的具體步驟為：獲取電壓數(shù)據(jù)序列第一周期電壓異常組的組數(shù)；

對(duì)于電壓數(shù)據(jù)序列第一周期各電壓異常組，獲取電壓異常組內(nèi)的數(shù)據(jù)點(diǎn)數(shù)量；將

電壓異常組的電壓波變系數(shù)與數(shù)據(jù)點(diǎn)數(shù)量的乘積記為電壓異常組的第一因子；

計(jì)算第一周期所有電壓異常組的第一因子與所述組數(shù)的乘積，將所述乘積與第一

周期電壓數(shù)據(jù)序列的數(shù)據(jù)點(diǎn)數(shù)量的比值記為電壓數(shù)據(jù)序列第一周期的電壓波變強(qiáng)度。

[0012] 優(yōu)選的，所述根據(jù)電壓波動(dòng)趨增系數(shù)及電壓數(shù)據(jù)序列第一周期、第二周期的電壓波變強(qiáng)度得到電壓異常波動(dòng)漸延度的具體步驟為：對(duì)于電壓數(shù)據(jù)序列，計(jì)算第二周期與第一周期的電壓波變強(qiáng)度的比值，將所述比

值與電壓波動(dòng)趨增系數(shù)的乘積作為電壓異常波動(dòng)漸延度。

[0013] 優(yōu)選的，所述根據(jù)電壓、電流異常波動(dòng)漸延度及關(guān)聯(lián)度得到趨勢(shì)平滑參數(shù)的具體步驟為：將電壓異常波動(dòng)漸延度與電壓關(guān)聯(lián)度的乘積記為第一乘積，將電流異常波動(dòng)漸延

度與電流關(guān)聯(lián)度的乘積記為第二乘積，將第一乘積與第二乘積的和值作為趨勢(shì)平滑參數(shù)。

[0014] 第二方面，本發(fā)明實(shí)施例還提供了一種基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警系統(tǒng)，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并在所述處理器上運(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(shí)實(shí)現(xiàn)上述任意一項(xiàng)所述方法的步驟。[0015] 本發(fā)明至少具有如下有益效果：本發(fā)明根據(jù)歷史的電壓、電流數(shù)據(jù)序列進(jìn)行分析，將歷史數(shù)據(jù)分成兩個(gè)周期，針對(duì)每個(gè)周期的異常情況得到其數(shù)據(jù)序列對(duì)風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)序列的影響程度，將預(yù)測(cè)值設(shè)置為受到更臨近數(shù)據(jù)異常情況的影響，即時(shí)間越遠(yuǎn)歷史數(shù)據(jù)對(duì)未來的預(yù)測(cè)值的影響越小，以此更準(zhǔn)確預(yù)測(cè)未來下一時(shí)刻的風(fēng)機(jī)轉(zhuǎn)速，使得預(yù)警結(jié)果更加準(zhǔn)確。

[0016] 將電壓、電流對(duì)轉(zhuǎn)速的關(guān)聯(lián)度作為影響因素對(duì)轉(zhuǎn)速的影響度的初始值，對(duì)電壓、電流數(shù)據(jù)進(jìn)行分析處理，對(duì)于隨著時(shí)間變化，數(shù)值相關(guān)性越大、序列數(shù)值混亂波動(dòng)越具有增加的趨勢(shì)，同時(shí)該異常波動(dòng)強(qiáng)度越大，兩者表示數(shù)據(jù)中較為異常的波動(dòng)強(qiáng)度越呈現(xiàn)增強(qiáng)的趨勢(shì)，說明該數(shù)據(jù)變化并非是偶然現(xiàn)象，而是越具有逐漸增大的趨勢(shì)；采取霍爾特指數(shù)平滑算法對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)，使預(yù)測(cè)值更快適應(yīng)臨近時(shí)刻數(shù)據(jù)的變化，實(shí)現(xiàn)對(duì)風(fēng)機(jī)的實(shí)時(shí)監(jiān)測(cè)和預(yù)測(cè)，提高預(yù)警的準(zhǔn)確性和精度。附圖說明[0017] 為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案和優(yōu)點(diǎn)，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單的介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其它附圖。[0018] 圖1為本發(fā)明提供的基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法的流程圖。具體實(shí)施方式[0019] 為了更進(jìn)一步闡述本發(fā)明為達(dá)成預(yù)定發(fā)明目的所采取的技術(shù)手段及功效，以下結(jié)合附圖及較佳實(shí)施例，對(duì)依據(jù)本發(fā)明提出的基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法及系統(tǒng)，其具體實(shí)施方式、結(jié)構(gòu)、特征及其功效，詳細(xì)說明如下。在下述說明中，不同的“一個(gè)實(shí)施例”或“另一個(gè)實(shí)施例”指的不一定是同一實(shí)施例。此外，一或多個(gè)實(shí)施例中的特定特征、結(jié)構(gòu)或特點(diǎn)可由任何合適形式組合。[0020] 除非另有定義，本文所使用的所有的技術(shù)和科學(xué)術(shù)語(yǔ)與屬于本發(fā)明的技術(shù)領(lǐng)域的技術(shù)人員通常理解的含義相同。[0021] 下面結(jié)合附圖具體的說明本發(fā)明所提供的一種基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法及系統(tǒng)的具體方案。[0022] 本發(fā)明一個(gè)實(shí)施例提供的基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法及系統(tǒng)。[0023] 具體的，提供了如下的基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法，請(qǐng)參閱圖1，該方法包括以下步驟：步驟S001，采集風(fēng)機(jī)運(yùn)行時(shí)各監(jiān)控?cái)?shù)據(jù)序列。

