申请/专利权人：国网综合能源服务集团有限公司;华北电力大学

申请日：2023-12-29

公开（公告）日：2024-03-22

公开（公告）号：CN117744886A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/06;G06N3/0985;G06N3/045;G06F18/15;G06F18/2135;G06F18/214;G06F18/21;G06F18/24

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及供热、冷系统负荷预测技术领域，公开了基于贝叶斯优化的提高供热、冷系统负荷预测精度方法，所述方法包括以下步骤：基于物联网的数据采集步骤：基于物联网与自动化设备采集热、冷负荷参数以及供热、冷系统所在区域的外界自然环境参数与天气预报数据；数据预处理步骤：对所获取的数据进行数据预处理，提高数据质量，保证数据可靠性；数据类型分类步骤：按照神经网络模型的要求对数据类型进行分类，本发明解决供热、供冷系统中能耗偏高、源荷匹配度低等问题，提高预测准确度，该种方法的输出结果可以为供热、供冷系统运行调控提供参考，使供热、供冷系统实现按需供能，提高源荷匹配度，降低能耗并提高经济效益。

主权项：1.基于贝叶斯优化的提高供热、冷系统负荷预测精度方法，其特征在于：所述方法包括以下步骤：基于物联网的数据采集步骤：基于物联网与自动化设备采集热、冷负荷参数以及供热、冷系统所在区域的外界自然环境参数与天气预报数据；数据预处理步骤：对所获取的数据进行数据预处理，提高数据质量，保证数据可靠性；数据类型分类步骤：按照神经网络模型的要求对数据类型进行分类，使数据转变为可被神经网络模型用于输入和输出的数据；神经网络模型构建与训练步骤：完成神经网络模型的架构并使用训练集对所构建的神经网络模型进行训练；模型输出结果分析与反馈优化模型步骤：使用测试集验证神经网络模型的精度，并使用贝叶斯优化对神经网络的自身结构与超参数等内容进行优化；热、冷负荷预测步骤：使用天气预报数据作为输入，得到相对应的热、冷负荷预测值；基于物联网的数据采集步骤中所获取的数据内容包括：热、冷负荷大小、外界环境温度、外界环境湿度、外界环境风速、外界环境风向、外界环境降水量、外界预报环境温度、外界预报环境湿度、外界预报环境风速、外界预报环境风向、外界预报环境降水量；基于物联网的数据采集步骤中通过天气预报所收集到的参数内容的长度为72小时；数据预处理步骤中包括缺失值处理、异常值处理、数据平滑、主成分分析等步骤；数据类型分类步骤中将数据的输入数据与输出数据以天为单位进行切片，并按照以下公式判别数据长度：数据长度Ld＝1440分钟数据步长td+神经网络窗口长度Lb，其中神经网络窗口长度Lb的值通过贝叶斯优化获取；神经网络模型构建与训练步骤中根据所采用的数据类型与热、冷负荷参数的变化特性在神经网络模型中插入本研究所开发的自注意力算法；模型输出结果分析与反馈优化模型步骤中以双向长短时记忆神经网络为基础构建神经网络模型，其内容结构与超参数均由贝叶斯优化的结果决定，对内容结构与超参数给出指定范围，贝叶斯优化将在这个范围内寻找有关神经网络模型结构与超参数的最优值，且其所使用的反馈值包括但不限于均方误差、根均方误差、平均绝对误差、可决系数。

全文数据：

权利要求：

百度查询： 国网综合能源服务集团有限公司;华北电力大学 基于贝叶斯优化的提高供热、冷系统负荷预测精度方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD