申请/专利权人：武汉钢铁集团气体有限责任公司

申请日：2024-02-01

公开（公告）日：2024-04-05

公开（公告）号：CN117829374A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/06;G06N3/096;G06N3/0442;G06N5/01;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：一种钢铁企业耗电量的预测方法及系统，涉及数据分析领域，该方法包括：收集多个时间段的历史耗电数据；对历史耗电数据进行预处理；对历史耗电数据进行分析，提取得到关键数据特征；基于关键数据特征和多个测试模型框架进行模型训练，得到多个初始预测模型；基于迁移学习技术，以预设相关模型作为起点，对多个初始预测模型进行微调，得到多个优化预测模型；确定性能评估得分最高的优化预测模型，作为优选预测模型；调整优选预测模型的模型参数，得到最终耗电预测模型；输入实时耗电数据到最终耗电预测模型中，得到耗电量预测结果。实施该方法，在企业历史数据不足的情况下，应用迁移学习技术进行模型微调，解决了数据不足的问题。

主权项：1.一种钢铁企业耗电量的预测方法，应用于耗电预测系统的服务器，其特征在于，所述方法包括：从钢铁企业的多个数据源收集多个时间段的历史耗电数据；所述历史耗电数据包括生产线数据、设备运行记录、能耗日志、天气状况和电力市场价格；对所述历史耗电数据进行预处理；所述预处理包括去除异常值、处理缺失数据和进行归一化；基于领域知识数据对所述历史耗电数据进行分析，提取得到关键数据特征；所述关键数据特征包括生产量、运行时间、季节性因素和历史耗电趋势；基于所述关键数据特征和多个测试模型框架进行模型训练，得到多个初始预测模型；所述测试模型框架包括时间序列分析模型、机器学习回归模型和深度学习神经网络模型；在所述历史耗电数据的数量低于预设数量阈值时，基于迁移学习技术，以预设相关模型作为起点，对所述多个初始预测模型进行微调，得到多个优化预测模型；使用预设验证数据测试所述多个优化预测模型的性能，得到多个性能评估结果和多个性能评估得分，并确定所述性能评估得分最高的优化预测模型，作为优选预测模型；根据对应的性能评估结果调整所述优选预测模型的模型参数，得到最终耗电预测模型；输入收集到的实时耗电数据到所述最终耗电预测模型中，得到耗电量预测结果。

全文数据：

权利要求：

百度查询： 武汉钢铁集团气体有限责任公司 一种钢铁企业耗电量的预测方法及系统

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