[0024] 本實(shí)施例通過數(shù)據(jù)處理技術(shù)對(duì)風(fēng)機(jī)運(yùn)行故障進(jìn)行預(yù)測(cè)，當(dāng)風(fēng)機(jī)運(yùn)行時(shí)，如果其內(nèi)部電機(jī)的電壓、電流等影響因素發(fā)生變化時(shí)，風(fēng)機(jī)風(fēng)葉的轉(zhuǎn)速可能會(huì)受到影響。如電機(jī)的電壓變大，則風(fēng)機(jī)的轉(zhuǎn)速可能會(huì)隨之變化，通常是電機(jī)電壓變大時(shí)，風(fēng)機(jī)轉(zhuǎn)速也會(huì)變大。[0025] 因此在風(fēng)機(jī)風(fēng)葉中心旋轉(zhuǎn)軸承處設(shè)置轉(zhuǎn)速傳感器監(jiān)測(cè)風(fēng)機(jī)轉(zhuǎn)速的變化情況，在電機(jī)所在電路處設(shè)置電壓表、電流表，用于監(jiān)測(cè)風(fēng)機(jī)運(yùn)行時(shí)電機(jī)的電壓、電流變化情況。[0026] 從風(fēng)機(jī)正常運(yùn)行時(shí)刻開始，對(duì)各傳感器數(shù)據(jù)進(jìn)行數(shù)據(jù)采集，設(shè)置每間隔 時(shí)間，獲取一次各傳感器的數(shù)據(jù)，每個(gè)傳感器獲取 個(gè)時(shí)刻的數(shù)據(jù)，根據(jù)這些數(shù)據(jù)對(duì) 時(shí)刻的風(fēng)機(jī)轉(zhuǎn)速進(jìn)行預(yù)測(cè)。和 的取值實(shí)施者可自行設(shè)定，本實(shí)施例中 取經(jīng)驗(yàn)值2min，取經(jīng)驗(yàn)值240。

[0027] 由于風(fēng)機(jī)轉(zhuǎn)速受到電機(jī)電壓、電流因素的影響，因此本實(shí)施例結(jié)合電機(jī)的電壓、電流等數(shù)據(jù)對(duì)轉(zhuǎn)速數(shù)據(jù)的影響程度來對(duì)風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)進(jìn)行更準(zhǔn)確的預(yù)測(cè)。本實(shí)施例以上述風(fēng)機(jī)轉(zhuǎn)速作為判斷標(biāo)準(zhǔn)，將電壓、電流作為相關(guān)影響因素進(jìn)行分析處理。[0028] 至此，得到風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)序列 、電壓數(shù)據(jù)序列 和電流數(shù)據(jù)序列 。

