(19)中华 人民共和国 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 202111358589.9 (22)申请日 2021.11.16 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 张硕　王栋　杨敬　杨胜文　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 代理人 王江选 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/08(2020.01) (54)发明名称 温度异常检测方法、 装置、 电子设备和介质 (57)摘要 本公开提供了一种温度异常检测方法、 装 置、 设备、 介质和产品， 涉及计算机技术领域， 具 体为深度学习领域。 温度异常检测方法包括： 获 取温度数据和与温度相关联的参考数据； 处理温 度数据和参考数据， 得到目标特征数据， 其中， 目 标特征数据包括第一特征数据、 第二特征数据和 第三特征数据中的至少一个， 第一特征数据与温 度数据相关联， 第二特征数据与参考数据相关 联， 第三特征数据与温度数据和参考数据相关 联； 基于温度数据、 参考数据和目标特征数据， 预 测温度的异常情况。 权利要求书2页 说明书9页 附图4页 CN 114065627 A 2022.02.18 CN 114065627 A 1.一种温度异常检测方法， 包括： 获取温度数据和与温度相关联的参 考数据； 处理所述温度数据和所述参考数据， 得到目标特征数据， 其中， 所述目标特征数据包括 第一特征数据、 第二特征数据和第三特征数据中的至少一个， 所述第一特征数据与所述温 度数据相关联， 所述第二特征数据与所述参考数据相关联， 所述第三特征数据与所述温度 数据和所述 参考数据相关联； 以及 基于所述温度数据、 所述 参考数据和所述目标 特征数据， 预测温度的异常情况。 2.根据权利要求1所述的方法， 其中， 所述基于所述温度数据、 所述参考数据和所述目 标特征数据， 预测温度异常情况包括： 利用至少一类预测模型， 分别处理于所述温度数据、 所述参考数据和所述目标特征数 据， 得到与所述至少一类预测模型一 一对应的至少一类预测结果； 以及 基于所述至少一类预测结果， 确定温度的异常情况。 3.根据权利要求2所述的方法， 其中， 针对所述至少一类预测模型中的每个类别， 每个 类别的预测模型包括多个模型， 多个模型 的模型参数彼此不同； 所述基于所述至少一类预 测结果， 确定温度的异常情况包括： 针对每个类别的预测模型， 从与 所述多个模型一一对应的多个预测结果中确定表征温 度异常的预测结果数量； 以及 基于所述预测结果数量和所述多个模型的数量之间的比值， 确定温度的异常情况。 4.根据权利要求2或3所述的方法， 其中， 所述至少一类预测模型包括： 具有提取数据变化能力的树模型、 具有温度预测能力的神经网络模型、 具有提取数据 规律信息和趋势信息的时间序列模型。 5.根据权利要求1 ‑4中任意一项所述的方法， 其中， 所述第 一特征数据包括以下至少一 个， 在第一预设时间段内： 温度的方差、 温度的最大值、 温度的最小值、 温度的最大值和温度的最小值之间的比 值。 6.根据权利要求1 ‑4中任意一项所述的方法， 其中， 所述参考数据包括压力数据； 所述 第二特征数据包括以下至少一个， 在第二预设时间段内： 压力的方差、 压力的最大值、 压力的最小值、 压力的最大值和压力的最小值之间的比 值。 7.根据权利要求1 ‑4中任意一项所述的方法， 其中， 所述参考数据包括压力数据和功率 数据； 所述第三特 征数据包括以下至少一个： 所述温度数据和所述压力数据之间的比值、 所述温度数据和所述功率数据之间的比 值、 所述压力数据和所述功率数据之间的比值。 8.一种温度异常检测装置， 包括： 获取模块， 用于获取温度数据和与温度相关联的参 考数据； 处理模块， 用于处理所述温度数据和所述参考数据， 得到目标特征数据， 其中， 所述目 标特征数据包括第一特征数据、 第二特征数据和第三特征数据中的至少一个， 所述第一特 征数据与所述温度数据相关联， 所述第二特征数据与所述参考数据相关联， 所述第三特征 数据与所述温度数据和所述 参考数据相关联； 以及权　利　要　求　书 1/2 页 2 CN 114065627 A 2预测模块， 用于基于所述温度 数据、 所述参考数据和所述目标特征数据， 预测温度的异 常情况。 9.根据权利要求8所述的装置， 其中， 所述预测模块包括： 处理子模块， 用于利用至少一类预测模型， 分别处理于所述温度 数据、 所述参考数据和 所述目标 特征数据， 得到与所述至少一类预测模型一 一对应的至少一类预测结果； 以及 确定子模块， 用于基于所述至少一类预测结果， 确定温度的异常情况。 10.根据权利要求9所述的装置， 其中， 针对所述至少一类预测模型中的每个类别， 每个 类别的预测模型包括多个模型， 多个模型的模型参数彼此不同； 所述确定 子模块包括： 第一确定单元， 用于针对每个类别的预测模型， 从与所述多个模型一一对应的多个预 测结果中确定表征温度异常的预测结果数量； 以及 第二确定单元， 用于基于所述预测结果数量和所述多个模型的数量之间的比值， 确定 温度的异常情况。 11.根据权利要求9或10所述的装置， 其中， 所述至少一类预测模型包括： 具有提取数据变化能力的树模型、 具有温度预测能力的神经网络模型、 具有提取数据 规律信息和趋势信息的时间序列模型。 12.根据权利要求8 ‑11中任意一项所述的装置， 其中， 所述第一特征数据包括以下至少 一个， 在第一预设时间段内： 温度的方差、 温度的最大值、 温度的最小值、 温度的最大值和温度的最小值之间的比 值。 13.根据权利要求8 ‑11中任意一项所述的装置， 其中， 所述参考数据包括压力数据； 所 述第二特 征数据包括以下至少一个， 在第二预设时间段内： 压力的方差、 压力的最大值、 压力的最小值、 压力的最大值和压力的最小值之间的比 值。 14.根据权利要求8 ‑11中任意一项所述的装置， 其中， 所述参考数据包括压力数据和 功 率数据； 所述第三特 征数据包括以下至少一个： 所述温度数据和所述压力数据之间的比值、 所述温度数据和所述功率数据之间的比 值、 所述压力数据和所述功率数据之间的比值。 15.一种电子设备， 包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处 理器能够执 行权利要求1 ‑7中任一项所述的方法。 16.一种存储有计算机指令的非瞬时计算机可读存储介质， 其中， 所述计算机指令用于 使所述计算机执 行权利要求1 ‑7中任一项所述的方法。 17.一种计算机程序产品， 包括计算机程序， 所述计算机程序在被处理器执行时实现根 据权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114065627 A 3