[0029] 步驟S002，根據(jù)各監(jiān)控?cái)?shù)據(jù)序列對(duì)風(fēng)機(jī)轉(zhuǎn)速產(chǎn)生的影響確定趨勢(shì)平滑參數(shù)。[0030] 通常風(fēng)機(jī)在運(yùn)行時(shí)具有一個(gè)額定的轉(zhuǎn)速，當(dāng)實(shí)際轉(zhuǎn)速與額定轉(zhuǎn)速之間存在較大的差異時(shí)，說明該時(shí)刻風(fēng)機(jī)可能出現(xiàn)一些故障影響了風(fēng)機(jī)的轉(zhuǎn)速。如電機(jī)電壓異常增大時(shí)，風(fēng)機(jī)轉(zhuǎn)速通常大于額定轉(zhuǎn)速。[0031] 因此本實(shí)施例采用風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)序列中的異常數(shù)據(jù)作為風(fēng)機(jī)是否存在故障的標(biāo)準(zhǔn)，根據(jù)歷史的故障情況對(duì)于未來時(shí)刻的風(fēng)機(jī)轉(zhuǎn)速進(jìn)行預(yù)測(cè)，當(dāng)預(yù)測(cè)值與額定值差異較大時(shí)，進(jìn)行預(yù)警處理。[0032] 然而，只根據(jù)歷史風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)對(duì)未來時(shí)刻的風(fēng)機(jī)轉(zhuǎn)速進(jìn)行預(yù)測(cè)時(shí)，很難對(duì)未來時(shí)刻風(fēng)機(jī)預(yù)測(cè)轉(zhuǎn)速的準(zhǔn)確度，因此本實(shí)施例結(jié)合電機(jī)電壓、電流數(shù)據(jù)序列對(duì)風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)序列產(chǎn)生的影響，用來對(duì)風(fēng)機(jī)轉(zhuǎn)速進(jìn)行更為準(zhǔn)確的預(yù)測(cè)，提高預(yù)警的準(zhǔn)確度。[0033] 本實(shí)施例采用霍爾特（holt）指數(shù)平滑算法對(duì)未來時(shí)刻的風(fēng)機(jī)轉(zhuǎn)速進(jìn)行預(yù)測(cè)。但是在霍爾特指數(shù)平滑算法中，趨勢(shì)平滑參數(shù) 往往是人工確定的，該值越大，與預(yù)測(cè)時(shí)刻越接近時(shí)刻的趨勢(shì)在算法中的權(quán)重越大，即預(yù)測(cè)值受臨近時(shí)刻數(shù)據(jù)趨勢(shì)的影響越大，預(yù)測(cè)值對(duì)臨近數(shù)據(jù)趨勢(shì)越敏感。但是，該值過大時(shí)，預(yù)測(cè)值受到該臨近值趨勢(shì)的影響過大，導(dǎo)致預(yù)測(cè)值并不準(zhǔn)確。因此需要根據(jù)歷史數(shù)據(jù)的平穩(wěn)特征和波動(dòng)特征對(duì)趨勢(shì)平滑參數(shù)進(jìn)行調(diào)整，確定一個(gè)自適應(yīng)趨勢(shì)平滑參數(shù)，獲取較為準(zhǔn)確的預(yù)測(cè)值。[0034] 為了獲取的風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)序列和對(duì)其產(chǎn)生影響的電壓、電流數(shù)據(jù)序列之間變化的關(guān)系，本實(shí)施例使用灰色關(guān)聯(lián)法GRA獲取電壓、電流對(duì)風(fēng)機(jī)轉(zhuǎn)速的關(guān)聯(lián)度，分別記為電壓關(guān)聯(lián)度 、電流關(guān)聯(lián)度 。其中灰度關(guān)聯(lián)法為公知技術(shù)，本實(shí)施例不再贅述。[0035] 其中，如果 越大，即當(dāng)電壓、電流發(fā)生變化時(shí)，風(fēng)機(jī)轉(zhuǎn)速越會(huì)立刻發(fā)生相應(yīng)的變化，說明電壓、電流對(duì)風(fēng)機(jī)轉(zhuǎn)速的影響程度越大。[0036] 不止電壓、電流對(duì)風(fēng)機(jī)轉(zhuǎn)速的關(guān)聯(lián)度可以影響風(fēng)機(jī)轉(zhuǎn)速預(yù)測(cè)，電壓、電流數(shù)據(jù)序列自身的數(shù)據(jù)特征也會(huì)對(duì)風(fēng)機(jī)轉(zhuǎn)速的故障判斷產(chǎn)生一定的影響。[0037] 因此將電壓、電流關(guān)聯(lián)度作為對(duì)風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)序列影響的初始值，然后對(duì)電壓、電流數(shù)據(jù)序列進(jìn)行分析處理，再對(duì)其影響度進(jìn)行修正。[0038] 對(duì)于往期數(shù)據(jù)，當(dāng)突然出現(xiàn)波動(dòng)幅度較大、頻率較快的情況時(shí)，為了避免該突變數(shù)據(jù)是由于噪聲等原因造成，對(duì)其進(jìn)行霍爾特指數(shù)平滑預(yù)測(cè)未來時(shí)刻時(shí)，應(yīng)當(dāng)減小趨勢(shì)平滑參數(shù) ，使其適應(yīng)新數(shù)據(jù)的速度減弱；而如果隨著時(shí)間變化，數(shù)據(jù)波動(dòng)幅度、頻率持續(xù)增強(qiáng)，說明該數(shù)據(jù)變化并非是偶然現(xiàn)象，為了更加準(zhǔn)確地預(yù)測(cè)未來數(shù)據(jù)，應(yīng)當(dāng)增大趨勢(shì)平滑參數(shù)，使其適應(yīng)新數(shù)據(jù)的趨勢(shì)變化。[0039] 本實(shí)施例針對(duì)風(fēng)機(jī)轉(zhuǎn)速中的電壓數(shù)據(jù)序列為例說明，電流數(shù)據(jù)序列采用和電壓數(shù)據(jù)序列同樣的處理方法。[0040] 傳統(tǒng)的基于經(jīng)驗(yàn)閾值在對(duì)歷史數(shù)據(jù)進(jìn)行分析時(shí)，并不能考慮到臨近歷史數(shù)據(jù)與時(shí)間較遠(yuǎn)的歷史數(shù)據(jù)對(duì)未來預(yù)測(cè)值的影響權(quán)重，而未來的預(yù)測(cè)值也和臨近的歷史數(shù)據(jù)關(guān)系最為接近且受其數(shù)據(jù)變化情況影響較大。[0041] 因此，針對(duì)歷史數(shù)據(jù)中的不同時(shí)間段內(nèi)的數(shù)據(jù)進(jìn)行分析時(shí)，需要將與預(yù)測(cè)值臨近的歷史數(shù)據(jù)和距離時(shí)間較遠(yuǎn)的歷史數(shù)據(jù)的分布情況分開進(jìn)行考慮。[0042] 本實(shí)施例將電壓數(shù)據(jù)序列分成2個(gè)周期，第一周期為前 個(gè)數(shù)據(jù)，記為，第二周期為后 個(gè)數(shù)據(jù)劃，記為 。

[0043] 對(duì)于原始整體電壓數(shù)據(jù)序列 ，計(jì)算整體電壓數(shù)據(jù)序列的標(biāo)準(zhǔn)差 ，標(biāo)準(zhǔn)差越大，說明該數(shù)據(jù)序列遠(yuǎn)離平均電壓值越多，數(shù)據(jù)越混亂。

[0044] 為了表征電壓數(shù)據(jù)序列與額定電壓值之間的差距即異常變化情況，設(shè)置額定電壓值為 ；將第一周期的電壓數(shù)據(jù)序列 與額定電壓值的差值絕對(duì)值記為第一周期的電壓差值序列 ，該序列的值越大，說明這段時(shí)間內(nèi)的電壓值越遠(yuǎn)離額定電壓值 。

[0045] 同理可得第二周期的電壓差值序列 。[0046] 對(duì)第一周期和第二周期的電壓差值序列使用DFA去趨勢(shì)分析技術(shù)得到赫爾斯特Hurst指數(shù)，記為 、 ，用以表示各數(shù)據(jù)序列的長(zhǎng)相關(guān)性，其中DFA去趨勢(shì)分析為公知技術(shù)，本實(shí)施例不再贅述。[0047] 其中，如果赫爾斯特指數(shù)的值越大，越接近1，說明該數(shù)據(jù)序列隨著時(shí)間的變化數(shù)據(jù)序列的數(shù)值具有長(zhǎng)期相關(guān)性趨勢(shì)，即該數(shù)據(jù)序列中的數(shù)據(jù)越穩(wěn)定，越有可能是正常電壓值。[0048]其中， 表示電壓數(shù)據(jù)序列第二周期的hurst指數(shù)， 表示電壓數(shù)據(jù)序列第一

周期的hurst指數(shù)，為電壓數(shù)據(jù)序列的標(biāo)準(zhǔn)差， 為電壓波動(dòng)趨增系數(shù)。

[0049] 需要說明的是，hurst是用于衡量時(shí)間序列數(shù)據(jù)長(zhǎng)期相關(guān)性的統(tǒng)計(jì)量，當(dāng)標(biāo)準(zhǔn)差越大時(shí)，則該電壓數(shù)據(jù)序列的數(shù)值越遠(yuǎn)離均值，即電壓數(shù)據(jù)序列越波動(dòng)混亂， 越大時(shí)，說明該序列后周期比前周期數(shù)值的長(zhǎng)期歷史趨勢(shì)越小，即越到臨近預(yù)測(cè)時(shí)刻其歷史數(shù)據(jù)的穩(wěn)定性越差，具有相比于第一周期更加波動(dòng)的情況。[0050] 因此，當(dāng)該電壓數(shù)據(jù)序列中 越大，即各值越波動(dòng)混亂，而且 越大，即波動(dòng)混亂增加的趨勢(shì)越大，則該電壓數(shù)據(jù)序列混亂波動(dòng)越具有增加的趨勢(shì)，波動(dòng)趨增系數(shù) 越大。[0051] 如果風(fēng)機(jī)處于較為正常、穩(wěn)定的運(yùn)行狀態(tài)，電壓數(shù)據(jù)通常也不是恒定的數(shù)值，其序列中的各個(gè)值通常會(huì)呈現(xiàn)出一定的周期性變化，即電壓數(shù)據(jù)具有小幅度周期性波動(dòng)，該波動(dòng)數(shù)據(jù)通常與額定電壓值的差異極小，同時(shí)變化較為平緩。[0052] 因此，在正常情況下，電壓數(shù)據(jù)序列中電壓數(shù)值不會(huì)與額定值 相差較大，因此本實(shí)施例對(duì)電壓數(shù)據(jù)序列中的電壓數(shù)值設(shè)置兩個(gè)高、低閾值 、 ，這里取經(jīng)驗(yàn)值， 。對(duì)于正常的電壓數(shù)據(jù)序列，其各個(gè)時(shí)刻的電壓數(shù)值通常在高低閾值之間進(jìn)行波動(dòng)，但是不會(huì)超過兩個(gè)高低閾值的范圍，一旦序列中存在某時(shí)刻的電壓數(shù)據(jù)超過高低閾值的范圍，說明該時(shí)刻的電壓波動(dòng)幅度較大，該點(diǎn)越異常。

[0053] 對(duì)電壓數(shù)據(jù)序列的第一周期和第二周期內(nèi)的電壓值按照以下規(guī)則進(jìn)行劃分小組：按照時(shí)間先后順序，將連續(xù)超過設(shè)置高、低閾值范圍的數(shù)據(jù)，從第一個(gè)超過高、低閾值的電壓數(shù)據(jù)到連續(xù)的最后一個(gè)超過高、低閾值范圍的電壓數(shù)據(jù)劃分為一組。

[0054] 例如：如對(duì)于一個(gè)額定電壓值為220的風(fēng)機(jī)，其高、低閾值為231和209，其部分電壓序列為：222，227，232，235，238，233，228，222，218，212，207，205，212，按照劃分規(guī)則可將其分為2組，第一組對(duì)應(yīng)的數(shù)據(jù)是：232，235，238，233，第二組對(duì)應(yīng)的數(shù)據(jù)序列是：207，205。若該組中只有一個(gè)數(shù)據(jù)也對(duì)應(yīng)一個(gè)組。[0055] 各組內(nèi)的數(shù)據(jù)均是連續(xù)超過電壓高低閾值的數(shù)據(jù)，即每一個(gè)組內(nèi)的數(shù)據(jù)均是周期序列中連續(xù)的異常波動(dòng)值，每一組對(duì)應(yīng)一個(gè)該周期序列中持續(xù)異常波動(dòng)，該序列中所分組的數(shù)量越多，說明該序列的異常波動(dòng)越多。[0056] 由此可得電壓數(shù)據(jù)序列的第一周期中共有 組，每組對(duì)應(yīng)的數(shù)據(jù)個(gè)數(shù)分別為；電壓數(shù)據(jù)序列的第二周期共有 組，每組對(duì)應(yīng)的數(shù)據(jù)個(gè)數(shù)分別為。

[0057] 下面針對(duì)電壓數(shù)據(jù)序列的第一周期的各電壓異常組進(jìn)行分析。[0058]式中， 為第一周期第 組第 個(gè)電壓數(shù)據(jù)的數(shù)值，為風(fēng)機(jī)的額定電壓值， 為第

一周期第組中的數(shù)據(jù)數(shù)量， 為第一周期第組的電壓波變系數(shù)。

[0059] 需要說明的是，通過計(jì)算第一周期第 組中各個(gè)電壓數(shù)據(jù)與額定電壓值之間的差值絕對(duì)值，得到第一周期第 組的電壓波變系數(shù)。該值越大，說明該組中的電壓數(shù)據(jù)的波動(dòng)變化越劇烈。[0060] 由于電壓數(shù)據(jù)序列第一周期各電壓異常組的電壓波變系數(shù)不同，為了表征電壓數(shù)據(jù)序列第一周期的電壓波變強(qiáng)度，需要將第一周期的各電壓異常組的電壓波變系數(shù)結(jié)合起來，用于表征第一周期的電壓波變強(qiáng)度。結(jié)合第一周期電壓異常組的數(shù)量、組內(nèi)數(shù)據(jù)點(diǎn)的數(shù)量以及第一周期的電壓數(shù)據(jù)總量得到第一周期的電壓波變強(qiáng)度的表達(dá)式為：式中，為第一周期第組的數(shù)據(jù)數(shù)量， 為第一周期數(shù)據(jù)總量，為第一周期劃分

的組數(shù)， 為第一周期第 組的電壓波變系數(shù)， 為第一周期的電壓波變強(qiáng)度，其中，記為第j組的第一因子。

[0061] 需要說明的是，每個(gè)組對(duì)應(yīng)一個(gè)組內(nèi)的數(shù)據(jù)數(shù)量，在該周期中，組內(nèi)的數(shù)據(jù)數(shù)量越多，說明該組的異常波動(dòng)持續(xù)時(shí)間越長(zhǎng)，同時(shí)如果該組的電壓波變系數(shù)越大，即可以反應(yīng)該周期的電壓波動(dòng)變化強(qiáng)度越大；且該周期的電壓異常組越多，說明該周期越異常，該周期電壓波變強(qiáng)度 也越大。[0062] 由此可得第一周期的電壓波變強(qiáng)度 ，同理可獲取第二周期的電壓波變強(qiáng)度 。[0063] 在每個(gè)周期都能得到電壓數(shù)據(jù)序列的異常波動(dòng)變化強(qiáng)度，但是每個(gè)周期的異常波動(dòng)變化強(qiáng)度也有很大的可能為偶然的異常數(shù)據(jù)，即這些異常數(shù)據(jù)可能由外界因素引起，并不是由于風(fēng)機(jī)運(yùn)行故障引起的。[0064] 為了識(shí)別這種異常波動(dòng)變化強(qiáng)度是否為持續(xù)性地波動(dòng)，即這種波動(dòng)現(xiàn)象并非偶然，結(jié)合電壓波動(dòng)趨增系數(shù) 、電壓數(shù)據(jù)序列第一周期、第二周期的電壓波變強(qiáng)度構(gòu)建電壓異常波動(dòng)漸延度 。[0065]式中， 為電壓波動(dòng)趨增系數(shù)， 為第一周期的電壓波變強(qiáng)度， 為第二周期的

電壓波變強(qiáng)度， 為電壓異常波動(dòng)漸延度。

[0066] 需要說明的是， 越大，說明電壓數(shù)據(jù)序列數(shù)據(jù)隨著時(shí)間變化，波動(dòng)越混亂，越具有增加的趨勢(shì)； 越大，表示電壓數(shù)據(jù)序列后一周期比前一周期的異常波動(dòng)變化強(qiáng)度大，說明越接近預(yù)測(cè)值的歷史數(shù)據(jù)波動(dòng)變化強(qiáng)度越劇烈。[0067] 其中，得到的電壓異常波動(dòng)漸延度越大，說明隨著時(shí)間的變化，數(shù)據(jù)中較為異常的波動(dòng)數(shù)量越多、持續(xù)時(shí)間越長(zhǎng)，異常波動(dòng)強(qiáng)度呈現(xiàn)增強(qiáng)的趨勢(shì)，即該數(shù)據(jù)變化并非是偶然現(xiàn)象，而是具有逐漸增大的趨勢(shì)；因此，隨著時(shí)間增加，該序列異常波動(dòng)逐漸增加、蔓延。[0068] 為了更準(zhǔn)確的預(yù)測(cè)未來數(shù)據(jù)，應(yīng)當(dāng)增大趨勢(shì)平滑參數(shù) ，使其適應(yīng)新數(shù)據(jù)的波動(dòng)變化。[0069] 由此得到了電壓異常波動(dòng)漸延度，同理可得電流異常波動(dòng)漸延度 。[0070] 至此，可得電壓異常波動(dòng)漸延度 和電流異常波動(dòng)漸延度 ；結(jié)合電壓、電流關(guān)聯(lián)度 對(duì)其趨勢(shì)平滑參數(shù) 進(jìn)行修正。[0071]式中， 為線性歸一化函數(shù)， 、 分別為電壓、電流異常波動(dòng)漸延度，

、 分別為電壓、電流關(guān)聯(lián)度，為趨勢(shì)平滑參數(shù)，其中，將 記為第一乘積，

記為第二乘積。

[0072] 需要說明的是，本實(shí)施例中對(duì)風(fēng)機(jī)轉(zhuǎn)速共有電壓和電流兩個(gè)影響因素，如果電壓、電流異常波動(dòng)漸延度越大，說明電壓、電流數(shù)據(jù)序列隨著時(shí)間的變化時(shí)，異常波動(dòng)越多、異常波動(dòng)強(qiáng)度越大，且數(shù)據(jù)中較為異常的波動(dòng)強(qiáng)度呈現(xiàn)增強(qiáng)的趨勢(shì)，即該數(shù)據(jù)變化并非是偶然現(xiàn)象，而是具有逐漸增大的趨勢(shì)，為了更準(zhǔn)確的預(yù)測(cè)未來數(shù)據(jù)，應(yīng)當(dāng)增大趨勢(shì)平滑參數(shù) ，使其適應(yīng)新數(shù)據(jù)的趨勢(shì)變化；同時(shí)電壓、電流關(guān)聯(lián)度越大，說明電壓、電流與風(fēng)機(jī)轉(zhuǎn)速之間的關(guān)聯(lián)性越大，即電壓、電流數(shù)據(jù)序列對(duì)風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)序列的影響程度越大，應(yīng)該修正趨勢(shì)平滑參數(shù)使之能夠更快適應(yīng)新數(shù)據(jù)的波動(dòng)情況。[0073] 步驟S003，根據(jù)趨勢(shì)平滑參數(shù)對(duì)未來時(shí)刻的風(fēng)機(jī)轉(zhuǎn)速進(jìn)行預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果對(duì)風(fēng)機(jī)進(jìn)行故障預(yù)警。[0074] 將所得的趨勢(shì)平滑參數(shù) 輸入到霍爾特指數(shù)平滑算法中，根據(jù)風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)序列和電壓、電流數(shù)據(jù)序列對(duì)下一時(shí)刻的風(fēng)機(jī)轉(zhuǎn)速進(jìn)行預(yù)測(cè)，得到下一時(shí)刻的風(fēng)機(jī)轉(zhuǎn)速預(yù)測(cè)值，記為 。[0075] 設(shè)置該風(fēng)機(jī)轉(zhuǎn)速的額定轉(zhuǎn)速值為 ，通過比較下一時(shí)刻的風(fēng)機(jī)轉(zhuǎn)速預(yù)測(cè)值 與額定轉(zhuǎn)速值 之間的差異，判斷該風(fēng)機(jī)是否存在故障。[0076] 設(shè)置轉(zhuǎn)速差異閾值 ，如果下一時(shí)刻的風(fēng)機(jī)轉(zhuǎn)速預(yù)測(cè)值 與額定轉(zhuǎn)速值 的差值絕對(duì)值大于轉(zhuǎn)速差異閾值 ，則判斷該風(fēng)機(jī)在下一時(shí)刻運(yùn)行時(shí)可能存在故障，為防止故障擴(kuò)大，此時(shí)系統(tǒng)自動(dòng)發(fā)出警報(bào)，進(jìn)行預(yù)警處理，對(duì)風(fēng)機(jī)采取相應(yīng)的措施。[0077] 本實(shí)施例將轉(zhuǎn)速差異閾值 設(shè)置為經(jīng)驗(yàn)值500轉(zhuǎn)/min，具體可以根據(jù)實(shí)施者自行設(shè)定。[0078] 至此，完成風(fēng)機(jī)運(yùn)行時(shí)的故障預(yù)警。[0079] 綜上所述，本發(fā)明實(shí)施例提出基于人工智能的風(fēng)機(jī)運(yùn)行故障預(yù)警方法及系統(tǒng)，采集風(fēng)機(jī)運(yùn)行數(shù)據(jù)，根據(jù)電壓、電流數(shù)據(jù)中的異常情況進(jìn)行分析，通過影響風(fēng)機(jī)轉(zhuǎn)速的預(yù)測(cè)值，完成對(duì)風(fēng)機(jī)運(yùn)行故障預(yù)警。[0080] 本發(fā)明實(shí)施例根據(jù)歷史的電壓、電流數(shù)據(jù)序列進(jìn)行分析，將歷史數(shù)據(jù)分成兩個(gè)周期，針對(duì)每個(gè)周期的異常情況得到其數(shù)據(jù)序列對(duì)風(fēng)機(jī)轉(zhuǎn)速數(shù)據(jù)序列的影響程度，將預(yù)測(cè)值設(shè)置為受到更臨近數(shù)據(jù)異常情況的影響，即時(shí)間越遠(yuǎn)歷史數(shù)據(jù)對(duì)未來的預(yù)測(cè)值的影響越小，以此更準(zhǔn)確預(yù)測(cè)未來下一時(shí)刻的風(fēng)機(jī)轉(zhuǎn)速，使得預(yù)警結(jié)果更加準(zhǔn)確；將電壓、電流對(duì)轉(zhuǎn)速的關(guān)聯(lián)度作為影響因素對(duì)轉(zhuǎn)速的影響度的初始值，對(duì)電壓、電流數(shù)據(jù)進(jìn)行分析處理，對(duì)于隨著時(shí)間變化，數(shù)值相關(guān)性越大、序列數(shù)值混亂波動(dòng)越具有增加的趨勢(shì)，同時(shí)該異常波動(dòng)強(qiáng)度越大，兩者表示數(shù)據(jù)中較為異常的波動(dòng)強(qiáng)度越呈現(xiàn)增強(qiáng)的趨勢(shì)，說明該數(shù)據(jù)變化并非是偶然現(xiàn)象，而是越具有逐漸增大的趨勢(shì)；采取霍爾特指數(shù)平滑算法對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)，使預(yù)測(cè)值更快適應(yīng)臨近時(shí)刻數(shù)據(jù)的變化，實(shí)現(xiàn)對(duì)風(fēng)機(jī)的實(shí)時(shí)監(jiān)測(cè)和預(yù)測(cè)，提高預(yù)警的準(zhǔn)確性和精度。

[0081] 需要說明的是：上述本發(fā)明實(shí)施例先后順序僅僅為了描述，不代表實(shí)施例的優(yōu)劣。且上述對(duì)本說明書特定實(shí)施例進(jìn)行了描述。另外，在附圖中描繪的過程不一定要求示出的特定順序或者連續(xù)順序才能實(shí)現(xiàn)期望的結(jié)果。在某些實(shí)施方式中，多任務(wù)處理和并行處理也是可以的或者可能是有利的。

[0082] 本說明書中的各個(gè)實(shí)施例均采用遞進(jìn)的方式描述，各個(gè)實(shí)施例之間相同或相似的部分互相參見即可，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處。[0083] 以上所述實(shí)施例僅用以說明本申請(qǐng)的技術(shù)方案，而非對(duì)其限制；對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本申請(qǐng)各實(shí)施例技術(shù)方案的范圍，均應(yīng)包含在本申請(qǐng)的保護(hù)范圍之內(nèi)。